WIPO-人工智能与智力Property：经济视角（英译中）

人工智能与知识产权：经济学视角亚历山大·坎茨(WIPO)、卡斯滕·芬克(WIPO)、汉苏埃利·斯塔姆(IPI)*Introduction自第一次工业革命开始以来，一系列技术突破彻底改变了社会和经济的面貌。他们还改变了创新者创造新技术和创作者制作原创作品的方式。人工智能（AI）是最新的突破。虽然人工智能并不新鲜，但它的能力和应用已经发展到今天可以赋予几乎所有类型的创新者和创造者权力的程度。在某种程度上，人工智能可以被视为增强人类能力的工具，类似于过去出现的工具。印刷机允许人类知识的广泛传播，鼓励创新者借鉴他人的想法。显微镜使科学家能够研究微小物体的结构，例如细胞和微生物，它们太小，人眼看不到。电力对于现代研究实验室至关重要，无论是冷藏DNA样本还是为大规模实验提供动力，例如世界上最大的强子对撞机。同样，人工智能可以分析大量的医疗数据，以识别人类研究人员不明显的模式和关系。然而，与过去的技术相比，人工智能也可能被认为是全新的和不同的，因为它削弱了——甚至取代了——人类的聪明才智，而人类的聪明才智是迄今为止每一项创新和创造性努力的根源。这种前景在某些领域已经成为现实：强大的人工智能工具已经出现，可以用最少的人力投入生成图像、艺术品、音乐或故事。*本文表达的观点是作者的观点，并不反映世界知识产权组织和瑞士联邦知识产权研究所的机构观点。作者对收到的AlicaDaly，ChristianHelmers，AndrasJokuti，BrentLutes，RyanSafner和UlrikeTill的评论表示感谢。从历史上看，新技术的出现对促进创新的关系和机构产生了深远的影响。政策制定者——寻求平衡对创新者的激励，为后续创新者和整个社会提供充分的创新机会——经常调整管理创新生态系统的政策。人工智能的出现已经促使了这种调整，并将继续这样做。保护知识产权是创新和创造性活动的激励结构的核心。AI对IP系统提出了棘手的问题。人工智能生成的发明是否有资格获得专利保护？版权保护是否适用于人工智能生成的小说？从互联网上提取图像以训练产生原创作品的人工智能算法是否合法？对于其中一些问题，根据对现有法律的解释,已经出现了答案。其他问题目前正在法庭上进行辩论。反过来，一些法律学者认为，现有的知识产权法-最初是为人类对创新的贡献而设计的-不再适合目的，需要改革。虽然范围狭窄，但这些法律问题具有重要的经济影响。历史表明，知识产权法律的微小变化可能会对不断发展的创新生态系统产生深远的影响。例如，1952年的《美国专利法》将司法发展的“创造性天才闪光”要求改为法定的“非显而易见性”要求，该要求更适合从常规的大规模研发（R＆D）努力中获得专利。其他国家随后颁布了类似的专利标准。1因此，面对新技术调整IP系统需要仔细考虑。在改变任何法律框架之前，首先思考真正在变化的是什么，任何变化如何影响创新的激励结构，并审查现有证据是有意义的。到目前为止，教科书所定位的市场失灵，是消失了还是转移到了创新和创意作品价值链的另一个地方？本文旨在将当前关于人工智能和知识产权的辩论置于更广泛的经济视角。基于对创新激励的经济学文献的见解，本文的目的是从根本上研究在涉及人工智能和知识产权时，从经济学的角度来看哪些主题是新出现的。在对本质和1见Sampat(2015年)。“知识产权和药品:抗生素案例”。经济研究工作文件第26号。(WIPO日内瓦)。在下一章中采用人工智能，我们从第2节开始，介绍知识产权在创新领域的基本作用以及随着人工智能的出现而发生的变化。我们在第3章中采取了类似的方法，重点关注人工智能和创造力。在第4章中，我们试图阐明人工智能创新本身的动机，然后在第6章中进行一些总结。1.AI的性质和采用尽管人工智能已经以几种不同的形式成为我们生活的一部分，无论是在翻译系统、面部识别技术还是机器人领域，近年来它都取得了巨大的进步。Cocbr等人。（2019年）显示，1990年至2015年间，有关学习系统的学术出版物急剧增长，从1990年的不到100篇论文增长到2015年的近5,000篇。在接下来的几年中，新技术开始受到其他商业应用的关注。由Statista2023编制的数据（见图1）显示，全球企业人工智能投资总额从2015年的127.5亿美元增加到美元。2022年为919亿，未来几年从这些投资中赚钱的期望很高。全球人工智能市场规模预计将在2021年至2030年之间增长20倍，从2021年的约1000亿美元增长到2030年的近2000亿美元（Statista2023见图2）。有了这样的前景，预计这些对新技术的投资将开辟创新和创造力的全新视野。图1：2015-2022年全球AI企业投资资料来源：Statista(2023)。图2：预期的AI市场规模资料来源：Statista(2023)。尽管前景蓬勃发展，但AI的采用和进一步发展将受到许多因素的限制。尽管AI技术的科学构建块可以广泛使用，但在新应用程序中应用这些构建块的技能却很少。2第二个障碍是计算能力：某些AI任务需要大规模的尖端计算能力，这对较小的实体获得AI能力构成了障碍。最后，AI工具的能力主要取决于训练它们的数据。原则上，日常生活的数字化极大地扩大了可用数据的范围。但是，访问，清理，标准化和处理相关数据可能会遇到许多技术，法律和财务障碍，这将在第5节中进一步讨论。这些障碍的存在也会影响公司组织创新活动的方式。他们是获得自己的内部人工智能能力还是与专业的人工智能创新者合作？例如，汽车和制药等“老行业”与一些领先的科技公司之间出现了有趣的联盟。3获得技能，计算能力和培训数据是此类联盟的关键激励因素。另一个更近的发展是用户友好的“生成AI”工具的出现，这些工具大大降低了使用AI技术的技能。正如一个人不需要成为机械工程师来驾驶汽车一样，一个人也不需要成为计算机科学家来有效地使用ChatGPT。2见Alekseeva等人(2020)。 3例如，最近的公告包括微软和诺华以及谷歌和大众汽车之间以人工智能为重点的新合作伙伴关系。 创意产业，如中途，Speechify，Synthesia和AmperAI;这些工具利用AI生成新的声音，音乐，图像和文本。据说AI是第四次工业革命的起源。前三个与蒸汽机，电力以及最终的信息和通信技术（ICT）的发明有关。4经济学家将这些发明称为“通用技术”或GPT。GPT是“一种生产和发明的新方法，其重要性足以产生长期的总体影响”（不要与“生成预训练变压器”混淆，后者是生成AI的突出框架，具有相同的缩写）。5这些GPT对生产率、劳动力市场和其他宏观经济变量产生了可衡量的影6其中一些还对创新活动本身产生了实质性的影响。这个概念的想法可以追溯到英国数学家和哲学家阿尔弗雷德·诺斯·怀特海德。他把“发明方法的发明”(IMI)的概念称为“十九世纪最伟大的发明”。7Griliches（1957）给出了一个IMI的经典例子，以杂交玉米为例，表明该方法不仅产生新产品，而且产生新产品的新方法。8Crafts（2021）总结了这一讨论：“IMI提高了创意生产的生产率，而GPT提高了商品和服务生产的生产率。