人工智能領域的知識產權發展概述

【編者按】

本系列連載由上海國瓴律師事務所名譽主任、上海交通大學網絡空間治理研究中心主任壽步教授和上海國瓴律師事務所高級顧問趙佑斌合作撰寫，李安陽曾參與討論。經作者授權，現在上海國瓴律師事務所公眾號刊發。

《人工智能領域的知識產權管理》

目錄

1人工智能領域的知識產權管理

1.1 人工智能領域的知識產權發展概述

2 人工智能領域的知識產權管理特點

2.1技術複雜更新速度快

2.2 專利、著作權、商業秘密的保護方式選擇

2.3 開源代碼和開源平臺問題

2.4 隱私數據和商業秘密保護的問題

3 人工智能領域的知識產權管理要點

3.1 人工智能領域的知識產權確權管理要點

3.2 人工智能領域知識產權的風險管理

3.3 人工智能領域技術的知識產權維權管理

3.4 人工智能領域技術知識產權成果轉化管理

4 人工智能生成的內容和發明創造的知識產權問題

4.1 人工智能生成的內容和發明創造的主體是行為體

4.2 人工智能行為體生成內容的著作權問題

4.3 人工智能行為體生成發明創造的專利問題

4.4 人工智能生成的內容和發明創造的合規問題

目前，人工智能的核心產品和技術包括計算機視覺、智能語音、問答機器人、自動駕駛、知識圖譜、自然語言處理、AI芯片、智能醫療診斷系統等。以ChatGPT為代表的大語言模型，已經在全球範圍內引起了廣泛的關注。基礎設施層的大語言模型通過大數據、大算力和先進的算法的結合，正在深刻地改變著各行各業的技術和商業生態。人工智能的知識產權發展與人工智能技術的進步密不可分。人工智能技術的不斷發展突破了現有的知識產權保護體系的邊界範圍，這對傳統的專利制度、著作權制度提出了挑戰，特別是生成式人工智能的誕生和應用，讓傳統知識產權體系中的基本元素，如發明人、作者的概念都變得模糊，需要我們對相關概念重新進行探討。總體而言，人工智能的知識產權發展可以大體上分為三個階段： 

第一階段：依靠傳統知識產權制度的保護階段

“人工智能”概念的提出激發了科研人員對人工智能技術在各個行業應用的不斷探索。在20世紀70年代，斯坦福大學研發了基於規則的MYCIN系統，該系統能夠識別多種細菌和抗生素，用於協助醫生診斷血液感染疾病並選擇合適的藥物治療。在20世紀80年代，人工智能領域的教授道格拉斯•勒奈（Douglas Lenat）開發了基於知識和規則的專家系統，該系統收集了數百萬概念數據和數千萬常識規則，旨在讓計算機具備智能推理的能力。20世紀90年代，IBM的超級計算機“深藍”擊敗了國際象棋世界冠軍，成為人工智能技術發展的重要裡程碑。這些事件引發了廣泛的關注，但很快人們發現，許多人工智能科研項目難以在實際應用中取得真正的進展，人工智能技術在短暫的輝煌後迅速進入了一個緩慢發展期。

人工智能技術自上世紀50年代誕生以來，經過半個多世紀的蓬勃發展，取得了多個引人注目的成就，出現了例如貝葉斯網絡、支持向量機、卷積神經網絡等算法。然而，這些成果大部分只是在實驗階段，一旦應用於工業環境，很快就會面臨發展瓶頸。

這些人工智能技術在工業界沒有廣泛應用，對於這些算法或系統的知識產權保護，與一般計算機程序的要求相比並沒有更高。傳統的知識產權體系，包括商業秘密、商標、專利和著作權等方面的法律規定，能夠滿足人工智能技術在這一階段的知識產權保護需求。

曆史上，包括美國、歐洲、中國、日本等國家和地區的專利法對於計算機程序類專利申請的審查一直相對嚴格。純粹的計算機程序在審查中往往會被認定為一種思維規則，而不屬於專利保護的客體。無論是基於規則的智能識別系統，還是專家系統，認定其核心算法的可專利性難度都較大。

