人工智能技術對專利制度的挑戰與應對

李彥濤

內容摘要：人工智能技術作為人類的一項發明創造，本身具備了一定的創造力。無論是專利法治實踐還是理論研究均無法否認，在弱人工智能時代，人工智能技術兼具發明創造工具和發明創造方案的提供者的雙重身份。由此導致人工智能技術對“創造性判斷”“本領域普通技術人員”“隱性知識”等專利要素產生了實質性影響。鑒于人工智能技術的飛速發展，我國專利法有必要在制度設計層面，圍繞“創造性”“本領域普通技術人員”以及“深度學習技術下的發明創造”等要素，重新思考人工智能的法律定位問題以及整個專利法體系的重構方向。

關鍵詞：人工智能技術 專利制度 創造性 本領域普通技術人員

中國分類號：DF523.2文獻標識碼：A文章編號：1674-4039-（2019）01-0084-93

引言

整個知識產權制度都是為保護人類的智慧成果而設，而專利制度正是對于人類智慧成果中的重要組成部分——科學技術的發明創造——進行保護的制度。這一制度的有效運行，有賴于保障有價值的專利獲得授權，這一功能是通過“創造性”條款實現的。因此現代專利制度，無一例外都對創造性提出了要求，歐美日韓以及中國莫不如此。創造性已經成為專利制度中最重要的條款之一，它是技術經由檢驗和篩選上升為專利的過濾器。然而，人工智能的創造能力遠比我們想象的更為發達。例如：新晶體的獲得一直被認為偶然因素和不可控因素太多而難以預期，晶體生長的條件與晶體結構之間并不存在顯而易見的關聯性。隨著人工智能技術的發展以及作為學習素材的源數據的積累，人工智能的創造能力會不斷增強，人類在發明創造上相對于人工智能的優越地位似乎也將動搖。或者樂觀地說，人類的發明創造將在人工智能助力之下更加容易。2016年，美國科學家通過運用人工智能機器學習算法，對近4000次不同反應條件下合成晶體實驗的數據來訓練機器學習算法，進而成功預測了新的有機模板化無機產品的形成條件。〔1 〕實驗結果表明，機器學習算法建議的反應條件的成功率達到89%，而材料化學家最好的成績也只有78%。由此可見，機器學習算法比最有經驗的材料化學家的水平還要高。雖然這一實驗仍然無法證明人工智能具備了獨立的創新能力，卻毫無疑義地證明了人工智能可以輔助人類進行更有效地發明創造。在人工智能技術的飛速發展下，我們可以預想到，未來的人工智能技術將深入推進新生事物的發展與創造，甚至在很大程度上挑戰各國的專利權保護體系。

但人工智能作為具有智能算法的科技成果，已經可以輔助人類進行發明創造（前文所引的制備晶體的實例已經證明這是已經發生的事實）。遠期來看，隨著人工智能技術的發展，一旦人工智能可以獨立地進行某些發明創造，人工智能將成為人類的最后的發明。當然，強人工智能的出現尚需時日，筆者暫不做深入分析，而弱人工智能技術在發明創造中的使用已經成為“正在發生的歷史”的當下，其對于專利的創造性標準的挑戰亟待討論。如果人工智能技術在創新能力上逼近甚至超越人類，它無疑將改寫人們對專利制度的現有認知。面對這一重大變革，我國專利制度有必要明晰人工智能在推動專利制度變革上存在哪些論爭，梳理人工智能技術對專利制度的哪些方面構成具體挑戰，進而明晰我國專利制度的改革方向。

一、人工智能技術推動專利制度變革的論爭：實踐與理論的雙重碰撞

一般認為，專利制度旨在通過對發明創造授予專利權激勵發明創造，從而推動社會的技術進步。該制度伴隨人類技術的進步而產生，并隨著技術的進步不斷發展。專利制度與技術的發展具有天然的聯系。但是，人工智能對于專利制度的挑戰卻是根本性的。人工智能出現之前的發明創造得到的技術僅是發明的客體。一旦人類完成了發明，其僅以產品本身發揮作用。而人工智能則不同，它固然是人類智慧的結晶，但其發明創造作用的發揮并不是僅僅體現在產品本身，更體現在它輸出的創造結果。簡單來說，在人工智能時代，人工智能技術不僅僅是發明創造活動的工具，還是發明創造方案的提供者。與傳統的專利發明相比，人工智能技術在一定程度上脫離了人類創造活動的智力局限，它不僅是人類的發明物，同時還要扮演發明人的角色。在此意義上，人工智能不是人類手足耳目的替代或延伸，而是對于人類腦力的延伸甚至某種程度上的替代。這一根本性的特征，恰恰擊中了專利制度最核心的要害——鼓勵創造與保護創造。目前看來，人工智能技術在推動專利制度變革上已然引發了以下實踐與理論論爭。

