人工智能自主发明的伦理挑战与治理对策

人工智能技术的飞速发展带来了全新自主发明模式，也引发了一系列的伦理挑战，既涉及本身作为人类创造物的人工智能在自主发明过程中扮演发明主体角色的伦理争议，也涵盖了人工智能脱离人类干预与控制自主生成发明客体过程中由算法失灵、数据失准等情况所造成的技术伦理风险。因此，为有效应对人工智能自主发明模式的伦理挑战，有必要从人工智能的本质特征与运转机制入手厘清人工智能自主发明的伦理定位，并遵循以人为本基本伦理价值理念下算法向善与数据向善的伦理准则，通过人工智能工具性虚拟人格的创设和人工智能算法监测与数据评定指标体系的确立，建构人工智能自主发明模式的治理体系与框架。     

人工智能生成发明专利保护制度研究

随着人工智能技术不断发展,人工智能作为“创新主体”生成发明对现行专利制度提出了巨大挑战,如人工智能生成发明是否属于可专利主题、发明人主体资格与人工智能生成发明权利归属如何确定、人工智能生成发明专利权保护对公共利益是否可能产生损害等。在客体制度中,人工智能生成发明属于可专利主题,能够满足新颖性、创造性、实用性要求,其中在创造性判断中有必要根据人工智能特点适当调整“本领域普通技术人员”的判断标准。在主体制度中,发明人需为“自然人”,在激励理论下探讨人工智能生成发明的权利归属,需要综合衡量各主体的作用、贡献度以及激励程度来进行确认。在限制制度中,有必要考虑人工智能生成发明专利权保护期的设定、充分公开义务的加强以及防止权利滥用措施。     

人工智能生成发明可专利性及其权利归属

人工智能生成发明纳入专利法保护已成趋势,因专利法以保护人类发明中心主义为根本宗旨,现行的专利法面临挑战.其表现在:法律未赋予人工智能的法律主体地位、人工智能生成发明物未纳入专利法保护的客体范围、生成发明的专利权归属不明.要解决此类问题,应坚持激励创新、激励投资的目的,结合专利法的立法趋势,建议未来专利法应扩大专利保护范围,引用科斯定理经济学原理分析人工智能生成发明的专利权归属于人工智能使用者的合理性,使人工智能生成发明得到专利法的有效规制.     

论生成式人工智能的法律风险与治理路径

以ChatGPT为代表的生成式人工智能在优化产业结构促进经济发展的同时也带来新的法律风险。语言模型训练中的风险主要包括侵害个人信息与作品著作权风险,内容生成过程中的风险则体现为人工智能“幻觉”导致的错误信息风险、算法偏见风险、“涌现”导致的算法失控风险以及人机互动中的算法滥用风险。《生成式人工智能服务管理暂行办法》提供基本的治理框架,但部分条款设置与具体治理方式上存在不足。生成式人工智能的性能取决于训练数据集的规模与质量,模型训练中的数据治理需要尊重其技术逻辑,实践中应拓展公共数据中著作权数据与个人数据的合理使用边界。内容治理可以借鉴“宪法人工智能”的基本理念,构建动态的内容反馈评估机制。     

人工智能生成内容的著作权客体性思考——兼论作品判定的独创性标准选择

以基于转换器的生成式预训练模型（GPT）为代表的高阶人工智能凭借其强大的智能型内容生成机制,使得内容产品生产中的技术占比不断上升,人的直接投入占比相对下降,传统著作权法作品的独创性要求、权利人本原则等基本理论受到冲击。面对人工智能生成内容（AIGC）可作品性问题,基于自然人智力投入的创造性本质理论和闭合性作品概念显得力不从心。在过程视角下（主观标准）,人工智能内容生成过程符合人类创作的思维特征;在结果视角下（客观标准）,人工智能生成内容具有著作权作品的外观形式和信息消费功能,符合著作权作品的本质属性。如果人为割裂人工智能生成内容与著作权作品在产生过程和实质作用上的同质关系,强行区分人工智能生成内容和自然人创作作品的法律性质,则有悖著作权法因应技术发展调整信息消费品利益的制度旨趣,最终将导致著作权法律秩序的混乱。     

