人工智能技術分析3篇
前言：本站為你精心整理了人工智能技術分析3篇范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。
摘要：目的：探討人工智能（ＡＩ）在年齡相關性黃斑變性診斷中的影響因素。方法：選擇２０１８年１月１日—２０１９年１２月３１日在我院篩查且已診斷明確的年齡相關性黃斑變性的１００張眼底照相，由ＡＩ進行解讀。按照位置、對焦、準確、曝光程度、睫毛偽影、中心暗影、周邊暗影等對眼底圖像進行質量評價，分析眼底圖像質量與ＡＩ診斷準確性的影響。結果：在現實應用場景中，１００例黃斑變性圖像，其中拍攝位置不標準為最常見問題占３０％，其次為邊緣漏光，占２７％，現實場景中ＡＩ診斷陽性率８６％，ＡＩ診斷正確率與眼底照相周邊是否有暗影具有統計學相關性（Ｐ＜０.０５）。結論：在現實應用場景中ＡＩ診斷正確率受眼底圖像質量影響，改善眼底照相拍攝質量是提高診斷準確率的重要途徑。
關鍵詞：人工智能；黃斑變性；眼底照相；圖像質量
年齡相關性黃斑變性（ＡＭＤ）是發達國家年齡超過５０歲人群不可逆轉視力喪失的主要原因［１］。ＡＭＤ疾病逐漸進展，從早期和中期，幾乎沒有或僅有微妙的視覺變化，最終患者會發生中心視力損傷，早診斷、早干預是防治ＡＭＤ的重要手段。多種因素參與ＡＭＤ的疾病進程。多項國內外研究發現，年齡、性別、種族、遺傳等是ＡＭＤ發生的重要影響因素［２］。目前，人工智能（ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ，ＡＩ）基于醫療數據的深度學習已經在眼病領域進行了一系列探索。２０１６年初，ＧｏｏｇｌｅＤｅｅｐＭｉｎｄ與英國國家健康體系（ＮＨＳ）開發了一款用于輔助醫生快速查看血液測試結果的軟件，以輔助決策并提高效率。同年ＪＡＭＡ刊登了ｇｕｌｓｈａｎ團隊研究成果，通過深度學習，ＡＩ輔助的軟件系統對眼底病檢測準確率９６％［３］。２０１８年我國張康團隊在Ｃｅｌｌ刊文，開發出診斷眼病和肺炎的ＡＩ系統［４］，主要對糖尿病性視網膜病變進行ＡＩ輔助診斷。ＡＩ已經被應用于老年黃斑變性的檢測中，其原理是能夠通過觀察眼底圖像所呈現的玻璃膜疣及視網膜微血管病變體征等，實現對ＡＭＤ玻璃膜疣的自動檢測和量化系統，能夠對疾病的客觀記錄描述，幫助識別和分類ＡＭＤ患者。目前，相關研究集中在玻璃膜疣的診斷準確率和敏感度的提升方面［５］。但ＡＭＤ是一個長期、慢性進展的過程，病情復雜，現實場景中的眼底照相質量并不均一，往往受限于場地環境、設備以及受培訓人員的技術水平，在真實世界實際應用場景中，獲得完美的照相質量相對困難［６］，從而影響人工智能輔助診斷。筆者擬通過此次研究，探索圖像質量的差異與ＡＩ診斷準確率的關系，尋找影響診斷的主要因素，改善醫療技術，進一步提高ＡＩ的診療準確性，從而提高醫療服務質量。
１資料與方法
１．１一般資料選擇２０１８年１月１日—２０１９年１２月３１日在我院篩查的１００例年齡相關性黃斑變性患者。本研究經本院醫學倫理委員會批準。
１．２儀器與方法對１００例患者進行眼底照相，由ＡＩ進行解讀，對診斷的正確度進行評估。按照位置、對焦、準確、曝光程度、睫毛偽影、中心暗影、周邊暗影等對眼底圖像進行質量評價，分析眼底圖像質量與ＡＩ診斷準確性的影響。前期研究已經對社區醫療診療環境進行整合，保證眼底圖像采集人員采集統一規范標準。對眼底圖像儀器進行統一。對眼底圖像進行分類，由ＡＩ進行解讀，收集報告內容，對診斷的正確度進行評估。
１．３觀察指標及評價標準所有納入樣本患者的影像資料均由高年資主治醫師審核，并進行ＯＣＴ圖像的驗證，確認黃斑病變，與眼底圖像進行印證。對患者圖像資料質量進行標準分類，包括位置的準確性、對焦是否準確、曝光過強、曝光過弱、鏡頭污漬、睫毛虛影、邊緣漏光、黃斑區暗影、周邊暗影、整體影像模糊。根據ＡＩ的判定結果分析圖像質量與ＡＩ評價準確度的關系。
２結果
２．１圖像效果分析１００例黃斑變性圖像，其中拍攝位置不標準為最常見問題占３０％，其次為邊緣漏光，占２７％，未發現鏡頭污漬表現，未發現過度曝光。
