首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    用区块链帮助媒体保护传播有价值的数据与信息

    12月23日,由中国行业报协会主办,《传媒茶话会》承办的“第二届中国产经媒体融合发展高峰论坛”在北京市举行,主题为“新思路 新举措 新力量”,原本区块链商务VP翁蓓蓓出席论坛并发表主题演讲。 图片说明:原本区块链商务VP翁蓓蓓在会上作主题演讲 翁蓓蓓指出,原创优质内容被侵权导致的不仅是授权费的损失,更直接导致自有用户的流失,使产经媒体门户存在感弱化,影响“流量变现”的商业模式。版权资产是“融媒体”时代、传统媒体市场化运作的起点和核心。 对此,翁蓓蓓在论坛现场也给出了版权保护的五大方法建议,一是建立统一化

    06

    深度学习 vs. 大数据:神经网络权值的版权属于谁?

    【编者按】深度神经网络能够焕发新春,大数据功不可没,然而大数据的版权是否应当延伸到深度学习产生的知识,这是一个现实的问题。本文通过ImageNet可视化大数据、Caffe共享深度学习模型和家中训练三个场景审查了深度学习的权值与大数据的关系,介绍了目前的问题和解决方案。文章最后预测深度学习将来可能需要相关的“AI法”。 要获得有用的学习效果,大型多层深度神经网络(又名深度学习系统)需要大量的标签数据。这显然需要大数据,但可用的可视化大数据很少。今天我们来看一个非常著名的可视化大数据来源地,深入了解一下训练过的

    06

    深度学习 vs. 大数据:神经网络权值的版权属于谁?

    【编者按】深度神经网络能够焕发新春,大数据功不可没,然而大数据的版权是否应当延伸到深度学习产生的知识,这是一个现实的问题。本文通过ImageNet可视化大数据、Caffe共享深度学习模型和家中训练三个场景审查了深度学习的权值与大数据的关系,介绍了目前的问题和解决方案。文章最后预测深度学习将来可能需要相关的“AI法”。 要获得有用的学习效果,大型多层深度神经网络(又名深度学习系统)需要大量的标签数据。这显然需要大数据,但可用的可视化大数据很少。今天我们来看一个非常著名的可视化大数据来源地,深入了解一下训练过的

    05

    回归实践:生成式人工智能三大版权问题解析

    生成式人工智能“顾名思义”就是用来生成创作内容的,所以作为内容领域定分止争的版权法一直为各界高度关注。目前,关于生成式人工智能版权议题的讨论也愈发聚焦,主要涉及三个方面:第一,大模型训练对于作品的利用,是否适用版权法上“合理使用”等限制与例外制度;第二,利用大模型生成的内容,能否受到版权保护;第三,大模型输出内容发生侵权的情形下,服务提供者的责任承担和注意义务的界定。本文希望基于国内外相关立法规则和司法实践的最新动态,并结合当下生成式人工智能产业与技术的发展现状,就上述三个议题涉及的争议关注焦点和应对解决思路加以分析、探讨。

    01

    落地正当时,谁能讲出新故事?| 2022雷峰网「飞天入地出海 · 年度科技榜」

    过去的2022年,AI 发展速度惊人,迭代速度呈现指数级递增。 作者 | 黄楠、王永昂 编辑 | 陈彩娴 随着算法、算力、数据等要素持续迭代,AI 迈入到更广泛的行业领域,与行业的结合,AI 作为基础设施,为多元需求和复杂场景落地提供针对性解法,解决了许多产业落地的全链路命周期问题。 人工智能场景分工趋向细化,产业落地成为备受瞩目的核心命题,如何穿越迷雾,找到 AI 技术创新和产业落地的最佳路径?各方都在摸着石头过河,教训与成效并存。 得益于深度学习模型的不断完善、开源模式的推动、商业化的大规模探索,技术革

    01
    领券