解锁生成型人工智能供应链中的公平使用：一项系统化文献综述
内容提要
本文提出了一个框架，利用生成型人工智能和合作博弈理论来补偿版权所有者，以解决版权问题。研究分析了公平使用标准对人工智能发展的影响，并探讨了生成式人工智能的公平性，强调监测和强制工具在确保版权和社会公平中的重要性。
延伸解读
补偿机制的技术基础
文章提出的框架依赖生成型人工智能模型的概率性质和合作博弈理论，按比例向版权所有者补偿其对AI生成内容的贡献。实验表明，该框架能识别艺术品生成中最相关的数据源，确保收益分配的公平性和可解释性。这为版权补偿提供了一种可量化的技术路径，但实际部署需考虑数据源追踪的可行性和计算成本。
公平使用标准的经济影响
通过动态模型分析，文章揭示了公平使用标准和AI版权可保护性对AI发展、公司利润、创作者收入和消费者福利的影响，并指出这些影响受经济和运营因素调节。这意味着政策制定需权衡多方利益，且在不同市场条件下效果可能迥异，为监管提供了动态决策依据。
生成式AI公平性的两个层面
文章将生成式AI公平性定义为输出公平性和固有公平性。输出公平性仅评估生成序列，不关心提示或模型；固有公平性要求模型在输入提示中立时也能公平输出。此外，还研究了相对交叉公平性以应对多类别组合爆炸和懒惰公平性强制。这为监测和强制公平性提供了理论基础。
伦理与法律的双重视角
文章综述了生成AI伦理问题，分析了378个伦理问题的19个主题领域，涵盖公平性、安全性、有害内容、幻觉、隐私等。同时，从伦理和法律角度探讨了将版权作品加入训练集的争议，评估了AI对社会的成本和利益。这为学者、从业者和政策制定者提供了全面概述，但需注意文献中的不平衡现象。
Q&A
如何通过生成型人工智能解决版权问题？
通过建立一个框架，利用生成型人工智能和合作博弈理论，按比例向版权所有者补偿其贡献，从而实现版权问题的解决。
生成式人工智能的公平性包括哪些层面？
生成式人工智能的公平性包括输出公平性和固有公平性，前者关注生成内容的公平性，后者要求在输入提示中保持中立。
公平使用标准对人工智能发展的影响是什么？
公平使用标准影响人工智能的发展、公司利润、创作者收入和消费者福利，具体影响取决于多种经济和运营因素。
生成型人工智能可能带来哪些社会风险？
生成型人工智能可能加剧社会偏见和不平等，增加对公平性监测的需求。
如何评估生成型人工智能创建作品的版权范围？
可以利用GenAI模型进行版权法律分析，评估生成作品的一般性，从而帮助确定版权范围。
这篇文章讨论了哪些伦理问题？
文章分析了378个伦理问题，涵盖公平性、安全性、隐私、社会影响等多个主题领域。
