|
来源： 《中国发明与专利》杂志2018年第6期  曹建峰 腾讯研究院法律研究中心高级研究员 祝林华 腾讯研究院法律研究中心助理研究员 摘要 随着人工智能技术的发展和深入应用，生产力水平和自动化程度均得到提高，发明创造领域也迎来新面貌。以遗传编程、神经网络和机器人技术为代表的人工智能技术的发展，引导人脑和计算机的紧密耦合，不仅大大提高一般发明人的有限技术水平，为发明创造增速降本，甚至可以创造出具有可专利性的发明（采用和人类发明创造同等的判别标准）。在专利法领域，人工智能对专利制度的影响不仅体现在专利审查和专利检索等业务，还体现在对可专利性和专利侵权认定等传统理论带来的挑战。对此，本文旨在简要阐述人工智能对专利制度的潜在影响，以期为相关问题的深入研究抛砖引玉。  关键词： 人工智能 专利审查 可专利性 专利侵权  0 引言 作为近年来炙手可热的前沿技术，人工智能(以下简称AI)得益于机器学习，深度学习和自然语言处理等技术，不断改善现有的生产和服务方式，促进自动化进程和产业“智变”。 这场由大数据和人工智能引领的新兴的技术变革，正在改变知识产权的开发和授予模式，将给知识产权领域的法学理论和法律实践带来全新或者更深层次的影响和问题。由于内嵌AI算法的计算机能更快速，更高效地生成、模拟和评估大量潜在解决方案，而不受认知偏差和时间精力的影响。 近年来，机器生成作品（computer-generated work,简称CGW）越来越成为发明和创新的重要贡献者。国际范围内已有个别国家明确CGW可以获得著作权保护，但专利法相关问题却鲜有研究。 人工智能发明产物的专利问题将可能对专利法的调整范围和本质产生潜在影响，相关讨论十分有必要。 作为一种可预期的新型通用“发明方法”（method of invention），计算机在发明创造过程中的参与存在一个幅度问题。幅度的底端是简单地作为辅助工具，而不对发明做出贡献的计算机。 例如拼写检查器，计算器或者填补专利文件空白的文书生成器。幅度的顶端，是能够独立生成具有可专利性的发明（假设该发明由人类创造）的机器。有些机器则落于两端之间，例如计算机可以在人类指导的情况下，做出解决方案。 近年来的成功实践表明，计算机可以实施工作任务，证明数学定理，甚至致力于原创诗歌，音乐以及绘画等艺术活动中。虽然就当下的技术水平而言，仍需人类智力为AI活动界定目标、参数和成功标准。但面对日益复杂的问题以及人类感知“盲点”，基于AI系统的创造性、不可预见性、独立和自动化、理性化、可进化性、高效率和精确化等特征，机器人有望实施人力难以独立完成的发明。 截至目前，已有商业主体利用AI算法代替人脑智慧，进行发明创造和技术优化。例如，一家名为Iprova的瑞士科技公司声称已有用户通过其旗下产品创造出新发明，甚至其中部分已被授予专利权。 计算机科学家斯蒂芬·塞勒（Stephen Thaler）的“创造力机器”（Creativity Machine）的基础技术便是神经网络（Artificial Neural Network，简称ANN），该系统通过打乱一个神经网络的连接来创造新的输出，并通过操作人员设置的标准由第二个神经网络对输出流加以感知，最终创造出新的发明。 此前，根据现有的牙刷设计及其性能指标，“创造力机器人”为CrossAction的牙刷设计了一种具有新颖性的交叉结构设计，该设计在牙菌斑去除和牙龈健康方面具有显着的性能优势[1]。 总体而言,人工智能将对专利制度产生三方面的主要影响,涉及专利审查、专利授予和专利侵权。下文笔者将逐一论证。 1 人工智能对专利审查的影响 1.1 缓解专利审查负累 世界知识产权组织于2017年12月6日发布的《世界知识产权指标2017》（World Intellectual Property Indicators 2017）报告显示，世界各地的创新者2016年提交了310万件发明专利申请，连续第7年保持增长势头，其中中国发明专利申请的增长量占全球总增量的98%。 专利申请量剧增的同时，我国专利审查业务面临着专利审查人员短缺，专利审查周期长，专利申请积压等问题。 在现有的专利审查实践中，专利审查员需要根据专利法的要求，运用技术知识和检索工具对技术方案进行新颖性和创造性的判断。 近年来，专利大数据的普及和机器算法的结合，提高了专利检索的速度和准确率，将专利审查员从繁重的检索工作中解放出来，投身于可专利性判断等决策环节，缓解专利审查负累。例如，2016年联合国开发的一种基于人工智能的翻译机Wipo，借助神经网络算法丰富的双语语料库，大幅度提高了专利翻译的效率和水平。 