姚 葉

(1.中南財經(jīng)政法大學 知識產(chǎn)權研究中心，湖北 武漢 430073;2.馬克思普朗克創(chuàng)新與競爭研究所，德國 慕尼黑 80539)

1 人工智能算法立法的現(xiàn)實迫切性

算法分析和決策越來越多地被用于各個部門，包括政府。它們被用來確定貸款利率，雇用和解雇員工，跟蹤、標記、預測人類行為。由于人工智能算法具有技術屬性，企業(yè)試圖通過申請專利的方式對其進行保護與利用，如谷歌公司的Dropout專利就是一種人工智能算法。在世界范圍內，諸多國家通過修改專利法和案例裁決承認人工智能算法的專利客體地位，并為其修改審查規(guī)則?，F(xiàn)有研究對于人工智能算法的“可解釋性”“可問責性”研究較多，但是，對于什么是人工智能算法往往避而不答。諸多國家和地區(qū)已經(jīng)頒布人工智能算法專利審查細則或具體應用指南，但鮮有學者深度解析人工智能算法授權是否符合專利法宗旨。我國《專利審查指南》中明確了具有算法特征的技術方案可獲得專利，并頒布了具體規(guī)則，但是，條文設置是否邏輯通順值得探討。鑒于此，本文針對上述問題展開論證，并提出我國人工智能算法專利應對方案。

2 人工智能算法及其隱憂

2.1 算法：由自然過程到計算機程序算法

算法一詞由來已久，是9世紀波斯數(shù)學家Khwarizmi的名字，后來指求解問題應當遵循有條理的步驟。Woodrow Barfield等(2020)認為，從法律角度來看，作為自然過程的算法、程序員編寫的算法與從機器學習技術衍生出來的算法有著本質區(qū)別，這些差異主要包括算法設計目的，以及使用獨立于人類輸入和控制的算法的法律后果。算法在法律中最早出現(xiàn)時，被定義為“自然過程”。在Gottschalk v. Benson案中，法院將算法定義為解決給定類型數(shù)學問題的程序，并認為其是自然現(xiàn)象且不可申請專利。隨著計算機中算法的普遍應用，算法被認為是一組數(shù)學指令或規(guī)則，以軟件程序的形式指示計算機硬件執(zhí)行特定任務。在我國，從著作權意義上講，計算機軟件內容包括計算機程序和文檔兩部分。文檔由程序設計、編程人員和測試人員編輯的文字、符號或圖片組成，計算機程序又分為源程序與目標程序。算法通常用源代碼編寫并構成源程序，源代碼通常被計算機翻譯成機器可讀的目標代碼并形成目標程序。隨后，算法發(fā)展成為人工智能算法，即“從機器學習衍生出來的算法”。

2.2 由“符號主義”算法到“連結主義”算法

從人工智能發(fā)展史來看，人工智能主要分為兩個流派：符號或經(jīng)典人工智能、連結人工智能。對于符號或經(jīng)典主義人工智能而言，人工智能為計算機軟件創(chuàng)造其應當遵循的規(guī)則，對機器的決定進行事先安排，若發(fā)生特定事件則執(zhí)行特定操作。連結主義人工智能通過在簡單甚至統(tǒng)一單元(如人工神經(jīng)元)相互連接的網(wǎng)絡中學習規(guī)則，產(chǎn)生智能行為。在連接人工智能主義中，計算機可以從材料中學習并生成自己的規(guī)則，特別是從大型數(shù)據(jù)集中學習并生成對數(shù)據(jù)的理解[1]。由于大數(shù)據(jù)以及算力的發(fā)展，連結主義人工智能逐漸發(fā)展起來，機器學習算法和深度學習算法等均是連結主義人工智能發(fā)展的產(chǎn)物。從普遍意義上講，計算機軟件是符號或經(jīng)典人工智能的產(chǎn)物，其產(chǎn)生邏輯是匹配既有規(guī)則與特定情形并產(chǎn)出結果，而深度學習算法、機器學習算法則是從數(shù)據(jù)中學習規(guī)則(見圖1、圖2)。

圖1 符號主義人工智能運行中數(shù)據(jù)、規(guī)則與答案之間的關系Fig.1 Relationship between data, rules and answers in the operation of symbolic AI

圖2 連結主義人工智能運行中數(shù)據(jù)、規(guī)則與答案之間的關系Fig.2 Relationship between data, rules and answers in the operation of connectionist AI

