AI助手资讯

AI生成视频成为潮流，但随之而来的是版权侵权争议和法律问题。首例AI视听作品侵权案即将在北京互联网法院审理，原告“闲人一坤”起诉“文刻创作”，声称其未经许可复制并发布高度相似的侵权预告片，侵犯了包括著作权在内的多项权利，索赔50万元。在此之前，已有AI生成图片和声音的版权案件判决，明确了部分AI作品受法律保护。然而，AI创作作品的确切归属仍存在法律空白，需要个案审查来界定其独创性。

5月28日下午 庆祝建校119周年相辉校庆 系列学术报告在相辉堂举行 围绕“AI4Law：人工智能法学 前沿探索”的主题 五位学者分别作报告 探讨人工智能的蓬勃发展 为法律等社会科学学科 所带来的前沿问题 复旦大学法学院院长、 教授杜宇致开幕辞 院长助理、副教授班天可主持报告会 AI如何重新定义社会科学研究范式？ “在数据驱动的浪潮中，AI技术正在重新定义社会科学研究的范式。” 欧洲科学院院士、复旦大学社会智能研究中心首席科学家、哥廷根大学中德社会计算研究所所长傅晓明从人工智能与社会科学的交互出发，为听众展现了AI对社会科学研究巨大的驱动作用。“通过整合社会科学理论、大数据分析和机器学习模型，形成一个高效、深入的研究新范式，这是我们努力的目标。” 数据、理论和模型，组成了社会科学领域不可或缺的“三角形”。数据在信息时代无处不在，它不仅可以用来验证已有理论，还可以揭示新的社会现象和趋势。而人工智能在社会科学领域一个重要作用，就是对数据进行处理、分析和应用。“比如，通过文本分析工具，可以分析出公共事件中社会的舆论动向。”而理论与数据也在无时无刻进行着“对话”，如社会网络理论就是基于数据，分析个体如何通过复杂的网络关系影响彼此的行为和决策。最后，选择何种模型去处理社会科学问题，则涉及数据和模型的融合。 “在理论、模型与数据之间建立良性的交互关联，利用AI技术进行大规模和多维度的定量分析，形成一个互补和强化的研究环境，相比过去依赖定性分析和小样本定量研究的方法，有极大的优越性。”傅晓明用一个例子呈现了这个三角良性循环的应用价值。“利用AI建立人脉圈分类模型，可以对邓巴圈理论进行中国本土化阐释，经过三轮修正后可以得出结论：中国一线城市十八岁到二十八岁年轻人分人脉为四圈——家人、亲密熟人、熟人与生人（或弱连带非陌生人）。” 最后，傅晓明表示，未来我们在利用AI探索理论、模型与数据良性对话的同时，也要考虑AI4SS的应用伦理问题，评估社会影响，确保问责性和透明度。 AI如何应用到金融业？ AI的出现与大量应用，曾经让金融业“焕然一新”。复旦大学法学院教授、复旦大学智慧法治实验室主任许多奇从AI在全球和我国金融业的运用发展历史讲起，展现了金融科技的运用使得金融业走向电子化、信息化、智能化的历程。 “金融业运用AI有两大路径：一是AI辅助决策，二是AI辅助执行。未来，量子金融或许会成为金融业利用AI的新方向，利用量子计算和量子信息理论解决金融领域中的复杂问题。”她指出。 “但AI会‘反客为主’、操纵金融业，带来不可预测的风险。”许多奇举例，2010年美国股市的“闪电崩盘”便是一场AI引发的“灾难”。除此之外，AI还会通过高频交易“统治”资本市场，滥用速度与信息优势诱发系统性金融风险；AI投资顾问收集信息过于集中，存在信息泄露隐患；AI贷款审核也容易滋生数据歧视与算法歧视。 她强调，基于AI这把“双刃剑”给金融业带来的机遇与挑战，应当防微杜渐、用法治防范金融风险。“在法律制度改进层面，可以征收金融交易税等系统性风险税；在内部控制升级上，应当实施强有力的算法监督与信息保护。”目前我国已出台相关法规，对金融行业的AI应用进行监管，如《关于规范金融机构资产管理业务的指导意见》规定了金融机构的算法披露与信息保护义务。 最后，许多奇介绍了复旦大学智慧法治实验室负责的“知识图谱+大语言模型”项目。该项目通过建立金融法律大模型，挖掘算法、构建法律共享知识库和知识服务系统，可以有效预防金融行业运用AI的技术风险，强化司法部门处理金融类案件效能。 AI如何助力化解纠纷？ “机器能够取代法官吗？”复旦大学法学院教授唐应茂用这一略带科幻的问题，引出了有关“AI和纠纷解决”的讨论。 他介绍，根据自己最近的一项研究发现，AI让调解员变得更“懒”，但调解效果并没有改变。为何AI对于纠纷解决的裨益体现在效率，而不是质量呢？ 2023年底，他带领课题组到南京一家调解机构调研，开展了一项有关“小贷公司发放网上小额消费贷款，借款人逾期不还纠纷”的研究。课题组与该调解机构合作，将10万余件历史案件中的当事人性别、年龄、逾期利息、欠款金额等变量输入AI模型，训练AI模型预测调解案件的结果。在此基础上，课题组采用现场实验方法，针对该调解机构2024年1月份新受理的案件，将所有案件按概率随机分配到实验组和对照组两个研究组别中。在实验组，调解员能够接收到AI预测的调解成功可能性信息，作为其调解案件的辅助信息；在对照组中，调解员则没有AI预测的辅助。