因此，为了保持专利审查质量，提高审查效率，相较于投入更多的资源或雇佣既熟悉技术知识，又熟悉计算机生成文本的专利审查员，人工智能更具有成本和效益优势。 1.2 提高专利检索效率 面对技术优势的日益凸显，公共部门就技术发展新形势制定了新战略。2017年4月，日本特许厅在第十届知识产权小组委员会上讨论了人工智能技术在专利行政管理工作中使用的可能性。 《日本特许厅充分利用人工智能技术（2016财年的努力和未来的行动计划）》根据业务负荷、业务频率和职员的精神负荷三项指标，将可以优先应用AI的专利行政管理业务分为三个层级，首先是较为容易实现的流程工作，例如纸质文件电子化和印章、收据确认等简单业务；其二是技术尚未成熟，但已有先例的现有技术检索和发明分类等业务；其三是包括自动做出审查决定在内的需要优秀的分析和决策能力的业务，目前尚无开发先例。 在上述三类业务中，人工智能技术的发展步伐已经在迈向第二类，并有望在相关领域做出突出贡献。往往，想要获得全面的匹配结果，检索并非是一蹴而的过程。例如，输入关键词后，相应的搜索结果会给出更好的术语推荐，因此需要在对检索条件进行步步完善和修改后，才能得到满意的检索结果。 对此，深度学习AI可以在节省时间投入的前提下，提高检索质量，其途径主要包括： 自动从专利文件原文中识别和提取关键词之同义词，自动制定高质量的检索条件，扩宽搜索方向并提高关键词搜索质量。 使用专有的拓扑聚类进行相似文件检索，提高文件检索精确度。 自动对专利申请文本和权利要求书等文档进行联合专利分类体系（Cooperative Patent Classification，简称CPC）和美国专利分类体系（United State Patent Classification，简称USPC）等分类[2]。 此外，图像识别技术也能为专利文献检索带来便利。一方面，建立在图像解析算法和神经网络技术上的人工智能，可以将图片内容转化为关键词，提高图片模式匹配效率。另一方面，基于图像和技术知识数据库的人工智能，降低了专利审查员的工作难度和准入门槛，能够有效缓解专业人才短缺的问题。 因此，以深度学习为代表的人工智能技术的突破有望使专利审查向着以数据收集、处理、分析为基础的自动化方向转变。在专利大数据的背景下，人工智能不仅有助于增强专利审查人员的能力，甚至独立完成检索任务，还有望从效果层面提高专利审查与授权的质量。 但是，在人工智能参与专利审查的过程中，仍需要审查员结合技术、行业和法律等因素进行综合考虑和分析决策。 2 人工智能发明产物专利权保护 2.1 人工智能发明成果的可专利性 在讨论专利权归属之前，需要明晰产物本身是否具有可专利性。对“人工智能发明成果能否成为专利法保护对象”的讨论，主要围绕着专利制度设立目的以及可能造成的影响等方面展开。 传统的知识产权构建在以人为核心的劳动价值论和功利主义学说等理论基础之上，而人工智能由于缺少感性的人的特征，其产物能否成为知识产权客体引发诸多讨论。 在实践影响层面，如果承认人工智能产物可以成为可专利性客体，其一，可能引发投机式专利申请，增加专利侵权纠纷。其二，人工智能能够借助强有力的数据搜集和分析整理技术，大大提高新技术的发现能力和速度，使得拥有AI的人能够拥有更多专利发明可能性，没有人工智能的发明人将处于技术下风。其三，人工智能发明成果的专利化会扩大“现有技术”的范畴，对后续产品可专利性的评估产生影响。 但是，如果不赋予AI发明成果以专利可能性，一方面会打击对创造性AI的开发和投资，对社会科技进步造成阻碍。另一方面，人工智能产物的客观新颖性不容否认，从鼓励发明创造的角度分析，通过鼓励对发明的上游——发明工具的创新来达到鼓励研发产品的目的，也不失为实现社会技术进步和创新的有效途径。综上论述，笔者认为专利法不应以某一发明创造是人工智能完成的，或者借助人工智能技术完成的，而否认其获得专利保护的可能性。 2.2 专利权主体界定 我国专利法对立法目的的描述为：“为了保护专利权人的合法权益，鼓励发明创造，推动发明创造的应用，提高创新能力，促进科学技术进步和经济社会发展，制定本法。”世界各国的专利法规范普遍含有类似主体限定。 因此，无论从实践和理论上，均难以跨越人工智能和人之间的本质区别，赋予人工智能以合乎私法保护基础的主体资格。 然而，鼓励发明创造这一专利法宗旨，不会因为直接发明者是机器或者人而发生改变。诚然，人工智能系统本身并不会对专利法的物质激励做出反应，但该系统的开发实体会。 为AI生成的产物提供专利保护会使得AI本身更有价值，可以通过激励可创新的机器的发展而实现激励创新的目的。 