WIPO 杂志 ， 第 2 期 / 2022 （ 6 月 ）

2022年6月 No.2 人工智能：深度造假知识产权和青年：教育我们的 在娱乐行业未来的创新者 生态潘普拉斯：更好地回收利用 润滑剂容器 p.12 p.41 p.37 技术转让在NASA：带来NASA技术道恩到地球 p.24 亲爱的读者， 我们很高兴地通知您，从2023年1月，WIPO杂志将移动到仅数字格式。精选WIPO杂志季刊将 继续以PDF格式提供 那些希望按需印刷的人。 此举将使我们能够为您提供更多有关主题问题的定期内容流 toIP,innovationandcreativity.Itisalsoinlinewith 本组织减少碳排放的承诺足迹。 请注册您的数字版本的WIPO 杂志：https://www3.wipo.int/newsletters/en/#wipo_magazine C目录s表 2 Aperis：解决数据隐私困境 编辑:凯瑟琳·朱厄尔 7 Metaverse、NFT和IP权利：监管还是不监管规范? 12 人工智能：娱乐中的深层假货 ©WIPO,2022 Industry 归因4.0国际(CCBY4.0) 18 VillgroAfrica：帮助健康创业公司将他们的想法带到market 允许用户复制、分发、 适应，翻译和公开执行此 24NASA的技术转让：使NASA技术下降到地球 32新一代存储芯片有望减少能源使用 37EcoPanplas：更好地回收润滑剂容器 41知识产权与青年：教育我们未来的创新者 出版物，包括商业用途- 姿势，未经明确许可，提供内容伴随着一个 承认WIPO是消息来源 而且它清楚地表明，如果变化是按照原来的内容制作的。 改编/翻译/衍生产品应 不得携带任何fi社会标志或徽标，除非他们已经被批准和验证 请通过WIPO与我们联系网站获得许可。 当WIPO发布的内容，例如图像、图形、商标或徽标 归属于第三方，该等用户内容全权负责清除 与权利人的权利。 要查看此许可证的副本，请访问 https://creativecommons.org/licenses/ /4.0/ Acknowledgements:封面图像: 2乌尔里克·蒂尔知识产权和前沿技术司从左到右：©MIT/HalseyBurgund； 7和12保罗·兰特里WIPO版权法司 18MarcSery-KoreWIPO非洲司 24马修·布莱恩，PCT法律和用户关系司，WIPO 37伊莎贝拉·皮门特尔、WIPO巴西Oce 由Peequal提供；deepblue4you/E+ /盖蒂图片社主图像:NASA的礼貌 Apher是：解决数据预测di引理 By詹姆斯·纽顿，自由撰稿人 如何启用复杂的人工智能 (AI)工具，同时尊重隐私和保护 数据资产的知识产权？总部位于柏林初创公司相信联合学习提供了答案。 在第四届会议的开幕词中 WIPO关于知识产权和前沿技术的对话2021年9月（阅读数据：燃料转化为全球经济)，WIPO总干事唐大仁 将数据描述为推动数字化的“燃料”。机器学习算法需要大量的 可以学习的数据-但是当flow 燃料中断，换句话说，当数据不能出于隐私、安全或智力的原因而共享财产(IP)保护? 这个问题的一个解决方案被称为联合学习，其中数据永远不会离开的控制数据所有者。相反，机器学习算法是 在本地对数据进行培训，而不会共享数据。在一个简单的例子，敏感数据，如患者记录从医院可以用来开发新的 没有医院的制药公司的药物 不得不披露任何数据。在更复杂的情况下，来自多个源的数据可用于训练相同的 算法，在数量和多样性上都带来了好处fits。 联合学习需要一个值得信赖的第三方算法和数据所有者。基于柏林的 初创公司Aperis于2019年推出，就是这样一个公司。Aperis拥有大约20名开发人员的团队，隐私专家和数据科学家，他们提供安全的 安全数据共享平台。其法律主管LucieArntz最近和WIPO杂志关于 公司的商业模式、数据保护和安全。 