刘友华 李新凤
内容提要:人工智能生成的技术方案若满足专利授权标准,则其可作为专利法保护客体。人工智能参与创新过程,降低了发明创造的时间成本,跨库检索模糊了技术领域界限,文本挖掘使技术启示更易实现,对人工智能发明的创造性标准构成挑战,需要作出调整:动态拟制“本领域普通技术人员”;准确把握“技术领域”的边界;适当提高“创造性”判断标准。
机器学习(Machine Learning)技术的兴起与算法(Algorithm)的普及,使人工智能技术飞速发展的同时,也给专利制度带来了巨大挑战。人工智能强大的学习能力极大地促进创新,并逐渐从辅助性工具转向参与发明构思甚至独立完成一项技术设计。人工智能技术可提高创新速度,降低创新成本,增进社会价值。甚至有学者怀疑人工智能将不可避免地取代人类成为发明主体。由此引发的深思是:人工智能生成的技术方案(或计算机生成物,Computer-generated Works,CGWs)是否应被授予专利权?若其成为专利保护客体,将对现有专利授权、专利审查等制度带来怎样的冲击,如何调整授权标准以保证发明人与公众的利益均衡成为必须面对的重要问题。
“人工智能”的概念最早可以追溯到二十世纪中期。1950年,艾伦·图灵提出了著名的“图灵测试”来检验机器的“智慧”。①Turing,Alan M., Computing Machinery and Intelligence, Mind LIX 433 (1950),p.433-460.1956年,在达特茅斯会议上约翰·麦卡锡首次提出了“人工智能”一词,但并未对其作出界定。2018年1月,中国电子技术标准化研究院等在《人工智能标准化白皮书(2018版)》对人工智能的界定如下:利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。②创业邦研究中心:《中国人工智能标准化白皮书(2018 版)》,载http://www.cesi.ac.cn/images/editor/20180124/ 20180124135528742.pdf.,最后访问日期:2019年10月22日。人工智能技术涵盖逻辑推理、自然语言处理、机器学习、人工神经网络、专家系统和机器人等。在过去二十多年里,由于算法的进步,可用数据的指数级增长以及更低成本的计算能力,人工智能正彻底改变社会运行方式。
大数据技术的应用使人工智能获取、使用和学习的信息得到极大扩展,人工智能的深度学习能力加强,创新手段不断深化。在人工智能参与下,发明过程更快,创新成本更低。如对人类基因组完成测序在2003年费时10年,要耗费30亿美元,而到2013年成本仅为1000美元、耗时则仅为一个星期。③B.M.Simon,The Implications of Technological Advancement for Obviousness, 19 Mich.Telecomm.&Tech.L.Rev.101 (2013),pp.101-147.随着机器学习技术的不断升级与广泛应用,人工智能技术独立性日益增强,但其并不具备完全的独立意志,需通过对其训练数据的回归与分类不断优化既有的模型或程序,最终达到自行处理实时案例的智能化水平。人工智能系统可以帮助改进理论、生成可测试的假设、使用机器人系统模拟实验和设计新设备或软件。如2016年美国科学家通过运用人工智能学习算法,利用近四千次不同反应条件下合成晶体实验的数据来训练机器学习算法,成功预测新的有机模板化无机产品的形成条件。④Raccuglia Paul,et al.Machine-learning-assisted Materials Discovery Using Failed Experiments,Nature 533,73 (2016),pp.73-76.
