查找:                      转第 显示法宝之窗 隐藏相关资料 下载下载 收藏收藏 打印打印 转发转发 小字 小字 大字 大字
【期刊名称】 《知识产权》
人工智能生成的技术方案的创造性判断标准研究
【作者】 刘友华李新凤
【作者单位】 湘潭大学法学院{教授,博士生导师}湘潭大学法学院{博士研究生}
【分类】 人工智能
【中文关键词】 人工智能;专利法;深度学习;技术方案;创造性
【英文关键词】 artificial intelligence; patent law; deep learning; technical solution; inventive step
【期刊年份】 2019年【期号】 11
【页码】 40
【摘要】

人工智能生成的技术方案若满足专利授权标准,则其可作为专利法保护客体。人工智能参与创新过程,降低了发明创造的时间成本,跨库检索模糊了技术领域界限,文本挖掘使技术启示更易实现,对人工智能发明的创造性标准构成挑战,需要作出调整:动态拟制“本领域普通技术人员”;准确把握“技术领域”的边界;适当提高“创造性”判断标准。

【英文摘要】

If the technical solution generated by artificial intelligence meets the patent grant standard, it can be protected as the object of patent Law. Artificial intelligence participates in the innovation process, reduces the time cost of invention and creation, cross-database search blurs the boundaries of technology, and text mining makes technical revelation easier to implement; all of these factors pose challenges to the creative standards of artificial intelligence invention. The paper makes several proposals to address the problems: dynamically drafting “a person of ordinary skill in the art”; carefully examining the boundaries of the “technical field”; and appropriately raising the “creative” standard.

【全文】法宝引证码CLI.A.1283115    
  
  

机器学习(Machine Learning)技术的兴起与算法(Algorithm)的普及,使人工智能技术飞速发展的同时,也给专利制度带来了巨大挑战。人工智能强大的学习能力极大地促进创新,并逐渐从辅助性工具转向参与发明构思甚至独立完成一项技术设计。人工智能技术可提高创新速度,降低创新成本,增进社会价值。甚至有学者怀疑人工智能将不可避免地取代人类成为发明主体。由此引发的深思是:人工智能生成的技术方案(或计算机生成物,Computer-generated Works, CGWs)是否应被授予专利权?若其成为专利保护客体,将对现有专利授权、专利审查等制度带来怎样的冲击,如何调整授权标准以保证发明人与公众的利益均衡成为必须面对的重要问题。

一、人工智能技术创新与发明创造

(一)人工智能技术创新

“人工智能”的概念最早可以追溯到二十世纪中期。1950年,艾伦·图灵提出了著名的“图灵测试”来检验机器的“智慧”。[1]1956年,在达特茅斯会议上约翰·麦卡锡首次提出了“人工智能”一词,但并未对其作出界定。2018年1月,中国电子技术标准化研究院等在《人工智能标准化白皮书(2018版)》对人工智能的界定如下:利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。[2]人工智能技术涵盖逻辑推理、自然语言处理、机器学习、人工神经网络、专家系统和机器人等。在过去二十多年里,由于算法的进步,可用数据的指数级增长以及更低成本的计算能力,人工智能正彻底改变社会运行方式。

大数据技术的应用使人工智能获取、使用和学习的信息得到极大扩展,人工智能的深度学习能力加强,创新手段不断深化。在人工智能参与下,发明过程更快,创新成本更低。如对人类基因组完成测序在2003年费时10年,要耗费30亿美元,而到2013年成本仅为1000美元、耗时则仅为一个星期。[3]随着机器学习技术的不断升级与广泛应用,人工智能技术独立性日益增强,但其并不具备完全的独立意志,需通过对其训练数据的回归与分类不断优化既有的模型或程序,最终达到自行处理实时案例的智能化水平。人工智能系统可以帮助改进理论、生成可测试的假设、使用机器人系统模拟实验和设计新设备或软件。如2016年美国科学家通过运用人工智能学习算法,利用近四千次不同反应条件下合成晶体实验的数据来训练机器学习算法,成功预测新的有机模板化无机产品的形成条件。[4]

根据人工智能参与发明创造的程度,预计可将人工智能的发展过程分为5个阶段[5],如表1所示。

表1人工智能技术发展阶段表

┌────┬─────────┬──────────────┬─────────┐
│阶段  │发明主体     │普通技术人员标准      │大体时间     │
├────┼─────────┼──────────────┼─────────┤
│I    │人类       │人类            │过去       │
├────┼─────────┼──────────────┼─────────┤
│II   │人类> SAI     │技术强化的人类       │当前       │
├────┼─────────┼──────────────┼─────────┤
│III   │人类~SAI     │技术强化的人类~SAI     │短期内      │
├────┼─────────┼──────────────┼─────────┤
│IV   │SAI~AGI >人类  │AGI             │中期       │
├────┼─────────┼──────────────┼─────────┤
│V    │ASI        │ASI             │长期       │
└────┴─────────┴──────────────┴─────────┘

