XiaoMi-AI文件搜索系统
World File Search SystemLiterary
人工智能衍生品：文学和艺术作品衍生作品权的应用
1 我在其他地方讨论了“原因”（近因而非简单原因的一种版本）如何成为确定文学或艺术作品是否有人类作者的合适概念。请参阅 Daniel Gervais 的《机器作为作者》，105 I OWA L. R EV。2053（2020 年）；Daniel Gervais，《人类原因》，《知识产权与人工智能研究手册》（R. Abbott 编辑，即将于 2022 年出版）。我在这两个来源中给出了这些类型作品的多个示例。本文使用“机器”作为通用术语，可能适用于使用 AI 软件的计算机，但也可以涵盖能够移动的机器，例如在画布上绘画的机器人。2 机器学习是 AI 的主要形式。参见 Roberto Iriondo，机器学习 (ML) 与人工智能 (AI) – 关键差异，T OWARDS AI（2018 年 10 月 15 日），https://medium.com/datadriveninvestor/differences-between-ai-and-machine-learning-and-why-it-matters-1255b182fc6（“‘机器学习 [ML] 是研究计算机算法，使计算机程序能够通过经验自动改进。’— ML 是我们期望实现 AI 的方式之一。机器学习依赖于处理大型数据集，通过检查和比较数据来找到共同模式并探索细微差别[,]”引用卡内基梅隆大学机器学习系前主任 Tom M. Mitchell 教授的话）。3 17 U.S.C.§ 106(2)。4 17 U.S.C.§ 101（强调添加）。5 一个众所周知的例子是名为 e-David 的机器，它使用复杂的视觉优化算法制作绘画，该算法“用相机拍照并根据这些照片绘制原画。” Shlomit Yanisky-Ravid，生成伦勃朗：3A 时代的人工智能、版权和问责制——类人作者已经到来——一种新模式，2017 M ICH 。S TATE L. R EV 。659, 662 (2017)；另见下文第 III.A 节。6 请参阅 Gaëtan Hadjeres 和 François Pachet，《DeepBach：巴赫合唱团一代的可操纵模型》，AR X IV 1（2016 年 12 月 3 日），https://arxiv.org/pdf/1612.01010v1.pdf
“我将观察他们的进步”：文学系统中的观察者效应和信息论
蒙特克莱尔州立大学数字共享中心免费向您提供本论文，供您开放访问。蒙特克莱尔州立大学数字共享中心的授权管理员已接受本论文，将其纳入论文、学位论文和毕业设计中。如需更多信息，请联系 digitalcommons@montclair.edu。
Recherche littéraire/文学研究
Dorothy Figueira（雅典佐治亚大学），前任编辑/前任编辑 John Burt Forster（乔治梅森大学），前任编辑/前任编辑 Thomas Oliver Beebee（美国宾夕法尼亚州立大学） César Domínguez（圣地亚哥大学）西班牙孔波斯特拉） Eugene C. Eoyang（美国印第安纳大学） Massimo Fusillo（印第安纳大学） Peter Hajdu（匈牙利科学院） Scott Miller（美国杨百翰大学） Helga Mitterbauer（比利时布鲁塞尔自由大学） David O'Donnell（新西兰惠灵顿维多利亚大学） ) Randolph Pope（美国弗吉尼亚大学）E.V. Ramakrishnan（印度古吉拉特邦中央大学） Haun Saussy（美国芝加哥大学） Monica Spiridon（罗马尼亚布加勒斯特大学） Juri Talvet（爱沙尼亚塔尔图大学） Anne Tomiche（法国索邦大学） Hein Viljoen（西北大学）大学，波切斯斯特鲁姆，南非） 张龙熙（中国香港城市大学） Assistants de r Assistants de r Assistants de r Assistants de réééédaction/编辑助理 daction/编辑助理 daction/编辑助理 Jessica Maufort (布鲁塞尔自由大学，ULB) Samuel Pauwels (布鲁塞尔)