（一）弱人工智能背景下的發明創造

根據人工智能與發明的關系，從機器在發明創造活動中的應用場景出發，可以把人工智能技術在最終發明成果中的作用劃分為兩類：人工智能技術獨立完成的發明和將人工智能技術作為創造工具的發明。前者被視為“強人工智能”下的發明創造;后者則被稱為“弱人工智能”下協助發明創造。以此為區分標準，筆者目前所探討的人工智能發明創造活動主要是指“弱人工智能”下協助發明創造。

“弱人工智能”尤指具有推理和解決問題能力但并不具備自主意識的人工智能，其往往聚焦于單一任務本身，只能輸出結果但并不理解待處理的問題。一般認為弱人工智能具如下特點：（1）對于結構化數據的依賴。目前幾乎所有的人工智能系統都需要首先進行人工形式化建模，轉化為一類特定的計算問題（如搜索、自動推理、機器學習等）進行處理。（2）環境遷移能力和自適應能力弱。大數據的出現和深度學習算法的提出與應用，推動了很多特定領域機器智能水平的快速發展（如語音識別和圖像分類性能的快速提升正是得益于深度神經網絡和基于海量數據的訓練），帶動了新一輪智能技術研究和創新的熱潮。然而，深度學習的優越性能仍然限于特定領域，其實現依賴大量標記樣本，而且主要是離線學習，它的環境遷移和自適應能力較差。（3）沒有自我意識和想象力。不能夠自動地認知自我、體驗自我，并產生對主體自身、外部世界的情感意識及價值行為。

目前我們對人工智能技術的實際應用，只能處于弱人工智能時期伴生式發明創造。例如：2016年5月，谷歌的DeepMind團隊開發的“神經編程解釋器”（NPI）。這個神經網絡能夠自己學習并且編輯簡單的程序，可以取代部分初級程序員的工作了。這表明人工智能研究超越了簡單模仿人類的階段，具備了初步的智能思考的能力，其自主性大為增強。人工智能已經作為科技研究中的一種高效工具，逐漸出現了人工智能替代發明人進行發明創造的萌芽。以創新難度最大風險最高的生物醫藥領域為例，2007年劍橋大學生物學家Steve Oliver利用人工智能機器人分析文獻數據，預測了酵母菌基因的新功能，正確9個，僅錯誤1個。該團隊2018年1月又利用人工智能發現了牙膏中成分三氯生可以靶向DHFR酶治療瘧疾。在化學合成中人工智能也大放異彩，德國威斯特法倫威廉大學與上海大學團隊報道了用深層神經網絡及人工智能算法規劃新的化學合成路線。〔2 〕它可以達到合成化學家的水平，被譽為化學合成領域的“AlphaGo”。對于上述領域的發明創造活動，現行專利法多是將“弱人工智能技術”作為一種發明工具來對待。實際上，弱人工智能技術對發明創造的作用與日俱增，甚至在某些情況下，發明創造的產生在某種程度上依賴于人工智能技術的獨特優勢。故此，在人工智能時代，弱人工智能技術的功能將改變專利制度的實際治理方式。

（二）超越專利范疇的影響：來自人工智能的發展

人工智能的思想最早來源于圖靈，1950年他提出了圖靈測試，如果一臺機器能夠與人類展開對話（通過電傳設備）而不能被辨別出其機器身份，那么稱這臺機器具有智能。1956年，美國達特茅斯學院的約翰·麥卡錫與10位相關領域的專家討論了兩個月后，第一次正式使用了人工智能這一術語，標志著人工智能這一新興學科的正式誕生。但在現代法治視閾下，人工智能技術的法治化，要求我們必須清晰地界定其概念，以保證立法范圍的明確性。為此，關于“人工智能技術”范疇的界定，就成為我們明晰人工智能技術與專利制度關系的出發點和依據。