但是，GPT的一部分也提供了IMI，并在提高创新成果的生产率方面发挥了重要作用。”AI无疑是也属于IMI类别的GPT。当谈到知识产权在未来创新过程中的作用时，人工智能的IMI部分尤其令人感兴趣。有很多例子表明，使用人工智能系统不仅有助于发明新产品和服务，而且是一种新的发明方法。对于创造力来说,类似的论点也是如此。人工智能是一种产生创意作品的新方法；它必将提高创作过程的生产力,并促使创意作品出现新的形式。AI系统的输入和输出本质上都是无形的。因此，如上所述，出现了一个问题，即AI系统的哪些组件需要知识产权法下的什么保护才能为投资设定必要的激励措施4参见工艺品(2021)。5见Jovanovic和Rousseau(2005年)。6例如，参见Cockburn等人(2019)，Crafts(2021)，Mokyr(2018)。7见怀特海(1925年)，第136页。8另见Cockburn等人(2019年)，第120页。造法以及此保护与当前IP系统下可用的保护有何潜在差异。WIPO（2023）区分了AI发明的四个定义。这种分类通常也可以应用于使用AI的创意作品。AI模型或算法是所有AI发明的基础。所有下游发明的不同之处尤其在于人类的投入程度以及AI作为产出的一部分所扮演的角色。图3：不同AI发明概念的可视化。.首先，有AI模型或算法这种AI发明是关于实现AI的基本技术。众所周知的这种技术例如是机器学习或神经元网络。它们是后来用于进一步发明的仪器,或者换句话说,是如上所述的本发明的方法。这样，这些技术是产生创造性产出的发明的必要技术投入-无论是技术性质还是创造性工作-接下来的三个类别。7.第二，有人工智能辅助发明[或创造],i.Procedres.，“在创造性[或创造性]过程中，使用人工智能作为工具进行的发明[或创造]。这些发明的最终输出并没有表明使用了人工智能工具来生成它;如果没有这样的工具，它也可以实现-通常需要更大的努力。一个典型的例子是名为AlphaFold的工具，到目前为止，该工具可以预测超过2亿种蛋白质的蛋白质结构。例如，它被用来开发新药物。9来自创意领域的AI工具的一个示例是在现代相机的自动对焦系统中识别不同的对象类型。.第三，有基于AI的发明[或创造],i.Procedres.“发明[或创造]，其中AI是发明[或创造性]概念的一部分。在这些发明中,AI是输出的一部分。这可以是例如上述基于AI的工具之一(例如,基于AI的翻译器deepl。com)或方向感基于AI的自动驾驶汽车。在创意作品领域，例如，通过AI算法对环境做出反应的艺术品。Procedres.AI是艺术品的一部分，属于这一类。.第四，有AI产生的发明[或创造]，即“由人工智能自主做出的发明[或创造]，无需人工投入。”在这一类别中，发明或创造是人工智能系统的输出，只需要少量的人工投入就可以发明或创造新的东西。一个突出且备受争议的例子是斯蒂芬·塞勒创造的DABUS系统，其技术发明。10另一个例子是生成艺术，例如ChatGPT写的小说。在AI产生的第四类发明或创造中，AI自主性问题仍然存在很多争议。11没有任何人力投入的创新和创造力的未来真的可以想象吗？Hilty等人。（2020）例如，坚信“鉴于该领域的快速发展性质，这需要参与[i。Procedres.相当大的人类影响]可以预期会不断减少。“另一方面，Kim等人。(2022）用Seeca的一句话来描述这种情况：“就像一把永远不会杀死自己的剑，而是杀手手中的工具，计算建模和执行模型的计算机不会发明。9参见Arnold2023或Chun2023。10请参阅实验主页：https://artificialinventor.com/。有关概述，请参阅Picht等（2024有关经济观点，请参阅Mitra-Kahn（2022）。11参见例如Picht和Thouvenin（2023年）和[插入Ulrike及其同事即将发表的AI发明人论文]。8但它们本身是强大的解决问题的工具。"12这一争议是关于知识产权制度将如何应对人工智能的法律论述的核心。知识产权法律历来在一项发明及其发明者、一项原创作品及其创造者之间建立了密切的联系。部分原因是人类的贡献为从法律上界定受知识产权保护的主题提供了法律依据，部分原因是知识产权法律试图确立为创造性和创造性活动做出贡献的个人的补偿权，从而要求他们与知识产权相关联。正如我们将在以下各章中看到的，从经济学的角度来看，相关的问题不是发明是由人还是机器制造的。而是AI产生的创新如何改变创新过程的性质，以及任何此类变化如何影响创新生态系统中资源和激励需求的平衡。2.人工智能、创新激励和专利获得了智慧要了解人工智能对专利制度运作的影响，回顾保护专利的基本经济理由是有帮助的。诺贝尔经济学奖获得者肯尼思·阿罗通过认为发明过程面临着内在的市场失灵，帮助激发了关于创新激励的经济思维（阿罗，1962）。一项发明——以解决技术问题的形式——具有公共利益的特征：许多人可以同时使用它，而最初的发明者可能不容易阻止他们这样做。这个特征被称为。适宜性困境创造性活动。以专利制度为核心的制度旨在解决这一困境。通过提供对发明的专有权，它使创新者能够从成功商业化的创新中获得经济回报，这些创新将用于资助昂贵的研发事业。专利制度是一种以市场为导向的解决方案，以解决可适用性困境：由技术前沿的个人和公司决定追求哪些创新机会，他们最了12Militsyna（2023）提出了一个由五部分组成的测试，以区分足够和不足的人类参与，使创意作品有资格获得版权保护。13有关专利制度与其他支持创新的政策相比所带来的激励措施的更详细分析，请参见WIPO（2011）。9随着时间的推移，经济学家对这一基本经济原理进行了细致入微的考虑。首先，创新企业还有其他手段来克服可适用性困境。调查证据表明，与专利相比，交货期、商业秘密以及包括品牌建设在内的销售和服务活动通常是公司产生创新回报的重要机制（WIPO，2011）。根据技术进步的性质和研发周期的长短，不同行业的拨款机制的重要性明显不同。简而言之，提前期往往是电子行业中最重要的机制，专利是生命科学行业中最重要的机制。14在这方面，同样重要的是要注意，专利保护仅限于技术发明。公司必须依靠其他机制来进行适当的非技术创新，例如许多形式的组织或服务创15第二个重要的考虑因素是，创新活动通常是累积和同时进行的。一家公司的创新通常依赖于从以前的创新中获得的见解，而新产品的商业化通常依赖于许多实体拥有的知识产权。专利制度对累积和同步创新以及研发投资的分配具有多方面的影响。专利制度的一个重要功能是要求公开专利发明，这使得创新者更容易了解现有技术知识，并可以避免跨公司重复研究工作。同时，密集的专利景观也会给创新者带来挑战，特别是当商业化需要获得互补专利时，因为谈判许可的交易成本很高，创新者之间的议价能力参差不齐（Scotchmer，2004）。AI的影响AI的出现如何改变专利制度带来的创新激励？作为一个思想实验，假设在极端情况下AI的贡献完全取代了人类发明者的贡献。