著作权法视域下人工智能生成成果的法律保护

人工智能生成成果在传统著作权法制度下遭遇保护困境,受制于现行独创性认定标准,人工智能生成成果无法构成著作权法意义上的"作品",分析人工智能生成成果的客体属性,以及衡量不同保护模式的利弊,邻接权路径或可成为其法律保护的最优选择。在人工智能生成成果权利归属方面,结合创作意图、训练行为及传播行为来判断,人工智能生成成果的权利应当归属于对人工智能生成成果作出必要安排者。     

基于网络平台的学生英语听说能力训练

当前,学生迫切需要提高自己的英语应用能力,尤其是听说能力。利用《大学英语学习系统》对学生进行听说训练,通过对问卷调查、听力和口语测试、网上学习记录等数据进行分析,结果显示:这种训练可以提高学生的英语听说能力,同时也能锻炼学生的自主学习能力。     

人工智能生成技术方案的可专利性及权利归属

强人工智能或超人工智能逐渐脱离人类意志并能生成技术方案，这对专利制度提出了挑战：人工智能生成的技术方案是否应得到专利法保护、是否属于专利客体、是否符合“三性”要求以及应如何配置权利等。人工智能生成的技术方案多属制造方法或操纵方式，不应排斥在专利保护范围之外；坚持既有的绝对新颖性、实用性和创造性的要求，并不妨碍将其作为专利保护。囿于人工智能不具有法律主体地位，可在申请文件中标明其为名义上的发明主体，比较人工智能的研发者、所有者与使用者的贡献差异，应将人工智能生成技术方案的权利赋予使用者，由其享有权利收益。     

人工智能自主发明的社会风险及其法律应对

人工智能技术既是一项制度文明,也可能带来一定的制度风险。人工智能凭借其智能算法模型对人类思维的模仿,正在科研发明领域逐渐展现着具备脱离人类干预、自主创新的能力。但这种现代化的技术形态对法律所调整的诸方面社会关系产生了冲击。在智能机器自主发明过程中,不可避免地产生了权利保护模式不明、侵权责任难以认定、市场竞争被破坏以及违反人类道德等社会风险。当前法律制度应从厘清权利保护模式、明确侵权责任主体与证明责任分配、规制反竞争风险以及加强伦理道德要求等方面进行积极应对,并在此基础上,建立以预防性治理理念为核心的法律运行体系,从而实现对人工智能自主发明风险的有效防控。     

人工智能聊天机器人对科研成果与人才评价的影响研究——基于ChatGPT、Microsoft Bing视角分析

美国开放人工智能研究中心(OpenAI)研发的人工智能聊天机器人ChatGPT,基于“生成预训练转换器”(GPT)语言模型能够理解和响应自然语言输入，于2022年11月30日正式发布，短时间内在全球互联网界、学术界及产业界引发热议和关注。以ChatGPT、Microsoft Bing为代表的人工智能聊天机器人基于超大海量数据，采用“从人类反馈中强化学习”(RLHF)进行训练，主要具有三大功能：智能交互对话、智能文本生成、智能文献爬取。人工智能聊天机器人的核心竞争力是采用人工智能生成内容技术(AIGC)而具有强大的内容生成或文本生成能力，除能够生成一般应用性文稿外，还能够从事科学写作，从而引领和推动知识生产方式和学术研究范式变革，知识生产和学术研究进程将显著提速，知识生产者将从非创造性劳动中获得解放，知识生产方式将由“手动式”“半自动式”迈向“自动化”“智能化”。这种变革对传统的科研成果评价机制将产生重大影响，更进一步将对通过科研成果进行人才评价产生重大影响。大体上说，以ChatGPT为代表的人工智能聊天机器人应用于学术研究中，将遮蔽成果演化学术史，影响科研成果创新性评价；挑战知识产权保...     

再论人工智能生成内容在著作权法上的权益归属

随着算力、数据和算法的不断改进，人工智能的智能性不断增强。当人类的参与和控制逐渐减弱，开始辅助机器创作或者完全由机器自主创作时，经由人的意志决定性的解释方法将难以在既有法律框架下完成权益归属。从维护著作权法在“激励自然人创作”方面的价值取向和基本概念体系，促进人工智能产业健康发展及保护自然人创作者的合法权益角度分析，人工智能生成内容宜采用非赋权模式，以作为知识公有领域的组成部分。     