２．２ＡＩ診斷正確度與圖像質量的關系現實場景中ＡＩ診斷陽性率８６％，ＡＩ診斷正確度與眼底照相周邊是否有暗影具有統計學相關性。ＡＩ診斷陽性率８５％。見表１。
３討論
年齡相關性黃斑變性（ＡＭＤ）是一種潛在進展性黃斑病變根據。臨床特征可以分為早中期ＡＭＤ和晚期ＡＭＤ，早中期主要表現為玻璃膜疣（視網膜下由脂質和蛋白質組成的黃表１ＡＩ診斷正確度與圖像質量的關系判讀正常判讀錯誤比例（％）Ｐ位置正確６３７７０２３７３００．１１４對焦不準１０１８５１４９９１．０００曝光過強０曝光不足１８３２１６８１１７９１．０００鏡頭污跡０睫毛偽影４１５８２１３９５０．５３７邊緣漏光２３４２７６３１０７３１．０００黃斑暗影１０１８５１４９９１．０００周邊暗影１４６２０７２８８００．０３２整體模糊６０６８０１４９４０．５９１總體８６１４８６色沉積物）和黃斑區色素改變，通常視力正常或接近正常。晚期則出現中心視力下降或喪失。晚期ＡＭＤ又分為兩型：地圖樣萎縮（或者稱為“萎縮性”或“干性”ＡＭＤ）和新生血管性ＡＭＤ（或者稱為“濕性”或“滲出性”ＡＭＤ）。地圖樣萎縮是黃斑的慢性進行性變性；變性開始于視網膜色素上皮水平，在后期隨著相關的視網膜神經感覺層變薄和變性，出現視網膜色素上皮丟失。脈絡膜新生血管是指從眼睛血管層（脈絡膜）到視網膜神經感覺層的血管異常生長。較小的玻璃膜疣（＜６３μｍ，也稱為ｄｒｕｐｅｌｅｔ）是正常的老化改變。中等大小的玻璃膜疣（≥６３μｍ至＜１２５μｍ），不伴色素改變，則稱為早期ＡＭＤ。較大的玻璃膜疣（≥１２５μｍ）或至少中等大小玻璃膜疣伴色素改變，則為中期ＡＭＤ。正常老化改變５年進展為晚期ＡＭＤ的風險為０．５％，而中期ＡＭＤ則為５０％。此外，現在認為網狀假性玻璃膜疣（在光感受器和視網膜色素上皮之間形成的小玻璃膜疣樣沉著物）是兩種晚期ＡＭＤ形式的前驅病變。年齡性黃斑變性的顯著診斷特征為ＡＩ輔助提供了充分條件，ＡＩ在經過足夠的深度學習后，能夠對這些顯著特征進行區分，即能夠對其進行高效識別診斷。但在實際使用中，還有更多細節優化需要注意。研究發現［７］，在現實場景應用中，ＡＩ診斷正確性與圖片的采集質量密切相關。
其中周邊暗影是影響診斷質量的重要指標，眼底照相采集的眼底各結構位置也可能具有一定意義。眼底圖像周邊暗影影響了ＡＩ的判斷［８］。周邊區暗影因為在拍攝過程中患者瞳孔過小或者不配合導致的，往往合并位置異常及中心區暗影，影響了細節的定位及判斷，導致了機器判讀困難。改善這類問題導致的眼底照片判斷誤差，解決方法之一是發現此類問題，這需要對該類人群進行散瞳處理，執行標準化操作，另外還需要對軟件進行進一步的優化分析。圖片是否按照標準位置拍攝是影響ＡＩ現實應用的重要的指標，主要以視盤和黃斑區的納入為主要指標［９］。院內檢查多以散瞳對病情進行確認。但社區大規模篩查中，考慮到散瞳的風險及檢查人員的培訓限制，免散瞳眼底照相成為趨勢。這也導致在常規操作中，很難獲得一張完美的圖像，尤其免散瞳眼底照相更難達到相應要求。現實場景的圖片缺失或者缺損部分圖像細節，ＡＩ以此進行解讀，可能會干擾判斷準確性。雖然本研究在統計學上并沒有發現二者的相關性，但檢驗水平還是提示位置偏倚可能存在潛在的影響。通過培訓來改善獲取的圖片質量，可能會有益于ＡＩ準確度的提升［１０］。黃斑區暗影并未顯示對ＡＩ判讀準確率的影響，這體現了ＡＩ比人眼的優勢，顯然臨床醫生更關注黃斑中心區的結構變化，在肉眼不能分辨的情況下，而ＡＩ能夠較好地判讀，進一步給醫生提供了診療信息，充分體現了ＡＩ的優勢。
在眼科學中，基于視網膜圖像的自動篩查（ａｕｔｏｍａｔｅｄｓｃｒｅｅｎｉｎｇ）早已成為ＡＩ靶標，為眼科視網膜病變的篩查注入了新的活力［１１］。但以上診斷的基礎往往以完美的眼底圖像進行診斷訓練，并沒有完美實現對現實場景的呈現。現實場景中診斷正確率受多種因素影響，本文主要針對圖像質量采集進行了研究分析。本次研究主要樣本量較小，這一定程度上造成了結果的偏倚。另外患者的全身情況會對圖像判讀產生重要影響［１２］，但本文中并沒有涉及。研究側重圖像質量與ＡＩ判讀之間的關系。對圖像進行質量的分類是一個極其重要的問題，這能促進ＡＩ在實際臨床應用中的準確性。