还假设AI产生的发明没有14Thecrossindustrydifferenceshaveremainedstableovertime.SeeLevinetal.(1987)andMezzanottiandSimcoe(2023).15Theprecisescopeofpatentabilitydifferentacrossjurisdictions;insomejurisdictions,forexample,certainbusinessmethodscanbeeligibleforpatentprotection.SeeDuffy(2010).任何人类贡献都不符合专利法的要求，就像许多国家目前的情况一样。16创新会受到影响吗？在这种情况下,发明将是一种免费的公共物品,不需要任何激励。然而，实际上，成功的创新不仅仅需要人类的创造力，如图4所示。它通常依赖于昂贵的非发明性人力以及资本投入。反过来，将发明转化为商业产品需要大量的后发明开发。例如，制药行业的创新需要对临床试验进行大量投资，这些投资需要多年时间，而且往往失败。原则上，人工智能可能会产生超出其核心创造性贡献的效率。例如，减少对实验室测试的依赖可以节省某些资本支出。然而，总体研发成本似乎不太可能下降到不会造成任何可适用性困境的水平，尤其是因为人工智能系统本身的运行成本可能很高。事实上，一项关于在研发活动中采用深度学习工具的研究发现，研发的资本强度会增加。17图4：创新的人力和资本投入16另一种情况是，在人工智能被认为是本领域普通技术人员的世界中，人工智能生成的发明没有资格获得专利保护，因为它们不能满足专利法规定的非显而易见的要求。17见Besiroglu等人(2023年)。对比支持AI-专利权关系的核心法律和经济问题是有帮助的。如上所述，主要的法律问题围绕着人工智能是否会将人类对发明的贡献减少到这样的程度，以至于发明将失去现有法律规定的资格。主要的经济问题是，人工智能是否会将研发过程转变为需要少得多的实际资源的活动，从而消除对专利保护的需求。即使第一个问题的答案是肯定的，也不会自动得出第二个问题的答案。人工智能将如何影响创新的资源需求最终是一个经验问题。宏观趋势显示，迄今为止没有迹象表明公司减少了研发投资-相反，研发支出继续处于上升轨道（WIPO，2022）。此外，人工智能在一定程度上提高了研发活动的生产率和机会，它很可能会促进更多的研发投资-前提是公司可以适当地进行此类投资。另一个不确定因素是人工智能研究未来可能面临的监管审查,这可能会显著提高研发成本。最终，人工智能对研发支出的影响可能并不统一。对任何影响的性质和大小进行实证分析是未来研究的一个富有成果的领域。除了这个核心经济问题之外，还有其他因素影响专利的作用。人工智能不仅可能改变研发的性质，还可能改变商业模式，这可能会影响公司如何进行创新投资。例如，人工智能可能会促使公司为个人客户定制产品，从而使复制技术变得更加困难。相比之下，人工智能还可以促进技术的逆向工程,这反过来会增加公司对专利保护和执法的依赖。18在没有专利保护的情况下，公司可能会寻求其他形式的知识产权来适当进行创新投资。例如，在制药和化学工业中，测试数据保护有助于激励对可能不符合专利保护条件的化合物进行试验的投资。贸易保密可能是人工智能可能赞成或反对的另一种基于知识产权的适用性机制。相关考虑涉及专利制度的公开功能，如上所述，该功能可以促进累积创新。在法律上，专利申请人需要足够详细地描述他们的发明，以便本领域技术人员可以携带18有关AI如何改变逆向工程潜力的讨论，请参阅拜仁（2022）。他们出去。第一个问题是，基于人工智能和人工智能生成的发明是否仍然能够满足披露要求，如果它们依赖于所谓的黑箱算法和大规模训练数据，远远超过传统专利披露的规模和范围（Ebrahim，2020）。第二个问题是，减少对专利制度的依赖——要么是因为人工智能生成的发明不合格，要么是因为发明人更喜欢保密——是否会破坏学习和累积创新过程。19所有这些考虑都具有重要的经济意义。虽然人工智能生成的发明的专利不合格将减少创新激励，但在很大程度上取决于替代可适用机制的可用性、不断发展的商业模式和累积创新过程的性质。对这些影响进行实证分析，对于考虑对专利规则进行改革或为人工智能生成的发明开发任何替代薪酬系统的政策制定者来说，这可能是一个有价值的投入。.3.人工智能，创造力和版权接受智慧创造力是一种独特的现象，在本质上与发明不同。根据知识产权法，创意作品受到不同的对待，通常面临较少的独创性要求。版权保护尤其适用于任何新创作的作品。它旨在提供经济激励，以在创意产业中创建和分发原创作品。20一般来说，像发明一样，创意作品是准公共物品：它们的重要方面很难排除，并且在消费方面是不可竞争的。21因此，创作者和行业中介机构面临着与发明家和创新公司类似的市场失败，特别是在复制容易且成本低廉的情况下。他们可能会发现，从最初的创造和商业化中完全收回投资和适当的回报同样困难。这凸显了保护版权和其他知识产权（如工业设计权）在促进原创作品的生产和发行方面的重要性。此外，创意产业通常被认为是高风险行业。19有关专利披露如何支持累积创新的证据，请参见Furmanetal.(2021).20见Giorcelli和Moser(2020)以及Landes和Posner(1989)。21见Novos和Waldman(1984)；Landes和Posner(1989)；Towse等人(2008)。哪些商业成功很难预测，创造性的努力和行业投资往往倾向于制作观众已经熟悉的内容。22经济研究表明，行业价值链中的各个参与者对创意活动的适当回报不同。这一结果取决于价值链中参与各方的议价能力，并取决于他们的签约和收益共享实践。23集中在最受欢迎的创意作品上的消费者需求通常会导致一些超级巨星获得不成比例的高回报，正如Rose（1981）首次指出的那样。随着技术扩大了创意作品的范围，超级明星的效果变得更加强大。尽管如此，上游创意活动往往充满活力和多样化，有许多临时项目、中小型企业和个人创造者活跃。各种原因倾向于艺术劳动力供过于求，导致这些劳动力市场的激烈竞争，收入不稳定或拥有多个工作岗位，以及相对于创意部门以外的职业而言，职业前景不佳。24数字化和内容平台的出现改变了商业模式和版权在创意领域的作用。亚马逊和苹果等大型科技公司已经进入该行业，产品/服务捆绑和独家数据成为竞争优势。他们可以说是在有利于创新服务进入的有利监管环境中运作的(例如，反映了美国制定的“安全港”条款S.数字千年版权法)。在某些情况下，该行业的现有利益相关者最初追赶和开发自己的数字渠道的速度很慢，部分原因是这要求他们投资于新的数字技术，并从权利人那里获得创意作品的新用途。正如视听领域所证明的那样，自世纪之交以来的第一次数字浪潮使利基内容变得更加广泛，并减少了内容贸易的摩擦，数字平台现在越来越多地将本地制作的内容流式传输给全球受众。25在音乐和其他领域，数字销售的增长更加集中，尽管产品的数量有所增加，特别是来自独立唱片公司和新艺术家的产品。26值得注意的是,22SeeCaves(2000)and,inthecaseoffilmfinance,Cuntzetal.