2.3 “連結主義”算法的隱憂

從“符號主義”到“連結主義”的算法生產(chǎn)方式變革，不僅意味著算法運行邏輯發(fā)生改變，而且意味著數(shù)據(jù)這一生產(chǎn)要素能夠對人工智能算法的歸屬、披露規(guī)則產(chǎn)生較大影響力。數(shù)據(jù)會影響算法運算，故而人工智能算法的公開必須考慮對訓練數(shù)據(jù)進行披露。一個人工智能算法的形成，首先需要選擇一個合適的模型，將數(shù)據(jù)“喂”給模型，然后形成算法。有一個經(jīng)典的對算法與數(shù)據(jù)間關系的論證是“偏見進，偏見出”，即當人工智能算法被“喂養(yǎng)”的是帶有偏見的數(shù)據(jù)時，人工智能算法也是具有偏見的。傳統(tǒng)計算機算法的形成主要依賴程序員的代碼，相關發(fā)明的公開必須公開算法的原始代碼與目標代碼，因而人工智能算法的公開也應當考慮公開算法的訓練數(shù)據(jù)。美國專利商標局發(fā)布題為“人工智能和知識產(chǎn)權政策公眾觀點”的報告，參與討論的專家和機構一致認為，在專利領域人工智能發(fā)明判斷的非排他性要素主要包括：用于訓練人工智能并在系統(tǒng)上運行的數(shù)據(jù)庫結構、用于訓練算法的數(shù)據(jù)等[2]。人工智能算法審查規(guī)則與披露規(guī)則難以應對這種轉變，故而應適時對這些規(guī)則進行調試。人工智能算法由數(shù)據(jù)訓練而得，因而算法權屬也應再作考量。根據(jù)樸素的“勞動價值理論”，為人工智能算法提供數(shù)據(jù)的主體在人工智能算法形成過程中貢獻較大，獲得專利權較為合理。從風險控制理論來看，算法生成中數(shù)據(jù)主體對算法的控制能力更強，數(shù)據(jù)生產(chǎn)者、控制者也能獲得部分權益?？梢?，人工智能算法與數(shù)據(jù)間關系會導致算法權屬變革。

盡管人工智能算法的學習邏輯與傳統(tǒng)算法不同，但其需要使用計算機完成，故而仍然屬于計算機程序算法，受到既有計算機程序算法相應法律、法規(guī)、規(guī)章的規(guī)制。

3 人工智能算法專利審查規(guī)定

3.1 中國審查指南

2021年開始實行的新版《專利審查指南》在第二部分第九章第6節(jié)，增加了包含算法特征或商業(yè)規(guī)則和方法特征的發(fā)明專利申請審查規(guī)定。本次《專利審查指南》修改旨在防止審查人員對技術特征與算法或商業(yè)方法特征的割裂，致力于客觀評價發(fā)明的實質貢獻，保護真正的發(fā)明創(chuàng)造[3]。第九章內容主要是“關于涉及計算機程序的發(fā)明專利申請審查的若干規(guī)定”，具體審查規(guī)則主要在第6節(jié)。一是強調對權利要求的“整體考慮原則”，明確包含技術特征與算法特征的技術要求不應當被排除在可專利性外，審查時應當將權利要求的所有內容作為一個整體看待。二是明確客體相關法律條款審查順序，先判斷其是否構成不屬于排除獲得專利權的情形，再考察權利要求中技術方案的技術手段、解決的技術問題和獲得的技術效果。如果權利要求記載了對要解決的技術問題采用了利用自然規(guī)律的技術手段，并由此獲得符合自然規(guī)律的技術效果，則構成專利法認可的技術方案。對新穎性和創(chuàng)造性進行審查時，采取“關聯(lián)考慮原則”，考慮權利要求書中的全部特征，即技術特征和算法或商業(yè)方法本身特征，如果上述特征在“功能上彼此相互支持、存在相互作用”，共同構成技術手段并獲得技術效果，則符合新穎性和創(chuàng)造性要求。應用于具體領域并解決技術問題以及技術手段調整或改進，都被認為是“功能上彼此相互支持、存在相互作用”。

從以上規(guī)則可知，中國《專利審查指南》將具有算法特征或商業(yè)規(guī)則和方法特征的發(fā)明置于對“計算機程序”相關發(fā)明的審查規(guī)則之下。這具有兩重含義：其一，人工智能算法和商業(yè)方法是計算機程序相關發(fā)明；其二，如果人工智能算法符合“是一種方法、由計算機實施并且具有算法特征”的條件，則可以選擇人工智能算法、商業(yè)方法、計算機程序中的一種申請專利權。

3.2 歐盟審查指南

對于專利客體，歐盟審查指南規(guī)定“一個發(fā)明需要是新的，包含發(fā)明步驟，可以工業(yè)應用”。對技術方案是否具有技術特征進行檢驗，即對技術領域、技術問題、技術特性進行檢驗。規(guī)定了本身不具有可專利性的客體，如發(fā)現(xiàn)、科學理論、數(shù)學方法與審美創(chuàng)作。上述內容雖本身不具有可專利性，但是，在某些情況下也具有可專利性，如計算機實施的發(fā)明和人工智能[4]。