這也需要專業人員投入一定的精力對實際圖片進行多維度的分類，這樣能更好地訓練ＡＩ的臨床實際應用。單一圖片的判斷可能并不準確，目前更多研究開始注重多重圖像聯合的ＡＩ研究［１３］。除了ＡＩ在眼底照相圖片中的應用以外，應用于ＯＣＴ的卷積神經網絡（ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋｓ，ＣＮＮ）能夠成功地區分晚期ＡＭＤ或糖尿病性黃斑水腫（ＤｉａｂｅｔｉｃＭａｃｕｌａｒＥｄｅｍａ，ＤＭＥ），為多模式診療策略提供了可能［１４］。ＡＩ目前在正常的眼底圖像診斷中發揮了重要的助力，但在現實場景中，存在較多非標準圖像，ＡＩ診斷的準確率不可避免地下降，這需要針對不同的情況，做好眼底照相的質量控制及ＡＩ診斷技術上的改善和調整。
作者:胡欽瑞 王麗婷 王斌 李揚 單位:福建省眼表與角膜病重點實驗室 廈門大學附屬廈門眼科中心
人工智能技術分析2
思想政治理論課是落實立德樹人根本任務的關鍵課程。長期以來,高校思政教師和教育工作者為了提高思政課教學效果進行了不懈的努力,各個高校的思政課上都運用了多媒體、智慧教室等各類信息技術,但總體而言主要是教學工具的提升,而教學模式沒有發生根本性的變化,多數高校仍然以插秧式排列、灌輸式教學為核心途徑,社會生活中各種豐富多彩的手段和模式難以運用到思政課中。近年來人工智能的飛速發展已經極大地改變著人的交流模式,高校思政課教師也應及早準備好迎接人工智能所帶來的機遇和挑戰,更加有效地承擔起立德樹人的歷史重任。
1高校思想政治理論課改革的技術化路向
高校思想政治理論課效果不夠好是一個長期困擾高校教師和相關部門的重要問題。多年來國家有關部門和高校教師都采取了各種方案、嘗試了多種手段試圖走出困境,但總體而言并未取得根本性改善,課堂效率不高的困境依然存在。在傳統教育時代和信息化教育時代,高校思政課教師與思政工作者嘗試了各種方法來提高思政課的實效性,取得了重大的進步。其中進步最明顯、最容易被人們注意到的就是“以科技手段提高課堂效率”的方式,將各種信息化技術引進課堂,確實在一定程度上改善了教學效果。
1.1高校思政課堂改革技術化路徑的形成高校課堂從科技要效率的歷史來源已久:十一屆三中全會后,鄧小平同志就強調教育要現代化;上世紀八十年代國家就大力推進教育電教化;從上世紀九十年代末,由于計算機技術的飛速發展與大規模應用,教育部門和各類學校開始大力推進信息化;新時代以來,由于各類人工智能技術的發展與運用,高校開始推進人工智能進校園,建設智慧校園。各個高校大量應用電腦和多媒體技術,將粉筆黑板換成了投影和PPT,將語言描述較為復雜的東西轉換為圖片和動畫,使得學生易于理解,客觀上信息傳遞效率取得了較大的進步。但是這樣的效率提升仍然是單向、基于灌輸式的教學方式而言的。在這種場景下,教學效果的提升最重要的并不在于這種單向信息傳輸的效率如何,而是取決于學生對信息接收、理解和認同的程度。對于高校和教師而言,學生對信息的接受與處理是一個調動學生主體性因素的問題,這恰恰是他們最為費力而又難以衡量的,最為便捷易見的方式就是提高信息化手段和單向信息的傳遞效率。“忽視了那些能從根本上變革教育的新理念、新思想以及新技術環境下學習方式和教學方式等其他教育要素的創新”,高校思政課效果沒有展現出預期的提升幾乎是必然的。
1.2高校思政課堂改革技術化路徑的深化近年來,不少學者提出向信息化要思想政治教育實效的口號。有人認為以信息化管理平臺為載體,能夠提升大學生思想政治教育的實效性。有人認為思想政治教育信息化不僅是教育手段上的變革,而且改變了信息傳遞的方式,從而提高了思想政治教育的實效性。也有人認為信息化技術通過提升受教育者的認識水平、個體發展和心理需求等方式實現了思想政治教育的功能。還有人認為計算機輔助教學和輔助學習很大程度上提高了上課效率,互聯網時代以來的各種網絡技術進一步提高了學生的參與度和融合度,從而提升了課堂效果。但是,還有不少學者認為這種以技術手段突破思政課教育困境的路徑是不成功的,重教學形式創新、輕教學內容改革的方式難以改變高校思政課的困境,信息化、技術化并未從根本上改變高校思想政治理論課的傳統教育模式,“以知識教育作為思想政治教育的主要內容,以規訓式教育作為保證教育實施的手段”,教學仍然以教師為中心,單一的教學環境和單向的信息傳播方式并未改變。甚至有學者認為信息技術并沒有真正改變傳統教學,反而是傳統教學模式利用信息技術固化了自身。總體來看,思政課“以科技求實效”的改革路徑并未取得滿意的效果,那么這種路徑是在人工智能時代是否還可行、人工智能能否為高校思政課帶來重大的變化,這取決于人工智能的特性能否契合教育變革的要求。