对此，有学者认为，为了平衡鼓励新技术发展和促进专利法可持续实施，专利权作为激励“理性人”创新和发明的制度工具，围绕着发明人和投资人的制度设计应同样适用于人工智能创造的发明。 即对专利法进行灵活解释，发明人不再仅局限于自然人，对发明的实质性特点做出创造性贡献的机器人或人工智能系统，也可以成为“发明人”。或者为机器和人工智能等新设“发明机器”的身份。 在制度设计的改变下，电脑或者计算机本身依然不享有专利权，无法成为专利权主体。但可以在承认人工智能发明成果的可专利性的前提下，类比适用职务发明创造，赋予人工智能以“发明人”的身份，赋予开发企业等主体以专利权主体身份。 在人工智能和自然人共同做出实质性付出的发明成果的情况下，借鉴共同发明制度，赋予人工智能以“共同发明人”身份，但不与自然人共享专利权。 2.3 影响对专利权授予的实质要件的判断 人工智能主要通过对一般技术水平（ordinary skill），现有技术和所属领域普通技术人员（person having ordinary skill in the art，简称PHOSITA）的评估，实现对专利权授予的实质要件判断产生影响。 美国法律要求专利具有非显而易见性，即专利对于相关领域的一般技术人员而言是非显而易见的，如果发明是其所属技术领域的技术人员在现有技术的基础上通过逻辑分析、推理或者有限的试验可以得到的，则该发明是显而易见的，不具有突出的实质性特点，就不能申请专利。 相类似的，我国以创造性作为评判标准强调技术方案的进步性，即专利发明需要有突出的实质进步和显著的进步。创造性和非显而易见性相同，均需要以PHOSITA的技术水平的知识和理解能力作为衡量的基础。同时，新颖性的判断也需有技术或公知技术的范畴为评估依据。 对此，因为AI系统具有更强大的信息处理能力，能扩大信息搜索和访问的广度和深度，提高信息分析的效率和质量。 那些不显而易见的新旧发明之间的联系将可能被AI轻松发现，而这样的结合如果是由人类完成的，则都是具有可专利性的。 因此，非显而易见性和新颖性需要受到适当调整。如果判定标准过高，则值得被授予专利的发明将不具有可专利性，如果标准过低，则大量的垃圾专利可能会使发明人面临更多的侵权诉讼隐患，两者皆会阻碍创新。 而在实用性方面，人工智能将大大提高人类制造和使用发明的能力，使得过去有些不可能实现的发明具有可实施性。 但是，应该注意到，人工智能可能会产生两种不具有实用性的发明，其一是有害发明，即不会产生积极的社会或经济效益的发明；其二是不具有可再现性的发明，即不能依赖任何随机因素，并且实施的结果应当是相同的。 由此，人工智能的设计方案仍需要人为进行检测和实施，以使得该方案能够切实地服务于人类所需，并避免对人类生活产生潜在的风险隐患[3]。 3 人工智对专利侵权的影响 在深度学习和神经网络等技术的辅助下，AI设备动态行为的数据以及AI系统自身性质均会不断发生变化，这对相关侵权的认定和诉讼活动产生挑战。由于缺乏理论、判例和立法的支持，这些挑战会在人工智能专利诉讼的头几年更为显著。 3.1 对侵权主体界定的影响 即使法律承认计算机能够成为专利的发明人，和专利权主体资格一样，现行的法律和先例似乎都排除了机器或者程序可以作为专利权侵权主体的法律资格。 在侵权故意上，由于AI系统具有不可预测性，有时候甚至参与具体环节的人都不知道AI如何创造出具体对象的。 但一般而言，AI计算机的所有者会被视为承担侵权责任的第一人。当AI系统进行进一步学习并修改其行为时，所涉主体将包括AI设备所有者，AI软件开发者和实施具体任务的用户等，由此产生的产品、过程或者行为可能侵犯一项或者多项专利权权利要求。 举个例子，甲开发了一个AI程序，并将该AI程序授予乙，乙利用丙所有的资源（例如云计算环境下的服务器）对AI程序进行运行。丁负责对AI程序进行训练。最终戊从系统的诸多产物中选择了一种具有技术进步意义的成果进行生产，并最终侵犯了已有专利的一项或多项权利要求。 针对上述情形，目前法律尚未明确侵权主体的认定规则。首先明确专利权对象为被提交申请的，具有技术进步意义的发明成果。 而就如何确定侵权人，需要考虑几个基本问题：直接侵权人是AI程序的开发者吗？如果AI程序的原始开发状态不会导致侵权，应如何认定后续问题呢？AI设备的所有者是直接侵权人吗？如果未经操作员训练，不会导致侵权，应如何应对后续问题呢？如果AI是经过一段训练，才创造出侵权产品的呢？ 上述例子中，戊对AI系统的产出进行了审查和选择，并没有就方案本身的创造付出努力，在英国法律中，这被称为“发明的实际发现者”（Actual deviser of the invention）。