2016年3月，谷歌旗下DeepMind公司研發的人工智能機器人AlphaGo以4：1戰勝了世界圍棋冠軍、職業九段李世石;2017年5月，AlphaGo又以3：0的完美戰績戰勝中國棋手職業九段柯潔。自此，人工智能的超高計算能力引起了全社會的廣泛關注，甚至在某些密集勞動領域和大數據分析領域已然超越了人類大腦的運算能力。例如：工業機器人替代初級人類勞動力的現象已經普遍發生;華爾街的股票分析師也正在被人工智能分析軟件所代替（后者可以在數秒之內完成股票分析師數月的工作）;人工智能應用于法律咨詢業務可以代替律師完成80%的咨詢業務;人工智能應用于語音識別可以近乎自然語言的形式與人類交流;人工智能應用于自動駕駛，谷歌、百度都已經有車型問世并進行了道路試驗。〔3 〕對此，有人為此歡呼，認為人工智能開啟了新的時代。〔4 〕有人為此憂慮，人類作為高級生物的優越感正在被人工智能機器人所取代。〔5 〕也有論者從現象倫理學的角度，認為“人工智能技術的倫理討論不僅涉及一般性的技術倫理問題，而且涉及未來可能具有自主意識和行為能力的人工智能體所產生的特殊倫理問題”。〔6 〕但不管對人工智能持何種態度，人類已經不可逆轉地邁向了人工智能時代。但是，上述現象僅僅在闡述一種工具性競爭的結果。這如同人類以往的發明一樣，汽車是對人類腳力的替代，電動工具是對人類雙手的替代，下棋、法律咨詢、語音對話和駕駛汽車都是人工智能對人類的模仿。可以說，人工智能只是在效率上更高一籌，并不能改變事物的本質，更無法像人類思維發明、創造出新的事物。因此，人工智能機器人僅僅旨在提升人類常規腦力勞動，進而提升工作效率。但發明創造需要大量的創新性思維、發散思維和跳躍性思維，甚至訴諸多年的經驗和模糊的直覺，這些都是人工智能難以企及的領域。

進入21世紀以來，人工智能技術獲得了巨大進步。但人工智能至今尚無統一的定義。蔡自興認為，人工智能技術應當從三個方向加以界定：在物理層面，人工智能技術是指能夠在各類環境中自主地或交互地執行各種擬人任務的機器;而在學科分類領域，人工智能學科是計算機科學中涉及研究、設計和應用智能機器的一個分支。它的近期主要目標在于研究用機器來模仿和執行人腦的某些智力功能并開發相關理論和技術;在人工智能能力優化方面，它是智能機器所執行的通常與人類智能有關的功能如判斷、推理、證明、識別、感知、理解、設計、思考、規劃、學習和問題求解等思維活動。“人的智能的核心在于知識，智能表現為知識獲取能力、知識處理能力和知識運用能力。” 〔7 〕但是，上述關于人工智能的界定，只是技術層面的概念處理。實際上，人工智能技術總是與具體領域相關聯而產生具體的技術特征。尤其在知識產權領域，學者們也對人工智能技術的概念界定作出了貢獻。吳漢東教授認為，人工智能是一門關于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的科學技術，其研究領域主要涉及機器學習技術、自然語言處理技術、圖像處理技術和人機交互技術。〔8 〕而朱雪忠教授認為，人工智能的不同類型、特征決定了它的具體含義。它可以通過被賦予認知、創造、學習、進化和交流的能力，來完成之前由人類所完成的工作。智能不是一維的，而是一個結構豐富、層次分明的立體空間，具備各種信息處理能力。〔9 〕因此，人工智能技術與專利權的碰撞，實際上是在改變專利技術內在創新結構的具體構成。人工智能技術概念的上述分歧，迫使我國推進人工智技術的標準化統一。2018年1月，中國電子技術標準化研究院等單位在《人工智能標準化白皮書（2018版）》中對人工智能作出如下界定：利用數字計算機或者數字計算機控制的機器模擬、延伸和擴展人的智能，感知環境、獲取知識并使用知識獲得最佳結果的理論、方法、技術及應用系統。

上述定義從不同角度對人工智能范疇進行描述，側重各有不同，但上述人工智能的定義中都包含了“人工智能是模仿人類智能，輸出智能結果的技術”這一核心要素。為避免這一基本概念問題上產生不必要的紛爭，筆者涉及的“人工智能技術”將緊扣這一核心要素，并將清晰地證明人工智能的發展歷史實際上就是人工智能模仿人類智能的過程。

（三）人工智能技術影響專利制度的理論論爭

關于人工智能對于專利制度的挑戰與影響，國內學者們較多地將注意力聚焦于兩個方面：一是智能機器人的主體資格問題;〔10 〕二是人工智能生成物的知識產權客體范圍問題。〔11 〕對這一問題，王遷認為，對于人工智能生成的成果，盡管在表現形式上是與人類創作的作品類似的作品，但由于應用算法、規則和模板的普適性，不能體現成果的獨特性，因而不能構成作品。〔12 〕我國法律保護作品之間的創意性和差異性，“作品是一個客觀存在，不能因為產生作品的主體具有特殊性，而否決作品本質。” 〔13 〕因此，鑒于人工智能所創作的作品符合上述兩個特征，我國應當認可人工智能創作的作品之版權。〔14 〕而在專利領域，也存在人工智能產生的技術成果是否能夠獲得專利的問題，并由此產生一個附隨式疑問——人工智能是否可以作為發明主體的問題？朱雪忠認為，只要人工智能的技術成果符合專利法關于新穎性、創造性和實用性的要求，其就是專利的適格標的。但我國現行專利法僅承認生物體意義上的人以及單位作為發明人，而未賦予人類之外的人工智能技術作為發明人的法律資格。因此，人工智能技術發明創造的專利權只能歸屬于人工智能技術的實際操作者、發明團隊或單位。〔15 〕

