这场版权官司,可能影响人工智能的未来!
近些天,裁员潮、Twitter的持续动荡以及加密货币戏剧性的崩盘,让科技产业「步履蹒跚」。
然而,生成性人工智能却让投资者和企业家看到了新的希望。
生成性人工智能是指无监督和半监督的机器学习算法,它使计算机能够自动生成连贯的文本、 迷人的图像以及功能性计算机代码。
如今这片「蔚蓝的天空」,却也布满了层层乌云。
本月,在加州联邦法院提起的集体诉讼中,AI编程辅助工具GitHub Copilot被告上了法庭。
Copilot由微软子公司GitHub创建,是一种托管着数亿个软件项目代码的强大工具,可以在程序员工作时自动编写工作代码,也是生成式AI技术的创意和商业潜力的有力展示。
GitHub的一项最新研究表明,当使用Copilot时,编码人员完成某些任务的时间仅为不使用时的一半,确实带来了生产力的明显提升。
然而,正如一些程序工程师所注意到的那样,Copilot偶尔会从公共代码存储库的数百万行中复制可识别的代码片段。
诉讼案背后的程序员Butterick声称微软、GitHub和OpenAI侵犯了版权,因为当Copilot复制需要许可证所涵盖的开源代码时——它并没有提供署名。
当然,程序员总是研究、学习和复制彼此的代码,但并不是每个人都认为AI做同样的事情是公平的,特别是如果AI允许在不尊重源材料许可要求的情况下自行生成大量有价值的代码。
「作为一名技术专家,我必须承认我是人工智能的忠实粉丝」Butterick说,「我期待着这些工具的所有可能性,但它必须对每个人都公平。」
GitHub首席执行官Thomas Dohmke表示,Copilot具有防止复制现有代码的功能。
「当你启用它时,Copilot将匹配在GitHub上发布代码的许可证」他说,「如果没有许可证,AI将不会应用相关代码」。
至于该功能否提供了足够的法律保护,这还有待观察。
GitHub的联合创始人Nat Friedman认为,像Copilot这样的工具并不明显违背开源和免费软件的精神。
「20世纪80年代和90 年代的自由软件运动经常谈论削弱版权的力量以提高人们的编码能力。」
「我觉得有些令人沮丧的是,我们现在处于这样一种境地。有些人到处跑来跑去说我们需要最大限度的版权来保护这些社区。」
其实,根据提示生成绘画、照片和插图以及用于营销文案的「AI助手」们,都是从人类先前作品中训练出来的。
早些时候,视觉艺术家是第一个质疑AI作品合法性和伦理的群体。
一些靠视觉创造力谋生的人对通过他们作品训练出的AI艺术工具可以生成相同风格的新图像感到不安。
音乐行业组织美国唱片业协会曾表示,AI驱动的音乐生成和混音可能成为版权问题的「重灾区」。
目前,该诉讼尚处于早期阶段,前景并不明晰。因为很多AI技术的概念都是很新颖的,从前从未从法律角度审视过它们。
法律专家表示,这可能会对生成性人工智能工具的应用前景造成影响,因为它挑战了过去三十年支撑人工智能进步的一些最重要的原则。
「这起诉讼,必将成为具有里程碑意义的案例」,专门处理开源相关案件的律师Luis Villa表示。
参考资料:
https://gizmodo.com/ai-microsoft-dall-e-1849816871
https://www.wired.com/story/this-copyright-lawsuit-could-shape-the-future-of-generative-ai/
以上是这场版权官司,可能影响人工智能的未来!的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

本站8月1日消息,SK海力士今天(8月1日)发布博文,宣布将出席8月6日至8日,在美国加利福尼亚州圣克拉拉举行的全球半导体存储器峰会FMS2024,展示诸多新一代产品。未来存储器和存储峰会(FutureMemoryandStorage)简介前身是主要面向NAND供应商的闪存峰会(FlashMemorySummit),在人工智能技术日益受到关注的背景下,今年重新命名为未来存储器和存储峰会(FutureMemoryandStorage),以邀请DRAM和存储供应商等更多参与者。新产品SK海力士去年在

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S
