生成式人工智能知识产权导航
什么是生成式人工智能？
生成式人工智能工具能够根据用户提示创建文本、代码、图像、音频、声音和视频等内容。这些工具基于机器学习，使用大量数据进行训练，训练数据可能包括纯数据、受保护数据或两者混合。
问题概述
开发生成式人工智能成本高昂，多数企业选择采用第三方工具或使用自有数据进行微调。主要风险包括：
- 政府和监管机构正在制定相关法律法规，可能对使用生成式人工智能的企业提出要求。
- 训练和使用生成式人工智能的高耗能特性。
生成式人工智能和知识产权
生成式人工智能涉及诸多知识产权问题，主要风险和缓解办法包括：
机密信息
- 风险：使用生成式人工智能工具可能无意中泄露或放弃商业秘密。
- 缓解办法：
- 检查工具设置，减少供应商存储或利用提示进行训练的风险。
- 考虑使用私有云运行的工具。
- 向供应商寻求机密信息保护。
- 限制工具访问权限。
- 实施员工政策和培训，避免在提示中使用机密信息。
知识产权侵权
- 风险：生成式人工智能工具可能基于受版权保护的项目进行训练，引发侵权诉讼。
- 缓解办法：
- 使用基于许可、公有领域或用户自有数据的工具。
- 选择提供知识产权侵权赔偿的供应商。
- 审查训练数据集，确保合规性。
- 实施员工政策和培训，避免使用第三方知识产权。
- 考虑检查侵权行为。
开源义务
- 风险：人工智能生成的代码可能受开源义务约束。
- 缓解办法：
- 选择基于许可示例训练的工具。
- 实施技术保障措施，如发现开源许可。
- 选择提供开源侵权赔偿的供应商。
- 审查训练数据，确保许可范围宽松。
- 采用风险收益法，必要时禁止使用生成式人工智能。
深度伪造：肖像权和声音权
- 风险：生成式人工智能可能模仿特定人物的肖像或声音，引发侵权和法律诉讼。
- 缓解办法：
- 制定员工政策和培训，限制使用深度伪造工具。
- 获得主体同意和许可，合法合成声音或肖像。
- 关注各国针对深度伪造的法律法规。
人工智能输出的知识产权权利和所有权
- 风险：人工智能生成内容的知识产权归属不明确。
- 缓解办法：
- 审查工具条款，明确知识产权归属。
- 探索加强输出控制或权利的途径。
- 记录人类在创作过程中的作用。
- 就所有权订立协议。
- 考虑仅在知识产权非必需情况下使用生成式人工智能。
检查清单
- 员工政策和培训：实施政策，引导适当使用，鼓励负责任实验。
- 风险监测和风险状况管理：监测法规变化，定期评估和更新政策。
- 记录保存：记录训练方式和人类作用。
- 人工智能工具评估：审查工具条款，了解数据训练和供应商保护措施。
- 数据评估：检查训练数据集的知识产权所有权和许可范围。
- 人工智能输出：检查知识产权条款，检查侵权情况，结合人类创意，订立协议，记录人类作用，获得必要许可。
延伸阅读
产权组织知识产权和前沿技术对话会是讨论生成式人工智能和知识产权影响的全球主要论坛。
下一步工作
如需了解产权组织对话会下届会议信息，可发送邮件注册订阅新闻通讯。
