人工智能发明成果对专利制度的挑战
以遗传编程为例
2021/6/21 14:00:37  点击率[2149]  评论[0]
【法宝引证码】
    【学科类别】知识产权法
    【出处】《知识产权》2017年第11期
    【写作时间】2017年
    【中文摘要】人工智能技术的发展给人类生活带来诸多机遇和挑战,在现有的知识产权法律框架下,以遗传编程为代表的人工智能技术自动生成的技术方案,对于传统的专利授权条件即新颖性、创造性和实用性的标准适用带来新问题。人工智能发明物能否获得专利法的保护,受到学术界与理论界的广泛关注。专利制度对科技与经济发展的激励效应促使人工智能技术的进步与创新。基于传统的“三性”要求,专利授权范围的界定不能“一刀切”,其需结合人工智能的发展水平、贡献大小、普及程度、技术特征等具体情形不断调整,实现专利法律制度稳定性与灵活性的平衡。
    【中文关键字】人工智能;遗传编程;专利权;“三性”
    【全文】

      引言
     
      人工智能是与人类智慧相对应的一个概念,它是指脱离于人类思维、意识、思想和分析等,完全由计算机本身完成的处理过程。[1]当下,人工智能技术的快速发展引领人类科技创新进入一个新的阶段,波及电子商务、医疗保健等众多工业领域,给社会生活方式带来巨大影响。2016年,人工智能迎来了第三次发展浪潮,技术驱动下的人工智能从实验室走向了市场,并进入了快速发展阶段。[2]人工智能对人类生活的方方面面都造成很大影响,原本用于调整人类社会生活关系的法律制度也无法置身事外。欧盟委员会公布的《关于民法规则适用于机器人的欧盟委员会建议报告(2015/2103(INL)》,指出人工智能带来的自动化趋势可能对安全与伦理造成挑战,还会带来个人信息与隐私保护、劳动力市场雇佣关系调整、机器人侵权及责任承担等一系列法律问题。[3]其中,知识产权法律体系亦面临权利保护客体范围的大小、权利主体的身份要求等诸多挑战。很多传统的法律原则与具体规则存在适用上的空白或不确定,可能会造成混乱无序的局面。
     
      传统理念中,知识产权法为人类的精神劳动产生的智力成果提供保护,通过赋予垄断性权利来激励创新活动与知识分享,从而促进整体社会效益的提升。劳动价值论、功利主义说等知识产权的基础理论,主要围绕着人类自身展开。而人工智能产生的创造性成果由于缺少人类智慧性因素的充分融入,能否成为知识产权保护的客体引发了学界和理论界的广泛讨论。当下,计算机科学家们已经能够通过创建模型,模仿自然界中发现的过程,让算法具有进化能力,甚至复制人类大脑的特征,从而实现仿生算法,让机器有能力适应、学习和控制其环境特点与技术特征。[4]计算机自动生成发明方案的人工智能技术主要包括遗传编程(Genetic Programming,即GP)、人工神经网络(Artificial Neural Network,即ANN)、机器人科学家(Robot Scientist)等。[5]其中,遗传编程的发展为其自动生成发明方案带来巨大的技术支撑和潜在可能,其具有广泛适用性,可被应用于诸多领域,将计算机发展带入下一个阶段——人工智能代替人类智慧,并减少人类在发明过程中发挥的作用。[6]遗传编程是指利用遗传算法(Genetic Algorithm,即GA)作为一种解决优化的搜索技术,借鉴达尔文的进化论和孟德尔的遗传学说,从生物进化中的遗传和复制、基因交叉、突变和编译、自然选择等现象发展起来。[7]建立在遗传算法与遗传编程的基础上,美国学者Koza提出“Invention Machine”的概念,将专利发明交给机器来完成。目前,中国已经有通过遗传算法技术获取专利方案的实例,如采用人造神经网络和遗传算法的高速公路事件自动检测系统。[8]本文就将以遗传编程为例,探讨这一人工智能技术的发展,将给我国专利法律体系带来的冲击与挑战,以及我国可采取的合理对策。
     
      一、人工智能发明成果的专利权保护进退两难
     
      (一)人工智能发明成果能否成为专利法保护的对象
     
      人工智能主要包括四类,即与人类思维相似的系统、理性思维系统、与人类行为相似的系统、理性行为系统。[9]其中,与人类行为相似及理性行为系统,在发明方案的设计中,多扮演着辅助性操作工具的角色,比如作为计算设备或者信息存储设备。在这些情况下,计算机辅助人类发明家减少了操作步骤,但是计算机并没有参与发明构思的过程,[10]无法生成原创性的技术方案,因此对于现有的专利法保护体系影响不大。而与人类思维相似的系统及理性思维系统,可能达到甚至超越人类的智慧水平,独立研发出技术方案,在进行相关专利的申请审查时,需格外关注。对于人工智能产物是否要提供专利权保护,争议颇多,其主要围绕专利制度设立的目的与可能造成的影响等方面展开。
     