《歐盟專利審查指南》進一步細化了人工智能算法審查步驟，并將“人工智能和機器學習”放在專利例外名單中。指南指出，人工智能算法與數(shù)學方法有關，原因在于人工智能和機器學習是基于分類、聚類、回歸、降維的計算模型與算法，如神經(jīng)網(wǎng)絡、遺傳算法、支持向量機、K-均值、核回歸和判別分析技術，這類計算模型和算法本身具有抽象的數(shù)學性質，無論它們是否可根據(jù)數(shù)據(jù)進行“訓練”。

《歐盟專利審查指南》規(guī)定，一個數(shù)學方法如果具有以下特點，則可能被認為具有技術特征：一是產(chǎn)生技術效果并因此被認為是技術目的；二是被應用于一個技術領域或開展技術性實施。判斷人工智能算法是否具有技術特征時，須考慮其技術目的與技術實施。指南規(guī)定，須將申請人所申請的客體作為整體進行審查，考察某一算法是否使用技術手段。首先，對于技術領域與技術應用，人工智能和機器學習在各個技術領域都有應用。指南指出，心臟監(jiān)測設備中使用神經(jīng)網(wǎng)絡識別不規(guī)則心跳就屬于技術貢獻?；诘图壧卣?例如圖像邊緣或像素屬性)，對數(shù)字圖像、視頻、音頻或語音信號進行分類是分類算法的進一步典型技術應用。當然，如果人工智能算法符合其它傳統(tǒng)的使得數(shù)學方法具有可專利性的技術應用，則其也能夠符合指南要求。其次是關注技術目的。僅根據(jù)文本內容對文本文件進行分類不是技術目的，而是語言目的。對抽象數(shù)據(jù)記錄或“電信網(wǎng)絡數(shù)據(jù)記錄”進行分類而沒有任何技術用途的結果分類也不是技術目的，即使分類算法可能被認為是具有有價值的數(shù)學特性(例如魯棒性)。指南特別指出，某一算法生成訓練集和訓練分類器的步驟被認為是一種技術特征。

可見，歐盟在審查人工智能算法是否具有可專利性時，不認為人工智能算法具有與以往技術完全不同的特征，致力于采取統(tǒng)一規(guī)則對包含“數(shù)學方法”的技術方案進行檢驗。

3.3 美國審查指南

在Alice v. CLS Bank 案中，法院結合Mayo v. Prometheus案形成了“兩步測試法”。步驟1：確定該權利要求是否涉及工藝、機器、制造、物質組成；步驟2：首先，確定該權利要求是否針對自然法則、自然現(xiàn)象或抽象概念(步驟2a)，然后，確定該權利要求是否敘述了顯著超過“司法例外”的額外要素(步驟2b)。盡管美國并沒有為人工智能相關發(fā)明提供獨特的審查指南，但其已經(jīng)意識到發(fā)布相關指南的必要性。2018年美國專利商標局局長安德烈·揚庫 (Andrei Iancu)指出，算法(包括構成人工智能基礎的算法)是人類獨創(chuàng)性的結果，其與僅代表自然發(fā)生現(xiàn)象的數(shù)學方程“非常不同”。

2019年美國專利商標局發(fā)布《專利客體資格指南》[5]，明確“抽象思想”包括數(shù)學概念、組織人類活動的某些方法和心理過程。其中，數(shù)學概念包含數(shù)學關系、數(shù)學公式或方程、數(shù)學計算，組織人類活動的某些方法包括基本的經(jīng)濟原則或做法、商業(yè)或法律互動、管理個人行為或人與人之間的關系及互動。心理過程是指人類頭腦中進行的概念，包括觀察、評估、判斷、意見。步驟2a又細分為兩條：第1條是確定要求的發(fā)明是否針對司法例外，即自然法則、自然現(xiàn)象或抽象概念，如果是，那么進入第2條；第2條是確定所要求的發(fā)明作為一個整體是否將司法例外納入實際應用。審查員要確定所要求的發(fā)明是否包括不屬于司法例外的其它元素，并評估該元素是否將司法例外納入實際應用中。如果不是，那么進入步驟2b。

美國對于人工智能算法相關發(fā)明的審查具有先進的技術視野，不是針對人工智能算法等含有抽象思想特征的技術進行單獨立法，而是為審查人員提供清晰的審查指南。這種做法在技術發(fā)展的同時有更多解釋空間，但是，難以適應大陸法系國家需要。

