检索结果-内蒙古大学图书馆

中国出版 2025年第6期 3-7页

作者：储翔周怿霖华东政法大学知识产权学院

人工智能技术的发展对传统合理使用制度造成了冲击,而这一影响在以大模型为核心的生成式人工智能领域更加突出。作品作为关键的高质量训练数据来源,在生成式人工智能产业发展中具有不可替代的价值,也面临着更高的被侵权风险。我国《著... 详细信息

人工智能技术的发展对传统合理使用制度造成了冲击,而这一影响在以大模型为核心的生成式人工智能领域更加突出。作品作为关键的高质量训练数据来源,在生成式人工智能产业发展中具有不可替代的价值,也面临着更高的被侵权风险。我国《著作权法》第二十四条第一款前12项未针对新技术发展需求增添合理使用情形条款,而由“法律、行政法规规定”的“其他情形”也尚未提供生成式人工智能使用行为认定的实质性指引。生成式人工智能时代需要积极回应科技发展需求,建构与技术发展需求、国家战略目标相适应的合理使用规则。研究建议引入日本“非享受性使用”条款的思路,并从体系化视角出发提出完善合理使用制度的配套措施。

关键词：生成式人工智能数据训练合理使用

来源：评论

学校读者我要写书评

暂无评论

生成式人工智能数据训练的著作权困境及其对策

引用

时代法学 2025年第1期23卷 58-79页

作者：陈雨悦李军湖州师范学院浙江湖州313000 湖州知识产权研究院浙江湖州313000

数据训练行为是机器学习的具体行为表现,对生成式人工智能运行起基础性必要作用。在数据训练过程中,未经著作权人授权使用其作品便会出现著作权侵权争议。但受技术发展价值和著作权人合法权益价值影响,难以被简单地判定为构成侵权,或直... 详细信息

数据训练行为是机器学习的具体行为表现,对生成式人工智能运行起基础性必要作用。在数据训练过程中,未经著作权人授权使用其作品便会出现著作权侵权争议。但受技术发展价值和著作权人合法权益价值影响,难以被简单地判定为构成侵权,或直接被认定为著作权的限制与例外情形,也因此,针对该行为的治理方案存在空缺。在综合考虑海量数据训练的运行特征、传统授权模式的实际不适性、合理使用和法定许可制度利弊以及中国实际战略要求的基础上,发现对生成式人工智能数据训练的问题并非一朝一夕能够解决。数据训练行为的内容会随着人工智能的发展而发生改变,故构建“合理使用配合法定许可动态适用”的制度,将治理时期按实际国情划分为初期阶段和成熟阶段,以求实现前期技术的正当发展和后期各方利益的兼顾。

关键词：生成式人工智能数据训练合理使用法定许可著作权

来源：评论

学校读者我要写书评

暂无评论

首个人形机器人数据训练中心落地

首个人形机器人数据训练中心落地

引用

北京日报

作者：孙云柯

本报讯（记者孙云柯）昨天，全市首个人形机器人数据训练中心落地首钢园科幻产业集聚区二期。平台部署百余台人形机器人本体，聚焦医疗健康生活等十大典型应用场景，打造“数据-训练-场景”三位一体融合训练闭环，可年产出超百万条高... 详细信息

本报讯（记者孙云柯）昨天，全市首个人形机器人数据训练中心落地首钢园科幻产业集聚区二期。平台部署百余台人形机器人本体，聚焦医疗健康生活等十大典型应用场景，打造“数据-训练-场景”三位一体融合训练闭环，可年产出超百万条高价值真实数据。项目位于首钢园金安科幻广......

关键词：人形机器人数据训练

来源：评论

学校读者我要写书评

暂无评论

生成式人工智能数据训练中的“非作品性使用”及其合法性证成

引用

法学论坛 2024年第3期39卷 67-78页

作者：刘晓春中国社会科学院大学法学院北京102488

生成式人工智能数据训练中的作品使用行为是否应当纳入著作权权利范围,关涉到产业发展的重要利益关系。数据训练中的作品使用,具有“非特定性”,不指向具体而特定的单个作品,从功能阶段上看,属于生产过程性的中间使用;从后续效果上看,... 详细信息

