人工智能与专利制度的发展
当前,人工智能技术已经发展到了一个临界点,人类正步入大规模使用人工智能技术的时期。如果说之前的技术及产品是对人的体力劳动的替代,实现了人类身体上的解放,那么人工智能技术及产品就将在一定程度上替代人的脑力劳动,进一步实现人类全方位的解放。专利制度是通过市场方式给予人的智力成果以经济回报的制度设计。当人类智力成果的生产受到人工智能技术的颠覆性影响时,现行的专利制度必然会面临重大挑战;当然,其中也孕育着重要的发展机遇。
人工智能是什么
当前人们普遍谈论的“人工智能”,本质上是一种神经网络(机器学习)系统。在机器学习系统出现之前,也有所谓的计算机“专家系统”。“专家系统”需要事先在其数据库中以某种数据格式存放特定的知识问答。人们在使用“专家系统”时,需要向“专家系统”输入特定的问题,“专家系统”对其数据库进行检索,获得问题对应的答案并输出给提问人。当然,如果“专家系统”数据库中未储存相关问题的答案,“专家系统”也只能回答“不知道”。与“专家系统”相比,机器学习系统的区别在于能够通过不断学习已有的素材调整神经网络的系统内部参数。机器学习系统面对没有明确答案的问题,可以像人类那样给出答案。当然,这种答案也不一定正确,而这也正是人工智能的魅力所在。
对于人工智能与专利问题,需要澄清以下三方面的基本事实:
第一,人工智能的核心是人工神经网络或机器学习系统。如果我们在讨论知识产权问题时,把“专家系统”也纳入到人工智能领域,就会使问题失焦,不利于深入讨论。
第二,目前机器学习的基本原理只有一个,但是算法却多种多样,这是我们讨论人工智能知识产权问题时需要牢记的一个重要基础。人工智能算法千变万化,任何程序员都可以设计一个神经网络算法。事实上,人工神经网络的算法极多,数量达上百万、上千万甚至上亿种。各种神经网络算法虽然原理基本相同,但在效率上却有云泥之别。
第三,芯片计算速度、内存存储容量等,是人工智能系统能否产生实际效果的关键制约因素。人工智能系统能否产生有益的、合理的技术效果,不仅与算法密切相关,还受到芯片、内存等硬件基础设施的制约。即使算法再好,如果没有高效的芯片、内存等硬件基础设施做支撑,人工智能系统也根本不能产生有益的、合理的输出结果。因此,人工智能竞争的关键是算法和基础设施的竞争。
涉及人工智能技术发明的可专利性问题与创造性判断标准
涉及人工智能技术的发明,主要包括两种类型:一种是对机器学习算法进行改进,即所谓的“白盒发明”;另一种是使用常规人工智能系统(机器学习系统)对已有事物的改进,即所谓的“黑盒发明”。
对机器学习算法进行改进的可专利性
就对机器学习算法进行改进(白盒发明)的可专利性而言,根据我国《专利法》的规定,如果仅是单纯的算法改进,则属于单纯的智力活动规则和方法,不属于技术方案,不能授予专利权。但如果将算法改进应用到具体的场景之中,产生了一定的技术效果,则属于技术方案,可以授予专利权。依据《专利审查指南》(2023)第6.1.2节关于涉及人工智能、大数据算法改进的客体审查基准的规定,如果权利要求的解决方案涉及深度学习、分类、聚类等人工智能、大数据算法的改进,该算法与计算机系统的内部结构存在特定技术关联,能够解决如何提升硬件运算效率或执行效果的技术问题,包括减少数据存储量、减少数据传输量、提高硬件处理速度等,从而获得符合自然规律的计算机系统内部性能改进的技术效果,则该权利要求限定的解决方案属于《专利法》第二条第二款所述的技术方案。此外,《专利审查指南》(2023)第6.2节还以“一种深度神经网络模型的训练方法”为例,具体阐释了算法实现计算机系统内部性能改进时客体审查基准的适用情形。
由于“白盒发明”本质上是对已有算法的改进,属于人工智能的基础创新范畴,对于人工智能技术创新具有至关重要的意义,因此,我国有必要尽可能放宽“白盒发明”的可专利性审查标准,切实保护算法发明人的创造性贡献。
使用常规人工智能系统对已有事物进行改进的可专利性