2人工智能適宜于思政課教學的技術特征
2016年人工智能系統AlphaGO擊敗了人類圍棋世界冠軍李世石,極大地震動了世界,人們懷著復雜的心情迎接人工智能時代的到來。人類每次科技的迅猛發展都會不同程度上對教育產生深遠影響,被視為顛覆未來社會的人工智能必將對高校思政課產生沖擊。縱觀人工智能60多年的曲折發展歷程,實現了從“不能用”到“可以用”的跨越,但是距離“很好用”還有巨大的差距。有學者將今天的人工智能分為專用人工智能和通用人工智能,有的也分為弱人工智能、通用人工智能、超級智能和強人工智能四種類型。無論怎么分類,當前及近十年內能夠實現的還是弱人工智能或者說專用人工智能。迄今為止所有的人工智能都是模擬實現人類智能中的確定性范疇,尚未真正涉及人類具有不確定性的主觀活動。人工智能發展到今天,其優勢和缺陷都非常明顯,對高校思政課教學來說也各有利弊,總體呈現出以下特點。
2.1自主性、單一性這里的自主性是指人工智能不需要人工干預而自我決策和行動的能力。有專家認為,下一代的人工智能甚至會具有自主編程能力,意味著機器獲得了自己的智力,獲得了完全的自主性,這個時刻被稱為“技術奇點”。但有的人工智能專家認為甚至認為“技術奇點”永遠也不會到來。盡管今天的人工智能表現出一定的自主性,但仍然無法承擔兩個以上類型的復雜任務,這就表現出單一性,即人工智能所能完成任務類型的唯一性。當今人工智能已經應用到社會生活的諸多方面,但非常明顯的是,完成這些任務的人工智能都是專用型人工智能,尚未出現能夠完成多種任務的人工智能。盡管如此,高校人工智能的發展也正推動高校從數字化校園向智慧校園的轉變,將對高校思政課和思政工作產生重要影響。
2.2高效性人工智能本身就是為了解放人類的體力和智力而產生的,針對特定的任務都具有操作簡單的特性。“當下的人工智能,主要適用于標準化、規范統一的領域。”人工智能的優勢是善于處理重復性高、單調而繁瑣的任務,善于從大量類似材料中篩選符合人類需求的信息,使人類從繁重、單一的體力勞動和腦力勞動中解放出來;在某個專門的細分領域,人工智能可以整合該領域所有專家的明確知識和經驗,通過海量信息的對比和篩選,呈現出比人類智能更高的效率,具有重要的輔助決策功能。另外,目前智能手機中的導航、購物和衣食住行有關的APP等大多都運用了人工智能技術,使用簡便快捷,只不過人們往往對人工智能“存在一種’淡出視野’的習慣”,一旦理解了它們的自動原理,就不再將其視為人工智能,“而將之視為主流計算的一部分”,實際上它們的確是高效的弱人工智能。
2.3泛在性所謂泛在性就是“無處不在、無時不在”。人工智能發展到今天,可以說“只要有人涉足甚至只要人想涉足的地方,都會有人工智能的用武之地”。一切電子信息設備和電氣化設備都是人工智能存在和利用的載體。信息時代的大學生在校園里生活時,從宿舍、食堂、圖書館到教室、超市、辦公樓,都有各類電子設備記錄學生的行為而產生大量數據,但是這些數據在人工智能時代以前是沉睡的冗余數據,并大多數是互相獨立的“信息孤島”,而人工智能及其所依據的大數據技術就可以喚醒這些數據,將其變成“金礦”。它可以根據這些數據來分析學生個人的生理和心理狀態、生活習慣、家庭背景、個人嗜好、個性特征、思想傾向、社交傾向、群體價值傾向、甚至學生自己無法意識到的隱秘訴求。人工智能就如同一個睿智的幽靈在全天候的觀察學生并進行判斷,時刻為他們思考和服務。
2.4精準性信息時代的技術是普適性的,它不針對用戶進行自我調整,也不因為用戶的不同而產生數據處理方式和結果的差別。但人工智能可以自動針對用戶的特性進行數據處理過程和結果的調整。它通過算法對用戶數據進行處理和過濾,并將整理過的數據適配成符合使用者的個性特征的新聞、視頻或其他數據資源,甚至可以主動對使用者或潛在使用者進行內容推送。人工智能這樣生產出來的信息是高度個性化的甚至是唯一化的,具有高度的信息精準性。這樣,人工智能時代人與人的溝通可以由于技術的先進性、數據的共享性而更加容易實現。