注:SAI=特定领域人工智能;AGI=人工智能;ASI=超人工智能;~竞争;>表示竞争占优

第I阶段为传统创新时代,人工智能在此阶段未介入创新过程,所有发明均由自然人创造的。第II阶段为人工智能发展初期,其多以辅助性工具参与发明创造,人工智能以数据收集或是数据存储等角色参与,并不对发明构思的完成作出实质性贡献,其在该阶段仍未实质参与发明构思的形成。第III阶段为弱人工智能时代的高级阶段,随着人工智能自主程度的逐渐提高,可为发明构思的完成提供实质性贡献,此时其可与自然人合作进行发明,在个别领域甚至出现了人工智能系统自动生成的技术方案。在第IV阶段及第V阶段,随着奇点的出现,强人工智能发展到超人工智能,发明创新的主体已经由人类转变为人工智能。现阶段处于人工智能创新第II阶段与第III阶段技术交叉阶段,各领域人工智能技术发展程度不一,如药品研发领域已进入人工智能应用的活跃期。

我我我什么都没做

(二)人工智能参与研发创新过程

当前人工智能参与创新的场域主要表现在第II阶段,人工智能辅助人类创新。例如Adobe发布Sensei人工智能开发平台,致力于智能辅助软件开发,其利用Adobe长期积累的大量数据和内容,从图片到影像,让软件了解到某张照片、某张照片的一部分、某段视频以及某段文本描述的真实含义,使一些固定、重复性的操作变得自动化和简单化;[6]再如Appy Pie作为云技术提供应用程序创建服务的平台,能基于iOS或Android创建应用程序。[7]人工智能参与研发的深度和广度在增加,在人工智能技术发展速度比较快的领域,已经实现了人工智能与人类科学家的协同发明。例如《自然》2018年发布了人工智能改变对新型药物化合物和多种疾病结构研究的最新进展。[8]人工智能还被用于诊断疾病、定制治疗方法、绘制不同细胞类别的基因图以及创建用于药物测试的虚拟动物和人类模型。[9]科研动态表明,人工智能研发场域逐渐由第II阶段转向第III阶段,人工智能也悄然实现从辅助者到协作者的角色转换。

人工智能参与创新主要在三个领域:神经网络、遗传工程以及专家系统。[10]其逐渐发展到可以理解非结构化数据从而可以进行计算机推理,继而可自动学习,从而产生独立于程序员指令而开发的意外解决方案[11],如IBM开发的Watson专家系统,其利用传统逻辑推理架构,通过访问大量数据库,产生具有新颖性、创造性和实用性的技术方案,已在财务规划制定、帮助临床医生制定癌症患者治疗计划等方面发挥重要作用。[12]

在传统创新环境下,各技术要素之间由于排列组合较多,研发创新花费的时间往往较长,而在人工智能参与创新的情境下,其呈现高效化、自动化和规模化的特点。美国专利商标局认为,人工智能介入创新显著降低了创新的时间成本,创新速度加快,这又导致待审申请数量增加,这将使现有的“专利积压”现象更为严重,还可能形成“专利丛林”而阻碍后续创新。[13]新技术环境下,人工智能实质性参与或协助参与创新将日益普遍,对该过程中所生成的技术方案授予专利权是否会抑制技术创新,是否会破坏专利法构建的利益平衡机制?

二、人工智能生成的技术方案专利保护的正当性

(一)人工智能生成的技术方案属于专利法保护的“技术方案”

有学者认为,发现问题和构思解决问题的技术方案是创造力所在,也是发明者的贡献所在,发明要归于精神行为。[14]美国专利法虽未将由自然人完成发明作为授予专利权的特定门槛,但强调了“发明是发明者心中形成的观念”。[15]美国联邦巡回法院认为,发明者必须是自然人,不能是公司或其他主体。“发明中应体现人类精神部分”常被用作验证客体可否获得专利保护的重要理由。[16]但在美国专利授权实践中,专利授权并不以发明创造的过程如何完成为条件。我国《专利审查指南》也规定,“不管发明者在创造发明的过程中是历尽艰辛,还是唾手而得,都不应当影响对该发明创造性的评价。《专利法》第2条第3款所述的技术方案,是指对要解决的技术问题所采取的利用了自然规律的技术手段的集合。技术手段通常是由技术特征来体现的。未采用技术手段解决技术问题以获得符合自然规律的技术效果的方案,不属于我国专利法中的技术方案,也就不属于发明或实用新型专利保护的客体。[17]总之,无论是发明创造过程抑或技术方案的定义,均未要求“人类精神”因素的存在,因为专利法更关注的是发明本身的实质贡献,而非发明可能实现的主观过程。

