人工智能没有通用定义。它通常被认为是计算机科学中的一门学科，旨在开发各种机器和系统，这些机器和系统能够执行被认为需要人类智能完成的任务。机器学习和深度学习是人工智能的两个子集。近年来，随着新的神经网络技术和硬件的发展，人工智能常被视为“ 受到监督的 深度机器学习”的同义词。
机器学习使用输入和预期输出（“结构化数据”或“训练数据”）范例，持续改进并作出决策，而无需对其以步进指令的顺序进行编程。这种方法模仿了实际的生物性认知：儿童学习辨认物体（如杯子）的方法是通过相同物体（如各种不同种类的杯子）的示范作用。如今，机器学习应用已广泛普及，包括垃圾邮件筛选，机器翻译，语音、文本和图像识别。
深度学习由机器学习演变而来。深度学习使用多种人工智能算法（“人工神经网络”）来识别模式，从而能够对未标记的数据进行分组和分类。
人工智能系统主要被视为学习系统；也就是可以在有限的人工干预或没有人工干预的情况下，更加胜任通常由人类执行的任务的机器。
“狭义人工智能”指的是旨在执行单个或有限任务的技术和应用。其不同于“通用人工智能”或“广义人工智能”，后者是指能够成功执行人脑可完成的任何智力任务的人工智能系统，或机器远超人脑的假设能力。
近来，人工智能系统已经足够成熟，可以承担以前仅由人类执行且仅与人类相关的任务。
人工智能生成作品的例子包括 “下一个伦勃朗”项目，由人工智能产生再现该艺术家主题和风格的崭新画作，或“埃德蒙·贝拉米的肖像”，人工智能为虚构的贝拉米家族创作的一组肖像之一。其他例子还包括音乐创作计算机程序埃米莉·豪厄尔或博特·迪伦，或人工智能写成的小说《计算机写出小说的那天》。
成为以下两项专利申请基础的由人工智能生成的输出，是人工智能生成发明的示例。其中一项是基于分形几何学的新型饮料容器，另一项是用来吸引更多注意力的设备，可能有助于搜索和救援行动。
《2019年产权组织技术趋势报告：人工智能》 《2019年产权组织技术趋势报告：人工智能》提供了数据和分析，指明与人工智能相关的专利和科学出版物的趋势、主要参与者和地理分布。可在报告页面上找到报告中的数字数据。
人工智能对经济和文化产品及服务的创造、生产和流通产生了重大影响。人工智能日益推动着各个领域和行业的重要发展。常被提及的例子包括无人驾驶汽车、先进的制造流程和医疗诊断工具。显然，人工智能将影响几乎所有领域。随着人工智能加速发展，其影响和普遍应用将会增长，并将对社会和经济产生重大影响。人工智能将开始执行许多到现在为止仍由人类完成的常规任务。
《2019年产权组织技术趋势报告：人工智能》中显示，与人工智能相关的发明已从理论转为实际应用。
多种因素促进了人工智能领域的加速发展。其中一个因素是不断提高的计算能力。另一个因素是能够获取干净的结构化训练数据（通常由人类生产，因此名为“受到监督的机器学习”）。训练数据在输入与被标记答案或输出之间建立联系，提供“教材”，使人工智能系统在执行被分配的任务时学习并改进。
尽管可获取的数据已经存在很长时间，但是直到最近几年才被标记，进而产生了越来越多用途广泛的可用数据，这些可用数据来自当代社会和经济整体结构中普遍使用或开展的多种设备和活动。数据是人工智能操作中的必要元素，因此具有潜在的经济价值。
知识产权制度的基本目标是鼓励通过新技术进行创新，并鼓励创意作品。其中包括人类以及人工智能创造的发明和作品。
人工智能还提供通用技术，以协助知识产权体系和工具的应用、管理和行政工作。
在此，必须区分人类创造的作品/发明和机器创造的作品/发明。
合格的由人类创造的作品/发明受现有知识产权框架的保护，包括专利、版权、工业品外观设计和商业秘密。
是否需要针对机器创造的发明/作品来修改这些框架和体系，目前对此存在争论。概括而言，有关机器创造的发明/作品的讨论集中在以下方面：
另一项争论围绕着人类创造与机器创造之间的界限何在，也就是需要何种程度的人类输入或指导来界定作品/发明属于人类创造还是机器创造。
了解更多关于 人工智能和知识产权：产权组织对话会的信息。
如果您的问题未能得到解答，请联系我们。
免责声明： 本页的问题和解答仅用于提供信息之目的，并非法律意义上的参考。这些内容均不代表产权组织或成员国的官方立场。