2.5算法歧視人工智能的本質是算法,但算法本身并非是一種完全價值中立的科學活動,而是總與特定的價值立場相關,蘊含著價值判斷。當前的諸多人工智能在初始階段往往需要自己搜索或者人類“喂”給它大量數據,尤其是對于人類辨認方便但機器辨認困難的任務需要人機協同的方式對數據進行標簽,進而“教會”它如何處理此類問題。在這個過程中,算法本身的設計可能帶有的潛在歧視傾向,或者是人工智能的訓練數據所自帶的歧視傾向都會導致算法歧視。如果人工智能性用品開發商為了更好地取悅男性而大量采集機器伴侶反饋的數據,進而加強算法的歧視性以改進機器伴侶的行為,會對兩性關系和社會發展產生巨大的負面影響。
3人工智能應用于高校思政課的挑戰
和歷史上的任何技術變革一樣,人工智能技術的大規模應用必然促進社會的巨大進步和相應的弊端,高度需要以科技化方式提升課堂效率的高校思政課勢必面臨著大規模運用人工智能技術的誘惑及其帶來的挑戰。高校思政教師和思政工作者首先要深刻認識人工智能的負面效應才能對其警惕和防范。
3.1局限性挑戰人工智能的自主性和單一性也就帶來它的局限性。盡管人工智能在它所擅長的領域遠遠超過人類的能力,但“迄今為止,所有人工智能算法和應用,都還屬于弱人工智能范疇”。當前與未來一段時間內,人工智能難以勝任需要靠人的默契完成的任務,它往往涉及人的常識、靈活性和判斷力。人們將具有類似人類心靈活動能力的人工智能的希望寄托在遙遠的未來的通用人工智能身上。這對于高校思政課師生而言,人工智能在很長時間內只能作為師生學習的輔助手段,起到查閱資料、推送內容、匹配需求、提出可能性方案的智能助手作用。
3.2職業淘汰效應人工智能的這種高效性帶來了巨大的便利、提高了社會生產力,但同時也淘汰大量的職業引發失業,最近這幾年銀行柜員被金融人工智能大量淘汰轉崗就是這樣的典型案例。有學者認為未來十年內,諸如翻譯、助理、銷售、客服、會計、司機、家政等工作將大部分被人工智能所取代,約50%的工作會受到人工智能的影響。2013年牛津大學的研究人員提出未來20多年內,美國將有47%的崗位受到人工智能的影響,人工智能時代的生產方式把人從具體的生產過程中解放出來,實現生產的無人化,必將對人與機器、人與人之間的關系產生深遠影響。“隨著人工智能技術的廣泛應用,人類社會的失業現象將不再局限于體力勞動行業……幾乎所有體力勞動與大部分基礎智能勞動被取代,人類能發揮價值的勞動就只剩下創造性勞動了。”這種趨勢會引起大學生思想和行為發生巨大變化,他們的學習興趣也會趨于人工智能難以取代的創造性專業。今天很多大學還在大量招生的基礎智能類專業和體力勞動專業會逐步失去市場而淘汰,這種情形必將反過來影響高校招生和學校建設,高校思政教學過程中也必須體現出這種創造性、前瞻性的思維建構。
3.3信息繭房效應人工智能精準的內容篩選與信息推動方便了人們對意見相似者的交流和溝通,但同時也可能因為同類個性偏見的強化而讓不同群類的人們更加難以互相理解,甚至可能形成“繭房效應”———人們由于“同質性(人們偏愛與自己相類似的人)趨勢導致許多人會結交或追隨他們愿意相信的人,并且不愿意結交與他們觀點相左的人”。在人工智能的幫助下人們篩選出符合自己偏好的、強化自身信念的信息,進而導致自身觀點的僵化,結果人們類似于生活在一個“過濾器繭房”中。在人工智能條件下,思政課教師對學生運用人工智能而導致的這種助長偏見的情形進行引導和糾正就更加重要。如何協同思政工作者、學生群體和人工智能一起組成的“思想政治教育共同體”對價值觀有偏頗的學生進行正確的引導和糾偏成為思政課教師在人工智能時代的重要課題。