      持反对观点者从理论与实践两个层面进行阐述。理论上,反对者主张,专利法所称发明人或者设计人,是对发明创造的实质性特点作出创造性贡献的人,[11]是能够进行智力劳动的自然人个体,不包括机器或设备。结合专利法的目的之一——“为了保护专利权人的合法权益……制定本法”来看,很难将“专利权人”解释为机器人。法律的制定是从人类的切身利益出发,若法律保护的是机器人而不是人本身,这就与传统的法律伦理观念相悖。至少目前来看,机器人并不能享有独立的法律人格,拥有法律权利,承担法律义务。若承认人工智能生成方案的可专利性,完成发明创作的主体为机器人,但机器人并不能够成为法律意义上的人;若将专利权利授予人工智能的操作者,又违背了专利法下定义的发明人或设计人含义。因此,人工智能生成的技术方案实际上成为了“无主之物”而陷入困境。再者,人工智能虽然可能生成具有新颖性和创新性的技术方案,但是在实用性要求方面,仍然需要人类进行实际检验,验证技术方案是否具有可行性和实践意义。因此,人工智能并不能成为真正意义上的发明人。
     
      在实践层面,由于专利权渐渐地从一种具有正当目的的法律权利异化为一种竞争工具,[12]专利领域的“圈地运动”如火如荼,方兴未艾,人工智能领域的专利竞赛一触即发,因此,反对者认为,若开放人工智能自动生成专利技术的申请,将会大大增加专利的制度成本。以遗传编程为例,其获得的优解决方案,实际是进行排列组合、优选择的结果,操作者只需要输入一定参数和期待获取的结果,就能够获得多种多样的技术方案,[13]其操作者为了尽可能占据更多的市场优势,打击竞争对手,就会不断获取大量的方案,申请大量的专利。这样就会给专利局带来较大负担,导致专利申请量巨大,专利积压。专利审查员在短时间内要面对繁重的审查任务以及人工智能这一新兴技术,工作质量会受到较大影响,导致授权专利存在较大的不确定性,继续引发投机式的专利申请,造成恶性循环。
     
      而支持者认为,上述反对者的观点,并不足以成为否定人工智能生成方案获取专利保护的足够理由。首先,在理论上,专利法在实际中应灵活适用,凸显出法律制度对于技术发展和经济社会进步的回应性特征。在决定新技术客体是否应该属于专利法意义上的保护对象时,基于抽象定义的法律逻辑的力量在产业政策的权衡面前,常常显得非常有限。[14]美国国会将可专利主题的范围扩展到“阳光下人类制作的任何成果”,[15]虽然立法要求发明人对于发明方案中实质性进步的内容作出贡献,但就人工智能产业发展而言,能够采取人工智能技术作为新方案的设计工具,本身就已经是一种突出的技术进步,能够增强方案的运行效率、精确度和创新性等,应当以技术方案的整体作为判断标准,而不是将使用的工具或设备与具体技术策略割裂开来。从鼓励新兴产业发展的角度出发,对于人工智能技术的应用也应持肯定态度,因此,在发展初期,应当肯定技术操作者的权利主体身份,以推动创新和技术进步。
     
      在实践层面,支持者主张,只要技术方案符合新颖性、创造性、实用性的“三性”要求,就已满足专利审查要件,不应当在“三性”之外附加多余要求,提升专利审查的门槛,造成法律的不稳定性和对科技创新的抑制。多年来,中国专利申请总量一直位居世界前列,2015年专利申请量已高达达2, 639, 446件,[16]专利审查工作量十分庞大。即使没有人工智能技术的发展,专利申请量激增和专利申请积压问题依然十分严重,解决这一问题的关键并不在于提升专利审查的门槛,而在于有效促进核心技术的研发,增强专利审查员的审查技术,提升专利质量。在发展前景广阔的技术领域,专利仍应当充分发挥其激励效应。除了发挥激励作用之外,给予专利保护还有许多其他益处,比如促进信息的共享与商业化。作为获得专利垄断性保护的对价,发明人需在权利要求和说明书中充分公开相关信息,以便社会公众能够获取并改进,在专利到期后,进入公共领域被公众自由使用。
     