最终实验结果显示，AI提高了调解员的效率、降低了调解沟通时长，但没有提高调解成功率或还款率。也就是说，AI的运用没有带来调解员能力的提升，但它让调解员少花了时间。 为了分析其背后的机理，课题组收集了同一调解机构2023年11月调解结案的21099件案件，并用AI模拟预测这些案件的调解成功率。课题组发现，如果调解员根据AI预测，舍弃低调解可能的案件，将时间放在容易调解的案件上，调解效能可以提高65%以上。换句话说，与没有AI预测辅助的情况下调解员逐一调解全部案件相比，调解员放弃一半的AI预测的低调解可能案件，将精力放在剩余一半的高调解可能案件中，两者的调解结果没有差别。 唐应茂总结道，AI没有替代调解员，但是，它可以有效助力调解员进行资源分配，提高调解效能，未来在辅助调解谈判、生成调解文书和跟进调解履行等领域，AI还有更加广阔的应用空间。 AI如何辅助司法裁判？ 当下司法部门面临的一个的大问题，就是“案多人少”。复旦大学法学院院长助理、副教授班天可开门见山，点出当下审判实践的痛点。正因此，类案推送、争点归纳、证据校验、文书智能生成等任务的“AI化”愈发从理论走向了实践。班天可以上海“206系统”“法信2.0智推系统”等为例，介绍如今AI算法应用于司法领域智能辅助办案系统的整体框架。 随后，班天可进一步分析法律人工智能的三种推理路径。第一种规则推理路径。其立足于“法律三段论”，使用逻辑编程语言，如果案件事实符合法律规范对应的要件事实，就可以输出这一规范的后果，给出最终裁决。其过程精确可控，但前期的法律知识图谱建构会非常复杂。“只能先从简单场景入手，稳步推进。”班天可指出。 第二种是事实推理路径。其使用归纳推理、概率推理、深度学习等方法，依赖案例库建设以及对案例数据的机器学习。大家熟悉的英美法“找找过去怎么判”的逻辑就是如此，“这也导致其不可解释的问题”，班天可总结道。 第三种混合推理路径。它综合了前两种路径，能够同时完成法律推理和事实认定，可以用于复杂的民商事案件。班天可认为，以要件事实论为理论基础，采用贴合实践审判方法的混合推理路径构建系统，是一条有效的道路。在实践中，其体现为“全链条要素式审判”，将类型化案件中的信息化为“是或非”的要素，以及“规则或例外”的请求抗辩体系。“这样打造的系统能够满足实践的需求。既有利于审判质效管理，也有利于年轻法官培养。”班天可对此充满信心。 人类与AI何以“共创”？ 复旦大学法学院副教授丁文杰从我国《著作权法》及其实施条例出发，首先解读了“创作”的概念：“‘创作’是产生‘独创性表达’的过程，对‘独创性表达’做出贡献的‘人类’，才是作者”。然而，如今ChatGPT等生成式人工智能的出现，给以“人类创作”为基石构建的著作权制度带来了巨大的冲击和挑战。一方面，AI生产作品（AIGC）的外观与人类作品几无差异；另一方面，AIGC中人类的贡献程度也显著下降。 面对这一挑战，学术界主要的观点是“工具论”，也即将AI完全当作人类创作的辅助工具。“但是这种‘工具论’存在一个最大的问题，那就是忽视了著作权法最本质的规范逻辑。”丁文杰指出。他认为，当ChatGPT等生成式人工智能对生成内容的“独创性表达”做出主要贡献、而人类仅对其思想或者惯常性表达做出贡献的时候，“工具论”的扩张解释就会遇到困境。例如，老师指导学生进行论文写作，论文的著作权人是学生；但是学生利用prompt指导ChatGPT写论文，学生是否属于著作权人呢？这就引出了“共创”的问题。 丁文杰用三个案例进一步阐释。在2019年的“腾讯诉盈讯案”中，人类对AIGC的“独创性表达”做出贡献，此时由于“独创性表达”属于人类，所以应当认为人类是著作权人。而在2023年北京互联网法院裁判的“AI文生图案”中，上述关系正好反转，人工智能才是对“独创性表达”做出贡献的主体。于是作品被认为是机器创作物，进而进入公共领域。而在2018年的“菲林诉百度案”中，原告用威科先行AI生成“独创性表达”内容之后，自己又加入了“独创性表达”，从而可以认定涉案文章的可版权性。“人机协作范式将会成为人类创作的常态化实践。”丁文杰最后总结道。 报告会后还进行了圆桌论坛和舞台剧表演。由复旦大学法学院学生自编自演的话剧《审判未来》，畅想了AI主导司法审判后的世界，进一步激发观众思考AI对于法律带来的深远影响。 组稿｜校融媒体中心 文字｜刘栩含、俞哲灏 摄影｜法学院 责编｜章佩林 编辑｜马铭泽

GPT-3是微软Azure加持的1750亿参数巨型NLP模型，它在文本生成能力上无所不能，但数据量大、训练成本高昂。尽管面临各种评价，OpenAI发布API旨在推动商业化。相较于GPT-2，GPT-3通过增大规模验证了深度神经网络能变得更聪明，主要优势是减少对标注数据和领域分布的依赖，目标是用较少领域数据直接解决特定问题。研究者们进行了零、一、少量-shot测试，展示了其无需微调的强大潜力。