2024年生成式人工智能知识产权导航报告-前沿技术概况.WIPO.2024-05-28

生成式人工智能知识产权导航知识产权和前沿技术概况介绍图： Getty Images / Laurence Dutton生成式人工智能（AI）工具正在快速地被许多企业和组织应用于内容生成。这类工具既为协助企业运营提供了大量机会，又由于当前的各种不确定性而带来重大的法律风险，包括知识产权问题。许多组织正在寻求制定指导性意见，以帮助员工降低这些风险。尽管每种业务情况和法律背景各不相同，以下指导原则和清单旨在帮助各组织了解知识产权风险，提出恰当的问题，并考虑潜在的保障措施。 生成式人工智能带来众多风险和问题。企业和组织应考虑实施适当的政策，并就此项技术的机遇和局限性向员工提供培训。这种积极主动的方式在应对与使用生成式人工智能相关的挑战中至关重要。什么是生成式人工智能？生成式人工智能工具可以根据用户的提示（比如对期望输出的简短书面描述）创建文本、计算机代码、图像、音频、声音和视频等新的内容。目前生成式人工智能工具的实例包括ChatGPT、Midjourney、Copilot和Firefly。生成式人工智能以机器学习为基础，生成式人工智能工具则使用大量数据进行训练，这类数据通常包括数十亿页的文本或图像。训练数据集可由免费获取且无产权负担的信息（纯数据）、受保护数据（比如受版权保护的作品）或两者混合组成，具体取决于人工智能工具开发人员所采用的方式。然后，经过训练的人工智能工具受到人工输入的提示，触发通常高达数十亿次的一系列复杂计算，以确定输出。一般来说，无法预测输出，也无法确定训练数据的某些部分是否以及在多大程度上影响所产生的输出。图： Getty Images / imaginima问题概述开发生成式人工智能的成本可能非常高昂，可达到数千万美元，大多数企业和组织都选择采用第三方生成式人工智能工具，或者使用自己的数据对此类模型进行微调。一般存在的问题和企业风险包括：确定用例生成式人工智能可以执行许多任务，最佳用例仍在不断发展中，不同企业和组织的情况将会各不相同。合同条款的差异生成式人工智能工具是新生的，商业合同条款的最佳实践和规范仍在发展中。开发人员许可其人工智能工具的条款可能存在相当大的差异，包括商业秘密和其他机密信息的处理方法、输出的所有权、赔偿的可获性以及用户通过实施员工监测和训练来缓解风险的义务。训练数据问题一些生成式人工智能工具使用从互联网上抓取的材料进行训练，包括版权