      (二)人工智能发明成果的发明人之争
     
      在应用遗传编程生成专利方案的过程中,由于涉及编程人员、数据操作人员和计算机等多方主体,关系较为复杂,既有自然人主体之间的分工协作,又有人机互动。
     
      首先,编程人员与具体操作者很难称作为合作发明人,因为合作发明人必须是“为了获得同样的结果而工作”,且每一位都应当为了这样的结果产生作出一些贡献。设计出遗传编程软件的工程师并不能够称为专利发明的合作发明人,因为其仅仅是在计算机编程方面付出了智力劳动,对于特定领域的发明方案的构思并无实质性贡献。此外,专利范围的重合与交叉也是值得关注的问题。就遗传编程本身而言,初发明出这一编程并将其投入机械化使用的编程人员可以据此申请专利保护,获得垄断性权利。建立在这一专利的基础上,可以衍生出其他领域的众多专利技术。而这些衍生专利权人虽可以获得专利权,在行使专利方案时,但仍应尊重和维护原始专利权人的利益,不得实施侵权行为。如果在这些专利上,继续将遗传编程技术的权利人作为合作发明人,无疑是对基础专利权范围的扩大,同时给予了重复保护,不利于促进改进专利的研发和创新,对技术进步造成阻碍。因此,人工智能生成的专利技术不应将编程人员涵盖其中。
     
      其次,人工智能技术的操作者与生成技术方案的设备二者之间的“人机关系”也值得关注。机器在发明过程中扮演的角色逐渐增多,人工智能的参与程度在不同领域、不同技术层面各不相同,有些仍需要人类提供指导,人工智能仅扮演辅助角色;有些则完全无需人类的介入,可以直接开发创新方案。[17]很多方案的发明过程可能是人类与机器共同合作的结果。人类可能会借助机器输出的方案结果,而得到灵感,进行创新和改进。如果这个机器是自然人,就构成合作发明。[18]但是机器并不是人,这大的障碍所在。作为发明人,必须对于发明的“构思”做出贡献。[19]而构思是指“某项发明的完整的、可操作性的界定或者永久的想法,而之后这一发明能够被投入应用之中”。[20]如果自然人仅仅是在计算机内输入任务指令和参考材料,这一自然人很难被称为是发明人。比如在发明过程中,自然人甲希望自然人乙能够研发出新的技术方案,甲提供给乙一些已经公开的信息资料。如果乙终获得有效的研发成果,甲并不能因为给乙提供了指导就成为专利权人。这就给甲获得发明人的身份造成困难,无论乙是自然人还是计算机。
     
      在传统的洛克劳动理论下,每个人对自己的人身享有所有权,除本人之外任何人都没有这种权利。身体所从事的劳动和他的双手所进行的工作是正当属于个人的。一旦个体使任何东西脱离自然所提供的和那个东西所处的状态,将其劳动掺入其中,使该物成为他的财产。[21]基于此,有学者主张,知识产权保护的是对成果产出作出实质性贡献的主体,因此应当赋予设计出技术方案的人工智能独立的发明人地位。[22]但这样的提议有些过于理想化,目前尚缺乏理论与实践基础。首先,国内外尚无立法承认机器人能够作为独具法律人格的“人”存在,虽然欧盟议会决定通过赋予机器人法律人格的提议,但具体的规则制定尚在进一步探索中。其次,目前机器人大部分仍作为工具性的物质存在,难以独立行使法律权利,履行法律义务,承担法律责任。机器人产生的一系列“事实行为”或“法律行为”的效果,目前仍需人类自己来承担。因此,在民法、刑法等基础法学领域未承认机器人的法律地位时,贸然赋予其发明人的身份缺乏合理性和可行性。
     
      在人工智能发明物的权利人之争存在困难时,不妨结合终的权利运作状态来判断。发明的产业化或商业化本质上离不开自然人的参与和选择,人工智能的研发人员与操作人员是主要活动主体。人工智能本身就可以成为专利保护的客体,如遗传编程的实施方案,促进研发人员的创新活动。建立在此基础上的改进方案,如利用遗传编程实施生物制药的研发,创新之处在于新的发明方式,即操作人员的活动。因此,为鼓励人工智能技术的广泛应用和产业化,赋予操作人员对相关技术方案的专有权不失为一种合理选择。
     
      且在商业化过程中,操作人员能够基于市场调研与统计,选择有前景的领域进行研究开发。因此,将操作人员作为人工智能发明物的发明人,既有利于技术发展的理性化,又有利于促进市场的经济效益。
     