联邦学习是基于这样的信念，即“敏感的数据最好保存在本地，并在 数据控制器”，并提供“作为 很好，就像你把所有的数据都放在自己的服务器上一样， “ LucieArntz说，她是Aperis的法律主管。 联邦学习的好处 Arntz女士于2020年夏季加入Aperis-第一位员工不要成为科学家-并负责确保适当的 法律基础，保护客户权利和监督 合同。她说联合学习是基于这样的信念 “敏感数据最好保存在本地，并在 数据控制器”，并提供“同样好的结果” 就好像你把所有的数据都放在自己的服务器上一样。" 到目前为止，好处fits在医疗保健领域最为明显。部门，人工智能技术先进，有基金- mentalconcernsaboutconfidentialandsensitivepatientdata.ButArntz女士指出，联合学习甚至提供了好处 其中数据对个人识别fi能力不敏感 信息(PII)。例如，Aperis现在正在进行一个项目对于化学品制造商来说，这涉及产品和客户 商业敏感和秘密的数据。联合学习 也适用于某些数据受IP权利保护的情况。 “集中数据正在变得过时，”Arntz女士说。他补充说，许多公司拥有大量有价值的数据由于对共享的担忧，它没有被利用：“你可能有很多对某人来说非常重要的数据 其他但不是你，所以没有与某人合作这些数据根本没有价值。“ 在某些情况下，数据的价值可能只有在通过联合学习与其他来源的数据相结合。例如，来自美国患者的医疗数据可能 与来自非洲或亚洲的补充，导致更多 多样化的临床试验数据集。“。你可以把它扩大到 你想要的，这就是它变得神奇的地方，“阿恩茨女士说。 但她补充说，联合学习的潜力仍然可能 Threeyearsawayfrombeingfullfilled.Onereasonistheneedfor 在数据的收集和格式化方面更加标准化。而增加的计算能力可以处理更大的 数据量，以获得数据需要的最佳结果 结构化以实现安全的数据协作。这里，再次， 医疗保健行业处于领先地位，但其他行业正在迎头赶上 up.OnethatMs.Arntzidentifyfiesistheautomotiveindustry,where 部分和完全自动驾驶汽车的发展取决于分析来自不同来源的各种数据-包括司机，车辆，公路当局，执法机构 和保险公司。“。汽车行业非常专注于获得这种标准化已经到位，”她说。“人们对能够在这些数据上进行协作，并努力获得大厂商一起去标准化。这是一个特别 有趣的领域，因为它涉及公共和私营部门互动。“。在汽车行业，解决方案可能是自愿和行业主导，但需要时间来发展。 “虽然增加计算capacity启用加工较大的卷 的数据，对于 结最果优是 数据需求要好好的结构化启用 安全数据合作”。 集中学习和联合学习的比较 Arntz女士说，集中数据正在变得过时。“您可能有大量的数据可能对别人非常重要，但对你却不重要， 因此，如果不与某人合作，这些数据就根本没有价值。“ Apheris使公司能够安全地分析多个数据各方，同时保持专有信息的私密性。 欧盟的数据-现有并提出 解构主义 人工智能工具开发的一大挑战是匿名级别。个人是可以理解的 关心保护他们的个人数据(无论是医疗或家族史、fi财务信息或其他个人 细节)，但正如阿恩茨女士所说，“越匿名数据越不相关。匿名化 不是机器学习的未来。“。有效的药物例如，开发和测试需要 年龄、种族、过敏、药物和其他 因素；自动驾驶汽车需要关于哪里的信息你要去的地方，你开的是哪种车 你想走多快Arntz女士相信联邦 学习可以帮助提供平衡，并表明“这是不能同时拥有隐私和创新。“ 克服这些挑战需要多种技术的结合- 逻辑和法律解决方案：该技术可以确保通过严格的流程实现数据的安全性 并经过严格测试，而法律允许合同规定谁控制数据，谁可以接收数据结果以及他们收到的详细程度。 