本文来自微信公众号: 量子位(ID:QbitAI) https://mp.weixin.qq.com/s/ActvNZe1xh_raIoaxLcAXQ , 作者: 乾明, 郭一璞, 封面: 东方 IC
"2030 年之前, 你需要给谷歌交专利费, 才能构建开始的神经网络."
这不是一句调侃, 而是在慢慢成为现实.
前不久, Dropout 专利生效引发了一波震动. 然而深挖之后, 我们发现, 谷歌这几年偷偷申请的专利, 何止一个 Dropout.
又有一大批机器学习专利, 今日开始生效.
包括 "使用深度神经网络处理图像"" 用于强化学习的方法与装置 ""为图像分类生成训练样本的系统与方法"" 用于解决神经网络中的过拟合的系统和方法 " 等数十项, 时间持续十几年.
由于在近日通过的相关专利实在太多, 我们没有办法把结果全列出来, 仅仅是 5000 多个搜索结果中的前 7 页, 其中就有这么多刚刚被谷歌拿下.
是的, 你没有看错. 这些机器学习过程中会用到的基础方法, AI 界的共享资源, 炼丹师们的好朋友, 都成了谷歌的专利.
谷歌的 "野心" 不仅限于此.
我们深挖后发现, 谷歌还有数十个相关专利正在申请流程之中, 包括强化学习系统, 循环神经网络等.
都是些什么专利?
浏览上述专利的内容, 可以发现, 专利描述的内容也确实配得上那些宏大的名字, 应用范围并没有限制在一个很小的应用程序之中.
这些生效的权利范围, 通常包含 "方法, 系统", 被用来解决某一类机器学习问题, 而不是单独的某一个.
比如,"使用深度神经网络处理图像" 专利, 指的就是 "使用深度神经网络处理图像的方法, 系统, 设备, 包括编码在计算机存储介质上的程序".
方法包括接收输入图像的表征数据, 使用深度神经网络处理描述输入图像的数据, 来产生输入图像的替代表征. 而且对深度神经网络也进行了宽泛的定义,"深度神经网络包括多个子网络, 所述子网络按照从低到高的顺序排列" 等等.
再比如,"用于强化学习的方法与装置" 专利, 指的是一种用于具有多个状态和从一个状态移动到下一个状态的动作主体系统的强化学习方法.
"为图像分类生成训练样本的系统与方法" 专利, 指的是用于生成训练图像的系统和方法, 可以用于增加训练神经网络的训练集大小.
从这些专利的介绍来看, 它们所涵盖的内容, 虽然没有将整个机器学习纳入囊中, 但也涉及到了数据处理, 模型训练等等, 真的太基础, 太广泛了.
更让人感觉到压力山大的是, 谷歌申请的机器学习 / 人工智能专利, 并不仅仅只有这些.
谷歌构建专利帝国
在 2013 年前后, 谷歌还申请了其他大量关于机器学习技术的专利, 也在 7 月 8 日出现了状态更新. 目前这些专利划分给谷歌, 处于 "pending", 也就是待定状态.
我们找到了一部分 pending 的专利 (非全部) :
这些都只是 US 开头的美国专利, 除此之外, 还有不少谷歌在欧盟, 日本等多国申请的机器学习专利, 也于近日获得了批准. 而在我国申请的专利相对较少, 多数处于公示状态.
而且, 并不只是谷歌展开了行动, 它旗下的 DeepMind 此前也申请了一大批 AI 专利, 看名字都非常吓人, 强化学习系统, 循环神经网络都在其中, 列表如下:
其中,"用神经网络生成音频" 专利已经在美国生效, 2037 年 9 月 6 日到期."用卷积神经网络处理序列"" 用神经网络处理文本序列 "专利也都处于"pending" 状态.
在谷歌以及 DeepMind 申请专利构建帝国的同时, 整个 AI 圈也出现了大量反对与愤怒的声音.
专利惹 "麻烦"
将研究成果申请为专利, 总会造成麻烦与不满.
在 1996 年 AT&T 拆分时, CNN 专利就被分到了新组建的 NCR 公司, 当时留在原公司 AT&T 的 Yann LeCun 却无法进行相关研究:"当时 NCR 手握卷积神经网络的专利, 却没人知道卷积神经网络到底是什么."
比较受影响的, 其实还是创业公司.
来源: http://www.tuicool.com/articles/3ua2Yny