      二、人工智能发明成果与专利权的“三性”要求
     
      (一)人工智能发明成果与新颖性
     
      新颖性意味着“与早先工艺相比是新的”,要成为适格的专利客体,一项发明必须在某些方面与所有已公开发表的文章、公知技术和交易的产品有所不同。人工智能发明物会影响新颖性的衡量标准,其是否可以作为现有技术来对抗预期获专利的技术方案是实践中需要解决的关键问题之一。若允许所有自动生成的技术方案作为对抗性的现有技术,允许公司以海量的技术信息来打击竞争对手,会加剧专利局以及专利申请人的外部成本负担,对于社会整体的效率而言并无益。
     
      对于现有技术的判断,实践中存在诸多考量因素,其中,可获取性是判断一项文件是否构成现有技术的关键因素,其要求该文件“为该行业或领域内感兴趣或普通技术人员运用合理的学识就能够掌握”。而计算机自动生成的权利要求内容往往是独立呈现的,不会有背景资料,因此在使用搜索引擎获得结果时,搜索者可能存在技术上的障碍。[23]人工智能机器的存储量、分析速度大大超越人类,相关领域的技术人员需逐个筛选与人工智能机器相关联的千万百万个网页才能获得关键信息,与目前有限的信息量相比,很难称作“合理”搜索。且计算机生成的权利要求由于通过特定的技术手段表现出来,如遗传算法等,无法直接获取,所以很难被准确定位;即使能够确定相关技术信息,也可能很难对于相关技术领域的专业人员具有具体的可操作性指示作用,因为很多情况下,机器生成的分析结果是理想化的,未经过实践检验可能不具有实用性。
     
      再者,现有技术还应当考量其公开发表物中的内容与发明是否来源于相同的或近似的技术领域,或该文献对于发明人希望解决的问题而言是否具有“合理相关度”。[24]一般情况下,本领域的技术人员往往查阅的都是相关领域的资料,如果一些内容是来源于完全无关的渠道,对于相关发明人员亦不具有检索的预期可能性。机器自动生成的权利要求是否符合现有技术的条件,需要结合人工智能在本产业领域的发展状况。因此,在人工智能技术并未广泛使用之前,要求发明人在申请专利之前,全部检索出人工智能生成的技术信息,并将其作为现有技术进行参照,会给发明人增加太多技术、人力等检索成本,暂不具有可期待性。但在今后的技术发展中,自然语言处理技术的改进和计算机使用成本的下降,自动生成的技术说明摘要和详细介绍也可能很容易获取,网络的索引功能也能够随着时间而不断改善。因此,除了在立法上面的变化,自动生成的权利要求也可能逐渐成为现有技术。
     
      因此,对于人工发明物是否构成现有技术的判断,应结合普适性和相关性两方面考虑。随着人工智能技术的发展与普及,如果在相关领域,已经成为普通的发明工具或信息来源,则还应具体结合其生成内容的相关度来判断。如果在其自动生成的内容中,与涉案专利有关的内容较多,集中性很强,那么可以认为是现有技术;但如果技术信息质量较低,甚至大部分是无关的内容,则可认为不构成现有技术,因为不能期待发明人在众多的信息中挖掘出相关的内容。如果承认所有的自动生成技术方案都可以构成现有技术,那么市场上将充斥很多这样的设备,实际上会产生很多的垃圾成果,不利于提高技术进步的效率,同时也会加重市场参与者和竞争者的负担,如付出太多的检索成本等。从专利保护制度的长期目标出发,专利制度应当对非预期范围内的突破性技术发展持包容态度。
     
      (二)人工智能发明成果与创造性
     
      创造性,或称非显而易见性,被认为是“授予专利权的首要条件”,其是指与现有技术相比,该发明具有突出的实质性特点和显著的进步。其试图从比新颖性和实用性更抽象的层面上衡量发明方案,也即发明中所体现的技术造诣。[25]是否满足创造性标准是判断人工智能产物是否具有可专利性时的大问题。[26]这是因为,当判定一项发明是否具有“显而易见性”时,其具体方法是考察对于“本领域内的一般技术人员”而言,该技术方案是否是显而易见的。而同领域的技术人员,和侵权法中的“理性行为人”一样,都是法律拟制的人,但并不包括机器设备。法律拟制的人与人工智能在技术掌握水平方面存在显著差别,若一视同仁,可能会引发判断标准不统一、主观性色彩较强、随着技术发展而变化的不稳定性等问题。但人工智能生成的技术方案即使具有创造性,也并不可将其归功于操作者的智慧。在判断创造性时,不仅仅应考虑个人的知识和技能,还应当考虑对于发明人而言,可用的相关工具。[27]在人工智能领域,创造性判断的对象并非局限于自动生成的发明方案,而是申请者主张的权利要求整体。“如果发明是属技术领域的技术人员在现有技术的基础上仅仅通过合乎逻辑的分析、推理或者有限的试验可以得到的,则该发明是显而易见的,也就不具备突出的实质性特点”,“发明有显著的进步,是指发明与现有技术相比能够产生有益的技术效果。例如,发明……或者为解决某一技术问题提供了一种不同构思的技术方案,或者代表某种新的技术发展趋势”。[28]因此,若本领域技术人员并未能够轻易获取遗传编程作为技术方案的设计与分析工具时,该方案整体应当具有创造性。
     
