《人工智能算法专利资格争议的理论聚焦探析》3800字VIP

人工智能算法专利资格争议的理论聚焦分析针对人工智能算法能否成为专利权的客体，一直以来争议不断。以下拟聚焦关于人工智能算法专利资格问题的理论争议，分析国内学者支持人工智能算法可专利性的三项主要理论依据，即人工智能算法属于具体应用、符合专利“三性”的判断、成为专利符合社会利益。应当指出，这三项理论争议焦点，互相独立、互不归属，皆是从不同角度出发讨论人工智能算法的专利资格问题。本部分还会从人工智能算法的运行机理和创新机制切入，探讨学者理论依据的偏颇，论证人工智能算法不可专利性的可行性和必要性。（一）抽象思想与具体应用的判断一直以来，由于人工智能算法的设计基于一定的数学算法、数学公式和数学模型，其与数学法则和人类的思维步骤密切相关，因此其被视为“抽象思想”或我国《专利法》所称之“智力活动的规则与方法”，进而被排除出专利客体范围。部分学者支持我国立法实践，认为应当坚持对人工智能算法属于抽象思想的判断，在特定的技术领域中若结合到了人工智能算法，生成了涉及算法的发明，从而符合专利法对发明的要求，才能够被纳入专利保护范围。刘强：《人工智能算法发明可专利性问题研究》，《时代法学》2019年第4期。其余学者则认为，人工智能算法是一种具体应用，而非抽象思想。他们或追溯传统专利理论审查标准变化的历史，得出算法本身是操作机器的过程和具体方法步骤的结论；崔国斌：《专利法上的抽象思想与具体技术——计算机程序算法的客体属性分析》，《清华大学学报（哲学社会科学版）》2005年第3期。或从知识生产的价值追求出发，得出人工智能算法是在应用生物学理论与数学运算方法的结论；刘强：《人工智能算法发明可专利性问题研究》，《时代法学》2019年第4期。崔国斌：《专利法上的抽象思想与具体技术——计算机程序算法的客体属性分析》，《清华大学学报（哲学社会科学版）》2005年第3期。狄晓斐：《人工智能算法可专利性探析——从知识生产角度区分抽象概念与具体应用》，《知识产权》2020年第6期。王翀：《人工智能算法可专利性研究》，《政治与法律》2020年第11期。笔者认为，人工智能算法虽以开源代码和数学模型为基础设计而成，但运用数学法则、自然规律等推理而出，并不代表人工智能算法就成为了对这些法则、规律等的具体应用。之所以对抽象思想的具体应用能够成为专利法上的授权对象，是因为专利法强调，运用抽象思想涵盖的内容，能够生成技术方案，使所发明的系统得以运行或达到预期效果。毛翔：《论具体技术与抽象思想结合方式对发明可专利性的影响》，《科技管理研究》2017年第15期。人工智能算法本身，甚至因其抽象而不直观，人们在实践中引入了描述工具辅助对它的理解。自然语言描述存在的字句歧义，以及流程图仅适用简单流程表述的缺陷，使得人们一般将伪代码作为更实用的描述算法的工具。毛翔：《论具体技术与抽象思想结合方式对发明可专利性的影响》，《科技管理研究》2017年第15期。徐子珊主编：《从算法到程序》，清华大学出版社2015年版，第2页。（二）专利“三性”的判断挑战除应然层面外，在审查实践角度分析专利申请的实质条件，人工智能算法同样具有不可专利性。发明专利和实用新型专利授权的实质性条件为新颖性、实用性和创造性。其中，新颖性要求发明和实用新型在申请日之前未曾公开且不存在抵触申请，创造性要求发明和实用新型具有智力创造水平，实用性要求可稳定地重复实施。王迁：《知识产权法教程》，中国人民大学出版社2019年版，第317页。王迁：《知识产权法教程》，中国人民大学出版社2019年版，第317页。有学者强调，人工智能算法的运行独立于人脑而通过机器实施，它是机器如何“思考”的问题。在通过机器实施后，人工智能算法已经转化为可作为专利主题的技术方案，而技术方案是否符合专利“三性”，则可以分别予以对比审查。邱福恩：《人工智能算法创新可专利性问题探讨》，《人工智能》2020年第4期。还有学者认为，应当对人工智能算法所具有的智力创造水准予以充分关注，明确将人工智能算法纳入专利法保护范围，专利法上的审查标准和权利要求撰写条件都可以随之进行相应地调整。邱福恩：《人工智能算法创新可专利性问题探讨》，《人工智能》2020年第4期。蔡琳：《智能算法专利保护的制度探索》，《西北工业大学学报（社会科学版）》2019年第3期。首先，复合性和跨域性是人工智能算法本身的显著特征。