國外有學者對人工智能對于專利制度的影響進行了更為細致的研究。瑞安·艾伯特認為，人工智能機器人以及人工智能技術在發明創造中的作用，在某種程度上類似于普通技術人員的功能，因此，即便無法將人工智能視為發明人，但可以將人工智能視為普通技術人員來進行創造活動。〔16 〕本·哈滕巴赫和約書亞·格魯考塔在動態層面上審視了人工智能發明創造所引發的專利權問題，例如：人工智能技術所創造的專利權的具體歸屬，以及該專利對后續發明創造的實際影響等。〔17 〕對于這兩個問題，各國專利權尚未形成制度性建議和意見。除學者的研究之外，引人注目的是歐盟已經進行了立法論證嘗試。歐盟議會法律事務委員會在2017年1月12日通過的決議，就人工智能問題提出了具體的立法建議，為確定人工智能在版權法上“獨立智力創造”的標準，擬賦予復雜的人工智能法律地位的可能性。〔18 〕馬德琳·布寧加強調，當下的人工智能技術已經不需要人的干預，即可創造出更好的機器人版本和計算機程序，因此，歐盟現行知識產權立法應當接納人工智能機器人作為發明創造的主體。〔19 〕

綜上所述，國內外專家學者對于人工智能與知識產權制度的研究，均聚焦于人工智能是否具備知識產權法上的主體資格問題，而弱人工智能對于專利創造性判斷規則的影響尚未見深入研究。盡管強人工智能在知識產權中的主體資格問題是一個非常重要的問題，但對于當下法治國家建設而言，由于弱人工智能會對人類在推理和解決問題的能力上提供巨大支持，所以，弱人工智能對專利創造性判斷、發明人主體資格的影響更加值得深入討論。

二、人工智能技術對專利制度的三重挑戰

人工智能技術的發展對專利領域“創造性判斷”“本領域普通技術人員”“隱性知識”等諸要素都產生了實質性影響，從而對專利法體系形成了以下挑戰。

（一）技術領域的挑戰

為本領域普通技術人員設定技術領域限制的初衷在于，限制其技術視野的范圍，通過有限的邊界為真正的技術創新和簡單的拼湊劃定清晰的界限，排除“事后諸葛亮”的誤判。例如跨技術領域的技術要素的遷移是產生發明創造的一個重要途徑，嚴格限定本領域普通技術人員的技術領域才能準確判定這一類轉用發明的創造性。但是，人工智能具有強大的數據存儲能力，它可以比人類的大腦“記憶”更多的知識，而人工智能的設計者或發明者在制造人工智能產品之時，并不會有意地自我限定人工智能的知識范圍，而是根據需要，為人工智能提供相關的知識。這些集成了多學科知識的人工智能產品，作為一個不可分割的產品本身被使用的時候，其自然就打破了專利法中對本領域普通技術人員對于技術領域的限制。

實際上這種因工具的進步導致跨學科技術進入本學科是非常普遍的。例如在19世紀，費歇爾作為糖化學的奠基人，使用純化學方法測定葡萄糖的結構，將葡萄糖與苯肼反應得到苯腙，前后耗時達數年之久，而這一工作在核磁共振儀以及質譜儀出現之后，可以非常輕松地在極短時間內完成。這種效率的提升有賴于化學領域之外的技術的發展與介入，而化學家并不需要掌握核磁共振儀和質譜儀的工作原理，只需要增加如何解讀圖譜的知識即可。但是，不同于核磁共振儀和質譜儀的是，人工智能產品作為科學研究的工具，不是僅僅提供解決某一具體技術問題的手段因而不能產生根本性的廣泛的影響，而是藉由人工智能存儲的海量跨學科技術知識，為發明人提供強大的支撐。從而從根本上，以一種全新的革命性的工具，大大增強了發明人的“發明能力”，根本是改變了發明創造產生的基礎土壤，使得評判創造性必要預設“技術領域”這一限制變得困難，甚至成為不必要，也無可能。

《專利審查指南》中對于本領域普通技術人員在判斷創造性過程中的技術領域設定為與解決技術問題密切相關的領域，如果有必要，也會從相關或相近的技術領域中尋找啟示。從上述規定中可知，技術領域有基本穩定的范圍，那就是與解決技術問題密切相關的領域，這是一種相當狹窄的規定;當然，指南也規定了拓寬技術領域的可能性，但是這需要前提，即由技術問題本身的性質導致，這種拓寬領域范圍是必要的。而弱人工智能工具本身可以自帶跨領域知識，當它作為一個產品特別是作為商業化的產品供人們研究的時候，使得研究人員無法對其已經具備的多學科知識視而不見裝作不知。例如，在上述結晶案件中，人工智能自動地將數據用化學家并不掌握的算法知識進行運算，來預測結晶的條件參數。又如，前述人工智能涉及化學合成的案例中，軟件存儲了大量化學反應的數據，并預裝了效果良好的算法，其對新設計反應路線具有極大的預測力。這種預測力必然使用了跨領域的化學知識，以及根本不在化學家知識范圍內的計算機算法。