3.4隱私危機尊重個人隱私是現代社會良好運轉的重要規則之一,而人工智能的泛在性使其具有侵犯個人隱私的巨大可能,隱私保護甚至被有的學者稱之為“隱私危機”。“隱私不只是人類尊嚴的基礎,也是所有其他人權的基礎,沒有隱私權,其他權利就無從保證,就根本談不上自由、民主和平等。”信息時代的隱私問題往往是如何收集、使用信息的問題,它不涉及信息主體本身的倫理,它對隱私的侵犯是主要是人對信息的使用方式。人工智能可能從隱私的直接監控、隱私獲取、個人畫像和隱私承載與使用等方面產生隱私危機,尤其是它本身需要采集人類行為數據的存在性需求與個人隱私保護之間就產生了尖銳沖突,采集個人數據如何獲得授權和不被濫用已經成為人工智能領域非常尖銳的倫理問題。更為嚴重的是,新一代人工智能可以通過人的行為的大數據分析和心理生理特征(包括腦電波的讀取)的讀取,未來“人們任何所思所想都將完全地反映在機器中,人類的思維隱私將不復存”。高校智慧校園人工智能系統將需要對大學生上課、休息、就餐、運動、購物、社交等日常生活數據進行采集,甚至可能需要對學生的指紋、虹膜、面部數據甚至DNA數據進行采集分析,那么大學生在多大程度上允許這些數據的采集和應用將是一個非常現實的高校倫理問題。
3.5電子人格與法律主體缺陷所謂人工智能的道德主體問題就是否賦予人工智能一定或者完全“電子人格”的問題。與大學生貼近的一個倫理問題就是機器人伴侶問題。世界性用品商正努力將最先進的人工智能投入到性用品領域,青春期的男大學生邂逅外形美麗的機器人伴侶、女生購買一個帥氣的男性伴侶機器人絕不是一個浪漫的未來故事,而是即將會對大學生產生重大的生理、心理和倫理的影響的現實趨勢。這在男權社會背景下,將使男性對女性產生何種潛藏的精神暴力甚至人身威脅、至少是物化女性的思維已經不僅僅是一個思辨中的倫理問題,而是一個悄然成形中的現實癰瘡。更為棘手的是,諸多潛藏人工智能犯罪的隱患點正大量出現,具有自我學習能力越來越強的人工智能正飛速發展,其帶來的法律主體及預防犯罪問題開始對人與人工智能之間的法律關系提出了挑戰,而智慧校園場景下的人工智能如何合理合法地為師生服務開始逐步成為高校思想政治工作者苦惱的來源之一。總之,人工智能是一個已經走進現實且日益飛速發展的技術,對人類社會的影響越來越顯著,高校思政課教師必須對此未雨綢繆,及早應對人工智能時代的新挑戰、新問題。
作者:洪巍城 周治邦 單位:桂林理工大學馬克思主義學院
人工智能技術分析3
一、問題的提出
隨著時代的發展和科技的進步，人工智能在近年來得到了迅猛的發展，其所涉及的范圍越來越廣、進入的行業也越來越多。從目前而言，人工智能在我國已經涉及到多個行業和領域，其功能在不斷地進行豐富與完善。從“阿爾法圍棋（AlphaGo）”戰勝多名圍棋高手開始，人工智能被大眾所關注，到微軟人工智能“小冰”生成的《或然世界：誰是人工智能畫家小冰？》，已于2019年在中央美術學院美術館舉行首個個展，［1］人工智能的智能化有所提升，涉及的領域也發生了改變。人工智能從服務領域逐漸開始轉向輸出其創造物時，除了微軟人工智能“小冰”以外，人工智能還能夠譜寫歌曲、繪畫、生成詩篇散文等。這就帶來了一個法律問題：人工智能創造物是否屬于作品，能否受到著作權的保護？
二、人工智能創造物著作權之否定
（一）主體適格性分析
1．人工智能仍未超越“工具”角色從思維能力角度看，人工智能的地位超越了物的概念，但從工具論角度，人工智能依然未能擺脫為人類服務的“工具”角色。［2］盡管人工智能所涉及到的行業和領域在不斷擴大，其對人們日常生活的影響越來越深入，但是從本質上來說，為人類服務仍然是創造人工智能的目的與角色定位，并未脫離這一角色，而處于一個與人類平等的地位。隨著科技的發展進步，人工智能的智能程度不斷提升，具有了相較以往而言更強的學習能力，但這并不能直接推斷出其創造物屬于作品。人工智能歸根結底還是一個為人類所利用的工具，人工智能能夠通過對大量數據進行分析，從而尋找到事物的規律。這種性能在數據處理方面非常占優勢，但其背后所依賴的仍然是人類所設定的程序。盡管人工智能能夠進行創造，但是其創造也是根據人所設定的程序，究其根本仍然是人類的“工具”，人工智能本身是不具有自主意識的。除此之外，人工智能是由人類所創造的，其從產生之日起就具備人造性，這一屬性就意味著人工智能要受到人類的制約，其所創造之物只能看作是人類意識的衍生，而非其創作。