(2023).Consumertastsforsimilarityversusnoveltysometimesmoderatethisfactor(Buccafuscoetal,2017).23见Towse(2006年)。24见Benhamou(2011)。25见本纳和瓦尔德福格尔(2023年)和阿吉亚尔和瓦尔德福格尔(2018年)。26见阿吉亚尔和瓦尔德福格尔(2016年)；瓦尔德福格尔(2017年)。数字化降低了市场双方的实验成本:在需求方面，数字变化降低了消费者开发和了解他们对创意和文化产品的偏好的成本;在供应方面，更大的数据可用性使创作者能够使新内容对受众更具吸引力。此外，在线消费者跟踪和在分销平台上的大规模实验帮助公司更好地定位和定制创意内容以满足实际消费者需求。27类似于累积的创新过程，创意作品可以随着时间的推移而相互建立。版权规则，如美国的合理使用原则S.或欧盟版权豁免的封闭清单，定义什么被认为是“变革性”或其他可接受的版权作品重用。这些规则涉及不同创意部门的借贷和累积创造力。虽然新的重用可以蚕食原始作品销售的收入，但有证据表明，重用的广告效应可以缓和或超过音乐行业的这种效应，至少在理论上，一般来说，更多的重用可以对权利人有利，增加整体福利。28但是，“衍生”权利的存在-例如，授予将作为新电影情节的书的原作者的权利，因此需要许可-以及缺乏诸如版权注册和审查之类的手续往往会增加交易成本，并鼓励“创造”或新的固定作品，而不是许可以前的作品。29它有时也会限制生产性再利用和累积创造力，例如在音乐的数字采样中。30在其他情况下，从更具生产力的重用中获得的许可收入原则上可以为原始创作者提供商业机会和额外的收入流。一些经济学研究也集中在艺术创造力和创造性实践的本质上。视觉艺术的先前研究将概念创新者与实验创新者区分开来。31Theresearchsuggestedthatartistsdifferentintheirpracticeandrelyonreusationandexperimentationtodifferentdegree.Italsoshowedthatmarkets,atleastinthevisualart,placehighervalueoninnovationandreallynewartworks.Inasimilar27佩克特（2019年）。具有更好的消费者数据并由许多平台服务操作的“算法推荐”系统已被证明会导致内容消费的整体集中度增加，因为系统会驱动消费者消费其他人正在消费的东西（例如，Hosaagar等人。,2014)。然而，其他研究表明，这种影响还取决于各个平台追求的内容策略，以及这种策略与个性化推荐的紧密程度(Datta等人。，2018）。28见Watson(2017b)和Arai和Kinukawa(2014)。29见Buccafusco等人(2017年)。30沃森（2017a）。31见Galenson(2007)。传统上，据说数字化总体上可以通过扩大市场范围和整体消费来增加社会福利并鼓励产品发现。这是因为在商业发行之前，当工作吸引力不可预测时，在新作品制作中更多的供应和更低成本的实验有助于发现和揭示尚未开发的音乐质量和消费者利益。32AI的影响在创造力和版权的背景下，出现了类似于发明和专利的问题。人工智能的出现如何改变版权系统带来的创造动机？作为一个平行的思想实验，再次假设在极端情况下，人工智能的贡献完全取代了人类创造者的贡献。还假设没有任何人贡献的AI生成的内容将不符合版权保护的条件,如目前在大多数司法管辖区的情况。创造力和新内容的供应会受到影响吗？历史的例子表明，美国图书出版商在19th即使在没有版权的情况下，世纪也能够维持市场并成功地将书籍商业化。33即使在今天，有些部门的收益分配比版权保护更依赖其他经济机制。例如，在时尚行业，即使存在品牌和商标保护，学者们也认为，提前期战略是保持企业竞争优势和确保创造性投资回报的关键，因为新的创作可能没有资格受到版权法的保护。34因此，简而言之，即使在没有版权保护和/或有替代拨款机制的情况下，市场也可能继续提供新的人工智能生成的作品。35尽管如此，AI的影响仍取决于这种情况下创意活动的性质，以及在个人创作者层面上进行创作的通用动机。如果创造力仅局限于创意过程，则没有大量的前期投资32见Waldfogel和Aguiar(2017)。33见Khan(2005)和Safner(2023)。34见Raustiala和Sprigman（2006）和知识产权在时装业中的作用：美国视角，《WIPO杂志》，2018年8月。35在视觉艺术领域，“真实性”不仅仅是版权保护，还使艺术家和中介机构能够将艺术品商业化，并从创意中获得适当的回报。简单地说，艺术市场只会重视梵高本人创作的艺术品，而对另一位艺术家创作的梵高作品的确切，潜在侵权的复制品没有或几乎没有价值。内容生产和发行成本，例如广告，答案将再次是创造力和新内容的供应不应受到AI采用的影响。然而，即使数字技术降低了这些前期成本，它们仍然对一系列创造性产出具有重要意义，例如制作大片。因此，假设对AI生成的作品缺乏版权保护可能主要影响创意活动的方向。换句话说，如果人工智能生成的作品不能从版权保护中受益，大规模资本密集型作品的创作者和生产者可能会避开人工智能技术的采用。一方面，这将影响对创造性就业的需求：创造性内容的生产将继续吸引人类创作者-作家，演员,摄影师，音乐家-而不是依赖AI替代品。随着人工智能技术的进步，它将越来越多地成为行业中介机构委托新作品的“外部选择”，这可能会削弱人类创作者的讨价还价地位。36不出所料，人工智能的采用问题已经在不同创意产业的劳资关系中得到了重视。37尽管如此，应该注意的是，创作者的整体收入通常来自各种来源，技术变化不会统一影响这些来源。例如，与音乐流媒体销售相比，新技术可能不会影响甚至不会增加现场表演的收入流。另一方面，由于由此产生的作品没有资格获得版权保护而导致的人工智能技术的回避可能会阻碍创造性表达的新机会。人工智能的采用和创作成本的大幅下降将带来显著的生产力提升。这可能会刺激市场上的实验和更多的内容供应，即使它仍然开放到什么程度，人工智能输出将是真正的原创，而不仅仅是对人类作品的“重新散列”。随着人工智能“自动化”创造性作品的重用，它代表了一种新的创造力“方法”，降低甚至消除了单个创作者的搜索和实验成本。3836类似的事情发生了，但在相反的迹象下，随着大型流媒体平台作为新音乐内容的替代渠道的兴起（Waldfogel，2012），削减了市场上一些现有的中介机构和发行商，并提高了成功的可预测性，投资分配和一些创作者的议价地位。同样，图书行业自我出版的选择也影响了图书出版业的作者进步（Pecert和Reimers，2021）。37请参阅聊天机器人会写下一个“继任”吗纽约时报，2023年5月2日。38参见上文指出的Cockburn等人(2019)。在这种情况下，“控制”许多未来的“生产性”再利用，自然地，围绕人工智能生成的作品共享“未来应收款”变得更加相关，这是基于来自现有作品的许多输入，这些作品提供给这些新服务（另请参阅下文关于培训数据的讨论）。