4 人工智能算法專利正當性驗證——法經(jīng)濟學視角

授予專利權是為了鼓勵創(chuàng)新。專利權建立在許多理論基礎之上，如精神權利、回報理論或分配正義，但事實上它們無法為專利法具體內容如保護范圍、短時期保護等提供理論支撐。德國馬克思普朗克創(chuàng)新與競爭研究所的Hilty所長等[6]認為，自然權利理論如洛克的財產(chǎn)價值理論與黑格爾的精神理論在技術發(fā)展過程中已經(jīng)被淘汰。專利法理論具有產(chǎn)業(yè)性，前景理論適用于制藥業(yè)，因為在藥品投放市場之前，該行業(yè)有大量投資；競爭性創(chuàng)新理論可以很好地映射到商業(yè)方法行業(yè)，因為即使沒有專利保護，公司也有充分動機開發(fā)商業(yè)方法；積累性創(chuàng)新理論在軟件行業(yè)非常有效，因為創(chuàng)新過程需要許多工人，每個人都在其他人工作基礎上進行創(chuàng)新；此外，反公地和專利叢林理論在相關領域也很重要。找到或創(chuàng)造一個證明人工智能算法專利合法性的理論，是確保專利法理論連續(xù)性的重要環(huán)節(jié)[7]。

4.1 創(chuàng)新披露理論

發(fā)明者通常從發(fā)明新的工藝或產(chǎn)品中獲得回報，他們也會對相關信息進行保密以防止被迅速模仿。創(chuàng)新披露理論指出，為發(fā)明申請專利會誘使發(fā)明者公開相關信息。專利不是激勵發(fā)明的必要條件，專利鼓勵公開，為快速和廣泛傳播新發(fā)明中技術信息提供了一個制度工具[8]。創(chuàng)新披露理論不僅能夠在廣泛意義上促進專利技術公開，而且可以為人工智能算法獲得專利權提供一步論證。人工智能算法是人工智能的核心，算法進步直接推動人工智能技術進步。例如，卷積神經(jīng)網(wǎng)絡、迭代算法等的發(fā)展使得人工智能發(fā)展至斯。人工智能的不透明問題來自于從符號人工智能到連結主義人工智能的轉變。深度學習依靠大量人工神經(jīng)網(wǎng)絡，這些神經(jīng)網(wǎng)絡被比喻為人腦“神經(jīng)元”，它們的形成需要大量節(jié)點，這些節(jié)點構成大量“層”，每個人工神經(jīng)元處理一小部分數(shù)據(jù)(特征)[9]。每個節(jié)點的權重不同，根據(jù)不同數(shù)據(jù)點間關系強度與其它節(jié)點連接。也就是說，深度學習算法將以往算法的因果關系邏輯發(fā)展到相關性關系邏輯。盡管有學者認為在技術層面人工智能算法“黑箱”具有破解之道[10]，但其缺乏對現(xiàn)實障礙的充分考慮。連結主義人工智能的訓練原料是數(shù)據(jù)，工具是模型，不同數(shù)據(jù)、模型決定算法訓練結果不同。對數(shù)據(jù)、模型和算法邏輯進行披露，需要專利制度予以激勵。

有學者認為創(chuàng)新披露理論的邏輯是發(fā)明者在公開相關信息的條件下獲得專利等獨占權，但是，長時期獨占可能遏制企業(yè)創(chuàng)新能力提升。鑒于人工智能發(fā)展速度較快，專利法可以通過專利期限改革提高信息使用效率。促進信息公開可以增加社會知識，激勵企業(yè)公開外界難以獲知的信息，這對于被看作是“黑箱”的算法而言十分必要。

4.2 累積創(chuàng)新理論

一個產(chǎn)品的產(chǎn)生不僅僅來源于最初的發(fā)明，也源于在此基礎之上的一次或多次創(chuàng)新。專利權固然很重要，但不應在其上賦予無限獨占權，因為給予在先發(fā)明人獨占控制權是沒有效率的(Burk等，2003)，畢竟通過在先發(fā)明人授予在后發(fā)明人許可進行權利流轉需要耗費時間與精力。Merges是這一理論的支持者，他列舉了累積創(chuàng)新在諸多產(chǎn)業(yè)中發(fā)揮功效的實例。軟件行業(yè)是這一理論有效性的有力證據(jù)，而人工智能行業(yè)在本質上與軟件行業(yè)有著類似的經(jīng)濟特點：首先，軟件行業(yè)有相對較低的固定成本和較短上市時間，創(chuàng)新成本與后續(xù)競爭成本的比率不算特別高?？寺∷说某绦虮葟念^開始設計自己的程序花費更少，而且差別并不大。在數(shù)據(jù)高速流轉的當代，依賴有效模型就能產(chǎn)出不同算法，而且一旦數(shù)據(jù)相同，產(chǎn)出相同算法也不是難事。其次，軟件行業(yè)創(chuàng)新具有快速、漸進式特點，而人工智能產(chǎn)業(yè)發(fā)展也是一代一代編程人員不斷摸索出來的結果。一項人工智能算法技術方案涵蓋多種算法，是算法的集合。最后，快速發(fā)展的軟件行業(yè)創(chuàng)新具有低水平特性[7]，大量軟件專利曾因過于寬泛的知識產(chǎn)權政策而獲得授權。人工智能算法技術方案可能因為數(shù)據(jù)改進而產(chǎn)出大量方案，也可能通過使用專門詞語替換技術產(chǎn)生諸多沒有實際功能但可通過專利審查人員測試的算法。累積創(chuàng)新理論在催生諸多發(fā)明的同時，可能促使或加劇在后專利對在前專利的侵權。盡管如此，也不能因噎廢食，專利法可通過專利審查標準的設定阻斷低質量專利的產(chǎn)生，也可在司法實踐中通過較高的侵權成本對侵權行為產(chǎn)生威懾，達到促進技術方案發(fā)明和控制侵權專利泛濫的目的。