（二）創新方式的挑戰

現行《專利法》對專利創新的認知，嚴重依賴于普通技術知識的增長與發展。但是人工智能技術改變了創新方式的具體結構，并在以下三個方面塑造出普通技術知識和人工智能創造性技術的差異：（1）存儲差異。普通技術知識是儲存于本領域普通技術人員頭腦中的該領域的常規知識。對此相對應的是，人工智能需要儲存并學習大量的知識。由于大數據、云計算等技術的發展，人工智能可以從云端調用的數據是非常驚人的，并且其處理數據的能力和速度是遠遠超出人類的能力的。（2）形成方式的差異。人類知識就是由跨越時空的個體，借助媒介技術的記錄、匯聚、復制、傳承、批判等過程生產形成的，并藉由文字實現代際傳遞。但是人類的知識積累，有賴于個體的學習，時間和精力有限，而機器則不然，其所調用的知識可以是人類創造的所有知識。實際上為了彌補個體知識的欠缺，通行的本領域普通技術人員也可以是一個團隊，具有超越個人的知識和能力。但無論如何都不足以與人工智能調用的海量數據相比。（3）數據量的差異。普通技術知識和人工智能創新技術的區分，主要在于是否將其視為人腦本來就已記憶和存儲的知識，并在實務中用于分配舉證責任和設定舉證期限。但在弱人工智能參與的發明創造中，這種區分已經沒有必要。因為人工智能的知識儲備并不存在明顯的物理邊界，其與云端的數據相連，數據量幾乎是無限的。

如果說在人工智能興起之前，計算機僅能被動地靜態地存儲數據，尚不足以挑戰人類的智力的話，隨著算法的進步和專家系統的改進，人工智能機器人及人工智能技術運用信息解決問題的能力大增。足夠大的信息量，特別是異質異域的信息的綜合分析，會產生創造性的效果。這種大量的知識以及對知識運算的算法的改進，直接導致人工智能具備至少在表觀上是具有創造力的行為的出現，同時也極大地改變了當下專利創新的方式。例如，AlphaGo的發明人、設計者在觀看其對陣李世石的過程中，對于AlphaGo作出的許多驚人決策深表意外，就已經說明，AlphaGo并非僅僅從現成的棋譜中搜索結果用于對弈。由此觀之，人工智能技術對專利創新方式的變革，實質性地影響了我國的專利法體系。

（三）人工智能對專利領域隱性知識的挑戰

隱性知識在人類的發明創造中扮演了非常重要的角色，其以人所不察的方式為人類的發明創造提供支撐。邁克爾·波蘭尼認為，隱性知識是人們在行動中所蘊含的未被表述的知識。〔20 〕其最本質的特征是默會性，不能通過語言、文字、圖表或符號明確表述與邏輯說明，它是人類非語言智力活動的成果。除默會性這一本質特征之外，還具有非理性、整體性的特征，即缺少邏輯結構，訴諸直覺、領悟，不是經過邏輯推理獲得。它是本領域普通技術人員對于普通技術知識的常規運用的能力。例如某個物質在某個具體壓力和溫度下的溶解度，文獻中未必有具體的記載，但本領域普通技術人員獲取該數據并不需要特別的實驗設計，只需要按照常規的方法即可獲得。這本質上是一種不具有創造力的行業經驗。但隱性知識還具有相對性。這里的相對性有兩層含義：一是隱性知識在一定條件下可以轉化為顯性知識，二是相對于一個人來說是隱性知識，但是同時對另一個人來說可能已經是顯性知識，反之亦然。

隱性知識并不會因其神秘而完全無從琢磨，人工智能本身就是對人的模仿，它可以具備表觀上看是隱性知識的能力。人工智能獲取知識數量巨大，與人類個體所能掌握的完全不在一個數量級，量變引起質變，對于知識的處理，能夠產生超出人類顯性知識之外的結論。例如，前文所述的人工智能可以提取出“風格”等難以言傳的東西進行藝術創作的實例。又如上述晶體結晶的實驗中，對于雜亂無章的結晶條件與能否生成晶體的關聯，人類的科學家可以憑多年的經驗和直覺達到78%的預測準確率，而電腦則可以達到89%。這種能力在特別依賴經驗的技術領域，例如化學的領域表現尤為突出。化學領域缺少類似物理定律那種精確、定量和寬闊的適用范圍，常常是模糊的、結論不穩定的經驗。例如相似相溶原理，很多時候是正確的，但又有很多反例，相似程度如何定量，相溶到什么程度，則一概依賴人的經驗和直覺。有經驗的科學家給出的預期往往更準，但作為預測依據的“經驗”卻是難以描述的。這種“經驗”“直覺”就像一個黑箱，能夠執行一定功能但卻對其內在結構一無所知。而人工智能則可望借助大數據以及基于大數據發現的唯象規律作出預測，雖然并不能揭示，或者不必揭示“黑箱”的結構，但其效果就類似于人工智能具備了“隱性知識”的經驗。當人工智能作為商品化普及化的工具來取代人類經驗的時候，這種依賴專家經驗的工作變得沒有任何創造性。