从历史上看，版权规则试图平衡产生原创作品和鼓励生产性再利用的激励措施，以适应新旧一代创作者的利益。39AI在实现这种平衡方面提出了新的挑战。美国好莱坞制片厂，制作公司，演员和作家的最新交易是如何根据新技术重新谈判新的创意作品使用和行业收入分享的第一个例子。40从这种“动态”的角度来看，广泛的版权保护可以增加对当前创作者的回报，但也会增加未来创作者的成本。正确的平衡取决于后续创作与原始作品之间的差异，才能被视为非侵权重用。41与此同时，如果原创作品的创作者在没有保护的情况下不能参与来自人工智能生成的作品重用的下游收入，那么他们的激励可能会减少。这些变化是否实质性，是否使创作者放弃原创作品创作，将取决于许多经济因素，最突出的是，重用和原创作品重叠的市场和作品可以被视为替代品或互补。此外,这在很大程度上取决于AI生成作品的商业模式的演变。例如，即使人工智能生成的作品没有从版权保护中受益，其创作者也可能会找到其他方式来获得适当的回报-例如，通过广告模型或现场表演。人工智能也可能影响创作新作品的替代、非货币激励。特别是，作品的归属和社区内同行创作者的认可可以激发进一步的创造力，并有助于在艺术生涯中建立声誉。除了法律和特许权使用费收入提供的纯粹经济激励外，这种动机已被证明是创造力和劳动力供给决策的重要“内在”和“外在”驱动力。42人工智能的使用可能会扭曲这种动机来创造和潜在的社会39例如,参见Cuntz(2023)。40请参阅工作室揭示了在数据透明度，AI和残差方面打击作家的新提议，好莱坞记者，2023年8月22日41参见Landes和Posner(1989)和Handke(2016)。42见Bille等人(2013)；Miller和Cuntz(2018)。鼓励进一步创造的机制。一种可能的补救措施可能是围绕AI的有效透明度法规，该法规将披露培训数据源，并有可能再次给予“信誉”并赋予输入作品的原始创作者。内在动机可能在创造性实践中起着特殊的作用，因为易于使用的生成AI工具，如ChatGPT，Midtry和DALL-E“民主化”AI使用，从而扩大创造性劳动力市场并使其更具“包容性”。这将促进弱势群体参与创作过程，增加消费者可获得的各种新内容和整体福利。与此同时，“民主化”的人工智能工具可以挑战，随着更多的业余创作者进入劳动力市场，威胁到专业创作者的现有收入地位，让那些采用新做法缓慢或难以获得培训和教育的人落后。人工智能技术的采用最终将如何在劳动力市场上为创作者和更广泛的经济中发挥作用，目前还很难预测。43尽管如此，这是未来研究的重要领域。最后，人工智能可能会对创作过程产生更广泛的影响。它可能有助于进一步提高创意作品成功的事前可预测性，这可以使行业利益相关者更好地瞄准投资并降低其风险敞口。例如，在图书行业,数字化已经实现了更准确的信息收集，以预测产品吸引力，现在许可证支付的规模更准确地反映了一本书的事后成功(Pecert和Reimers，2021)。更广泛地说，人工智能工具有可能大幅改善与受保护内容相关的权利管理，从而提高创作者的报酬和新内容服务的开发（Strowel，2022）。4.开发AI模型和AI训练数据AI模型的激励措施从经济角度来看，开发更强大和更强大的AI模型在两个方面是特殊的。首先，AI的GPT和IMI性质表明43从理论上讲，采用人工智能实践带来的任何生产率提高最终都可能导致行业某些部门的工资下降和一些工作岗位的替代(Acemogl和Restrepo，2018)。同时，新的实践可以帮助“增加”并可能增加非自动化任务中的劳动力需求，并创造新的就业机会，正如其他关于自动化和机器人的经济研究所观察到的那样（Ator，2015）。然而，目前很难预测新人工智能技术采用的两种抵消效应最终将如何在创造性劳动力市场上发挥作用。因此，这是未来经济研究的重要领域，Bryjolfsso等人。(2023)新的人工智能工具肯定会很高，因为它们可以在广泛的领域推进进步。其次，AI模型是累积创新过程中的上游研究工具。从经济研究多阶段创新过程的一个重要见解是，跨创新阶段的创新激励需要适当平衡（Scotchmer，1991）。对人工智能模型研究的激励不足会减缓支持后续创新的工具的开发；然而，对人工智能模型的强大控制可能会导致后期创新者的“坚持”，并降低这些工具的最终影响。很难评估目前是否存在这种平衡的创新激励措施。AI模型的关键构建块以科学文章和开源计算机代码的形式存在于公共领域。最近的经济研究指出，围绕新生技术发展的创新公地结构具有重要作用，可作为蓬勃发展的企业家精神和更有效的发现过程的手段，用于创新和未知的技术应用和44这也可能适用于当前开发阶段的人工智能模型，考虑到其潜在的通用技术性质和跨行业的预期经济影响，更广泛的访问，至少是暂时的，可以帮助发现未来和商业上可行的应用。尽管如此，较小的实体采用更“定制化”和特定于公司的人工智能的使用可能比大科技公司和数字出生的公司采用的速度要慢，因为人工智能的使用仍然需要在计算能力和训练数据方面进行大量45这可能会导致对更大的利益相关者开发的人工智能工具的进一步依赖，进而可能导致更高的行业集中度，并最终导致未来较小的实体和个人创造者的议价地位降低。46也就是说，这在很大程度上取决于领先的AI开发人员将采用的商业模式。在生成AI领域，一些大型开发人员支持开源方法，而另一些更封闭的方法，已经存在分歧。47AI模型如何通过不同形式的IP来保护，也必然会影响新AI工具的开发。在实践中，数学方法通常无法通过任何形式的IP来保护；AI模型底层的软件受益于版权保护（并且，在某些情况下44见Potts（2019年Cuntz和Peuckert（2023年）。45也就是说，也有证据表明，规模较小的组织可能会更灵活地适应新技术Terziovski（2010）。46可以说，竞争担忧也可能来自人工智能与价值链生产端的更深层次的“垂直整合”Peukert(2019)。47请参阅Meta发布商业AI模型以抓住竞争对手“金融时报”，2023年7月13日。也是专利保护基于AI的发明可能有资格获得专利保护。在实践中，数学方法，软件和发明之间的区别可能是模糊的，最终可能由法院决定。48更广泛地说，人工智能还提出了大量的责任问题，并强调需要围绕新技术的开发和使用建立和平衡经济激励措施。49例如，人工智能开发和作品重用中不明确或定义不清的版权侵权责任可能会增加人工智能开发人员、运营服务和用户的法律不确定性和诉讼风险。尽管如此，重要的是要注意，原则上，虽然责任风险可能会因为更高的成本而使创新受挫，但它也可能会激励风险缓解技术和安全产品设计的开发，从而降低权利侵权的可能性和与使用人工智能相关的其他类型的风险。50围绕正确的执法和/或产品安全的明确责任规则应鼓励和帮助对“预防性”措施和“补充”技术的投资，而不会损害对进一步人工智能创新和行业进入的激励。可能需要围绕AI使用的新的“自动化”许可和过滤技术来强制执行现有内容作为AI输入的权利，类似于第一波互联网技术中发生的情况。