總之，人工智能有較多難以預測的負面效應，且前人經(jīng)驗對后人來說至關重要。創(chuàng)新披露理論、累積創(chuàng)新理論均能夠為人工智能算法尋求專利法承認提供理論支撐，人工智能算法專利并非無源之水、無本之木。

5 我國人工智能算法審查中存在的問題及對策

5.1 我國專利法規(guī)范體系與現(xiàn)狀

《中華人民共和國專利法》第二章第22條和第25條規(guī)定了專利客體資格及其審查內容。第22條排除了科學發(fā)現(xiàn)、智力活動規(guī)則和方法、疾病診斷和治療方法、動物和植物品種、用原子核變換方法獲得的物質以及主要起標識作用的設計，第25條則規(guī)定具有新穎性、創(chuàng)造性與實用性的技術方案方具有可專利性。上述條款和《專利審查指南》共同構成我國人工智能算法技術方案審查的系統(tǒng)性規(guī)定。其中，新穎性強調“新”即不屬于“現(xiàn)有技術”；實用性強調技術方案必須能夠被反復應用且具有正向效益；創(chuàng)造性則要求與現(xiàn)有技術相比，技術方案具有突出的實質性特點和顯著進步。

我國實務界將人工智能算法專利分為3類：第一類是常規(guī)意義上的人工智能算法，如神經(jīng)網(wǎng)絡改進；第二類是人工智能算法功能性應用，如計算機視覺、語音處理等；第三類是人工智能算法行業(yè)應用，如智慧城市、無人駕駛等[11]。在我國，單純的人工智能算法不構成專利，但是，人工智能算法改進可以獲得專利權。哈爾濱工業(yè)大學大數(shù)據(jù)產(chǎn)業(yè)有限公司申請了“一種基于深度學習的缺失值填充方法及系統(tǒng)”[12]，申請人稱這一發(fā)明解決了數(shù)據(jù)庫缺失值填充問題，達到準確度更高、速度更快的效果，能更真實快速地還原缺失數(shù)據(jù)。具體而言，這一專利主要的技術貢獻特征在于通過模擬數(shù)據(jù)缺失，反復訓練卷積神經(jīng)網(wǎng)絡進行數(shù)據(jù)填充，將填充結果與測試樣本集進行比對，直至卷積神經(jīng)網(wǎng)絡結構滿足精度要求。這一技術方案屬于人工智能算法改進，并未涉及具體傳統(tǒng)技術特征，其于2018年4月13日獲得專利權。人工智能算法與技術特征結合獲得專利的典型案例如下：作為一種功能性應用，一種基于卷積神經(jīng)網(wǎng)絡的車輛檢測方法在我國獲得專利，這一專利基于卷積神經(jīng)網(wǎng)絡算法，提出一種離線優(yōu)化方案，對訓練完成的卷積神經(jīng)網(wǎng)絡進行優(yōu)化，在檢測階段采用先進行特征提取再掃描窗口的策略，避免了重復計算特征，提高了系統(tǒng)檢測速度[13]；作為一種產(chǎn)業(yè)性應用，一種基于深度學習的無人駕駛物流車獲得專利。這一發(fā)明中包含深度學習算法，可對道路周圍環(huán)境進行感知與理解，實現(xiàn)物流車無人駕駛功能[14]。

一言以蔽之，我國并不排除人工智能算法自身改進或與技術特征相結合獲得專利權的可能性，而是采取較為寬松的態(tài)度。但是，人工智能算法審查過程中仍然存在許多困難，亟待專利法從根本上加以解決。

