不确定的边界：生成式 AI 版权问题的多学科方法
机器学习
2025-07-01 v2 人工智能
计算机与社会
摘要
生成式 AI 在创意领域的应用日益普遍，引发了当前版权法如何跟上技术创新步伐的迫切争论。近期关于 AI 模型生成受版权材料近乎复制品的争议，凸显了调整当前法律框架和开发技术方法以降低版权侵权风险的必要性。这项任务需要理解大规模数据抓取和概率性内容生成等计算概念、原创性和合理使用的法律定义，以及对知识产权持有人经济影响之间的交叉点。然而，现有关于 AI 版权的大多数研究采用纯计算机科学或基于法律的方法，在协调这些方法上留下了空白，而只有多学科的努力才能有效解决这一问题。为了弥合这一空白，我们的综述采用了一种综合方法，综合了来自法律、政策、经济学和计算机科学的见解。它首先讨论了应适用于生成式 AI 版权的基础目标和考量，随后介绍了检测和评估 AI 系统输出中潜在违规行为的方法。接下来，它探讨了受法律、政策和经济框架影响的各种监管选项，以管理和缓解与生成式 AI 相关的版权问题，并协调知识产权持有人与生成式 AI 生产者之间的利益。随后，讨论介绍了保护个人创意作品免受未经授权复制的技术，如水印和加密保护。最后，它描述了旨在防止 AI 模型复制受保护内容的高级训练策略。在此过程中，我们重点指出了关键行动机会，并提供了创作者、开发者和政策制定者在不断演变的版权环境中导航时可用的可操作策略。
引用
@article{arxiv.2404.08221,
title = {Uncertain Boundaries: Multidisciplinary Approaches to Copyright Issues in Generative AI},
author = {Archer Amon and Zhipeng Yin and Zichong Wang and Avash Palikhe and Wenbin Zhang},
journal= {arXiv preprint arXiv:2404.08221},
year = {2025}
}