XiaoMi-AI文件搜索系统
World File Search System跟上
美国专利局如何跟上人工智能的发展
美国专利局如何跟上人工智能的步伐 VentureBeat Seth Colaner 2020 年 10 月 29 日 [链接] 技术不断给知识产权法带来挑战。臭名昭著的“猴子自拍”案不仅挑战了谁拥有一项知识产权的概念，而且挑战了什么首先构成了“谁”。上个十年的半感知猴子正在让位于一个新的“谁”：人工智能。人工智能的迅速崛起迫使法律界提出一些难题：人工智能是否可以拥有专利，现有的知识产权和专利法如何应对人工智能带来的独特挑战，以及还存在哪些挑战。这些问题的答案并不简单；学术界、政府和工业界的利益相关者已经投入了数十亿美元用于研究和开发人工智能技术以及人工智能产品和服务。专利所有权代表了谁掌握着人工智能的金钱和权力。例如，专利持有人是参与项目的员工，还是雇用该员工的公司，或者是人工智能本身，都会产生巨大的影响。此外，在获得专利时，很难在人工智能的透明度和可审计性与泄露商业机密的风险之间取得平衡。这些新挑战出现在人工智能相关专利申请持续飙升的时期。根据美国专利商标局 (USPTO) 的一份新报告《发明人工智能：用美国专利追踪人工智能的传播》，2002 年至 2018 年，每年的人工智能专利申请增加了 100%，从 30,000 份增加到 60,000 份。在同一时期，以某种方式包含人工智能的申请比例从 9% 增长到近 16%。该报告没有分享过去两年的数据，但考虑到我们目前正处于人工智能的炎热夏天，这些数字很可能只会增加。现行法律在处理 AI 专利方面是否成功？美国专利商标局正在积极努力就如何处理 AI 问题达成明确共识。2019 年，该机构提出了两份征求意见书 (RFC)：一份是关于 AI 和专利法，另一份是关于 AI 对知识产权 (IP) 政策的影响。上述两份 RFC 分别有近 100 名受访者，他们来自法律、贸易团体、学术界等各个领域。在最近的一份报告中，该机构总结了收到的回复。受访者大体上达成了一致，在以下几个方面达成了一些普遍共识：
随着法律和技术格局的快速发展，如何跟上人工智能发展的步伐
“是否可以从其他行业的风险管理类似或具有指导意义的模式中汲取灵感，例如通过注册、激励、认证或许可促进监督的法律和政策？” 基础模式是否应区别对待？ 或者新法规将以结果为导向？ ▪ 法规将对技术保持中立吗？ 基于原则的法规（如 UDAAP 法律）不需要关注特定技术
从西班牙流感到今天：免疫细胞如何跟上病毒的变化
单个 HLA-B35:01/NP 418 特异性 TCRαβ 的功能亲和力和抗原敏感性。动力学肽剂量功能反应通过 J76 细胞中的 CD69 MFI 表达来测量，这些细胞被 HLA-B*35:01 限制的 NP 418 特异性 TCR（门控 CD8 + 、CD3 + 和 GFP + ）转导，并用不同浓度的 HLA-B*35:01 + C1R 呈递的 NP 418 肽刺激过夜。来源：Science Immunology (2025)。DOI：10.1126/sciimmunol.adn3805
跟上KEMS：KEM的更强安全概念和基于KEM的协议的自动分析
关键封装机制（KEMS）是混合加密和现代安全协议的关键构建块，尤其是在量式后环境中。鉴于收件人的不对称公钥，原始键在发送者和收件人之间建立共享的秘密密钥。近年来，已经提出了大量的KEM的抽象设计和具体的实现，例如，在Quantum后原语的NIST过程中。在这项工作中，我们（i）为KEM建立了更强大的安全性概念，（ii）开发了一种符号分析方法来分析使用KEMS的安全协议。首先，我们在计算环境中概括了KEM的现有安全性概念，引入了一些更强的安全概念并证明其关系。我们的新属性正式化了kem的输出，即唯一确定，即绑定其他值。可以使用我们的新绑定属性，例如，证明没有先前的安全概念未捕获的攻击。在其中，我们确定了我们重新封装攻击的新攻击类别。第二，我们开发了一个与我们的计算安全概念层次结构相对应的细粒符号模型的家族，并且适合基于KEM的安全协议的自动分析。我们将模型编码为Tamarin Prover框架中的库。给定基于KEM的协议，我们的方法可以自动得出KEM所需的最小结合特性；或者，如果还给出了具体的KEM，可以分析该协议是否符合其安全目标。在案例研究中，塔玛林会自动发现，例如，在原始的kyber论文[12]中提出的关键交换协议需要比[12]中证明的KEM的属性更强。
文章：Chubb, Jennifer Alison 和 Reed, Darren James orcid.org/0000-0001-9018-0145 (2021) 加快步伐以跟上：探索人工智能在研究过程中的应用。人工智能与社会。ISSN 0951-5666
摘要 智能机器科学历史悠久，自人工智能诞生以来，其提供科学见解的潜力就一直备受争议。特别是，人们对人工智能在研究和研究政策中的作用重新产生了兴趣，因为它是新方法、新流程、新管理和新评估的推动者，但这方面的探索仍相对不足。这篇实证论文通过演绎、主题分析，探讨了对顶尖学者关于人工智能对研究实践和文化的潜在影响的访谈，以展示当今影响学术界和大学的问题。我们的受访者确定了人工智能在集体和个人使用方面对研究和研究人员的积极和消极影响。人们认为人工智能有助于信息收集和其他狭隘的任务，并有助于影响和跨学科性。然而，将人工智能作为“加速——跟上”官僚主义和度量化进程的一种方式，可能会加剧学术文化的消极方面，因为人工智能在研究中的扩展应该协助而不是取代人类的创造力。为了应对这些挑战，我们需要进一步研究人工智能在研究过程中的未来作用，并提出一些基本问题，即人工智能如何帮助提供新的工具，以质疑推动机构和研究过程的价值观和原则。我们认为，要做到这一点，就人工智能在研究中的作用开展明确的元研究运动，应该考虑对研究和研究人员创造力的影响。还应考虑在政策层面和跨学科采取前瞻性方法，并吸纳各种批判性声音。
高等教育战略规划简介
• 必须跟上内外部需求 • 快速变化的环境 • 注重效率 • 项目审查和淘汰 • 数据驱动的决策制定 • 需要将规划与预算联系起来 • 确定并调整战略规划以跟上步伐；它在 20 世纪 90 年代和 21 世纪成为主流，至今仍是如此