2．人工智能不具備創作意圖著作權法確定對象保護體系須以一定的價值基礎來構建。構成作品并不以表現形式為唯一依據，還要結合內在價值判斷，否則作品的范圍將過于寬泛。創作意圖是創作過程中能夠體現人類智力的核心要素，其是將特定思想轉化為與之對應的具體表達的一種主觀意愿。在這一過程中，具有創作意圖之人，需要對具體表達性內容有具體的預期。如果某一主體對形成的表達沒有預先的認識，則不能稱其為具有創作意圖。創作意圖是著作權中的一個重要因素，盡管這一內容沒有被明確規定于《著作權法》當中，但是可以從條文中得到印證。但從司法實踐來看，證明創作意圖是存在一定的困難的，作者的內心真意難以通過作品得到直觀的表現，但這并不影響創作意圖在著作權認定中的地位。根據智能化的程度不同，人工智能可以分為弱人工智能和強人工智能，但無論是哪一類人工智能，其都未曾擁有自主意識和自主能力。人工智能依靠其強大的數據處理能力，能夠在更短的時間內處理更多的信息，并根據數據作出最優的處理結果。從人工智能的運作模式就可以看出，其主要追求的是以最優路徑生成有關內容，而人類創作更傾向于展現豐富多彩的內心思想，二者存在根本性的差異。
3．人工智能不符合現有法律框架我國《著作權法》在立法基本理念上趨近于作者權法系，因此判斷獨創性時還要考慮相關內容是否屬于人類完成的智力成果。將法人、非法人組織納入著作權客體有以下兩方面的原因：一是社會發展對著作權主體提出了新的需要，且法人、非法人組織財產獨立，可以獨自承擔相應的責任；二是法人、非法人組織從根本上看還是自然人的延伸。人工智能要想被納入著作權主體，首先需要解決的就是財產獨立的問題。正如上文所論述的，人工智能不具備自主意識和自由意志，也就是說，人工智能是沒有獨立的財產用以承擔責任的。從這個層面看，人工智能是無法被納入著作權主體的。再從另一個角度進行分析，法人、非法人組織從根本上可以看作是自然人的延伸，而人工智能則與自然人的關聯沒有那么密切，其在被創造出來以后就與自然人失去了聯系。除此之外，從責任追究角度分析，在對法人、非法人組織進行追責時，最終責任會落實到自然人。人工智能從本質上看屬于數據代碼，在對其進行追責時可能會產生一些問題。就現有的知識產權法律框架而言，人工智能運行的基礎是人類輸入的代碼或者算法，因此難以將人工智能的客體身份進行轉化，無法將其認定為著作權主體。［3］
（二）法律及市場角度分析
1．法具有穩定性人工智能創造物是新興事物，其出現引發了法律方面的討論，但并不意味著所有新興事物都需要新的法律來對其進行規制。從法的穩定性的角度來看，當現有的法律體系能夠解決新興事物所帶來的法律問題時，就沒有必要為其專門設定新的法律。人工智能創造物所帶來的著作權方面的問題能夠被現有的法律體系所容納，其原因主要在于對人工智能創造物進行著作權保護，歸根結底是保護人工智能背后的人的利益，這一利益能夠得到現有法律良好的保護，對其進行額外規定缺少必要性。有學者主張人工智能雖然現在還不具備創作的能力，但是其發展非常迅速，未來可能會具備著作權主體資格，法律應當將其考慮在內。法學研究的目的是解決現實問題，可以進行前瞻性的研究，但是這種研究必須要在現實可能性的基礎上，否則這一研究就是一種空談。［4］人工智能究其根本還只是人類工作、生活中的工具，不能夠獨立創作，也不能將其歸為著作權主體。目前沒有依據能夠確定人工智能未來的發展情況及發展方向，法律提前進行規定是沒有必要的，同時這樣制定出的規則也缺少應用的現實基礎，失去了法律本身的意義。
2．市場穩定運行的需要還有學者主張，人工智能納入著作權主體能夠激勵創作，促進創作領域的發展壯大。從市場經濟運行規律來看，社會必要勞動時間決定了商品的價值鏈，當所有生產者的社會必要勞動時間處于同一水平線時，能夠以更短時間產出更多商品的人將會獲得更多的利潤，從而在市場中生存下去。人工智能與人類相比，其最大的優勢在于創作速度快、創作成本低。人工智能可以憑借良好的算法快速地進行“創作”，且在成本消耗方面遠低于人類創作。如果人工智能能夠作為著作權主體進入創作市場，那就意味著有大量作品的涌入，且在價格方面還具備優勢，這對創作市場是一種巨大的沖擊。當作者消耗大量精力創作的作品市場被人工智能創造物所搶占時，必然會影響作者創作的積極性，從而影響到創作市場的正常運作，并不能起到鼓勵創作、促進創作市場發展的預期目的。