5.2 我國人工智能算法審查中存在的困境

(1)算法黑箱?！八惴ê谙洹北欢x為“輸入和輸出對于用戶是可見的，但是，內部過程對用戶不可見”。例如，有人認為ANN算法是一種“黑箱”。算法黑箱又稱為“有限的可解釋性”以及“缺乏預測性”，前者是指人工智能行為不能總是得到解釋，人們可以確定人工智能做了什么，但不能確定它如何或為什么這樣做；后者是指人工智能算法可以從事其原始程序員可能不打算從事的活動。人工智能算法運行原理的不透明性是算法不透明的主要原因。第一，人類對自己設計的算法有時并不能理解，更不用說具體描述。例如，由于人工智能機器人能夠以人類不懂的語言進行交流，F(xiàn)acebook工程師緊急關閉了發(fā)明語言的程序[15]。第二，算法集合性使用加劇了算法理解障礙。算法不一定單獨使用，實際上為了便于在不同工業(yè)領域應用給定數(shù)據(jù)集，集成算法得到廣泛應用。多個算法被用于分析一個數(shù)據(jù)集以確定最佳解決方案或解釋，如信用評分、網(wǎng)飛公司排名[16]。第三，算法不可知性不僅源于算法結構復雜性，也源于算法在大數(shù)據(jù)環(huán)境下的結構性位置。算法不是獨立運行的，而是作為大數(shù)據(jù)分析系統(tǒng)的一部分，執(zhí)行部分分析功能，而且前一環(huán)節(jié)產(chǎn)生的數(shù)據(jù)或信息結果作為后一環(huán)節(jié)的輸入內容。從這一角度而言，對算法內容本身的研究只能反映后一環(huán)節(jié)中算法所應用的邏輯，而不能解釋前一環(huán)節(jié)所應用的邏輯。

(2)實用性。除公開性要求外，專利法也要求申請人技術方案具有實用性、創(chuàng)造性、新穎性。其中，實用性是首要考慮要素，若技術方案未通過實用性審查則后續(xù)審查實無必要?！秾＠麑彶橹改稀芬?guī)定，可再現(xiàn)性、可實施性、能夠產(chǎn)生積極的社會效果是實用性的3個要求。但是，困難在于：第一，人工智能算法的可再現(xiàn)性不明，導致其通過實用性測試難度加大。人工智能算法從數(shù)據(jù)中學習，根據(jù)數(shù)據(jù)間相關性產(chǎn)生決策，并可能采取多種算法結合的方式形成某一特定算法，而隨機算法選擇和數(shù)據(jù)集的微小偏差都會使其產(chǎn)生不同決策；第二，人工智能算法可實施性有待考證。例如，采取人工智能算法的軟件Colem能夠自動生成專利文本，原理在于詞匯替換功能，其本身不對所生成方案的實用性、新穎性、創(chuàng)造性進行考量，故而這種算法是否具有可實施性值得懷疑；第三，人工智能算法是否產(chǎn)生積極社會效果也需要考量。人工智能算法技術方案第一重隱憂是其可能產(chǎn)生有偏見、歧視性、錯誤的決策，專利算法決策反映程序員設計之初的價值觀和使用算法的環(huán)境與手段(Eaglin，2017)。建立風險評估算法過程中存在許多人為選擇，若被部署，則該算法可能產(chǎn)生一種抽象的種族差異測量，而與司法自由裁量權相結合時，可能產(chǎn)生完全不同的測量(Ananny，2018)。一個經(jīng)典的案子是COMPAS軟件，這一軟件被美國威斯康星州某法庭用作量刑軟件，但最高法院最近拒絕認定一個審判法庭的決定，并重申應當在庭審中保護被告的正當程序權利。第二重隱憂是算法產(chǎn)生決策的理由可能是社會所不能接受的，甚至非法的。人工智能算法產(chǎn)生的決策可能基于相關性，因而可能發(fā)現(xiàn)一個人鞋子顏色與其還貸可能性之間有很強關聯(lián)性。但從規(guī)范意義上講，人們并不希望銀行根據(jù)鞋子顏色作出貸款決定。

(3)創(chuàng)造性。創(chuàng)造性審查被認為是專利制度“守夜人”，而創(chuàng)造性高度的問題長期困擾國內外實務界與學術界。我國《專利審查指南》規(guī)定，一項技術方案須具有實質性特點和顯著性進步才能通過創(chuàng)造性測試。實質性特點是指針對本領域一般技術，發(fā)明相對于現(xiàn)有技術而言并非顯而易見；顯著性進步是指發(fā)明與現(xiàn)有技術相比能夠產(chǎn)生有益的技術效果。首先，確定技術領域存在困難。隨著人工智能算法的進一步發(fā)展，人工智能算法與人類思維越相似，越可能橫跨某一或某些領域，確定人工智能算法技術領域就越困難，畢竟人腦思維是不具有領域限制的，進而導致確定“所屬技術領域的技術人員”擬制標準也成為難題。其次，判斷技術方案是否具有積極進步存在困難。人工智能算法搭配強大算力呈現(xiàn)出優(yōu)秀的數(shù)據(jù)庫檢索和整合能力，基于現(xiàn)有技術審查標準和數(shù)據(jù)庫，極容易被認為具有創(chuàng)造性[17]。創(chuàng)造性高度的判斷是抽象的，也涉及價值取向問題，而現(xiàn)階段人工智能技術人員并不具備這種價值分析能力[18]。

