第(3/3)页

    “我的建议是全部非默认，任何用于机器学习的资料，都必须得到创作者的直接授权。

    “这样做的目的不是为了阻止机器学习继续进化。

    “恰恰是要规范机器学习行业。

    “未来是大数据的时代，机器学习的规模必然会越来越大。

    “如果不限制机器学习的范围和规则，必然导致这个产业的混乱发展。

    “必然导致机器学习开发者互相抄袭且不可控。

    “抄袭数据原子当然不是抄袭，那抄袭数据库肯定就是抄袭了吧？

    “就像照搬一个字库的范围不算抄袭，但照搬一本大词典那就绝对是抄袭了。

    “在大数据和机器学习的新时代，数据资料应该是有新的权属规范。

    “任何数据和资料，都应该是有权属的，都是有价值的。

    “我认为这应该是下个时代的时代逻辑。

    “有了这样的基础规则，有了规范的收费和授权的基本规则。

    “相应的数据模型开发者，才有机会将通过有授权的数据，开发出同样有授权的数据模型。

    “进而可以不受额外限制的使用机器生产的产品去盈利。

    “否则，任何机器学习最终产生的作品，其著作权归属都是模糊和敏感的。

    “机器不是人类，所以人类可以不保护机器的著作权，完全不认可机器创作的作品的著作权。

    “只有将机器视为人类的机器，创作的作品的著作权属于其主人所有。

    “才能以人类著作权的逻辑获得保护并盈利。

    “但人类想要利用别人的素材盈利，就必须获得对方的授权了，这样也就形成了清晰的著作权归属。

    “透过现象看本质的话，用机械智能完成以前只有人能够完成的工作，并且讲产量和速度提升几十几百倍，是又一次的产业革命。

    “生产力会再次跨越式的提升，技术能够覆盖的产品的生产成本会大幅度下降，由此产生的效益大幅度提升。

    “为智能机器成功运行起来提供原料的人，有分享这种生产力提升所带来的利益的权利。

    “不能将个人欣赏学习的授权许可，用于研发和制造任何生产工具。

    “这样数据资料有价论的逻辑也就清晰了。”

    朱靖垣听完之后看向朱迪钚：

    “老二你怎么看？”

    朱迪钚沉默思考了几秒钟，最终慢慢的点着头说：

    “我觉得迪镧的话有道理……

    “用微积分的逻辑来评判和区分学习、模仿、抄袭的界限是个很不错的理念。

    “未来的公共网络平台上，创作者上传自己的作品的时候。

    “应该有一个是否允许机器学习的选项。

    “同时也应该有一个是否使用大数据筛选和推荐信息的选项。”

    朱迪镧听了马上附和说：

    “我赞成二哥的意见。”

    朱靖垣笑着说：

    “既然你们哥俩都觉得可行，那这些事情就这么定了吧。

    “不过问题是，你们怎么判断一个数据模型，是否用了未经授权的材料来训练呢？

    “在数据分析层面你们有办法区分吗？”

    朱迪钚想了想说：

    “可以在未经授权的素材中添加一些验证数据，规避未经许可的机器学习的使用甚至污染数据模型。

    “不过……单纯依靠技术手段是不行的，无法完全规避违规者的破解和甄别以及反破坏技术。

    “所以还是要用社会和制度层面的限制以及事后处置方法……”

    朱迪钚说到这里看向了弟弟。

    朱迪镧想了想说：

    “制度上有两个方向，一个是默认全部授权，同时默认全部收费。

    “目前互联网上的大规模艺术作品平台，都是朝廷和四大产业集团的官方平台。

    “民间厂商和用户想要自行建立数据模型，只能从这些平台上采集数据。

    “所以可以规定，没有向现有平台之一付费取得授权资格的厂商，都直接按照违规处罚。

    “另一个方向，是就由四大产业集团出面，各自设计一套基础软件框架。

    “相当于一个带有强制过滤和筛选功能的装置。

    “民间厂商做任何的数据训练，必须在这个基础软件框架之上开发。

    “也就是放在这个过滤装置之内。

    “这个过滤程序自动甄别未经授权的材料标记，直接不将未经授权的材料投入训练过程。

    “同时互联网上应该在授权和未授权的材料上加入专门标记。

    “供过这些滤装置直接识别。

    “这些方案可以与二哥的技术方案同步实行。”

    朱迪钚听了不由得点头：

    “好，识别和反训练技术是必须开发的。”

    朱靖垣也没有评价两人的设想，就让朱迪钚和朱迪镧哥俩商量着办了。


    第(3/3)页