就使用常规人工智能系统(机器学习系统)对已有事物的改进(黑盒发明)而言,根据《专利审查指南》(2023)第6.1.2节的规定,如果权利要求的解决方案处理的是具体应用领域的大数据,利用分类、聚类、回归分析、神经网络等挖掘数据中符合自然规律的内在关联关系,据此解决如何提升具体应用领域大数据分析可靠性或精确性的技术问题,并获得相应的技术效果,则该权利要求限定的解决方案属于《专利法》第二条第二款所述的技术方案。
举例来说,如果将人工智能技术引入温度控制系统中,使其根据外界环境的变化而控制温度,此时并未产生新的算法,但温控系统通过利用人工智能技术,提升了工作效率,故此产生了相关的技术效果。因此,上述技术方案属于技术改进。此种情况通常不涉及可专利性问题,但会涉及创造性的判断标准问题。
涉及人工智能技术发明创造的创造性
涉及人工智能技术的发明创造,其创造性可以分为以下两种情形进行判断。
第一,如果发明创造涉及神经网络算法的改进,则要考虑权利要求所述算法与已有算法相比,是否具有非显而易见性。根据《专利审查指南》(2023)第6.1.3节的规定,对既包含技术特征又包含算法特征的发明专利申请进行创造性审查时,应将与技术特征功能上彼此相互支持、存在相互作用关系的算法特征与所述技术特征作为一个整体考虑。“功能上彼此相互支持、存在相互作用关系”,是指算法特征与技术特征紧密结合、共同构成解决某一技术问题的技术手段,并且能够获得相应的技术效果。如果权利要求中的算法应用于具体的技术领域,可以解决具体技术问题,那么可以认为该算法特征与技术特征功能上彼此相互支持、存在相互作用关系,该算法特征就成为所采取的技术手段的组成部分;在进行创造性审查时,就应当考虑所述的算法特征对技术方案作出的贡献。在同样的环境和算力之下,如果人工智能算法的学习效率或结果准确性有明显提升,就应认为该技术方案具有创造性。
第二,如果发明创造不涉及神经网络算法的改进,则要考虑相关技术领域是否是首次使用人工智能,并根据情况加以区别对待。如系首次使用,一般情况下可以认为具有创造性;如果并非首次使用,则其创造性或非显而易见性或许将难以达到标准。
以“小i机器人”专利无效行政纠纷案为例,该案中,涉案专利为一种聊天机器人系统,其至少包括一个用户和一个聊天机器人,该聊天机器人拥有一个具有人工智能和信息服务功能的人工智能服务器及其对应的数据库,同时包含通信模块,所述的用户通过即时通信平台或短信平台与聊天机器人进行各种对话,其特征在于:该聊天机器人还拥有查询服务器及其对应的数据库和游戏服务器的功能;该聊天机器人设置有一个过滤器,用来区分所述通信模块接收到的用户语句是否为格式化语句或自然语言,并根据区分结果将该用户语句转发至相应的服务器,该相应的服务器包括人工智能服务器、查询服务器或游戏服务器。该专利不涉及对学习算法的改进,但由于其首次将神经网络算法引入到了聊天机器人的答复之中,因此历经一波三折后,最高人民法院最终确认该专利具有创造性。
人工智能系统辅助发明创造的相关问题
权利主体问题
当前,利用人工智能系统辅助人类形成发明创造的情况越来越多。无论理论界还是实务界,对人工智能系统辅助形成的发明创造的权利主体问题均多有讨论。
人工智能系统辅助形成的发明创造的权利主体主要涉及两个层次的问题:其一为谁是发明人;其二为谁是权利人。比如,自然人A使用人工智能系统,向人工智能系统提出一个技术问题,要求人工智能系统给予解决该技术问题的答案。如果人工智能系统对于A的提问给出的答案具有新颖性和独创性,那么在这种情况下,应该认定谁是该发明创造的发明人?是自然人A,还是人工智能系统,亦或是人工智能系统的所有者?根据当前的法律和专利实践,世界上绝大多数国家并不认同人工智能系统可以作为专利发明人。例如,我国《专利审查指南》(2023)第4.1.2节就明确规定:“发明人应当是个人,请求书中不得填写单位或者集体,以及人工智能名称,例如不得写成‘××课题组’或者‘人工智能××’等。”
事实上,如果认为人工智能系统可以成为专利发明人,则在现有的法律规则体系下将导致一系列难以解决的问题。例如,由于人工智能系统不具有民事主体资格,如果把人工智能系统视为发明人,专利申请人如何从发明人处获得申请专利的权利,专利申请权或专利权如何进行转让?
