導讀：想在中國維護自己的人工讓腦知識產權可謂是難上難，一方面侵權證據不好收集，原創另一方面是救星蘇州吳中網上找外圍的聯系方式vx《365-2895》提供外圍女上門服務快速選照片快速安排不收定金面到付款30分鐘可到達被侵權人的產權保護意識差。

　　在中國，還克知識產權侵權成本極低，星篇想要維權則程序復雜。洞大懂很多時候，開又都是人工讓腦由網友發掘到抄襲，自發尋找證據并公之于眾。原創可原創者自己站出來維權時，救星常常要消耗大量精力搜集證據，還克三番五次的星篇奔波于各種機構，承受著“炒作”、洞大懂“蹭熱度”種種輿論壓力。開又更多的人工讓腦情況是，很多人在不知情的蘇州吳中網上找外圍的聯系方式vx《365-2895》提供外圍女上門服務快速選照片快速安排不收定金面到付款30分鐘可到達前提下做著侵權行為，很多人并不知道自己被人侵權。所以，我們今天要討論的是，面對這種情況，人工智能可以幫上什么忙嗎？

　　知識產權侵權舉證難？AI或許是解決方案

　　當然可以，而且普及度會越來越高。

　　首先，人工智能可以解決搜集抄襲證據這件耗費精力最多的事。前一陣廣告圈一直在傳一篇文章叫《去年使用葛優躺表情包的公眾號，今年都被告侵權了》，里面寫到了很多品牌方侵權明星肖像權而不自知的案例。

　　很多人都在困惑，怎么我剛一用圖，明星的律所就找來了？難道律師們每天什么都不干，就盯著別人有沒有用明星的照片？當然不是啦，直接爬取各個品牌的數據，用圖像識別比對明星照片，輕輕松松就能找到誰用了明星的照片。如果可以直接用深度傳感器獲取明星更詳細的人臉數據，相信任何肖像侵權、山寨模仿者都不能再作祟。至于葛優表情包這種一張圖片經過簡單加工就傳播很多次的，想抓包簡直是太簡單了。

　　以上只是侵權行為的第一階，事實上對原創者傷害最大的，是那些模棱兩可的“再創作”式抄襲。

　　上圖則是網友制作的調色盤，指出兩篇小說的相似之處。在文學抄襲中常常存在這種調換句式和形容詞的洗稿式抄襲，很多時候還涉及到情節的抄襲。閱讀之后，往往會覺得哪里不對，卻又很難指出來。同時，為這種抄襲方式舉證非常麻煩，普通的論文查閱式的程序很難檢查出來，需要人為進行一遍遍的閱讀和比對。

　　這時NLP的語義理解能力就可以發揮很大作用。通過語義理解識別出意義相近的詞語，再利用LSTM的記憶特征識別出被改變的句子結構，以及原本需要被人為識別出的相似段落。這樣一來，不僅舉證的速度會提高，或許還能識別出很多人為難以發掘的相似點。

　　AI：比抄襲，我不是針對誰……

　　此外，人工智能和新技術還可以在很多細節方面幫助原創者維護自己的權力。比如簡化知識產權申請過程、區塊鏈記錄信息防止抄襲修改等等。但另一方面，人工智能也很可能會讓侵權變得更加容易，或者說讓侵權者更容易鉆法律的空子。

　　比如，在字體侵權這件事上，就存在不少問題。很多廣告公司都會被告非法商用某某字體，最終要賠付大量費用。不過學界和實務中對于字庫大致達成共識是，具有獨創性，構成美術作品的字體，才能進行維權。

　　可對于獨創性的標準卻相當模糊，如果對某一個字庫的字體全部加上一些的細小的改動，是否就可以將其稱為自己的原創？如果有讀者還記得我們對神經風格遷移技術的討論，就會發現，用算法為字體進行改動，可能比我們想象中要簡單多了。甚至我們可以對字體進行一些人眼難以察覺，只有機器能鑒別出的變化，到時候侵權的界限又該如何限定？

　　上圖，是一位被爆出抄襲的插畫家的作品，她抄襲的主要方式是把真人照片經過底片疊加等等方式進行處理，再加入少量手繪內容，就成了一副價值不菲的“插畫”。

　　可即使看過這兩張圖片的人，也很難明顯的感覺到兩幅圖片有什么相似，可當把兩張圖片重疊時，就能發現明顯的相似。抄襲消息被曝光的年代，作者還只是用PS+手繪板進行操作。可在今天，同樣利用神經遷移算法，這樣的“再創造”已經可以批量創造，并且可以被創造成各種風格。

　　而且這種抄襲方式被發現的幾率很低，即使是利用圖像識別技術，也沒有人會為每一幅作品進行全網比對。更可怕的是，我國知識產權保護秉持的是“只保護表達、不保護思想”。也就是說，如果你的畫風和某位原創者一模一樣，可畫的內容是原創，你的行為就不涉及到侵權。如果大家還記得Prisma這款圖像加工軟件，就會知道，用機器學習模仿某一種繪畫風格的成本極低，并且可以批量加工處理。

　　在未來，當我們發掘一位新銳藝術家的作品時，很可能下一秒就有大企業用神經網絡copy了他的風格，制成商品開始售賣。對于原創者來說，人工智能抄襲造成的傷害，往往比人抄襲造成的更大。

　　AI能否幫助原創者權益范圍標準化？

　　所以說到最后，人工智能對我們的知識產權保護毫無作用甚至有害無益嗎？我們認為，人工智能對知識產權最大的保護，或許是權益范圍的標準化。

　　就像字體里的案例一樣，知識產權的保護范圍常常是“獨創性”這種模糊的概念，無法量化，也導致了侵權案件的最終判決常常不能服眾。在音樂作品的知識產品保護中，可以通過音節相似的數量來判斷，可在繪畫、文字作品中，侵權常常無法量化。而有了人工智能，我們或許可以反向計算出兩款作品中有多少相似之處并且用數據呈現出來。

　　或許未來，我們需要一個知識產權保護平臺，發布作品之前，先經過平臺中作品進行比對，比對通過后才能通過“原創認證”。還可以對原創作品進行保護，比如他人不可以將作品作為算法模型的訓練數據，除非支付給原創者一定分紅等等。總之，科技進步永遠都走在法規前面，但利用科技推動法律法規的建設，或許才能讓技術發揮出更多價值。

(責任編輯：熱點)