生成式人工智能数据训练中的作品使用行为是否应当纳入著作权权利范围,关涉到产业发展的重要利益关系。数据训练中的作品使用,具有“非特定性”,不指向具体而特定的单个作品,从功能阶段上看,属于生产过程性的中间使用;从后续效果上看,对于生成式人工智能这一基础工具具有增强效应。因此,应当将其界定为“非作品使用行为”而排除在著作权权利范围之外。生成式人工智能应用对著作权人并未造成整体激励的削弱,只是导致了激励行为的结构性调整,因而不需要将著作权保护延伸至数据训练来予以补偿。著作权法下排除保护训练数据“非作品性使用”的具体方案选择中,从权利范围“直接排除”保护的方案总体上优于“先进后出”的合理使用方案。

关键词：生成式人工智能数据训练著作权合理使用

来源：评论

学校读者我要写书评

暂无评论

合成数据：生成式人工智能数据训练中隐私保护和数据利用并行的新路径

引用

图书馆建设 2024年

作者：玛丽亚木·艾斯凯尔南京大学法学院

数据的价值在流通利用中得以彰显，其中的个人数据亦不例外。在促进技术创新与大力发展生成式人工智能产业的同时，如何保护个人数据主体的隐私利益成为需要考虑的棘手问题。在生成式人工智能数据训练中隐私保护和数据利用并行的实现上... 详细信息

数据的价值在流通利用中得以彰显，其中的个人数据亦不例外。在促进技术创新与大力发展生成式人工智能产业的同时，如何保护个人数据主体的隐私利益成为需要考虑的棘手问题。在生成式人工智能数据训练中隐私保护和数据利用并行的实现上，有赖于匿名化和去标识化的传统路径显得力不从心，需要进行思维转型并另辟蹊径。基于生成式人工智能数据训练隐蔽的特性，同时也是为了弥补个人数据的使用与利用中固有的隐私-效用难题，生成式人工智能数据训练中隐私保护和数据利用并行的实现可以通过隐私增强技术找到突破口，综合运用隐私增强技术，并协同推进合成数据的开发与应用，可以为实现有效平衡隐私保护与数据效用之间的关系提供新的思路，以此推动生成式人工智能技术的健康发展为社会带来更大的福祉与进步。

关键词：生成式人工智能数据训练隐私保护数据利用合成数据

来源：评论

学校读者我要写书评

暂无评论

重塑复制权:生成式人工智能数据训练的合法化路径

引用

东方法学 2024年第6期 70-83页

作者：施小雪中国人民公安大学法学院

脱离了适宜复制权生存的原始环境,而对复制权进行宽泛的权利扩张,是导致生成式人工智能数据训练遭遇法律障碍的根本原因。以增进公众福祉和产业发展为考量,合法化数据训练中复制作品的行为,解决之道在于重塑复制权,而不是重塑合理使用... 详细信息

脱离了适宜复制权生存的原始环境,而对复制权进行宽泛的权利扩张,是导致生成式人工智能数据训练遭遇法律障碍的根本原因。以增进公众福祉和产业发展为考量,合法化数据训练中复制作品的行为,解决之道在于重塑复制权,而不是重塑合理使用。在权利法的视角下,重塑复制权应对复制权的功能进行重新定位,以“固定性+传播性”的构成要件定义侵犯复制权的行为。在技术发展的早期阶段,重塑复制权后的合法化路径还应配合著作权注意义务的施加,促进平台不断改进用户指令端和内容输出端的技术控制和内容生成能力。在指令端及输出端符合著作权注意义务的阶段性场景要求,以及获取作品的行为没有违背权利人的意愿时,数据训练中对作品的复制可视为不具备“传播性”而不构成对复制权的侵犯。

关键词：生成式人工智能数据训练复制权著作权法注意义务财产权

来源：评论

学校读者我要写书评

暂无评论

人工智能数据训练著作权合理使用法律规则路径探究

引用

暨南学报(哲学社会科学版) 2024年第11期46卷 60-73页

作者：刘水美中国政法大学法律硕士学院

数据训练是影响人工智能最终功能与效果实现的决定性因素,亦是引发众多著作权纠纷的主要原因。被告时常以著作权合理使用为侵权抗辩理由,学界业界对此莫衷一是。通过对人工智能情境下数据训练著作权侵权规制路径主要模式的归纳与辨析后... 详细信息