当然,如果把向人工智能系统提出问题的自然人A作为发明人,似乎也存在一定的问题。因为A只是提出了技术问题,并未给出解决问题的答案。《专利法实施细则》第十一条规定:“申请专利应当遵循诚实信用原则。提出各类专利申请应当以真实发明创造活动为基础,不得弄虚作假。”如果发明创造的内容确实主要是人工智能系统给出的答案,那么,专利申请人在专利申请中将提问者A作为发明人,而未提及人工智能系统的贡献,是否违反诚实信用原则?今后在申请专利时,专利申请人是否需要全面描述发明创造的过程?如果人工智能系统可以进行自主提问并自主给出解决方案,此时如何认定该技术方案的独创性?上述问题都亟待解答。
另外,将人工智能系统的所有者作为发明人,也不符合法律规定。因为大多数人工智能系统的所有者是公司或企业,不是自然人,当然不符合当前法律关于发明人的定义。即使人工智能系统的所有者是个人,由于其并未对发明创造作出任何智力贡献,将其作为发明人也是不合适的。
北京互联网法院在2023年判决的一起“文生图”著作权纠纷案中,认为原告通过向人工智能系统输入提示词、设置相关参数,并不断对提示词、参数进行增加和改进,最终形成涉案图片,这一调整修正过程体现了原告的审美选择和个性判断。因此认定原告是涉案图片的作者,可以享有著作权。在当前没有更好解决方案的情况下,在专利领域,对于人工智能辅助发明的主体资格问题,也可以参考北京互联网法院在该著作权案件中的思路,将人工智能系统提示词的构思者作为发明人。
人工智能时代专利创造性标准问题
利用人工智能系统进行辅助发明创造,可以显著提升发明效率。例如,蛋白质具有三维结构,该结构决定了蛋白质在细胞中的功能。许多疾病都是因体内重要的蛋白质结构异常而起。因此,绘制出人体内重要蛋白质的“三维地图”,有助于找到药物作用于人体的靶点,从而研制出精准有效的新药。传统上,科学家通常利用冷冻电镜、X射线、核磁共振等方法观测蛋白质三维结构,但这一过程耗时费力且花销巨大。但在人工智能技术发展起来之后,借助人工智能,曾经可能耗时数年的工作如今仅几分钟就能完成;同时,人工智能还能辅助解析传统方法不能观测到的一些蛋白质结构。人工智能技术的引入,将对结构生物学领域产生重大影响,可能引发生命科学研究的范式变革,并提升人类对生命的理解,同时也会产生大量的蛋白质三维结构分析及应用。在此背景下,人工智能系统会预测出海量的未经验证的“发明创造”及其排列组合。如果上述“发明创造”都被授予专利权,将形成专利丛林,这既不公平,也不符合《专利法》的立法目的——鼓励人的判断和选择。
随着人工智能技术的发展,科技创新工作在很多时候都必须借助人工智能系统的辅助。人们通过向人工智能系统输入提示词而获得的输出结果,也越来越可能具备当前专利法意义上的新颖性甚至创造性。在此情况下,我们有必要反思《专利法》的立法目的,即鼓励“人”的发明创造。因此,在判断专利申请的创造性时,不应主要考虑人工智能系统的“创造性贡献”,而应重点考虑“人”的创造性贡献。具体而言,在判断一项专利申请是否有创造性时,应考虑到常规的人工智能系统的发展水平及能力,将公众在专利申请日前可接触的常规人工智能系统所能够轻易产生的内容,也纳入到现有技术之中。只有这样,才能确保专利权主要保护“人”的创造,而非人工智能系统的“创造”,避免专利丛林问题的产生。
- 美国、英国和欧盟将签署首个国际人工智能条约
- 英伟达、微软被诉侵犯人工智能相关专利
- 人工智能生成物著作权侵权的认定及其防范
- UPC认定蘑菇不是植物
- OpenAI、Anthropic与美国政府签署人工智能研究测试合约