(4)新穎性。新穎性審查要求所申請的技術方案不屬于現(xiàn)有技術，沒有任何單位或個人就同樣的發(fā)明或者實用新型在申請日以前向專利局提出過申請。專利審查人員往往被某些僅僅看似具有新穎性的技術方案迷惑，人工智能算法依靠關鍵詞替換技術完全有可能生成與原算法本質上一致的算法，依靠反義詞、相關詞替換生成圍繞既有專利的看似新穎的技術方案。對審查人員而言，這完全具有新穎性，但這些技術對人類社會無所增益。另外，新穎性審查需要專利審查部門將數(shù)據(jù)庫與檢索方式相結合，人工智能算法的算力與數(shù)據(jù)存儲量使得其完全有能力避開審查人員數(shù)據(jù)庫或檢索方式而“欺騙”審查機構[17]。

5.3 我國人工智能算法規(guī)制的未來走向

(1)《專利審查指南》中部分條文需作適當修正。一方面，“含有算法特征”“商業(yè)規(guī)則和方法特征”并列置于《專利審查指南》第六章“計算機程序”相關發(fā)明審查規(guī)則之下，這是缺乏嚴密邏輯的。含有算法特征與含有商業(yè)方法特征的技術方案共同之處是包含“抽象的思想”，將商業(yè)規(guī)則或方法視為一種計算機程序缺乏相應支撐。另一方面，條文設置缺乏技術發(fā)展性眼光。計算機程序須基于計算機這一工具的存在才能申請專利，而在未來技術發(fā)展中，含有算法特征或商業(yè)規(guī)則和方法特征的技術方案不一定依賴計算機。同時，“含有算法特征或商業(yè)規(guī)則和方法特征的發(fā)明專利”這一概念無法囊括人工智能、互聯(lián)網(wǎng)+、大數(shù)據(jù)及區(qū)塊鏈技術發(fā)展中形成的相關專利。相比之下，歐盟專利審查指南在條文設置上更具合理性，也更具操作性。中國《專利審查指南》應取消“計算機程序”“含有算法特征或商業(yè)規(guī)則和方法特征的發(fā)明專利”概念，使用“含有抽象思想的技術方案”，如此便擴張了上述概念，既避免概念重合，也避免邏輯不周延。

(2)更新披露規(guī)則。算法黑箱形成的首要原因是人工智能算法具有“自身不可解釋性”，深度學習是一個端到端的黑箱，人類無法獲知其決策過程與原因[19]。算法黑箱不是真正意義上的黑箱，只是比較復雜而呈現(xiàn)出類似黑箱的特點。內部過程可視性并不是問題，因為數(shù)學編程算法能夠存儲為數(shù)據(jù)并被檢驗。可解釋性的問題歸根結底是輸入與輸出之間的關系，只要將每一個因素的權重解釋明白，算法原理就會很清楚[10]。美國相關專家學者要求公開人工智能算法3方面內容：一是人工智能模型基本結構。簡單的圖表就能告訴技術人員該模型具有多少層和如何配置每一層，人工智能模型編程庫還開發(fā)了定義模型的便捷簡寫，可用于專利申請中公開模型結構，如Keras網(wǎng)站提供這一服務；二是對模型訓練方式的描述，包括訓練數(shù)據(jù)引用、模型的每個學習因素或權重；三是訓練數(shù)據(jù)。訓練數(shù)據(jù)包含可用數(shù)據(jù)與特定領域數(shù)據(jù)，公開訓練數(shù)據(jù)的缺點是說明書中披露的數(shù)據(jù)量可能相當大，同時，某些數(shù)據(jù)可能因為涉及商業(yè)秘密或個人隱私而無法公開。對此，有學者建議引進微生物發(fā)明審查相關規(guī)則。一項生物技術發(fā)明可能利用某些微生物生產(chǎn)有用的物質，就像人工智能發(fā)明可能利用經(jīng)過訓練的人工智能模型，根據(jù)輸入數(shù)據(jù)作出有用的預測。對于微生物，有一個類似問題，即如何讓公眾獲得這些微生物。1977年《布達佩斯條約》規(guī)定了生物材料存放制度，類似地，人工智能訓練數(shù)據(jù)存放制度可使公眾獲得用于研究的專有數(shù)據(jù)，同時，保障申請人利益[19]。

(3)專利法中“專利三性”標準應當在合理范圍內進行調試。

第一，實用性審查應當審查技術方案實施效果并在合理、合法范圍內公開人工智能算法模型與訓練數(shù)據(jù)。首先，“積極效果”不是一成不變的，而是因時而動。因此，審查時不需要明確積極效果清單，但須設立底線[20]，避免不道德、違反倫理和危害社會公共利益的人工智能算法與發(fā)明獲得專利[17]。其次，人工智能算法雖然具有技術中立性，但如果缺乏必要監(jiān)管方式就可能對社會產(chǎn)生負面效果，故而審查時應考慮其可能產(chǎn)生的負面影響。有學者指出，應將“人類介入”因素作為判斷標準(鄧建志，2019)。通過事前監(jiān)督、及時中止、及時審查等，嚴格審查實用性要件之實施效果。最后，應根據(jù)我國專利法“公開描述要求”，結合法律、法規(guī)規(guī)定要求申請人對數(shù)據(jù)、算法、模型等進行披露。

