Bracing for Impact - The AI Challenge - IP & Commercialization - Policy Considerations
Notice bibliographique
Résumé
Bracing for Impact: The Artificial Intelligence Challenge (A Roadmap for AI Governance in Canada)\nConference organized by IP Osgoode in collaboration with Aviv Gaon, Ian Stedman and the Zvi Meitar Institute for Legal Implications of Emerging Technologies at IDC Herzliya.\nFuture developments in the field of AI pose a challenge to intellectual property. The current legal regime does not offer protection for AI creations. Thus, registering AI patents and allocating copy- right protection for AI inventions and works is not yet possible. As a result, AI creations might fall under the public domain. We wish to address these concerns and to offer new insights and sugges- tions for the upcoming era.\nSESSION CHAIR:Carys Craig Associate Dean (Research & Institutional Relations) & Associate Professor, Osgoode Hall Law School\nPANELLISTS:Aviv Gaon PhD Candidate, Osgoode Hall Law SchoolMaya Medeiros Partner, Norton Rose Fulbright, LLPDov Greenbaum Director, Zvi Meitar Institute, IDC HerzliyaAlexandra George Senior Lecturer, UNSW Sydney LawCarole Piovesan Associate, McCarthy Tétrault LLP
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,016 | 0,031 |
| Communication savante | 0,043 | 0,026 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,037 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».