文学伦理批评：口头文学与脑文本的生成机制
摘要 在文学伦理学批评的概念体系中，一切文学的存在都依赖于所谓的文本，口传文学也包括在内，口传文学主要指通过口头传播的文学。但口传文学的文本在传播之前就已储存于人的大脑中，可以称之为“脑文本”。脑文本是指在文字符号产生并用于记录信息之前，以叙事为目的的文本形式，在文字符号产生之后，这种文本形式依然存在。除了脑文本，还存在书面文本、电子文本等文本，但脑文本中尤其包含脑概念，根据其来源不同，脑概念又可分为图像概念和抽象概念。脑概念是理解和运用脑概念而形成的思维工具，从这个意义上说，脑文本是思维的载体。脑概念停止生成，即思维完成。思考产生思想，思想以脑文本的形式储存在大脑中，决定人的思维和行为模式。脑文本不仅传递和传播信息，还指导人的观念、想法、判断、选择、行动和情绪。脑文本在一定程度上影响着人的生活方式和道德行为。事实上，脑文本可以控制人的思想和行为，最重要的是，决定人是谁。
导论：文学伦理批评、脑文本与世界文学新解读
作者简介 尚碧武是上海交通大学英语系教授，也是德格鲁伊特出版社《叙事研究前沿》杂志的主编。他的研究兴趣包括当代英国小说、叙事学和文学伦理批评。他是《追寻叙事动力》（彼得朗，2011 年）、《当代西方叙事学：后古典主义视角》（人民文学出版社，2013 年）和《跨越边界的非自然叙事：跨国界和比较视角》（劳特利奇，2019 年）的作者。他的作品发表在《比较文学研究》、《批评：当代小说研究》、《部分答案》、《Neohelicon》、《文学语义学杂志》、《符号学》、《比较文学与文化》、《文学跨学科研究》和《阿卡迪亚》等期刊上。
观点：人工智能作为作者——弥合机器学习与文学理论之间的差距
预计人工智能创作原创文学作品的能力将不断提升，本研究指出，文学性或构成文本文学性的因素在文本生成方面研究不足。从计算的角度来看，文学尤其具有挑战性，因为它通常使用比喻和模棱两可的语言。文学专业知识有助于理解这种艺术形式如何传达意义和情感，但这一点经常被忽视。我们建议让来自两个不同学科（机器学习和文学研究）的专家进行对话，以提高人工智能写作的质量。这项研究专注于评估作为文本生成过程的重要阶段，表明可以从文学理论角度获得好处。这些知识将改进算法设计，并使人们更深入地了解人工智能如何学习和生成。
《重构注意力经济：文学解读是消除大众媒体干扰的良方》摘自 Cynla Akdere 和 Christine Baron 的《经济学》
诗人、剧作家、小说家和艺术家并没有等到经济学家才意识到注意力是一种稀缺资源。正如理查德·兰纳姆雄辩地强调的那样，修辞学不过是注意力经济学的实践和教授，早在赫伯特·西蒙、达拉斯·斯迈思或理查德·塞拉于 20 世纪 70 年代明确提出它之前，这种理论就已在 2000 多年前被实践和教授。甚至在现代艺术争夺大众观众之前，“风格”的概念就经常被阐述为一种吸引注意力的手段（兰纳姆 2006 年）。但如果说文学在关注注意力方面先于经济学的说法准确的话，那么本文希望表明，文学可能仍然处于领先地位，因为注意力已被广泛认为是我们最稀缺和最宝贵的资源。如果我们将文学体验主要视为一种注意力实践，我们可能会发现其中存在一种可能性，可以克服商业驱动的大众媒体将我们的集体注意力困在其中的一些死胡同。
论计算文体学：挖掘文学文本......
按照解释学的思路，我们提出了一种通过从给定文本中提取相关模式来进行风格表征的知识发现过程，重点是风格的句法维度。这个知识发现过程包括两个主要步骤，一个顺序模式挖掘步骤，然后应用一些兴趣度度量。特别是，提取给定长度的所有可能的句法模式被提出作为在探索性场景中提取有趣特征的一种特别有用的方法。显然，模式的激增和人类难以理解大量结果是这种方法的主要障碍。因此，我们在这种情况下使用兴趣度度量来处理和减少如此大量的模式，以识别最相关的模式。我们建议对三种提出的兴趣度测量方法进行实验评估并报告结果，每种方法都基于不同的理论语言学和统计背景。