准语文教师"六步"自主师能训练模式初探

教师教学技能训练是师范生专业素质成长的一项重要内容。传统的汉语言文学专业师范生教学技能训练显得条块分割明显,形式机械,内容空洞,缺乏系统组织和教例诱导且学科专业特色不强。而通过定向安排、自由训练、合作探究、观摩提高、系统测评、自我总结等六个步骤构建的准语文教师自主师能训练模式是加强当前汉语言文学专业师范生教学技能训练,提高师能训练实效性的一条新途径。     

知识产权法下人工智能系统的法律地位

当今人工智能系统已经"创造"了包括音乐、小说、食谱等作品和潜在的可授予专利的发明。然而各国知识产权法却并不承认非人类作者或发明人的法律地位。为了实现知识产权法的目的,知识产权法应适时承认人工智能具有作者和发明人的身份。其条件是人工智能创造物符合知识产权的客体要件,而且人工智能在作品的发展或发明的创造中存在因果关系。对于符合这两个要件的人工智能创造物,应通过借鉴现有的职务作品或职务发明的分配机制,将其知识产权分配给特定的自然人或法人。     

课堂教学中的自主学习训练

文章探索了在英语专业学生的基础英语/高级英语课堂中进行自主学习策略训练的尝试和努力;提出了课堂自主学习训练的三个原则:为学生做好心理准备、在阅读过程中训练自主学习策略、让学生参与语言输出型的学习任务;描述了在课堂教学中所实施的三种自主学习训练的活动:认知阅读活动、以任务为主的语言输出活动、强调过程的写作活动.     

基层潜在运用一元训练理论的选择依据——河北理工大学普通学生健美操队运用一元训练理论实践

一元训练理论为基层运动训练工作提供了新的选择路径,基层运动训练实践反映出体系创新且潜在体制释放的趋势。以河北理工大学普通学生健美操队训练实施过程为研究个案,分析基层潜在运用一元训练理论的选择依据为:教练员训练实施的相对自主、人类时空变迁赋予的时代要求、计划与变化、青年萌发的生理和心理冲动。     

基于遗传算法与模糊控制的建模方法

从实时系统的需求出发,研究利用遗传算法实现实时模糊控制的新技术,包括规则的形成、前提参数的训练,通过对比不同的训练参数规模,讨论了训练参数规模的大小与模型“范化”之间的关系。 经检验,用遗传算法生成的模糊系统模型输入变量少、规则数目少,并且误差小于多数传统算法生成的模型,整个模型的形成过程时间空间复杂度小、易于控制,且不受经验知识的约束,适用于实时系统。     

英语专业学生后摄自主听力训练实施方案研究

在英语专业听力教学实践中,实现英语听力自主学习的关键是培养学生英语自主学习能力,充分发挥学生的学习积极性与主动性.本论文提供了英语专业学生后摄自主听力主要的训练方案思路,包括课外听力材料的运用策略、教师在学生自主听力训练中的指导作用等.     

非英语专业大学生的英语学习策略训练和英语自主学习能力培养

在新的以学生为中心的大学英语教学模式中,对非英语专业大学生进行英语学习策略训练是十分必要。本文阐明了自主学习和英语学习策略训练的关系并讨论了非英语专业大学生的英语学习策略训练的模式及具体操作,得出结论：英语学习策略训练不仅可以有效培养学习者自主学习意识而且可以全面提升其英语学习成绩。     

人工智能辅助量刑的风险及其防范

人工智能辅助量刑是当前我国司法改革的趋势之一。人工智能辅助量刑系统的建设和应用能够约束法官的行为,克服估堆量刑的弊端,防止法官滥用自由裁量权。需要警惕的是人工智能辅助量刑可能存在机械性风险、不透明性风险以及不可接受性风险。这些风险可能会对量刑公开以及量刑公正造成威胁,也容易导致过度限缩法官自由裁量权的后果。应当坚守法官的主体性和人工智能辅助量刑系统的工具性,防止出现法官过度依赖量刑辅助系统的现象;谨慎筛选数据,构建合理的算法模型,减少算法歧视;优化量刑程序,建立算法审查与算法问责机制,着力实现量刑公正。     

中国大学生英语学习策略研究

本文在探讨学习策略定义和分类的基础上,分析影响和制约中国大学生英语学习策略形成和选择的因素。提出通过自主意识的唤醒,学习策略诊断和系统训练等途径增强学生的策略意识,促进有效策略的形成。