在人工智能算法的可專利性方面，根據計算機程序的專利審查標準，關於計算機程序與硬件相結合的技術方案，如果算法硬件部分相對於現有技術缺乏創造性，算法也是使用現有的算法，這樣的專利申請基本上無法克服新穎性和創造性的缺陷，即使專利申請被受理，在實質審查階段也很難被授權。在這一階段，一方面由於人工智能的應用領域和範圍非常有限，人工智能相關的專利申請數量相對較少，傳統法律體系保護的局限性沒有引起特別的關注，另一方面，這些算法的代碼表達是可以通過著作權法保護的。因此，這一階段的知識產權保護制度能夠滿足人工智能技術的保護需求。

第二階段：人工智能的專利強保護時代

隨著技術的發展，人工智能的應用範圍不斷擴大，特別是深度學習技術的取得重大進展後，人工智能技術已經逐漸演化為類似於一種不可或缺的“基礎設施”，在汽車、醫療、電子商務等多個產業領域日益發揮著重要的作用。

在2006年，加拿大多倫多大學的傑弗裡·辛頓（Geoffrey Hinton）教授及其學生提出了一種創新的深度學習模型，並成功地將其應用於圖像識別領域，在2012年斬獲了“Imagenet圖像識別比賽”的冠軍。隨後，這一深度學習模型迅速在實際應用中得到推廣，帶動了人工智能技術的新一輪繁榮，在圖像識別和自然語言處理領域取得了顯著成就。人工智能技術的應用領域也逐漸從圖像識別、自然語言處理擴展到了自動駕駛、疾病診斷等多個領域，人工智能技術逐漸成為現代工業系統中不可或缺的重要組成部分。同時，世界各國也引起了對人工智能領域的知識產權保護問題的廣泛關注。高科技企業積極投入到人工智能領域的專利申請工作中。，人工智能領域的專利申請數量在全球範圍內已經超過數十萬件，其中直接涉及機器學習主題的專利家族數量已經超過了兩萬個，並且這一數字仍然呈現高速增長的趨勢。

盡管人工智能的專利申請數量巨大，但在專利授權方面卻面臨著許多挑戰。人工智能的核心部分是機器學習算法，專利申請也主要集中在這一領域。這些算法或計算機程序很多體現為數學模型，多數國家都不認可其是專利保護客體。歐盟的專利審查指南指出，神經網絡等機器學習算法或計算模型具有數學的本質，審查時需要重點關注。[5]EPO. Guidelines for Examination in the European Patent Office [EB/OL]. (2023-06)[2023-07-25] 美國在修訂審查指南前，在專利審查實踐中，計算機程序常被劃分為抽象的概念，屬於不適格的專利客體。[6]USPTO. Manual of Patent Examining Procedure (MPEP) [EB/OL]. (2022-07)[2023-07-25] 目前各國都認為，計算機程序與相關工業技術相結合的技術方案具有可專利性，但是在評價創造性方面，各國的態度又差異明顯。以機器學習為核心的人工智能技術，很多技術包含算法和模型訓練方法，而各國專利法對這類計算機程序的專利審查較為嚴格。