51围绕人工智能的责任规则将在鼓励围绕人工智能和互补技术的投资和分担成本方面发挥重要作用，它们可以帮助保持人工智能开发和人工智能运营服务市场的开放性和竞争性。52由于种种原因，制定新规则将具有挑战性，并且显然需要对投资激励和责任风险敞口进行进一步的经济研究。这也是因为许多AI系统（半）自主且以不可预测的方式运行，这使得监控对运营商而言成本高昂，有时甚至是不可能的。5348有关最近的评论，请参阅Khan（2024）。49见Buiten等人(2023年)。50参见加拉索和卢(2022)。51见Brchardi和Harle(2018)和Catalii和Gas(2017)。过去，自动化许可和过滤技术的开发成本很高，而且新数字服务的实施和采用通常发展缓慢，尽管通过自动化行业的合同流程可能会提高效率。因此，人工智能所需的这些新的支持和“互补”技术的一般访问、互操作性和传播将同样重要，这可能会挑战目前在版权系统基础设施领域运营的一些现有利益相关者和商业模式，如集体管理组织(CMO)。52见Bailey和Baumol(1983)。53见Buiten等人(2023年)。最后，作为政策改革的替代方案，创新的人工智能运营商和权利所有者之间的行业自律和私人合同——例如，集体管理组织和人工智能运营服务之间的谈判——可以提供另一个重要机制来适应市场中的技术变化。然而，在过去，该行业的私人合同和谈判往往需要时间来发展和解决。54训练数据为了产生“新”输出，AI模型需要大量的输入-训练数据。日常生活的数字化极大地扩大了AI研究人员可用数据的范围，从而扩大了AI应用的范围。尽管如此，数据并不是任何人都可以免费获得的。在某些情况下，数据收集是销售商品或提供服务的自然副产品，实际上，许多AI应用程序都依赖于数字交易留下的足迹。在其他情况下，数据收集需要专用资源-例如，消费者信用评分的汇编。在后一种情况下，上述适用性困境适用：数据具有公共良好的特性，数据提供者需要一种机制来收回数据生成的成本。知识产权-以商业秘密或特殊数据库权利的形式-提供了这种机制。然而,在IP权限限制对数据的访问的程度上,它们影响其作为训练数据的下游使用。经济研究表明，滞留，交易成本和特许权使用费堆积的问题可能会破坏其他有益的数据许可安排。55许多现代AI工具利用大量数据源的事实势必会加剧此类问题。在这种情况下，一个重要的法律问题是，使用受IP保护的数据作为训练数据是否超出了IP权利提供的专有权的范围。例如，根据合理使用规则或版权法中规定的明确豁免，这种使用可能是合理的。这个问题是版权所有者最近针对AI工具提供商提起的几起诉讼的核心。56什么是社会的最大利益是先验不明显。一方面，人们可以争辩说，在有价值的训练数据上保持IP排他性会减缓有前途的AI研究。另一方面，它也可以创造新的54有关音乐的情况，请参阅Schwemer（2014）。55参见Farrell等人(2007)；Spulber(2017)和Duch-Brown等人(2017)。56例如，见，GettyImages起诉AI艺术生成器StableDiffusion在美国侵犯版权，TheVerge，2023年2月6日和SarahSilverman起诉OpenAI和Meta侵犯版权，TheVerge，2023年7月9日。产生和管理数据的激励措施，这些数据可以刺激对社会有益的人工智能研究。对这种激励措施的需求可能会演变。例如，对AI工具进行更严格的监管审查可能意味着公司必须在培训数据的质量和可靠性上进行更多投资。相比之下，人工智能开发人员将来可能会更多地依赖自生成的“合成”训练数据，这些数据可以低成本生成，并且不承担任何责任风险。57无论如何，找到适当的激励措施平衡将是未来知识产权法的关键挑战——重申早期关于多阶段创新过程中激励措施分配的观点。此外，随着培训数据成为技术创新的关键投入，版权规则必将更加突出地塑造创新成果，模糊了工业产权与版权之间的经典区别。例如，在受版权保护的语音声音样本上训练的AI可以授权通过分析患者的语音来检测喉癌的医疗设备。更复杂的是，AI开发人员在模型中使用数据还面临其他障碍。数据可以被加密或在技术防火墙后面。对于公司来说，数据收集通常是他们不愿意分享的关键竞争资产，即使它们具有更广泛的社会用途。当数据可以公开访问时，通常不清楚谁拥有它，这本身可能会阻碍它的使用。此外，除了知识产权法之外，其他法律限制可能会制约数据的访问，例如合同使用条款以及数据隐私和安全规则。后者需要合法的监管目标，并与创新政策进行艰难的权衡。例如，隐私考虑有利于限制性地访问医疗记录，而大规模医疗数据集的汇编可以使人工智能驱动的健康创新惠及整个社会。数据匿名化和加密形式的技术可以帮助弥合隐私和创新目标。即便如此，交易成本——例如，以选择隐私规则的形式——可能仍然阻止大规模训练数据的生成。Conclusion人工智能技术正在重塑创新和创造性活动的本质。一些预期的影响，如自主发明机器，仍然看起来是乌托邦式的。其他一些，如人工智能生成的喜剧已经成为具体知识产权纠纷的主题。人工智能总是在改变当前知识产权制度提供的激励平衡。57请参阅为什么使用计算机数据来训练AI模型“金融时报”，2023年7月19日。政策制定者需要密切关注这些事态发展。在考虑任何政策改革时，他们面临的挑战是不要反应过度,不要清醒地看待关于人工智能影响的新证据。与过去的技术变革一样，利益相关者需要时间来适应，新的商业模式出现，法院解释法律和行业惯例需要时间来巩固。此外，过早的政策改革可能会带来不必要的后果，并且可能无法解释市场的自我监管。同时，政策不确定性也可能成为创新的障碍。例如，公司可能会避免在其创新和创意活动中使用人工智能，如果他们担心这种使用可能会使未来的知识产权无效。例如，人工智能创新者可能会避免承担版权侵权责任高风险的项目和新服务开发。经济学家在这场辩论中有很多贡献。这项审查确定了几个领域，在这些领域中，对不断发展的创新和创造力生态系统的更好的经验理解可以为政策辩论提供信息。一项研究任务是更好地了解AI带来的创新和创造力的变化性质。这不仅涉及研发和创意过程的性质，更广泛地涉及人工智能如何改变商业模式、市场竞争和供应链中的讨价还价关系。第二个研究领域是根据知识产权法律中嵌入的传统激励机制，了解人工智能对创造性和创造性劳动的影响。如前所述，人工智能的应用前景已经导致了许多创意产业的劳资关系摩擦，尽管人工智能的影响必然是多方面的。最后，研究生态系统对于进一步开发和访问AI模型（包括训练数据）及其对创新者和创造者下游使用的影响非常重要。最后，重要的是要强调，本文只关注知识产权在人工智能创新中的作用。它还认为人工智能创新——作为一般的创新和发现人工智能技术的新的、但未知的应用——符合社会的最大利益。正如许多评论员和人工智能研究人员自己所指出的那样，人工智能创新引发了许多社会问题，包括错误信息的传播和算法偏见，值得政策制定者认真关注。参考文献Acemoglu，D.andRestrepo，P.（2018）。人工智能，自动化和工作。在人工智能的经济学：议程,第197-236页。芝加哥大学出版社。