数据训练是影响人工智能最终功能与效果实现的决定性因素,亦是引发众多著作权纠纷的主要原因。被告时常以著作权合理使用为侵权抗辩理由,学界业界对此莫衷一是。通过对人工智能情境下数据训练著作权侵权规制路径主要模式的归纳与辨析后得出,著作权合理使用为数据训练著作权侵权规制路径的最优解。目前,我国著作权合理使用法律规则与人工智能数据训练的使用情形尚不能适配。美国“转换性使用”标准作为扩大合理使用情形的一般判断规则,因存在理论与实践瑕疵,不适宜将其直接移植入我国法律中来。人工智能数据训练的合法化符合我国社会政策发展需要,有助于提升人工智能新质生产力并可促进人工智能产业国内外公平发展。以上可为我国设置具体的人工智能数据训练合理使用法律条款释疑及证成。

关键词：人工智能著作权侵权数据训练合理使用转换性使用

来源：评论

学校读者我要写书评

暂无评论

AIGC大模型数据训练版权规制的终端转向

引用

北京理工大学学报（社会科学版） 2024年第5期26卷 64-75页

作者：王志文武汉大学法学院湖北武汉430072

如何协调作品版权保护与AIGC大模型数据训练间的关系,已成为实现AIGC大模型高质量迭代更新的“阿克琉斯之踵”。“权利范式”下合理使用与法定许可的前端规制路径各有缺陷,难以达致平衡AIGC大模型产业发展与版权人利益保障的制度目标。... 详细信息

如何协调作品版权保护与AIGC大模型数据训练间的关系,已成为实现AIGC大模型高质量迭代更新的“阿克琉斯之踵”。“权利范式”下合理使用与法定许可的前端规制路径各有缺陷,难以达致平衡AIGC大模型产业发展与版权人利益保障的制度目标。着眼终端输出管控的“关系范式”,因贴合产业演进动态治理要求、适于调整作品数据所涉双重交互关系、兼容既存制度环境以及存在成熟规则借鉴范例,足以成为中国规制AIGC大模型数据训练的基础性制度架构。当用户利用AIGC大模型实施版权侵权行为时,如果大模型提供者无法证明其在数据训练过程中实际履行防输出抄袭和制止重复侵权的注意义务,即应承担针对版权人利益减损的第三方侵权责任。

关键词：权利范式关系范式数据训练终端规制注意义务

来源：评论

学校读者我要写书评

暂无评论

基于数据训练的单通道语音增强算法研究

基于数据训练的单通道语音增强算法研究

引用

作者：李煦中国科学院大学

学位级别：博士

随着通信技术的发展，电话会议系统、车载免持电话和VoIP等通信系统不断涌现，并且随着智能可穿戴设备、智能家居和智能车载系统等领域的兴起，越来越多的设备如智能音箱，智能手表等具有语音交互功能。这些设备需要满足用户在各种实际... 详细信息

