人工智能领域的知识产权发展概述

【编者按】

本系列连载由上海国瓴律师事务所名誉主任、上海交通大学网络空间治理研究中心主任寿步教授和上海国瓴律师事务所高级顾问赵佑斌合作撰写，李安阳曾参与讨论。经作者授权，现在上海国瓴律师事务所公众号刊发。

《人工智能领域的知识产权管理》

目录

1人工智能领域的知识产权管理

1.1 人工智能领域的知识产权发展概述

2 人工智能领域的知识产权管理特点

2.1技术复杂更新速度快

2.2 专利、著作权、商业秘密的保护方式选择

2.3 开源代码和开源平台问题

2.4 隐私数据和商业秘密保护的问题

3 人工智能领域的知识产权管理要点

3.1 人工智能领域的知识产权确权管理要点

3.2 人工智能领域知识产权的风险管理

3.3 人工智能领域技术的知识产权维权管理

3.4 人工智能领域技术知识产权成果转化管理

4 人工智能生成的内容和发明创造的知识产权问题

4.1 人工智能生成的内容和发明创造的主体是行为体

4.2 人工智能行为体生成内容的著作权问题

4.3 人工智能行为体生成发明创造的专利问题

4.4 人工智能生成的内容和发明创造的合规问题

目前，人工智能的核心产品和技术包括计算机视觉、智能语音、问答机器人、自动驾驶、知识图谱、自然语言处理、AI芯片、智能医疗诊断系统等。以ChatGPT为代表的大语言模型，已经在全球范围内引起了广泛的关注。基础设施层的大语言模型通过大数据、大算力和先进的算法的结合，正在深刻地改变着各行各业的技术和商业生态。人工智能的知识产权发展与人工智能技术的进步密不可分。人工智能技术的不断发展突破了现有的知识产权保护体系的边界范围，这对传统的专利制度、著作权制度提出了挑战，特别是生成式人工智能的诞生和应用，让传统知识产权体系中的基本元素，如发明人、作者的概念都变得模糊，需要我们对相关概念重新进行探讨。总体而言，人工智能的知识产权发展可以大体上分为三个阶段： 

第一阶段：依靠传统知识产权制度的保护阶段

“人工智能”概念的提出激发了科研人员对人工智能技术在各个行业应用的不断探索。在20世纪70年代，斯坦福大学研发了基于规则的MYCIN系统，该系统能够识别多种细菌和抗生素，用于协助医生诊断血液感染疾病并选择合适的药物治疗。在20世纪80年代，人工智能领域的教授道格拉斯•勒奈（Douglas Lenat）开发了基于知识和规则的专家系统，该系统收集了数百万概念数据和数千万常识规则，旨在让计算机具备智能推理的能力。20世纪90年代，IBM的超级计算机“深蓝”击败了国际象棋世界冠军，成为人工智能技术发展的重要里程碑。这些事件引发了广泛的关注，但很快人们发现，许多人工智能科研项目难以在实际应用中取得真正的进展，人工智能技术在短暂的辉煌后迅速进入了一个缓慢发展期。

人工智能技术自上世纪50年代诞生以来，经过半个多世纪的蓬勃发展，取得了多个引人注目的成就，出现了例如贝叶斯网络、支持向量机、卷积神经网络等算法。然而，这些成果大部分只是在实验阶段，一旦应用于工业环境，很快就会面临发展瓶颈。

这些人工智能技术在工业界没有广泛应用，对于这些算法或系统的知识产权保护，与一般计算机程序的要求相比并没有更高。传统的知识产权体系，包括商业秘密、商标、专利和著作权等方面的法律规定，能够满足人工智能技术在这一阶段的知识产权保护需求。

历史上，包括美国、欧洲、中国、日本等国家和地区的专利法对于计算机程序类专利申请的审查一直相对严格。纯粹的计算机程序在审查中往往会被认定为一种思维规则，而不属于专利保护的客体。无论是基于规则的智能识别系统，还是专家系统，认定其核心算法的可专利性难度都较大。