Aguiar,L.andWaldfogel,J.(2016).Eventhelosersgetluckysometimes:Newproductsandtheevolutionofmusicqualitysincenapster.InformationEconomicsandPolicy,34:1-15.Aguiar,L.andWaldfogel,J.(2018).Netflix:globalexecuonorfacilitatoroffrictionlessdigitaltrade?JournalofCulturalEconomics,42:419-445.Alekseeva,L.,J.Azar,M.Gine,S.SamilaandB.Taska.(2020).ThedemandforAIskillsinthelabormarket.CEPRDiscussionPaperDPaperDP14320.Arai,Y.andKinukawa,S.(2014).版权侵权作为用户创新.JournalofCulturalEconomics,38(2):131-144.Arnold,Carrie(2023).InsidethenurcentindustryofAI-designeddrugs.NatureMedicine.Vol.29,June2023,p.1292-1295.Arrow,K.J.(1962).EconomicWelfareandtheallocationofresourcesforinvention.InR.Nelson(Ed.),TheRateandDirectionofInventiveActivity:EconomicandSocialFactors.普林斯顿，新泽西州：普林斯顿大学出版社，609-626。Autor,D.H.(2015).Whyaretherestillsomanyjobs?thehistoryandfutureofworkplaceautomation.Journalofeconomicperspectives,29(3):3-30.拜仁，S.（2022逆向工程（按）人工智能。见：雅培，瑞安（2022知识产权和人工智能研究手册。切尔滕纳姆：爱德华·埃尔加。Bailey,E.E.andBaumol,W.J.(1983).Deregulationandthetheoryofcontestablemarkets.YaleJ.onReg.,1:111.Benhamou,F.(2011).Artists'lutormarkets.InAHandbookofCulturalEconomics,SecondEdition.EdwardElgarPublishing.Benner,M.J.andWaldfogel,J.(2023).Changingthechannel:Digitizationandtheriseof"middletail"strategies.StrategicManagementJournal,44(1):264-287.Besiroglu，T.，N.Emery-Xu和N.Thompson。（2023）。人工智能增强研发的经济影响。论文2212.08198，arXiv.org。Bille,T.,Fj_llegaard,C.B.,Frey,B.S.,andSteiner,L.(2013).Happlianceinthearts-internationalevidenceonartists'jobsatisfaction.EconomicsLetters,121(1):15-18.Bridle，J.（2018）。新黑暗时代：技术与未来的终结。VersoBooks。Brynjolfsson,E.,Li,D.,andRaymond,L.R.(2023).Generativeaiatwork.Technicalreport,NationalBureauofEconomicResearch.Buccafusco,C.,Bechtold,S.,andSprigman,C.J.(2017).Thenatureofsequalinnovation.Wm.&MaryL.Rev.,59:1.Buiten,M.,DeStreel,A.,andPeitz,M.(2023).Thelawandeconomicsofailiability.ComputerLaw&SecurityReview,48:105794.Burchardi,K.和Harle,N.(2018)。区块链将破坏音乐业务和超越。世界(奥克兰,加利福尼亚州)。Catalini,C.andGans,J.S.(2017).Somesimpleeconomicsoftheblockchain(September21,2017).RotmanSchoolofManagementWorkingPaper,(2874598):5191-16.Caves,R.E.(2000).Creativeindustries:Contractsbetweenartandcommerce.Number20.HarvardUniversityPress.Chun,Matthew(2023)。人工智能如何彻底改变药物发现。健康法案,哈佛法学院,https://blog.petrieflom.law.harvard.edu/2023/03/20/how-人工智能-is-革命性-药物-发现/Cockburn,I.M.,Henderson,R.,andStern,S.(2019)。人工智能对创新的影响:探索性分析。在人工智能的经济学:议程,第115-146页。芝加哥大学出版社。Crafts，Nicholas(2021)，“人工智能作为一种通用技术：一种历史规格”。《牛津经济政策评论坎茨，A.（2023年）。今天的大权和歌剧重用。牛津经济论文,75(1),Cuntz,A.,Muscarnera,A.,Oguguo,P.C.,andSahli,M.(2023).IP资产和电影融资——美国标准做法入门书,第XX卷.WIPO.Cuntz,A.andPeuckert,J.(2023).Fromhackerstostart-ups:Innovationcommonsandlocalenternativeactivity.ResearchPolicy,52(2):104675.Datta，H.，Knox，G.和Bronnenberg，B.J.（2018）。改变他们的曲调：消费者对在线流媒体的采用如何影响音乐消费和发现。营销科学，37（15-21。Duch-Brown,N.,Martens,B.,&Mueller-Langer,F.(2017).Theeconomicsofownership,accessandtradeindigitaldata.JRC数字经济工作论文2017-01.Duffy，JohnF.(2010)。为什么要有商业方法专利？斯坦福法律评论,Ebrahim,TabrezY.(2020).