36、人工智能的法律化与特性探讨

人工智能的法律化与特性探讨

1. 区块链治理与机器学习合法化

1.1 区块链治理机制

在代码变更方面，投票过程会综合矿工、用户和开发者等更广泛群体的意见。这意味着需要保留能够体现每个协议特性的区块链治理机制。区块链协议和公司在很多治理难题上存在功能上的等效性。

公司治理主要体现在以下几个方面：
- 明确公司实体中各个参与者确定公司理念以及实现该理念所需资源的协议。
- 涉及制度结构、法律规则和最佳实践，用以确定公司内哪个机构有权做出特定决策、该机构成员如何选拔以及决策驱动的规范。公司治理机制的来源广泛，包括法律。
- 法律规则能够填补分散股东所有权依赖董事指导公司活动所产生的矛盾空白。

1.2 机器学习的发展与挑战

机器学习基于统计工具和流程，从一组数据和算法出发，制定规则或程序来理解数据或预测未来数据。其算法运用统计推断工具来识别风险、预测并最小化误差、为变量分配权重并最终提升输出结果。

得益于大规模计算和大数据能力支持的人工神经网络的技术成功，机器学习取得了显著进展。神经网络模仿人类大脑，由许多通过“链接”相连的“神经元”组成，这些“链接”作为神经元之间的通信通道，多层神经元形成网络，产生“深度”神经网络，使机器学习成为“深度学习”。深度学习是一种自适应系统，能够根据新信息改变其内部结构，具备通过经验自我学习的能力。它广泛应用于商业和非商业人工智能技术中，推动了图像识别与标注以及音频、语音和自然语言处理等领域的发展。

然而，人工智能自我学习和独立决策的能力引发了对将其视为物体的法律现状的批评。一个关键问题是，此类人工智能系统是否应通过赋予法律人格成为法律主体。