第二，創(chuàng)造性審查應關注“所屬技術領域”“本領域普通技術人員”“現(xiàn)有技術”3個概念。首先是所屬領域，隨著人工智能技術繼續(xù)發(fā)展成熟，理應在所有技術領域(而非特定技術領域)擬制普通技術人員[21]。其次是普通技術人員標準，有學者指出應提高“普通技術人員”標準，以反映現(xiàn)實條件中“一般技術水平”(劉強，2018)，亦有學者提出普通技術人員應被所屬技術領域“人工智能”代替(馬忠法，2019)。歐盟最高法院并不同意由人工智能代替人的觀點，早在Diamond v. Diehr中法院就認定“本領域的普通技術人員”是“具有普通創(chuàng)造力的人，而不是機器人”。有學者著眼于人工智能相關專利特征，提議將審查人工智能發(fā)明與人為發(fā)明的標準進行區(qū)分，建立人工智能專利跟蹤模型，并將本領域普通技術人員修改為“使用本領域普通人工智能工具的技術人員”。Ryan Abbott認為，積極工作者所使用的技術與積極工作者技能高度相關。發(fā)明性機器越來越多地被用于研究，一旦使用這種機器成為標準，本領域技術人員就應該是使用發(fā)明性機器的人，或者只是發(fā)明性機器。如果將本領域普通技術人員推定為了解所有相關現(xiàn)有技術，那么其應該知道如何使用一個普通的人工智能工具[22]。最后是現(xiàn)有技術范圍，我國審查人員關注的技術領域是申請人在專利申請說明書中填寫的技術領域[20]。審查人員選擇現(xiàn)有技術范圍時，為了找到盡可能接近或相同的技術，會盡量縮小這一范圍。以申請人提出的范圍為基礎，向內縮小或向外擴張的行為方式不會因為“人工智能特性”而受影響，因此，確定現(xiàn)有技術范圍的審查方法無需修改。

第三，新穎性測試應適當拓寬現(xiàn)有領域，擴大檢索范圍，并使用人工智能進行專利審查。我國對專利進行新穎性審查時，一般會考察檢索范圍、檢索主題、檢索時間界限、檢索技術領域。在事前控制層面：首先，審查人工智能算法的專利行政部門對現(xiàn)有技術的檢索，不應拘泥于申請日以前在國內外為公眾所知曉的某一特定技術領域，而應對現(xiàn)有技術進行縮小解釋，排除僅靠詞語替換生成的海量技術方案等[17]。其次，應適當拓寬檢索范圍。根據(jù)我國《專利審查指南》，專利審查人員實際審查時引用的對比文件主要是公開出版物，但某些非專利文獻并未全部收集到大型、權威文獻數(shù)據(jù)庫中[20]。實際審查資料可能小于真正的現(xiàn)有技術范圍，因此應適當拓寬檢索范圍。最后，可采取自動分類工具對專利進行分類，并采取基于人工智能技術的搜索系統(tǒng)進行現(xiàn)有技術檢索。美國專利商標局2021年公布其使用人工智能工具進行現(xiàn)有技術審查，并稱這一檢索系統(tǒng)已經(jīng)取得顯著成就。這一檢索系統(tǒng)以專利商標局建立的人工智能模型為基礎，向審查人員學習并自動獲取反饋數(shù)據(jù)不斷改進。為使審查過程更透明，專利商標局會解釋檢索系統(tǒng)運行邏輯。同時，美國開發(fā)的專利自動分類工具會利用機器學習使用合作專利分類系統(tǒng)對專利文件進行分類[23]。

我國也應將審查標準這種“事前控制”方法與“事后檢驗”相結合。在事后控制層面，應加快“專利無效宣告程序”處理速度?，F(xiàn)有技術文獻浩如煙海，基于行政效率考慮，審查人員無法窮盡所有資料，因此，將本不應授權的專利申請授予專利權在所難免。專利權具有推定性質，該權利是否應當獲得尚有待檢驗[24]。我國《專利法》第45條中規(guī)定了專利權無效宣告程序，專利無效宣告程序效率的提高能夠解決新穎性審查遺漏問題，不失為一個調試方向。

6 結語

將人工智能算法置于專利法中加以保護雖然具有合理性也逐漸被接納，但是，人工智能算法由基礎代碼構成，可能由投資人獲得與控制，人工智能算法可能作為著作權法對象或商業(yè)秘密保護客體。對人工智能算法專利的保護不能磨滅其在其它法律系統(tǒng)中保護的可能性，但是，基于人工智能算法對人類世界的貢獻及其不易披露的事實，將人工智能算法作為專利客體進行保護更加符合公共利益需要。