這種嚴格的專利審查制度給企業帶來了極大的困擾。隨著人工智能技術的興起，全球範圍內湧現出了許多專門從事人工智能技術開發的公司，它們的業務涵蓋數據處理、算法研究、芯片設計等多個領域。許多ICT（信息與通信技術）領域的企業也成立了專門的人工智能研發小組或實驗室。各大企業將人工智能技術的研發視為重中之重，因此需要采取更強有力的知識產權保護措施來保護他們的研發成果。企業在推進人工智能的算法落地時，在數據訓練、模型調參方面投入了很多精力和資源，但在申請專利的時候會發現相關的技術方案很難獲得專利授權和保護。因為基礎的算法模型許多都已在行業內開放，比如各企業都會循環利用神經網絡模型去處理圖像，對於圖像分割、向量轉換的方法也大同小異。根據以往的審查標準，這些專利滿足新穎性和創造性的難度較高。現有的專利審查尺度會打擊人工智能企業申請專利的熱情和積極性，不利於促進產業技術的整體發展和創新。現有的知識產權保護措施已經不能適應人工智能發展的技術保護要求，於是美國、歐盟、日本、中國等國家和地區在2019年前後都對本國和本地區的專利審查規定進行了修改，整體上放寬了人工智能領域的專利審查尺度。中國的審查指南明確規定：“在審查中，不應當簡單割裂技術特征與算法特征或商業規則和方法特征等，而應將權利要求記載的所有內容作為一個整體，對其中涉及的技術手段、解決的技術問題和獲得的技術效果進行分析”。[7]《國家知識產權局關於修改<專利審查指南>的決定》[EB/OL]. (2019-12-31) [2023-08-07]. https://www.gov.cn/zhengce/zhengceku/2019-12/31/content_5465485.htm.此外，各國都認同，在評價專利創造性時，若算法的改進能夠使技術方案產生明顯的、意想不到的技術效果，改進的算法可以用來評價技術方案的創造性。這些修改在一定程度上放寬了人工智能領域的專利審查尺度，提高了企業申請人工智能專利的積極性。

第三階段：生成式人工智能給知識產權制度帶來機遇和挑戰

我國發布的《生成式人工智能服務管理暫行辦法》將生成式人工智能技術定義為具有文本、圖片、音頻、視頻等內容生成能力的模型及相關技術。生成式人工智能是人工智能的一種類型，可以創造各種各樣的數據，如圖像、視頻、音頻、文本和3D模型。它通過從現有數據中學習模式，然後使用這些數據知識來生成新的輸出內容。生成式人工智能能夠產生高度逼真和複雜的內容，模仿人類的創造力，成為文創、娛樂和工業設計等眾多領域的得力工具。[8]壽步.《生成式人工智能服務管理辦法》的立法必要性探討[EB/OL]. (2023-04-17) [2023-09-07]. https://mp.weixin.qq.com/s/Xnfx9d6gtPqFWUcZuxWZ3g）（譯自https://generativeai.net/）2022年底，大語言模型在自然語言處理方面表現優異，在全球掀起了新一輪對人工智能的熱切關注。這一技術的出現不僅引發了廣泛的興趣，還預示著人工智能將深刻影響我們的日常生活和工作方式。人工智能技術預計將被廣泛應用於各種電子設備中，推動電子設備的升級和革新，從而更好地滿足人類的需求，提高生活質量並提升生產效率。

與以往的人工智能技術不同，大語言模型憑借其卓越的自然語言處理能力迅速融入人們的實際需求中。人們開始利用大語言模型來提高工作效率、優化生活體驗，例如用於創意設計、文學創作和信息檢索等方面。生成式人工智能不僅能夠創作文本，還能夠生成圖像、音頻和視頻等多媒體內容，甚至能夠通過虛擬演員扮演角色。生成式人工智能技術的廣泛應用已經徹底改變了信息搜索的方式。在傳統的研發體系中，研發人員通常依賴搜索引擎來查找資料，然而，隨著生成式人工智能技術的進步，研發人員現在不僅可以迅速搜索信息，還可以利用生成式人工智能平臺生成一系列解決方案。然而，這也引發了一系列關於知識產權保護的新問題和挑戰。人類使用大語言模型生成的內容涉及到諸多法律和倫理問題，如知識產權歸屬、內容所有以及侵權責任等。這些由生成式人工智能生成的作品是否應受到知識產權保護，以及這些作品的作者是否應該被確定為人工智能平臺，都是需要深入研究的知識產權新議題。

目前看來，各國司法實踐普遍不支持將生成式人工智能平臺視為作品的作者或者發明的創造者，也不支持將人工智能平臺生成的內容的所有權歸屬於平臺提供方。但是，如果人工智能平臺生成的內容無法獲得知識產權保護，那麼這可能會打擊平臺方對人工智能技術的開發積極性和創新熱情。因此，我們也需要對這一領域的知識產權問題進行深入研究，以制定更加適應當前技術發展的法律規則，促進人工智能技術的可持續發展和創新。