三、人工智能創造物作品的獨創性否定
（一）作品獨創性的認定標準
有一部分學者指出，現有著作權制度始終將人類視為獨創性的唯一主體，以人為關注點的判斷標準沒有真正從客觀角度出發認定獨創性，固有的標準難以應對人工智能創作物帶來的法律爭議，從主觀主義出發制定的標準已經難以適應新傳播途徑帶來的各類沖突，長此以往將不利于激發社會的創新潛力和創造能力。筆者對這一觀點持反對態度，獨創性的評判并不僅僅是從主觀角度進行，主觀分析只是對其進行評判的一個方面。隨著新興事物的不斷涌現，司法實踐中確實存在獨創性認定標準不一和認定困難的問題，但人工智能創造物與游戲直播、電影解說等存在差異，其主體屬于人工智能，而人工智能現在還處于弱人工智能時代，不具備獨立的意識和獨立的財產，與人或者法人存在根本性的差異。如果僅從客觀主義的角度對作品進行評判，作品獨創性的認定標準將過于簡單，從而導致作品泛濫，甚至于動物所拍照片、動物的畫作等都可被認定為作品，這將對著作權的保護和作者的合法權益產生極大的影響。［5］
（二）對人工智能創造物的獨創性之否定
1．內容的獨創性人工智能可以根據需要對素材進行自由的選擇與提煉，通過多種途徑對搜集到的素材進行加工整理，最終形成其創造物。僅從內容的角度來看，人工智能創造物確實具有與其他作品相區別之處，可以從內容上認定為具有獨創性。但是對于作者獨立創作完成作品這一要求，筆者持否定態度。迄今為止的人工智能只能按照人類預先設定的算法、規則和模板進行計算并生成內容。［6］人工智能能夠產生創造物，究其根本，仍然是有賴于已經設置好的編碼，其行為最終要歸屬于人的行為，人工智能的創造行為能否被認定為獨立完成還有待商榷。因此，難以認定人工智能創造物具有獨創性。2．作者的個性表達有學者以人工智能生成的小說未被評委發現的事實推論出人工智能創造物的智力創造水平達到《著作權法》中“最低限度的創造性”標準。［7］這一觀點是存在問題的，且不論以這一事實進行推論是否具有邏輯上的可行性，對作品獨創性的認定是一個綜合性的過程，并不是僅僅考慮是否達到了《著作權法》中的“最低限度的創造性”。同時，創造性更多考慮的是作者的個性表達，從事實層面看，人工智能創造的作品確實具有獨創性，但是人工智能作為機器，從目前而言，其無法進行情感與個性的表達。除此之外，通過讀者閱讀人工智能創造物而產生的情感體會來反證人工智能具備個性表達能力的推論是站不住腳的，讀者的情感體會是人類閱讀時產生的情感，與人工智能是否具備個性表達能力無關。［8］
四、結語
人是宇宙的精華，萬物的靈長，人的創造性思維是創作過程中必不可少的要素。人工智能的智能程度與學習能力雖然有了較大的進步，但其終究還是沒有獲取自主意識和自由意志，更重要的是，人工智能無法依靠創造性思維進行創作，其所依賴的不過是由人類設定好的程序。這也就說明了：保護人工智能創造物的目的不是保護冷冰冰的機器，而是保護機器背后付出了智力勞動的鮮活的人。［9］人工智能創造物的商業價值并不符合著作權法本身的價值預設。而根據表現形式將人工智能創造物看作作品，一方面無視了人工智能作為著作權主體的不適格，另一方面則是沒有認識到著作權保護對象體系。在看待人工智能創造物時，應當在把握規則的前提下，從整體的角度出發。只有這樣才能看到問題的本質，從而得出正確的結論。
參考文獻
［1］蔣肖斌．人工智能辦畫展，你們人類顫抖了嗎［N］．中國青年報，2019-07-16（8）．
［2］易繼明．人工智能創作物是作品嗎?［J］．法律科學（西北政法大學學報），2017，35（5）：137-147．
［3］梁志文．論人工智能創造物的法律保護［J］．法律科學（西北政法大學學報），2017，35（5）：156-165．
［4］王遷．如何研究新技術對法律制度提出的問題?——以研究人工智能對知識產權制度的影響為例［J］．東方法學，2019（5）：20-27．
［5］匡俊．論人工智能創作物著作權法保護［J］．中國出版，2020（18）：63-67．
作者:錢藝 單位:桂林電子科技大學