这意味着在人工智能算法的生成过程中，结合了随机性或其他可变特征，加之人工智能算法自动学习的特性，可延伸出称得上无穷无尽的新算法。当现有文献中存在的实际检索数量与生成的人工智能算法实际数量之间的差距越来越大，新颖性的评估不仅在理论上是不可能的，而且在实践中也难以操作。退一步而言，若只要求新生成的人工智能算法与原有的人工智能算法在结构上稍有不同，则会大大降低新颖性的审核标准，亦不可取。其次，在模型架构保持原形的基础上，就本质上而言，人工智能算法自我生成不同的技术方案都是一样的，因此难以判断人工智能算法产生的技术方案是否对技术产生了有益的影响。以“人工神经网络”为例，它是一种旨在模拟人脑结构及其功能的信息处理系统。毛健等：《人工神经网络的发展及应用》，《电子设计工程》2011年第24期。毛健等：《人工神经网络的发展及应用》，《电子设计工程》2011年第24期。最后，就“实用性”所要求的可稳定重复地实施并达到相同的实施结果，人工智能算法由于其自身属性，在很大程度上无法满足此要求。由于人工智能算法本身，不存在任何数据，也未限制任何可适用领域，好比一座空旷却有力的框架，需要架构到具体的砖瓦中发挥效用，而砖瓦亦是如此重要，以至于缺失了砖瓦便无法衡量并发挥框架的作用。数据即是砖瓦。虽然人工智能算法的自主学习过程中需要大数据的参与，即一开始需要利用有特征以及标签的数据，利用大数据生成和选择模型。但是这里对数据的利用，仅属于人工智能算法已经设计完成后通过学习自我优化，而发挥人工智能算法的效用仍需要将其放入具体领域中进行。由此可见，机器运行仅为人工智能算法运行的载体，人工智能算法实用性的发挥，仍然离不开对具体技术领域的数据的利用。因此，在人工智能算法应有的运行机理被厘清的情况下，不应当将人工智能算法本身和它对历史数据的训练行为混为一谈而认为人工智能算法本身具备实用性。综合而言，人工智能算法难以具备专利审查要求上的新颖性、创造性和实用性，具有不可专利性。当然，部分学者看到了人工智能算法在客体资格和审查实践上证成可专利性的困难，转而从实际出发，要求为了促进人工智能算法的创新而将其纳入专利权的客体。创新的动力源和利益诉求即使承认人工智能算法不符合可专利的客体资格，难以满足专利审查的实质条件，退一步而言，有学者认为对专利保护的客体的限制可以与时俱进，正如逐渐承认商业方法的可专利性那样。故而他们强调从务实的角度出发，一方面承认人工智能算法本身的技术功效，孜里米拉·艾尼瓦尔、姚叶：《人工智能技术对专利制度的挑战与应对》，《电子知识产权》2020年第4期。另一方面认为基于产业的利益诉求和创新主体对合法垄断、有力保护人工智能算法的迫切需求，未必不能考虑打破人们对于算法不可专利的传统认知。孜里米拉·艾尼瓦尔、姚叶：《人工智能技术对专利制度的挑战与应对》，《电子知识产权》2020年第4期。刘鑫、覃楚翔：《人工智能时代的专利法：问题、挑战与应对》，《电子知识产权》2021年第1期。和软件创新相类似，算法创新并不是竞争性的，而是高度渐进的、累积的和协作的。AntonHughes,AntonHughes,AvoidingtheSoftwarePatentProblem,ElectronicLawJournal,Vol.14,No.1,2007.此外，在促进和抑制创新之间保持平衡的一个关键问题是，对发明专利的理解是宽泛还是狭窄。若一项发明专利的权利要求过于狭窄，涵盖了一项非常具体的发明专利，则无法充分保护这项发明，他人能够通过轻微的修改轻松规避侵权。此种情况一定程度上会干扰创新的动机，也会使得申请者申请一系列不同角度轻微修改的专利以构成“专利丛林”，本质上均是由于专利所提供的保护微不足道。另一方面，若针对专利的权利要求范围不加限制，容易在很大范围内形成垄断，从而限制相关产业下游的创新。软件和互联网相关领域专利范围过广的问题已经尤为普遍且难以控制。AntonHughes,AvoidingtheSoftwarePatentProblem,ElectronicLawJournal,Vol.14,No.1,2007.AntonHughes,AvoidingtheSoftwarePatentProblem,ElectronicLawJournal,Vol.14,No.1,2007.宣頔：《美国金融商业方法专利保护之动态平衡变迁与启示》，《知识产权》2019年第8期。综上所述，在我国现行专利法制度的框架