人工智能不但能夠逐步取代人類隱性知識和經驗的位置，更重要的是，由于隱性知識的相對性，隨著科技的進步，人工智能還可以將隱性知識顯性化。專家系統是典型將隱性知識顯性化的方式。〔21 〕隱性知識顯性化之后就具有了可以語言描述的邏輯結構，更加有利于本領域普通技術人員明確地運用。不論隱性知識是否被人工智能明確地表述出來，都不妨礙其在問題的解決中的運用。而這一運用，即使其內部機理仍然如黑匣子般不解其詳，而其運用者——本領域普通技術人員——只需要按下開關即可輸出結果，這一過程看不出有任何創造性可言，卻對現行專利法體系帶來了嚴峻的挑戰。

三、人工智能時代專利制度變革的可能路徑

人工智能究竟能否成為現代法治意義上的發明人，現行專利法體系無法給予正面的支撐。但在人工智能技術的飛速發展下，專利法卻需要在制度設計層面重新思考人工智能的法律定位問題以及整個專利法體系的重構方向。目前來看，專利法體系能夠接受人工智能的方式有三個：創造性、本領域普通技術人員以及深度學習技術下的發明創造。前者反映的是人工智能技術與專利法之間的內在關聯性，后者則體現出人工智能技術與發明人之間的主體連接方式問題，而深度學習技術下的發明創造則反映出未來專利制度的變革方向。有鑒于此，我們可以圍繞“創造性”“本領域普通技術人員”以及“深度學習技術下的發明創造”等要素來重新檢視人工智能時代專利制度的變革方向。

（一）人工智能作為“本領域普通技術人員”的法律擬制

從上述歐洲、美國、日本以及我國關于創造性的相關規定來看，不論創造性鑒別采取什么具體方式，不論是直接規定在專利法中，還是規定在專利審查指南中，都離不開“本領域普通技術人員”這一要素的具體鑒別。它是法律擬制的、用于評價發明創造性的主體。我國《專利審查指南》規定，“本領域普通技術人員”是一個假設的人，他知曉申請日或者優先權日前發明所屬技術領域的所有的普通技術知識，能夠獲知該領域所有的現有技術，并且具有應用該日期前的常規實驗手段的能力，但不具備創造力。而歐洲專利局則規定，“本領域技術人員”假想為一名具備本領域一般知識和能力的有經驗的從業者，知曉相關日時的普通技術知識，可以獲知所有現有技術（尤其是檢索報告中所引用的對比文件），并且具備應用常規實驗手段的能力。如果技術問題促使本領域技術人員在另一技術領域尋找解決問題的方法，那么該領域的專家也是適合解決該問題的人。技術人員的能力在其技術領域應當不斷提高。如有提示，他可以在相鄰或一般領域甚至偏僻技術領域去尋找啟示。而判斷解決方案是否具備創造性應當基于專家的知識和能力。在某些情形下，將其視為一群人（如一個研究或生產團隊）而不是一個人更為恰當。其對評價創造性和充分公開具有相同能力水平。日本特許廳對于所屬領域的普通技術人員規定，所屬領域的普通技術人員也稱為本領域技術人員，是一個假想的人，他知曉申請日前所屬領域的普通技術知識，具有應用研發工作的一般技術的能力，具備對材料進行選擇和對設計進行更改的普通創造力，能夠獲知申請日之前所屬領域的所有現有技術，能夠獲知與發明所要解決的技術問題相關的所有現有技術，在某些情形下，可以將其視為“一組人”而非“一個人”更為恰當。

歸納上述各國或國際組織的相關規定可以發現，人工智能技術成為“本領域普通技術人員”要素受到以下幾個方面的影響：

（1）技術領域。任何發明都是在特定的技術領域中進行的。任何實際的創新主體都不可能全知全能。有些人知識視野更加豐富，了解的技術門類比較多，有些人僅專注于極小的技術學科，技術領域非常狹窄，為了統一尺度，將技術領域作為本領域普通技術人員技術視野的界限。雖然在實務中針對具體案情，技術領域如何限定，技術領域限定到多大的范圍都是可能引起爭議的問題，但作為一個原則，將評判專利創造性的本領域普通技術人員限定到特定的技術領域則是毫無爭議的，這一設定是為了合理地配置本領域普通技術人員的能力，同時避免了“事后諸葛亮”的問題。