数据实际上是如何受到保护的仍然是一个不同的fi邪教问题- TION：而版权法和特殊的工具如 欧盟的数据库权利可能会提供一些保护，界限不明确，大多数组织 很可能倾向于保持数据安全，依赖于CON- 商业秘密下的条款和保护 orconficredentialinformationlaws.ButMs.Arntzsaysthe 是否以及如何保护数据的问题需要 不是问题：“如果你有数据，你可能会认为它很重要，应该受到保护。对于联邦 学习，数据是否受到保护并不重要正式与否。我们在安全方面犯错。" 她认为，更紧迫的问题是“广泛同意”。 GDPR承认并不总是可能的 科学fic研究人员确定所有的目的 哪些数据被收集。因此，他们可能不必 对他们在其他领域的计划有特别的fic，但应该尽管如此，还是提供了选项，以便数据主体可以对未来的研究用途给予知情同意。“。我们 需要更明确地指导什么是“研究目的”。目前，大学和 研究人员，这限制了创新，“她说。 通用数据保护条例(GDPR)：2016年GDPR取代欧盟数据保护指导和调节个人的审美过程 欧洲经济数据主体的数据 地区。它在许多其他国家都被效仿-尝试和地区，例如在加利福尼亚州消费者隐私法(2018) 数据治理法：通过法案 由欧洲议会于2022年4月6日。它被欧洲议会宣布为 此举“将刺激创新和帮助 初创企业和企业使用大数据。“ 通过降低数据成本将有利于fit业务和市场壁垒。消费者swillbeneefit，例如，通过获得更智能的能源 消费和降低排放。<unk>e规则是还旨在通过使其更容易来建立信任通过确保符合来更安全地共享数据与数据保护立法。 促进某些类别的公众的再利用 部门数据，增加对数据中介的信任并促进数据利他主义(数据共享 为了社会的利益fit)。<unk>e法案将创建“ 流程和结构“，使其更容易公司、个人和公共部门 sharedata.ItwillhavetobeadoptedbyallEU 在它成为法律之前，安理会中的国家。 欧盟数据法：<unk>eAct,alsoknownasthe建议关于公平获取的协调规则的条例 和数据的使用，被欧洲采用 委员会于2022年2月成立，是一个关键支柱欧洲数据战略的一部分。它澄清了fi是谁 可以从数据和条件中创造价值 在这种情况下，他们可以这样做。 人工智能法案：Prospectionforan 人工智能法规制定统一的规则 欧盟是欧盟委员会人工智能的一部分包发布于2021年4月。它是first 试图“制定人工智能的横向监管”，旨在将欧洲变成全球 以人为中心和值得信赖的人工智能中心。 照亮公平法规 Arntz女士认为GDPR是立法的一个例子 “备受批评，但也备受喜爱”：它提供了坚实的基础用于数据保护，但需要随着技术的更新而更新 变化。“。最重要的是，我们需要澄清：即使指导是你不能做某事，至少有一条清晰的界限是好的。" 她还认为，GDPR是一个地区如何在 在这种情况下，欧盟-可以“发光”以促进公平监管： 她说，数据不能仅仅在全国范围内监管，所以跨国公司- 需要国家或国际解决方案-即使妥协 一路上必须受到打击。她对新欧盟感到乐观倡议，例如最近通过的《数据治理法》和 拟议的人工智能法案将提供进一步的清晰度：“政策应该是总是开放的优化。我们将需要适应它在未来和 重新审视我们正在努力实现的目标。" 不过，她警告说，这一过程必须是包容和互动的- 专业：经常是商业、法律、政策和技术专家 不在同一个房间里，甚至说着同一种语言，而且创业公司和中小企业的声音并不总是被听到。“。政府 与大公司交谈很多，但如果他们不与初创公司交谈，那么他们没有听说过创新技术，”Arntz女士解释说。 她说，对话很重要，因为技术是 变得越来越复杂，而且有充足的资金适用于从人工智能和 数据分析。数据的重要性从 应对COVID-19大流行，评估气候影响 改变。“。我们将看到数据分析的大量增长，以及政策将不得不做出回应，“阿恩茨女士说。 metaverse, NFTs和IP 钻机HTS:延迟注册还是不要迟