人工智能发明与专利披露.125PennSt.Furman,J.L.,M.NaglerandM.Watzinger.(2021).DisclosureandConsequentInnovation:EvidencefromthePatentDepositoryLibraryProgram.美国经济杂志：经济政策,Farrell,J.,Hayes,J.,Shapiro,C.,Sullivan,T.,Ganglmair,B.,Froeb,L.,Werden,G.Galenson,D.W.(2007).Andnowforsomethingcompletelydifferent;the多功能性ofconceptualinnovators.HistoricalMethods:AJournalofQuantitativeand交叉学科History,40(1):17-27.Gans，JoshuaS.，2015年。“关于使用受复制保护的作品的混合权利和谈判”，《国际工业组织杂志》,Elsevier，第41卷（C第76-83页。Giorcelli,M.andMoser,P.(2020).Copyrightsandcreativity:EvidencefromItalianoperainthenapoleonicage.JournalofPoliticalEconomy,128(11):4163-4210.Haefner,N.;Wincent,J.;Parida,V.;Gassmann,O.人工智能与创新管理:AReview,Framework,andResearchAgenda.Technol.Forecast.Soc.Change2021,162,120392.Griliches，Zvi（1957）。杂交玉米：技术变革经济学的探索。计量经济学25（4501-522。Handke，C.（2016）。创意产业中的知识产权：经济视角。SSRN电子期刊。Hilty，R.；Hoffmann，J.；Scheuerer，S.（2020）人工智能的知识产权理由。马克斯·普朗克研究所创新与竞争研究论文第20-02号。Hosanagar,K.,Fleder,D.,Lee,D.,andBuja,A.(2014).Willtheglobalvillagefractionintotries?recommendersystemsandtheireffectsonconsumerfragmentation.ManagementScience,60(4):805-823.Jovanovic,Boyan;Rousseau,PeterL.(2005),GeneralPurposeTechnologies.HandbookofEconomicGrowth,Volume1,PartB,1181-1224.Khan,B.Z.(2005)。发明的民主化：1790-1920年美国经济发展中的专利和版权剑桥大学出版社。Khan，F.A.（2024）。软件，人工智能和计算机相关发明的知识产权：比较分析。知识产权杂志,Kim，D.(2020)。“‘人工智能产生的发明’：是时候把记录弄清楚了吗？”GRURInternational，69(5)Kizhner,I.,Terras,M.,Rumyantsev,M.,Khokhlova,V.,Demeshkova,E.,Rudov,I.,和Afanasieva,J.(2021)。数字文化殖民主义：测量在谷歌艺术和文化中持有的聚合的数字化内容中的偏见。人文科学数字奖学金,36(3):607-640Lambrecht,A.andTucker,C.(2019).Algorithmicbias?anexisticalstudyofapparentgender-baseddiscriminationinthedisplayofstemcareerads.ManagementScience,65(7):2966-2981.Landes,W.M.andPosner,R.A.(1989).Aneconomicanalysisofcopyrightlaw.TheJournalofLegalStudies,18(2):325-363.Levin,R.,A.Klevorick,R.Nelson,S.Winter,R.GilbertandZ.Griliches.1987.AppropriatingthereturnsfromIndustrialResearchandDevelopment.布鲁金斯经济活动论文,Mezzanotti,F.andT.Simcoe.2023.InnovationandAppropriability:RevisitingtheRoleofIntellectualProperty.NBERWorkingPaperNo.31428.Miller,A.andCuntz,A.(2018).Unpackingpredictorsofincomeandincomesatisfactionforartists.EconomicResearchWorkingPaperSeries,(50).Militsina，K.（2023）。人类对基于AI的输出的创造性贡献-一个只是（'t）足够。GRURInternational，即将出版。Mitra-Kahn,Benjamin(2022):EconomicReasonstorecogingAIinventors.In:Abbott,Ryan(2022):ResearchHandbookonIntellectualPropertyandArtificialIntelligence.Cheltenham:EdwardElgar,376-390.MokyrJoel（2018“创新的过去和未来：经济史的一些教训”，经济史探索，69，13-26。Newman,D.T.,Fast,N.J.和Harmon,D.J.(2020)。当消除偏见是不公平的：人力资源决策中的算法还原论和程序正义。组织行为与人类决策过程，160：149-167。Novos,I.E.andWaldman,M.(1984).Theeffectsofincreasedcopyrightprotection:Ananalyticapproach.Journalofpoliticaleconomy,92(2):236-246.Peukert，C.（2019）。下一波数字技术变革与文化产业。文化经济学杂志，43（2189-210。Peukert，C.和Reimers，I.（2021）。数字化，预测和市场效率：来自图书出版交易的证据。管理科学，可在SSRN上获得：https://ssrn.com/abstract=3110105或http://dx.doi.org/10.2139/ssrn.3110105Picht,Peter;BrunnerValerie,Schmid,Rena(2024).人工智能和知识产权法:从诊断到行动.JIPLP(即将出版)Picht，Pet