      上述观点可能会受到现有专利法理念的驳斥。在判断创造性要件时,“不管发明者在创立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”。[29]《美国专利法》第103条亦明确规定:“可专利性不得因发明被制造出来的方式而受影响。”按照上述逻辑,发明人获取专利技术方案的途径或方式并不作为创造性判断的参考因素,只要这一技术方案本身的内容与现有技术相比,具有突出的实质性特点和显著的技术进步,就可以满足法定条件,因此,遗传编程设计出的大量技术方案,即使是机器自然选择的结果,人类并未加入太多智慧因素,也可满足创造性要求。[30]在美国In re Kubin案中,法院阐明,在特定情形下,方法发明的显而易见性可能会导致物质发明的创造性被否定。[31]该案涉及的专利是经典的生物技术领域的发明——编码特定蛋白的人类基因的分离和排序。法院认为,专利申请人在其专利申请文件的说明书中提到了使用传统方法,包括基因库形成、基因表现、选殖、排序等已知的实验方法等,[32]因此对于本领域技术人员而言,采用已有的技术手段进行试验是显而易见的,因此涉案专利不满足创造性的要求。
     
      在应用人工智能生成技术方案上,对于该技术方案是否具有创造性的判断,还应考量本领域相关的人工智能技术发展的水平。[33]“如果所要解决的技术问题能够促使本领域的技术人员在其他技术领域寻找技术手段,他也应具有从该其他技术领域中获知该申请日或优先权日之前的相关现有技术、普通技术知识和常规实验手段的能力。”
     
      以遗传编程为例,如果遗传编程在其他技术发明领域的适用愈发普遍,[34]允许其自动生成的专利授权,将会导致申请发明人不断重复地通过遗传编程来创造多种不同的设计方案,并不断申请专利。每一次遗传工程运行的时候,都会设计出不同的方案,因为其使用的是随机程序。遗传编程软件能够产生大量的策略与设计,当遗传编程技术能够与其他领域技术的结合相对普遍时,如果不加以限制会产生专利权申请量过大、专利申请积压,专利审查员缺乏足够的审查时间导致授权专利质量偏低、不确定性增加等问题,因此需要在制度建设中尽量避免或减少此类问题的发生,其中一个可行方案就是提升遗传算法生成方案获取专利保护的门槛。竞争性公司将不断进行试验以占据优先性的地位,这样就会产生大量的成本。由于成本很高,中小型企业则会放弃这样的做法。[35]即一家大型的、资金状况良好的公司可以投入很多成本进行试验以寻找优方案,而小型公司可能不能负担这样的成本,从而在专利丛林的竞赛中屈居下风。
     
      (三)人工智能发明成果与实用性
     
      实用性,是指该发明或者实用新型能够制造或者使用,并且能够产生积极效果。其具体体现为:(1)能够制造或者使用。(2)能够产生积极的效果。(3)必须具有再现性。[36]在实用性问题上,自动生成的技术方案可能由于缺乏详细的说明或其他背景信息,不具有可操作性,[37]对于相关技术领域的专业人员缺乏指导性意义。在Newman案中,专利申请人Newman就一个“输出能量大于输入能量的能量生成系统”,即“永动机”申请专利。[38]但实际上,永动机仅仅是理想模型,操作中不具有实践可能性,因而无法获得专利授权。反观人工智能技术,遗传编程能够通过自然选择随机生成技术方案,但这也是建立在程序计算、语言代码等抽象理念的基础上进行的,若要满足“能够制造或者使用”的要求,人工智能的设计方案仍然需要人类“亲力亲为”来检测和实施,以使得该方案能够切实服务于人类所需,而非将其束之高阁。遗传编程仍无法完全脱离人类力量的介入。另一方面,为防止明显无益、脱离社会需要、严重污染环境、严重浪费能源资源、损害人身健康的发明被授权,也有必要对人工智能技术的实施进行人为的监管。遗传编程的代码莫测高深,计算机科学家无法轻易理解复制程序“演进”出来的解决方案。这样的系统很可能发展成为人类完全无法理解的东西,且无法预测,故潜在危险较大。[39]因此,专利的实用性要求下,单纯由人工智能产生的发明存在授权障碍,人类的介入和参与能够有效保障方案的实用性,同时避免方案潜在的风险给人类生活带来的威胁。
     