丁负责培训AI系统，并输入了相关数据，使AI系统能够输出备选项。丁并没有直接创造发明，其地位类似于材料供应人员。 此外，AI发明生产过程中复杂的社会关系，还会带来其他责任配置难题。 例如，当AI系统独立运行时,系统所有人需要承担直接侵权责任吗？如果AI系统的有关数据来自于公共数据或者其他可公开获取的数据，侵权责任该如何界定？AI程序的开发者和所有者是否需要基于售卖行为和所有权，对AI的侵权产品承担共同侵权责任？ 如何确定AI程序具有实质性非侵权用途？如何确定侵权过程中的主动诱导呢？如果是运营者和训练者向AI程序提供的资源和信息导致产生侵权产品，则是否需要承担主动诱导责任呢？所有这些问题，都可能需要在未来涉及人工智能的专利诉讼中予以考虑。 3.2 对侵权事实证明的影响 AI设备的持续运行状态和深度学习能力意味着，侵权行为可能只是在短时间内出现，甚至是瞬间，设备继而可能又进入非侵权状态。 在某些情况下，具体的设备甚至永远不会再以侵权过的方式进行操作。对于这些AI的独特性，有学者提出可以对侵权法理论进行新的解释。 例如，可能造成侵权和损害的潜在因素的证实或许也可以表明，过去的侵权行为并非偶然事件，而是AI设备运行到当前状态所不可避免或必要的步骤。或者，AI设备的当前性能和未来变化进的评估结果，能够表明其未来有可能成为侵权产品。 在这两种情形下，目前的设备，包括其未来和过去的状态，都可以被视为是侵权产品。此外，AI系统将多大程度改变现有技术范畴，将直接影响技术抗辩的成立与否，左右专利侵权认定的难度。 3.3 对专利侵权诉讼活动的其他影响 人工智能也会对专利侵权的其他诉讼活动产生影响。 其一，当事人需要针对AI的特殊性，适应证据公示流程的新需求。实践中，原告可能需要利用来自被告的信息和数据，以补充其对涉案侵权设备的技术调查。 因此，从诉讼开始时，专利权人需要采用比传统保全措施更加激进的方式，例如要求被告收集、存储和生成其不会在常规业务过程中进行保留的数据。 其二，专利权人需要谨慎书写证据交换或证据开示请求书，以获取被控AI设备过去的或者潜在的行为数据。实践中，考虑到所需数据的存储量和可获取性，此类请求将引起被告负担。因此，被告也需要对于请求相关的特定财产和行为负担进行评估，计算和阐明，例如用于收集相关数据而开发的专用数据采集系统的成本。 其三，由于AI程序依赖于持续的培训和更新，过去的性能报告和与其功能有关的信息掌握在第三方手中，包括AI算法的开发人员，过去的用户和AI培训师等等。因此陷入AI专利诉讼的第三方，需要更重视保护性命令的撰写和执行，以保护其知识产权和商业秘密。 其四，技术专家是专利诉讼的重要组成部分，但是AI领域的相关专家目前很是稀缺。当专家被AI开发公司所雇佣，出于利益冲突无法作证时，原被告都需要积极寻找能够替代的专家。因此，AI案件中需要强调专家的早期选择和保留。 4 结论 技术与法律之间的作用与反作用始终存在。在更高层面，这反映出促进人类进步的两个最根本的因素之间的矛盾和协同。专利制度作为保护和促进技术创新之法，其对技术的保护方式、范围和价值等考量，尤其具有重大意义。如今，以机器学习为代表的人工智能技术正成为通用技术，有望重塑人类社会和经济，必然带来一系列全新的法律和伦理问题，其对专利制度的影响和挑战正日益彰显出来。或迟或早，专利制度都需要对人工智能进行实用的、制度的以及法理的思考。而随着人类智能和机器智能之间的界限日益模糊，甚至以人类为中心的整个知识产权制度都将被重写。也许，将来会涌现出所谓的人工智能专利法、人工智能著作权法等“人工知识产权制度”（artificial intellectual property system），对与人工智能相关的知识产权法律关系予以调整。 参 考 文 献 [1]Erica Fraser, Computer as inventor - legal and policy implications of artificial intelligence on patent law, 13:3 SCRIPTed.305(2016). [2]https://www.linkedin.com/pulse/deep-learning-ai-patent-search-analytics-sumeet-sandhu/，2018年3月7日最后访问. [3]季冬梅.人工智能发明成果对专利制度的挑战—以遗传编程为例[J].知识产权，2017（11）：59-66. |
|
|