在人工智能算法的可专利性方面，根据计算机程序的专利审查标准，关于计算机程序与硬件相结合的技术方案，如果算法硬件部分相对于现有技术缺乏创造性，算法也是使用现有的算法，这样的专利申请基本上无法克服新颖性和创造性的缺陷，即使专利申请被受理，在实质审查阶段也很难被授权。在这一阶段，一方面由于人工智能的应用领域和范围非常有限，人工智能相关的专利申请数量相对较少，传统法律体系保护的局限性没有引起特别的关注，另一方面，这些算法的代码表达是可以通过著作权法保护的。因此，这一阶段的知识产权保护制度能够满足人工智能技术的保护需求。

第二阶段：人工智能的专利强保护时代

随着技术的发展，人工智能的应用范围不断扩大，特别是深度学习技术的取得重大进展后，人工智能技术已经逐渐演化为类似于一种不可或缺的“基础设施”，在汽车、医疗、电子商务等多个产业领域日益发挥着重要的作用。

在2006年，加拿大多伦多大学的杰弗里·辛顿（Geoffrey Hinton）教授及其学生提出了一种创新的深度学习模型，并成功地将其应用于图像识别领域，在2012年斩获了“Imagenet图像识别比赛”的冠军。随后，这一深度学习模型迅速在实际应用中得到推广，带动了人工智能技术的新一轮繁荣，在图像识别和自然语言处理领域取得了显著成就。人工智能技术的应用领域也逐渐从图像识别、自然语言处理扩展到了自动驾驶、疾病诊断等多个领域，人工智能技术逐渐成为现代工业系统中不可或缺的重要组成部分。同时，世界各国也引起了对人工智能领域的知识产权保护问题的广泛关注。高科技企业积极投入到人工智能领域的专利申请工作中。，人工智能领域的专利申请数量在全球范围内已经超过数十万件，其中直接涉及机器学习主题的专利家族数量已经超过了两万个，并且这一数字仍然呈现高速增长的趋势。

尽管人工智能的专利申请数量巨大，但在专利授权方面却面临着许多挑战。人工智能的核心部分是机器学习算法，专利申请也主要集中在这一领域。这些算法或计算机程序很多体现为数学模型，多数国家都不认可其是专利保护客体。欧盟的专利审查指南指出，神经网络等机器学习算法或计算模型具有数学的本质，审查时需要重点关注。[5]EPO. Guidelines for Examination in the European Patent Office [EB/OL]. (2023-06)[2023-07-25] 美国在修订审查指南前，在专利审查实践中，计算机程序常被划分为抽象的概念，属于不适格的专利客体。[6]USPTO. Manual of Patent Examining Procedure (MPEP) [EB/OL]. (2022-07)[2023-07-25] 目前各国都认为，计算机程序与相关工业技术相结合的技术方案具有可专利性，但是在评价创造性方面，各国的态度又差异明显。以机器学习为核心的人工智能技术，很多技术包含算法和模型训练方法，而各国专利法对这类计算机程序的专利审查较为严格。