根据人工智能参与发明创造的程度,预计可将人工智能的发展过程分为5个阶段⑤Ryan Abbott,Everything is Obvious,at https://www.ip-watch.org/2019/03/25/everything-is-obvious/# comments,last visited:2019-10-22.,如表1所示。
第I阶段为传统创新时代,人工智能在此阶段未介入创新过程,所有发明均由自然人创造的。第II阶段为人工智能发展初期,其多以辅助性工具参与发明创造,人工智能以数据收集或是数据存储等角色参与,并不对发明构思的完成作出实质性贡献,其在该阶段仍未实质参与发明构思的形成。第III阶段为弱人工智能时代的高级阶段,随着人工智能自主程度的逐渐提高,可为发明构思的完成提供实质性贡献,此时其可与自然人合作进行发明,在个别领域甚至出现了人工智能系统自动生成的技术方案。在第IV阶段及第V阶段,随着奇点的出现,强人工智能发展到超人工智能,发明创新的主体已经由人类转变为人工智能。现阶段处于人工智能创新第II阶段与第III阶段技术交叉阶段,各领域人工智能技术发展程度不一,如药品研发领域已进入人工智能应用的活跃期。
当前人工智能参与创新的场域主要表现在第II阶段,人工智能辅助人类创新。例如Adobe发布Sensei人工智能开发平台,致力于智能辅助软件开发,其利用Adobe长期积累的大量数据和内容,从图片到影像,让软件了解到某张照片、某张照片的一部分、某段视频以及某段文本描述的真实含义,使一些固定、重复性的操作变得自动化和简单化;⑥吴湛:《Adobe 发布Sensei 人工智能开发平台》,载http://www.elecfans.com/rengongzhineng/445423.html,最后访问时间:2019年10月22日。再如Appy Pie作为云技术提供应用程序创建服务的平台,能基于iOS或Android创建应用程序。⑦Kyle Wiggers:《所见即所得——AI 辅助可视化程序开发》,载http://www.sohu.com/a/249457250_739762,最后访问日期:2019年10月22日。人工智能参与研发的深度和广度在增加,在人工智能技术发展速度比较快的领域,已经实现了人工智能与人类科学家的协同发明。例如《自然》 2018年发布了人工智能改变对新型药物化合物和多种疾病结构研究的最新进展。⑧Nic Fleming,How Artificial Intelligence is Changing Drug Discovery, 557 Nature S55 (2018),at https://www.nature.com/articles/d41586-018-05267-x1[http://perma.cc/FP29-VVZU],last visited:2019-10-22.人工智能还被用于诊断疾病、定制治疗方法、绘制不同细胞类别的基因图以及创建用于药物测试的虚拟动物和人类模型。⑨Grantland Drutchas,Artificial IP:Can Drugs Discovered Using AI be Patented? 76 Chi Law,34 (2018),p.67.科研动态表明,人工智能研发场域逐渐由第II阶段转向第III阶段,人工智能也悄然实现从辅助者到协作者的角色转换。
人工智能参与创新主要在三个领域:神经网络、遗传工程以及专家系统。⑩Erica Fraser,Computers as Inventors -Legal and Policy Implications of Artificial Intelligence on Patent Law,13 SCRIP Ted,305 (2016),p.316.其逐渐发展到可以理解非结构化数据从而可以进行计算机推理,继而可自动学习,从而产生独立于程序员指令而开发的意外解决方案⑪Banterle Francesco,Ownership of Inventions Created by Artificial Intelligence (2018),AIDA (2018),at https://ssrn.com/abstract=3276702,last visited:2019-10-22.,如IBM开发的Watson专家系统,其利用传统逻辑推理架构,通过访问大量数据库,产生具有新颖性、创造性和实用性的技术方案,已在财务规划制定、帮助临床医生制定癌症患者治疗计划等方面发挥重要作用。⑫同注释⑤。
在传统创新环境下,各技术要素之间由于排列组合较多,研发创新花费的时间往往较长,而在人工智能参与创新的情境下,其呈现高效化、自动化和规模化的特点。美国专利商标局认为,人工智能介入创新显著降低了创新的时间成本,创新速度加快,这又导致待审申请数量增加,这将使现有的“专利积压”现象更为严重,还可能形成“专利丛林”而阻碍后续创新。⑬Melancon Matthew,The USPTO新技术环境下,人工智能实质性参与或协助参与创新将日益普遍,对该过程中所生成的技术方案授予专利权是否会抑制技术创新,是否会破坏专利法构建的利益平衡机制?
有学者认为,发现问题和构思解决问题的技术方案是创造力所在,也是发明者的贡献所在,发明要归于精神行为。⑭Soans C.A., Some Absurd Presumptions in Patent Cases,Pat.trademark &Copy.j.res.&Ed,1966.美国专利法虽未将由自然人完成发明作为授予专利权的特定门槛,但强调了“发明是发明者心中形成的观念”。⑮Burroughs Wellcome Co.v.Barr Labs.,Inc.,40 F.3d 1223,1227-28 (Fed.Cir.1994).美国联邦巡回法院认为,发明者必须是自然人,不能是公司或其他主体。“发明中应体现人类精神部分”常被用作验证客体可否获得专利保护的重要理由。⑯University of Utah v.Max-Planck-Gesellschaft Zur Forderung Der Wissenschaften EV,734 F.3d 1315,1323 (Fed.Cir.2013).但在美国专利授权实践中,专利授权并不以发明创造的过程如何完成为条件。我国《专利审查指南》也规定,“不管发明者在创造发明的过程中是历尽艰辛,还是唾手而得,都不应当影响对该发明创造性的评价。《专利法》第2条第3款所述的技术方案,是指对要解决的技术问题所采取的利用了自然规律的技术手段的集合。技术手段通常是由技术特征来体现的。未采用技术手段解决技术问题以获得符合自然规律的技术效果的方案,不属于我国专利法中的技术方案,也就不属于发明或实用新型专利保护的客体。⑰中华人民共和国国家知识产权局:《专利审查指南(2010)》,知识产权出版社2010 版,第119 页。总之,无论是发明创造过程抑或技术方案的定义,均未要求“人类精神”因素的存在,因为专利法更关注的是发明本身的实质贡献,而非发明可能实现的主观过程。
专利授权标准要求发明具有“新颖性”“创造性”和“实用性”。“新颖性”是指发明不属于现有技术,这里无需具有“人类精神”因素。“创造性”意味着发明对本领域的技术人员不是显而易见的,人类表征因素仅仅在于对创新的评估,可以被认为是发明的外在要素。⑱Banterle Francesco,Ownership of Inventions Created by Artificial Intelligence (November 1,2018),AIDA (2018),at https://ssrn.com/abstract=3276702,last visited:2019-10-22.“实用性”指的是在工业上的使用,也与“人类精神”因素没有直接关联。s Sisyphean Plan:Increasing Manpower Will Not Match Artificial Intelligence's Inventive Capabilities.,Tex.L.Rev.96 (2017),p.873.
