CNET科技资讯网 4月25日 北京消息(文/齐丰润): 近年来,知识产权保护越来越受到国家和民众的重视。据统计,在过去的2016年里,全国专利、商标、版权行政执法办案总量超过8万件,各类法院新收知识产权民事一审案件超过13万件。这也显示出了国家在打击侵权行为,保护权利人权益上所做出的努力。
知识产权保护作为鼓励创新的重要手段,对于国家的技术发展也同样有着重要的意义。4月20日,以“创新时代:知识产权保护”为主题的2017中国知识产权保护高层论坛在京召开,探讨中国知识产权保护的未来之路。
国家的重视让中国的知识产权保护工作得到了快速发展,虽然发展迅速,但我国在知识产权保护方面仍然有一些不足之处。中国国家知识产权局局长申长雨在演讲中表示,尽管近年来我国知识产权保护取得了举世公认的巨大成就,但与社会期待相比还存在一定差距,知识产权保护“取证难、周期长、成本高、赔偿低、效果差”状况尚未根本好转,需要我们立足国家经济社会发展的现实需要和社会公众的共同期待,进一步加大知识产权保护力度,营造良好的创新环境。
申长雨还就加强知识产权保护提出了四点意见:一是坚定不移推进严格知识产权保护;二是构建多方联动的知识产权大保护工作格局;三是多管齐下提高知识产权保护效率;四是持之以恒抓好知识产权文化建设。
知识产权保护体制的建设并不是一朝一夕就能够完成的,所以通过持续不断的知识产权普及教育,行之有效的舆论宣传,真实生动的实际案例,推动形成“人人尊重知识产权、人人保护知识产权、人人从知识产权保护中受益”的意识,打造良好的知识产权环境,成为了中国知识产权下一步的发展重点。
作为驱动世界经济发展的一股新的力量,知识产权在全球各国政策制定中正发挥越来越重要的作用。国家新闻出版广电总局(国家版权局)副局长周慧琳表示,随着互联网技术的快速发展,网络时代的版权保护问题成为世界各国共同面临的难题,需要各国加强对话与合作,共同寻求解决办法。
中国近年在知识产权保护方面所取得的成绩除了得到了国际社会的认可,因此加强国际间的知识产权协作也成为了重要的需求。而对于企业来说,这样的做法也让它们的权益得到保障。
高通公司高级副总裁马克·斯奈德认为,作为高通公司所在的全球技术最为密集的通信技术领域,知识产权保护的重要性更加毋庸置疑。
他介绍,2016年,中国发明专利申请量排名前10的中国国内企业中,有7家是通信技术领域的。同年,中国的发明专利申请量超过了100万件。身为全球通信行业的领先企业,同时也是全球芯片领域的主要供应商。高通公司中,工程师占全体员工的的比例达到2/3。高通每年平均投入近20%的税前收入用于技术研发。截止2016,高通公司的累计研发投入已经达到了440亿美元。
马克·斯奈德表示,高通公司是一个“系统级技术创新者”,为通信领域的用户提供各种解决方案。“高通公司是业界领先的技术开发者,但我们并不采取仅自己实施这些技术的关门政策,而是通过专利许可共享我们的技术。从第一代移动通信技术,到5G移动通信技术,目前高通公司获得授权的专利和专利申请超过了130,000件。除了大家熟知的移动通信领域之外,我们的专利许可还涉及音频、视频、GPS、图形用户界面等领域。”
“我们花费了大量的资金和时间,围绕新一代移动通信技术进行研发。比如,在4G移动通信技术刚刚开始商业部署的时候,高通公司已经致力于5G移动通信技术的研发很长时间。在移动通信和一些其他高新技术领域,大部分研究项目最终都不会成功或通过标准化或商业化获得回报。”
正因如此,知识产权的保护在通信领域里就更加的凸显出了价值所在。马克·斯奈德表示,“知识产权保护是激励创新的一项重要机制。近年来,中国政府推出了一系列加强知识产权保护相关政策措施,我非常赞赏中国政府部门的做法。这也让高通愿意在中国加大投资力度,同时也加强了像高通公司这样的外资企业在中国持续性投资和长期发展的信心。”
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。