随着通信技术的发展，电话会议系统、车载免持电话和VoIP等通信系统不断涌现，并且随着智能可穿戴设备、智能家居和智能车载系统等领域的兴起，越来越多的设备如智能音箱，智能手表等具有语音交互功能。这些设备需要满足用户在各种实际声学环境下进行语音通信或交互的需求，如在嘈杂的户外和在混响较强的室内等。在这些实际环境中，目标语音容易受到环境噪声、非目标说话人干扰和房间混响等信号的影响。为了提高语音质量，实际中需要设计算法对传声器采集到的信号进行增强处理，使得语音增强技术研究成为一个重要课题。而且很多设备由于尺寸和成本的限制，通常只有一个传声器拾取信号，使得单通道语音增强技术成为一个研究热点。传统的单通道语音增强算法一般只能处理较平稳的噪声，对非平稳噪声抑制效果不佳，限制了这类算法在实际场景中的应用。本文主要研究了复杂环境下基于数据训练的单通道语音增强算法，利用训练数据本身带来的先验信息来提高算法对非平稳噪声的抑制能力。主要研究工作及创新点包括:　　1.对语音信号的时间连续性进行研究。标准的基于非负矩阵分解的单通道语音增强算法不需要假设噪声是平稳信号，而且能够利用语音和噪声训练数据中的先验信息，因此能够对非平稳噪声有较好的抑制效果。然而该算法假设语音相邻帧是相互独立的，没有考虑语音信号的时间连续性。本文提出了一种基于非负矩阵分解和k均值聚类的语音建模方法，能同时对语音信号的频谱结构信息和时间连续性信息建模。并且将该语音建模方法和因子条件随机场结合对混合信号的时间动态特性建模，用于分离两个说话人的语音信号以及分离语音和噪声信号。实验结果表明，该算法相比其它一些算法在主客观评价指标上都有较大的提升。　　2.对基于非负矩阵分解的无监督语音增强算法进行研究。在基于非负矩阵分解的无监督语音增强算法中，首先通过大量语音训练数据得到全局语音模型，然后通过组稀疏惩罚项从全局语音模型中选择少量的说话人字典描述测试信号中未见过的说话人语音信号，同时从测试信号中估计噪声字典，实现无监督语音增强。本文针对算法中的组稀疏惩罚项进行研究，分别提出了基于自适应组稀疏惩罚项和动态组稀疏惩罚项的无监督增强算法，能够更好地从全局语音模型中选择匹配的语音字典。结果表明，所提组稀疏惩罚项能够在保留语音成分的同时抑制更多的噪声信号，提高增强效果。除此之外，我们提出了一种与说话人无关的语音模型，相比全局语音模型能够更好地对语音频谱进行建模，然后将所提语音模型用于无监督在线语音增强，对测试信号逐帧进行增强处理，具有重要的实践价值。　　3.对基于非负矩阵分解和深度神经网络的语音增强算法进行研究。近年来，非负矩阵分解和深度神经网络已经被结合用于单通道语音增强，其中非负矩阵分解用于描述语音信号的频谱结构，深度神经网络用于估计非负矩阵分解的权重矩阵。在本文中，我们将性别信息引入到基于非负矩阵分解和深度神经网络的语音增强算法中，通过引入新的先验信息，即性别信息来进一步提高语音增强效果。在训练阶段，针对男性和女性说话人分别训练深度神经网络-非负矩阵分解模型;在增强阶段，提出了一种性别鉴定算法用于判断每段测试信号中的说话人性别，然后选用对应性别的模型进行语音增强。实验结果表明增加说话人性别这一先验信息能够有效提高增强效果。　　4.对混响环境下的语音增强算法进行研究。在本文中，我们提出了一种混响环境下的理想浮值掩蔽定义，将目标语音的直达声和早期混响部分作为期望信号，晚期混响部分和噪声作为残余信号。然后采用深度神经网络模型估计新定义的理想浮值掩蔽，最后将估计得到的浮值掩蔽用于原始信号进行语音增强。同时我们也进行了一系列实验来对噪声和混响对于增强结果的影响进行了研究。实验结果表明，在很多测试环境下，本文所提算法相比原始信号都能够有效提高语音质量和可懂度。

关键词：单通道语音增强噪声抑制非负矩阵分解深度神经网络数据训练

来源：评论

学校读者我要写书评

暂无评论

生成式人工智能数据训练中的版权问题研究

引用

中国版权 2024年第5期 61-72页

作者：阮开欣黄歆瑜华东政法大学知识产权学院华东政法大学知识产权研究中心

利用作品对生成式人工智能进行数据训练能够促进公共利益的最大化,这与版权法的价值目标相契合。在输入阶段,版权合规型AI通常生成不侵犯版权的内容,此时的数据输入行为具有转换性,根据四要素标准应构成合理使用。版权违规型AI通常生成... 详细信息

利用作品对生成式人工智能进行数据训练能够促进公共利益的最大化,这与版权法的价值目标相契合。在输入阶段,版权合规型AI通常生成不侵犯版权的内容,此时的数据输入行为具有转换性,根据四要素标准应构成合理使用。版权违规型AI通常生成侵犯版权的内容,此时的数据输入行为构成侵权。在输出阶段,在生成物构成侵权内容的情况下,若AI运营商采取了事前预防措施和事后纠正措施,则其可以被认定为无过错而免于承担赔偿责任。在司法实践中,我国法院应灵活运用四要素标准认定数据输入行为是否构成合理使用,并对于尽到合理注意义务的AI运营商减免其因输出侵权内容所承担的赔偿责任,从而推动人工智能产业的科技向善。

关键词：生成式人工智能数据训练合理使用版权侵权

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：