（2）普通技術知識。普通技術知識在本領域普通技術人員的知識結構中處于基礎性的地位，普通技術知識是本領域普通技術人員掌握的，儲存于大腦中應當形成深層的記憶，并且能夠熟練地隨時可以調用的知識，所以各國的措辭中一般用的是“知曉”。在創造性的評判中常常構成該領域的技術公知常識。雖然法律進行了這樣的擬制，但實際上沒有人可能同時記住那么多東西。所以為了將實際的技術人員向虛擬的本領域普通技術人員盡可能地逼近，在實務中往往表現為記載在教科書、工具書、辭典中的基本的技術知識，這些記載了普通技術知識的教科書、工具書以及辭典中就形成了具有“知曉”能力的普通技術人員的腦外存儲器，可以隨時調用。

（3）現有技術。普通技術知識之外的現有技術，被視為不必存儲于本領域普通技術人員頭腦之中，但存在于本領域普通技術人員的視野之內。本領域普通技術人員知道有該技術的存在并且能夠獲得。這里的措辭往往是動態的“獲取”“獲知”，強調了本領域技術人員具有根據需要檢索現有技術文獻的能力。

（4）常規實驗手段的能力。這一能力使得本領域普通技術人員可以隨時運用本領域的普通技術知識，以獲得不超出現有技術所能揭示的范圍的數據、信息。本領域技術人員的這一實驗能力，不可過度地使用，而是應當“限于有限的實驗”。所謂有限的實驗并非指實驗的次數非常少，否則將以實驗次數的數量作為衡量創造性的尺度，這將與世界各國所秉持的“創造性與技術方案提出的途徑無關，與付出的勞動量無關”的理念相悖。這里的有限的實驗著眼于本領域技術人員在實驗的過程中是否具有明確的實驗方案或者實驗規則的指引。換句話說，本領域技術人員并不具有動腦設計實驗的能力，而僅有動手操作實驗的能力，其動腦的唯一作用在于理解已經設置好的實驗方案。與有限的實驗相對的一個概念叫作“過度勞動”。過度勞動的含義是當本領域技術人員沒有實驗方案時，特別是面臨多因素交織的情況下，無從簡潔地完成實驗方案，只能以近乎無法預期何時能夠完成的窮舉式的方式進行實驗的情形。當本領域技術人員需要付出過度勞動的時候，他實施的一定不是有限的實驗;當本領域技術人員通過有限的實驗即可完成一個技術方案的時候，其一定不必付出過度的勞動。

（二）建立法治化的“創造性”規則及鑒別標準體系

西方國家專利制度建立初期只規定了新穎性條件，而沒有規定創造性條件。隨著專利制度的發展，逐漸將創造性條款作為專利鑒別的重要要素。1850年，美國聯邦最高法院就已經在Hotchkiss v. Greenwood案中確立了“非顯而易見”（即創造性）標準。〔22 〕該案涉及粘土或陶瓷把手專利，與現有技術的區別在于把手的材料，現有技術使用的材料為木頭、金屬，聯邦最高法院認為該區別特征僅僅是材料的替換，缺少超越本領域普通技師的靈感或技能。該案可以視為專利創造性要素確立的標志，首次明確提出了非顯而易見性的標準。隨后，美國在1952年《專利法》修訂中增加了“非顯而易見性”（即創造性）規定。該法第103條規定：一項發明，雖然并非本編第102條所規定的已經有人知曉或者已有敘述的情況完全一致，但申請專利的內容與其已有的技藝之間的差別甚為微小，以致在該項發明完成時對于本專業具有一般技藝的人員是顯而易見的，不能取得專利。同時，取得專利的條件不應該根據完成發明的方式予以否定。該規定在1966年Graham v. John Deere Co.案中得到了鮮明體現，〔23 〕并確立了鑒別創造性因素的方法“Graham”，即現有技術公開的范圍，申請發明與現有技術之間的區別，相應領域的普通技術水平，以及考慮輔助性考慮因素，包括商業上成功、長期渴望解決的需求、他人的失敗等。