      三、人工智能发明成果获得专利保护的正当性
     
      知识产权作为私权,[40]为专利权人提供专有性保护,专利权人通过对技术方案的公开换取特定时期内的垄断性权利。专利制度的本质特征表现为专利权人和社会公众之间的一项“社会契约”。在论证知识产权保护对象范围的过程中,劳动价值说视角和工具主义路径是两大主要的理论基础,[41]人工智能产物能否获得专利保护,亦需结合知识产权的正当化基础来探讨。
     
      从洛克劳动价值说的视角,“每个人对他自己的人身享有一种所有权,他的身体所从事的劳动和他的双手所进行的工作,是正当地属于他的”。[42]根据洛克的劳动价值说,人对于自己的劳动成果享有财产权。劳动价值论是知识产权权利保护的重要理论基础之一,知识产权可具体细分为“创造性劳动成果权利”和“识别性标记权利”两大类,[43]其中,创造性劳动成果权利就是对智力劳动者进行精神劳动产生的智力成果的权利保护。知识财产的产生源自于劳动,即将这一部分财产从共有物中分离出来的劳动,产权的根据在于在原有资源的基础上,增添、施加劳动因素,创造出新物,即劳动附加理论。[44]而人工智能生成物中,蕴含的劳动者的劳动价值,与“创造性”的判断密不可分,技术方案整体的创造性是劳动价值的重要载体,因为发明人不仅仅要有构思,也可以利用可支配的工具。遗传编程的操作者,通过智力劳动,将遗传编程这一技术手段综合应用在其他技术领域,设计出新的技术方案,在原有的公共智力产品的基础上,附加了一定的劳动因素,从而获得新的智力成果。智力成果给权利人带来的收益与其付出的劳动及创造的价值互成比例,针对技术方案中满足创造性要素的部分,遗传编程的操作者应享有个人权利。但若随着人工智能技术的逐渐普及,采用遗传编程这一技术手段可能被划入公有领域的范畴,即具有显而易见性,此时,操作者的劳动因素不再能够满足创造性的要求,故受到专利保护的可能性随着技术的普及与发展逐渐降低。
     
      而法学功利主义路径强调制度的激励效应。激励是指激发鼓励,由于行为人能够从特定行为模式中获得预期效果的评价较高,会产生一种内在动力。西方功利主义法学家边沁的思想中较早流露出法学的激励色彩,认为社会应当鼓励私人去创造努力和进取心,国家法律不直接给公民提供生计,但能够用来刺激和奖励人们去占有更多的财富,以功利原则描述的所有法律的共同目的,是对公共福利之促进。[45]中国的激励法思想自古以来就有,当代高度重视法律激励在20世纪80年代之后,[46]在智力成果型知识产权中,其目标是为了通过保证作者和发明人在有限时期内,对其作品或发明的独占权利,来促进科学和实用作品的进步。专利法并不是给予专利持有人制造或使用专利发明的权利,而是给予其排除他人制造或使用的权利。[47]这样的排他权激励了发明人以进行创新,也激励其将思想公开于社会公众。提供保护不仅能够促进技术方案领域的人员的积极性,也能够促进计算机软件技术本身的进步。[48]专利制度的激励功能是其内在要求,其保护的是潜在的具有巨大商业应用性的思想,[49]如果缺乏专利保护,发明人就会没有足够的动力投入到创造、改进和销售新产品中去。专利法提供了一种市场驱动力来激励对创新的投资,准许发明人享有其发明的全部经济收益。对于人工智能自动生成的发明方案,如果“一刀切”式地否决专利保护,限缩保护范围,将挫伤技术研发人员将人工智能应用于各个领域的技术方案设计中,造成对人工智能技术整体发展的不利影响。
     
