人工生成或操纵。提供商应确保其技术解决方案在相关范围内有效、互操作性强、稳健可靠。对于欧盟以外的地区，机器生成内容的问题也已受t到者虚y这氧插美国领先人工智能公司自愿承诺并发有效的技术手段以确保用户知晓内容由Al生成[9],以及中国对深度合成互联网服务提出众多要求，包括使用技术手段标注这些服务生成或编辑的内容[10]。
技术背景
在过去五十年中，数字技术的兴起显著重塑了所有权和版权的格局。数字化资产可以被复制和修改的可能性催生了将隐藏信息或标记嵌入到图像、音频、视频或文档等数字媒体中的工具(水印技术),以及唯一标识这些资产的方法(指纹识别),以确保资产的真实性和可追溯性及安全性[11]。早期的水印方法涉及对图像进行简单且可见的修改，如添加标志或文字。随着时间的推移，这些技术演进为对人类感官不可感知且在视觉和音频领域具有强大抗篡改性的水印。水印技术与指纹识别方法相结合，进一步增强了安全性，采用了加密技术来提高安全级别。
生成式Al技术
生成式人工智能(GenAl)能够生成各种类型的数据，如基因组数据、3D环境或表格数据。鉴于此简报的目的，我们将重点放在最常见的研究工作中产生的文本、音频、图像和视频数据上。支持GenAl的主要Al技术包括基于变换器的大规模语言模型[12],例如用于文本生成的生成预训练变换器(GPT);基于卷积网络的技术[13],例如用于音频生成的WaveNet;用于图像生成的对抗生成网络(GAN)[14]和扩散模型[15]。视频[16]或多媒体内容的生成依赖于结合技术。
简介的范围
使生成式Al更加透明，并能够检测和识别机器生成的内容对于确保数字技术和媒体的信心保持不变至关重要[17],促进欧洲数字生态系统的信任。
本文来自知之小站
PDF报告已分享至知识星球，微信扫码加入立享3万+精选资料，年更新1万+精选报告
（星球内含更多专属精选报告.其它事宜可联系zzxz_88@163.com）