专利授权标准要求发明具有“新颖性”“创造性”和“实用性”。“新颖性”是指发明不属于现有技术,这里无需具有“人类精神”因素。“创造性”意味着发明对本领域的技术人员不是显而易见的,人类表征因素仅仅在于对创新的评估,可以被认为是发明的外在要素。[18] “实用性”指的是在工业上的使用,也与“人类精神”因素没有直接关联。专利法与版权法对人类表征要求不同。根据美国版权法的规定,原创性由创造力和作者身份共同定义,即具有“个性”,作者身份与表现作者个人风格的知识创造有关。在版权法中很难对作品的艺术价值进行评价,因此需对作品是否反映作者的个性进行考量。专利法上“创造性”概念与版权法中的“独创性”不同,前者关注技术的非显而易见性,而不在于作者个性的反映。欧洲专利局(以下简称EPO)认为发明的核心要素是工业性质(也称“技术效应”)[19],发明的概念没有以人类发明为要素,相反其与功能目标相关联,即任何解决技术问题的新方案均具有可专利性。在现行法律框架下,技术方案是否可获得授权,依据《专利法》第2条、第5条以及第25条规定,并不考察其为自然人的发明或者由人工智能输出。对是否属于技术方案的判断,根据《专利审查指南(2019)》第二部分第1章第2节的规定,技术方案是对要解决的的技术问题所采取的利用了自然规律的技术手段的集合。技术手段通常是由技术特征来体现,而技术手段的运用体现在技术问题的解决上即为技术效果。一般而言,技术方案的解决由技术问题、技术手段和技术效果所彰显。因此,人工智能参与创新过程,所生成的成果如可以通过技术手段解决技术问题,则符合审查指南中的“技术方案”,应得到专利法保护。

(二)人工智能时代的专利制度理论基础并未改变

1. 激励技术创新

专利经济学理论认为,基于信息传播的低成本性,需对创新成果赋予价值,通过界定产权,排除其他人的低成本获取。信息需求方为潜在购买方,如卖方对新知识没有产权,则买方缺乏购买动机。对新的技术方案授予专利权,从而降低许可创新的交易成本,实现技术的便捷转让。[20]知识产品作为公共产品具有非排他性,如没有高效的权利分配机制,“搭便车”行为将日益普遍,市场将逐步失灵。如没有专利保护,新技术的研发将面临市场失灵风险。人工智能从发明到应用于创新需要高额成本。对人工智能的投资可分为三部分:创建人工智能所需投入、培训人工智能所需投入以及人工智能参与创新所需的投入,其中,培训所需的投入视为最直接的投入。按此逻辑可量化投资者的投资情况,如AlphaGo在围棋领域与人类的对抗上,一方面,Google需要对其进行耗时不低于3天的训练,同时租用4张数据流处理器,3天费用达1872美元;另一方面,参与该项目研究的科学家每人薪酬每年接近20万美元,研发人工智能花费的时间与金钱都相当可观。[21]即使人工智能生成新的技术方案成本降低,但研发阶段的上游环节,人工智能系统的开发者也需要市场回报,以激励继续创新。因此,如没有专利权支持的专有许可预期,人工智能系统的使用者将缺乏购买欲望,而研发者将难以回收昂贵的研发投入,则后续研发难以为继,将无法有效激励创新。

2. 增进社会福利

从成本效益看,专利制度依然是保护人工智能发明的优先选择。对发明者而言,只有其所得利益超过所投入的成本,才会有后续研发的动力。一个经济有效的专利制度必须在利益相关方之间进行合理的损益分配,最大限度提高投资效率。[22]质言之,专利制度需清晰界定产权、明确归属,将损失和成本降低。现有专利制度的产权归属、损益分配方式是否最优,如以专利方式保护人工智能生成技术方案,是否会破坏或减损既有成本效益结构?对成本效益问题,通过将当下状态(称之为“基线状态”)与对人工智能生成技术方案进行专利保护的状态进行对比,具体如表2[23]。

表2人工智能生成技术方案专利保护成本/效益对照表

┌───────┬───────────────┬───────────────┐
│类别     │当下状态(基线)       │将人工智能生成技术方案专利保护│
│内容     │               │               │
│相关方    │               │               │
│       ├───────┬───────┼───────┬───────┤
│       │成本     │效益     │成本     │效益     │
├───────┼───────┼───────┼───────┼───────┤
│发明人    │0       │0       │-       │+       │

  ······

法宝用户,请登录后查看全部内容。
还不是用户?点击单篇购买

北京大学互联网法律中心

;单位用户可在线填写“申请试用表”申请试用或直接致电400-810-8266成为法宝付费用户。
【注释】                                                                                                     
©北大法宝:(www.pkulaw.cn)专业提供法律信息、法学知识和法律软件领域各类解决方案。北大法宝为您提供丰富的参考资料,正式引用法规条文时请与标准文本核对
欢迎查看所有产品和服务。法宝快讯:如何快速找到您需要的检索结果?    法宝V5有何新特色?
扫码阅读
本篇【法宝引证码CLI.A.1283115      关注法宝动态:  

法宝联想
【相似文献】

热门视频更多