      结语
     
      人工智能给专利制度带来巨大冲击的根源在于其对技术方案的产生方式带来直接影响。[50]技术进步、经济发展与专利制度的关系密切,在愿景理论下,专利规则的制定应当尽可能实现良性的预期效应。因此,人工智能时代,专利制度应当考虑到法律的回应性和包容性特征,缓和法律的灵活性与原则性之间矛盾,[51]将行为人的行为性质、行为方式和行为结果放置在特定的市场环境下考察。在具体判断人工智能生成方案是否能够获得专利时,需要从两个维度进行衡量。在横向上,而要综合考虑人工智能的参与程度、运作方式、方案的三性要求等因素进行判断。在纵向上,应当考虑人工智能的发展水平、普及程度与可适用性。判断标准会随着人工智能技术发展水平而发生变化,当人工智能技术发展到本领域技术人员通常会采取这样的方式进行研发时,产生的技术方案能够获得专利的可能性就会降低。[52]遗传编程、神经网络等仅仅是人工智能技术发展的一小部分,在未来,这一领域有着更加广阔的发展空间,与人类的智力、情感、认知、感受等诸多方面越来越相像,甚至在某些层面会有所超越。这对于我们人类而言,都是极大的挑战。

    【作者简介】
    季冬梅,北京大学法学院2017级博士研究生。
    【注释】
    [1]参见Stuart J. Russell, Peter Norvig: Artifi cial Intelligence: A modern approach,清华大学出版社2011年版,第1-2页。
    [2]参见国家工业信息安全发展研究中心、极客公园:《2016全球人工智能发展报告》,载http://www.geekpark.net/topics/220761,后访问日期:2017年8月14日。
    [3] Report with recommendations to the Commission on Civil Law Rules on Robotics(2015/2103(INL)), http://www.europarl.europa.eu/sides/getDoc.do?type=REPORT&mode=XML&reference=A8-2017-0005&language=EN, last visited July 30, 2017.
    [4] [英]Lee Jacobson、[美]Burak Kanber著:《Java遗传算法编程》,王海鹏译,人民邮电出版社2016年12月第一版,第3页。
    [5] Erica Fraser, Computers as Inventors – Legal and Policy Implications of Artifi cial Intelligence on Patent Law, scripted, Volume 13, Issue 3, December 2016, 305.
    [6] William Samore, Artifi cial intelligence and the patent system: can a new tool render a once patentable idea obvious? Syracuse University College of Law Syracuse Science & Technology Law Reporter Fall, 2013.
    [7]张丹著:《R的极客理想》,机械工业出版社2014年版,第58页。
    [8]专利申请号:CN99809212.6,专利申请日:1999.07.06,专利公开(公告)号:CN1311880A。
    [9] Stuart J. Russell, Peter Norvig: Artifi cial Intelligence: A modern approach,清华大学出版社2011年版,第2-5页。
    [10] Ryan Abbott, I think, therefore I invent: creative computers and the future of patent law, Boston College Law Review, Volume 57, Issue 4, 1079.
    [11] 《专利法实施细则》第13条。
    [12]王太平著:《知识经济时代专利制度变革研究》,法律出版社2016年版,第78页。
    [13]查志琴:《遗传编程的实现方法》,载《微计算机应用》2002年第5期,第302页。
    [14]崔国斌著:《专利法:原理与案例》,北京大学出版社2012年版,第59页。
    [15] Diamond v. Chakrabarty, 447 U.S.303, 309(1980).
    [16] 《2015年中国专利统计年报》,来源于http://www.sipo.gov.cn/tjxx/jianbao/year2015/a.html,后访问日期:2017年7月30日。
    [17] Erica Fraser, Computers as Inventors – Legal and Policy Implications of Artifi cial Intelligence on Patent Law, scripted, Volume 13, Issue 3, December 2016, 305.
    [18] Ryan Abbott, I think, therefore I invent: creative computers and the future of patent law, Boston College Law Review, Volume 57, Issue 4, 1079.
    [19] U.S. Patent & Trademark Offi ce, Manual of Patent Examining Procedure §2164(9th ed. Rev 7, Nov.2015).
    [20] Townsend v. Smith, 36 F.2d 292, 295(C.C.P.A.1929). From Ryan Abbott, I think, therefore I invent: creative computers and the future of patent law, Boston College Law Review, Volume 57, Issue 4, 1079.
    [21] [英]约翰·洛克著:《政府论两篇》,陕西人民出版社2004年版,第144页–149页。
    [22] Liza Vertinsky, Todd M. Rice, Think About Thinking Machines: Implications of machine inventors for Patent Law, B.U.J.SCL.& THCH.L. Vol.8:2, 11.
    [23] Ben Hattenbach, Joshua Glucoft, Patents in an era of infi nite monkeys and artifi cial intelligence, Stanford Technology Law Review, 2015, 3640.
