Page 165 - 大数据背景下计算机信息安全及防护

第六章 人工智能安全防护

利用推理及知识表示技术可对其予以更高级别的描述。当采用虚拟仿真技术对用
户进行交互时，可突破操纵虚拟仿真环境中操作对象的限制，及时进行高级别的
自然语言交互等动作。在此环节，对于用户输入通道来说，可应用智能虚拟环境
技术对用户端的输入通道以更高级别的抽象化方式予以表示，同时还可将虚拟环

境中的动态变化以抽象化形式表示，以此发挥智能虚拟仿真技术的效用价值。

四、人工智能深度学习

人工智能深度学习技术（Deep Learning/DL）是指计算机利用人工神经网络
（Deep Neural Networks），不依靠人类提前编程即拥有某一领域学习能力的技术。

这一技术效果的实现依赖于前期对版权作品的数据复制行为，存在著作权侵权风
险。为了化解这一风险、维持利益平衡，有必要将人工智能深度学习判定为合理
使用，这有助于避免算法偏见、降低研发成本、推动产业进步及中国数字经济发展。

（一）人工智能深度学习的著作权侵权风险
人工智能深度学习技术以“机器学习”（又称“数据训练”）为创作方式，
人类仅在筛选提供前期数据分析源的过程中提供帮助，之后由其自主利用人工神
经网络直接处理原始数据，在多层次结构中学习数据的不同含义，分析建模后依

据此模型输出创新性结果，实现端到端预测模型的开发。深度学习的“深度”体
现在人工智能可以通过自己的能力（信息检索、分类、转化、标注、分析、计算等）
“学会”某一领域的基本知识和思维特征，并据此“创造”出新的内容，与人
类学习知识并灵活运用再创造的模式相似。例如，西门子的智能云 Mind Sphere

可以学习并做出调整燃油值的决策以实现最佳性能；AI Powered Equity ETF
（AIEQ.US）管理的基金可以提供更高的回报率；腾讯研发的写作机器人“Dream
writer”可以撰写经济领域的新闻报道等。
人工智能的深度学习过程可以分为以下 5 个阶段：第一，收集数据，为构建

深度学习数据库做准备。第二，预处理数据，指进行计算机语言转化和初步数据
筛选，建立深度学习数据库。第三，标注数据，人工智能根据预设目标的具体内
容对数据库进行分类标注，形成初级函数模型。第四，训练模型，依次选取各个
分类类别下的数据计算其关联关系，以达到完善初级模型的效果。第五，固定模型，

通过海量运算后形成符合人类思维模式和行为特征的最终模型，以完成预设目标。
人工智能深度学习的著作权风险，主要产生于收集和预处理数据阶段的复制行为。

·155·