这种严格的专利审查制度给企业带来了极大的困扰。随着人工智能技术的兴起，全球范围内涌现出了许多专门从事人工智能技术开发的公司，它们的业务涵盖数据处理、算法研究、芯片设计等多个领域。许多ICT（信息与通信技术）领域的企业也成立了专门的人工智能研发小组或实验室。各大企业将人工智能技术的研发视为重中之重，因此需要采取更强有力的知识产权保护措施来保护他们的研发成果。企业在推进人工智能的算法落地时，在数据训练、模型调参方面投入了很多精力和资源，但在申请专利的时候会发现相关的技术方案很难获得专利授权和保护。因为基础的算法模型许多都已在行业内开放，比如各企业都会循环利用神经网络模型去处理图像，对于图像分割、向量转换的方法也大同小异。根据以往的审查标准，这些专利满足新颖性和创造性的难度较高。现有的专利审查尺度会打击人工智能企业申请专利的热情和积极性，不利于促进产业技术的整体发展和创新。现有的知识产权保护措施已经不能适应人工智能发展的技术保护要求，于是美国、欧盟、日本、中国等国家和地区在2019年前后都对本国和本地区的专利审查规定进行了修改，整体上放宽了人工智能领域的专利审查尺度。中国的审查指南明确规定：“在审查中，不应当简单割裂技术特征与算法特征或商业规则和方法特征等，而应将权利要求记载的所有内容作为一个整体，对其中涉及的技术手段、解决的技术问题和获得的技术效果进行分析”。[7]《国家知识产权局关于修改<专利审查指南>的决定》[EB/OL]. (2019-12-31) [2023-08-07]. https://www.gov.cn/zhengce/zhengceku/2019-12/31/content_5465485.htm.此外，各国都认同，在评价专利创造性时，若算法的改进能够使技术方案产生明显的、意想不到的技术效果，改进的算法可以用来评价技术方案的创造性。这些修改在一定程度上放宽了人工智能领域的专利审查尺度，提高了企业申请人工智能专利的积极性。

第三阶段：生成式人工智能给知识产权制度带来机遇和挑战

我国发布的《生成式人工智能服务管理暂行办法》将生成式人工智能技术定义为具有文本、图片、音频、视频等内容生成能力的模型及相关技术。生成式人工智能是人工智能的一种类型，可以创造各种各样的数据，如图像、视频、音频、文本和3D模型。它通过从现有数据中学习模式，然后使用这些数据知识来生成新的输出内容。生成式人工智能能够产生高度逼真和复杂的内容，模仿人类的创造力，成为文创、娱乐和工业设计等众多领域的得力工具。[8]寿步.《生成式人工智能服务管理办法》的立法必要性探讨[EB/OL]. (2023-04-17) [2023-09-07]. https://mp.weixin.qq.com/s/Xnfx9d6gtPqFWUcZuxWZ3g）（译自https://generativeai.net/）2022年底，大语言模型在自然语言处理方面表现优异，在全球掀起了新一轮对人工智能的热切关注。这一技术的出现不仅引发了广泛的兴趣，还预示着人工智能将深刻影响我们的日常生活和工作方式。人工智能技术预计将被广泛应用于各种电子设备中，推动电子设备的升级和革新，从而更好地满足人类的需求，提高生活质量并提升生产效率。

与以往的人工智能技术不同，大语言模型凭借其卓越的自然语言处理能力迅速融入人们的实际需求中。人们开始利用大语言模型来提高工作效率、优化生活体验，例如用于创意设计、文学创作和信息检索等方面。生成式人工智能不仅能够创作文本，还能够生成图像、音频和视频等多媒体内容，甚至能够通过虚拟演员扮演角色。生成式人工智能技术的广泛应用已经彻底改变了信息搜索的方式。在传统的研发体系中，研发人员通常依赖搜索引擎来查找资料，然而，随着生成式人工智能技术的进步，研发人员现在不仅可以迅速搜索信息，还可以利用生成式人工智能平台生成一系列解决方案。然而，这也引发了一系列关于知识产权保护的新问题和挑战。人类使用大语言模型生成的内容涉及到诸多法律和伦理问题，如知识产权归属、内容所有以及侵权责任等。这些由生成式人工智能生成的作品是否应受到知识产权保护，以及这些作品的作者是否应该被确定为人工智能平台，都是需要深入研究的知识产权新议题。

目前看来，各国司法实践普遍不支持将生成式人工智能平台视为作品的作者或者发明的创造者，也不支持将人工智能平台生成的内容的所有权归属于平台提供方。但是，如果人工智能平台生成的内容无法获得知识产权保护，那么这可能会打击平台方对人工智能技术的开发积极性和创新热情。因此，我们也需要对这一领域的知识产权问题进行深入研究，以制定更加适应当前技术发展的法律规则，促进人工智能技术的可持续发展和创新。