    [24] In Re Marek Z. Kubin and Raymond G. Goodwin, Fed Cir, 2008-1184, No.09/667, 859.
    [25] [美]墨杰斯等著:《新技术时代的知识产权法》,齐筠译,中国政法大学2003年版,第106页。
    [26] Stephen D. Rosenberg, On the Patentability of Computer-Generated Inventions, July 152009, http://www.bostonerisalaw.com/archives/intellectual-property-litigation-on-the-patentability-of-computergenerated-inventions.html, last visited July 25, 2017.
    [27] Erica Fraser, Computers as Inventors – Legal and Policy Implications of Artifi cial Intelligence on Patent Law, scripted, Volume 13, Issue 3, December 2016, 305.
    [28]《专利审查指南》。
    [29]同注释[28]。
    [30] Robert Plotkin, The Genie In The Machine: How Computer-Automated Inventing Is Revolutionizing Law and Business. Stanford Law Books, 2009, 60.
    [31]崔国斌著:《专利法:原理与案例》,北京大学出版社2012年版,第258页。
    [32] In Re Marek Z. Kubin and Raymond G. Goodwin, Fed Cir, 2008-1184, No.09/667, 859.
    [33] Robert Plotkin, The Genie In The Machine: How Computer-Automated Inventing Is Revolutionizing Law and Business, Stanford Law Books, 2009, 109.
    [34] William Samore, Artifi cial intelligence and the patent system: can a new tool render a once patentable idea obvious? Syracuse University College of Law Syracuse Science & Technology Law Reporter Fall, 2013.
    [35] John F. Duffy, Inventing Invention: A Case Study of Legal Innovation, 86 TEX. L. REV.1, 61(2007), 12.
    [36] 《专利审查指南》。
    [37] Ben Hattenbach, Joshua Glucoft, Patents in an era of infi nite monkeys and artifi cial intelligence, Stanford Technology Law Review, 2015, 36-40.
    [38] Newman v. Guigg 877 F.2d 1575(Fed. Cir.1989) cert denied, 495 U. S.932(1990).
    [39] 参见[美]詹姆斯·巴拉特著:《我们后的发明:人工智能与人类时代的终结》,闾佳译,电子工业出版社2016年版,第77-78页。
    [40] 参见金海军著:《知识产权私权论》,中国人民大学出版社2004年版,第12页。
    [41] See Robert Merges, Justifying Intellectual Property Law, Harvard University Press, 2011, p.31-47;参见[澳]彼得·德霍斯著:《知识财产法哲学》,周林译,商务印书馆2008年版,第52-59页;李扬著:《知识产权法基本原理——基础理论》(修订版),中国社会科学出版社2013年版,第29-36页。
    [42] [英]洛克著:《政府论》(下篇),叶启芳、瞿菊农译,商务印书馆1964年版,第18页。
    [43] 郑成思著:《知识产权法》,法律出版社2003年版,第5-6页。
    [44] See Robert Merges, Justifying Intellectual Property Law, Harvard University Press, 2011, p.31-47.
    [45] 参见[英]杰里米·边沁著:《论一般法律》,毛国权译,上海三联书店2013年版,第42页。
    [46] 参见倪正茂著:《激励法学探析》,上海社会科学院出版社2012年版,第37页。
    [47] William Samore, Artifi cial intelligence and the patent system: can a new tool render a once patentable idea obvious? Syracuse University College of Law Syracuse Science & Technology Law Reporter Fall, 2013.
    [48] David Ferrucci et al., Building Watson: An Overview of the Deep QA Project, 31 ASS'N for Advancement Artifi cial Intelligence, 2010, 59.
    [49] 参见[美]威廉· M·兰德斯、波斯纳著:《知识产权法的经济结构》,金海军译,北京大学出版社2016年版,第358页。
    [50] Liza Vertinsky, Todd M. Rice, Thinking about Thinking Machine: Implications of Machine Inventiors for Patent Law, B. U. J. SCI.& TECH. L., 2002, Vol.8:2.
    [51] 参见易继明:《知识社会中法律的回应性特征》,载《法商研究》2001年第4期,第129-135页。
    [52] [美]墨杰斯著:《新技术时代的知识产权法》,齐筠译,中国政法大学2003年版,第111页。

    本网站文章仅代表作者个人观点,不代表本网站的观点与看法。
    转载请注明出自北大法律信息网
0
北大法律信息网
www.chinalawinfo.com
法律动态
网站简介
合作意向
网站地图
隐私政策
版权声明
北大法宝
www.pkulaw.cn
法宝动态
法宝优势
经典客户
免费试用
产品服务
专业定制
购买指南
邮件订阅
法律会刊
北大英华
www.pkulaw.com
英华简介
主要业务
产品列表
英华网站
联系我们
用户反馈
返回顶部
二维码