受美國專利制度的影響，其他國家紛紛增加了“創造性”規定，《歐洲專利公約》第52條第（1）款規定，歐洲專利獎授予任何技術領域中具備新穎性、創造性和工業實用性的發明。公約第56條規定，如果一項發明相對于現有技術而言，對所屬技術領域的技術人員來說是非顯而易見的，則該發明具備創造性。尤其是在創造性要素的鑒別上，歐洲專利局通過一系列判例（如T01/80、T20/81、T409/91、T435/91、T465/92、T939/92等）確立了以“問題解決法”來鑒別創造性的基本思路。而《日本特許法》（專利法）第29條規定，特許申請之前，具備該發明所屬技術領域的普通知識者，依據載于前項各號中之發明，容易實現其發明時，不拘同項的規定如何，對其發明不能給以特許。上述思路為我國《專利法》所借鑒。我國《專利法》第22條第3款規定：創造性是指發明應當具備突出的實質性特點和顯著的進步。專利審查指南規定按照三步法的規則進行判斷。即首先確定最接近的現有技術，然后找出發明與最接近的現有技術之間的區別技術特征并確定實際解決的技術問題，最后判斷要保護的發明對本領域技術人員來說是否顯而易見，即確定現有技術在整體上是否給出了技術啟示。

（三）深度學習技術的法律性質與制度空間

生理學研究發現大腦具有不同的功能區域，每個區域專門負責同一類的任務，這曾經指引計算機科學家開發專用算法。但科學家們似乎低估了人類大腦的復雜程度。經研究表明，大腦實際上是一臺“萬用學習機器”，同樣的學習機制可以用于完全不同的應用。而且，許多能力的提升取決于后天的訓練。由此看來，人類大腦具有強大的可塑性。而且，當下的人們仍然堅信，人工智能技術無法理解人類的豐富感情，更無法理解美，無法產生具有美學價值的作品。而這些恰是法律認定專利權和專利技術的重要組成要素。

從人類大腦的邏輯思維構成來看，人類大腦在邏輯思維上主要包括歸納總結和邏輯演繹，對應著人工智能中的符號主義、聯結主義 〔24 〕以及行為主義的人工智能技術。符號主義的主要思想就是應用邏輯推理法則，從公理出發推演整個理論體系。其典型代表就是機器定理證明。它是基于公理系統的符號演算方法，形成的強烈主觀意識。聯結主義主要是模擬人類大腦的神經元網絡。人類大量的視覺聽覺信號的感知處理都是下意識的，是基于大腦皮層神經網絡的學習方法。迄今為止，人工智能的發展進步主要在于人工神經網絡，例如腦神經科學的研究進展、算法的改進、計算能力的空前增強以及數據的積累導致深度學習等。經過多年的發展，神經網絡的智能化程度在多個方面已經全面超越人類。例如：在圖像識別上，微軟亞洲研究院（Microsoft Research Asia， MSRA）使用“深度殘余學習”算法構建了深達152層的神經網絡，前五個類別的識別錯誤率為3.57%，遠低于人類的5%識別錯誤率。而在語音識別上，百度的英文語音識別系統接受了將近1.2萬小時的語音訓練，單詞錯誤率低至3.1%，已經超過正常人的識別能力（5%）。在另外一個小型漢語基準測試中，機器的識別錯誤率更是只有3.7%，而一個五人小組的集體識別錯誤率則為4%。

依照人工智能技術在深度學習領域的發展趨勢，人工智能技術與相關產品很快將全面趕上并且超過普通人了。這些成就尚不足奇，目前人工神經網絡已可以將一幅作品的內容和風格分開，同時向藝術大師學習藝術風格，并把藝術風格轉移到另外的作品中，用不同藝術家的風格來渲染同樣的內容，這意味著人工神經網絡可以精確量化原本許多人文科學中模糊含混的概念，例如特定領域中的“藝術風格”，博弈中的“棋風”，并且使這些只可意會、無法言傳的技巧風格顯性化。從上述人工智能發展的歷史可以預期，其未來發展趨勢不僅在分析數據的效率上遠超人類，大數據訓練和深度學習正在賦予人工智能技術一定的創造力。未來人工智能將從輔助人類創造到機器人獨立創造。就當下的總體技術水平而言，發明創造活動仍需人類智力為人工智能發明界定目標、參數和成功標準，但專家預測，基于人工智能系統的創造性、不可預測性、可進化性、高效率和精確化的特征，機器人在未來有望代替人類智慧進行技術方案優化或實施人力難以獨立完成的發明。

結論

保護發明創造是專利制度的使命。長期以來，在發明創造和專利制度的關系上，發明創造僅僅是以專利保護的對象存在的，科技的進步并沒有沖破這一基本模式，而專利制度也具有足夠的韌性和容量在這一基本模式中適應技術進步的挑戰。但人工智能本身也是具有發明創造能力的發明創造，這是不同于以往人類的任何發明創造。創造性是專利制度中最為重要的核心條款，其目的在于對發明創造進行評價，以確定是否對其進行專利保護。因此本身就具備創造能力的人工智能與專利制度形成了正面的沖擊。專利制度與人工智能這一新型的發明創造的關系已經大大不同于以往的發明創造，人工智能對于專利制度最基礎的創造性形成了挑戰。即使是弱人工智能作為人類的工具，對于專利制度中假想的本領域普通技術人員也形成了根本性的沖擊。