专利法与版权法对人类表征要求不同。根据美国版权法的规定,原创性由创造力和作者身份共同定义,即具有“个性”,作者身份与表现作者个人风格的知识创造有关。在版权法中很难对作品的艺术价值进行评价,因此需对作品是否反映作者的个性进行考量。专利法上“创造性”概念与版权法中的“独创性”不同,前者关注技术的非显而易见性,而不在于作者个性的反映。欧洲专利局(以下简称EPO)认为发明的核心要素是工业性质(也称“技术效应”)⑲EPO 的审查指南G 部分第II-1 节第687 条确认发明的定义是基于技术特征的存在。“技术特征”是指发明必须涉及技术领域[规则42(1)(a)],必须涉及技术问题[规则42(1)(c)],并且必须具备可以在权利要求中确定寻求保护的事项的技术特征[规则43(1)]。,发明的概念没有以人类发明为要素,相反其与功能目标相关联,即任何解决技术问题的新方案均具有可专利性。在现行法律框架下,技术方案是否可获得授权,依据《专利法》第2条、第5条以及第25条规定,并不考察其为自然人的发明或者由人工智能输出。对是否属于技术方案的判断,根据《专利审查指南(2019)》第二部分第1章第2节的规定,技术方案是对要解决的的技术问题所采取的利用了自然规律的技术手段的集合。技术手段通常是由技术特征来体现,而技术手段的运用体现在技术问题的解决上即为技术效果。一般而言,技术方案的解决由技术问题、技术手段和技术效果所彰显。因此,人工智能参与创新过程,所生成的成果如可以通过技术手段解决技术问题,则符合审查指南中的“技术方案”,应得到专利法保护。
1.激励技术创新
专利经济学理论认为,基于信息传播的低成本性,需对创新成果赋予价值,通过界定产权,排除其他人的低成本获取。信息需求方为潜在购买方,如卖方对新知识没有产权,则买方缺乏购买动机。对新的技术方案授予专利权,从而降低许可创新的交易成本,实现技术的便捷转让。⑳Arrow K.,Economic Welfare and the Allocation of Resources for Invention,12 NBER Chapters,609 (1962),pp.609-626.知识产品作为公共产品具有非排他性,如没有高效的权利分配机制,“搭便车”行为将日益普遍,市场将逐步失灵。如没有专利保护,新技术的研发将面临市场失灵风险。人工智能从发明到应用于创新需要高额成本。对人工智能的投资可分为三部分:创建人工智能所需投入、培训人工智能所需投入以及人工智能参与创新所需的投入,其中,培训所需的投入视为最直接的投入。按此逻辑可量化投资者的投资情况,如AlphaGo在围棋领域与人类的对抗上,一方面,Google需要对其进行耗时不低于3天的训练,同时租用4张数据流处理器,3天费用达1872美元;另一方面,参与该项目研究的科学家每人薪酬每年接近20万美元,研发人工智能花费的时间与金钱都相当可观。㉑Feldman R &Thieme N.,Competition at the Dawn of Artificial Intelligence, 13 Social Science Electronic Publishing,(2018),p.35.即使人工智能生成新的技术方案成本降低,但研发阶段的上游环节,人工智能系统的开发者也需要市场回报,以激励继续创新。因此,如没有专利权支持的专有许可预期,人工智能系统的使用者将缺乏购买欲望,而研发者将难以回收昂贵的研发投入,则后续研发难以为继,将无法有效激励创新。
2.增进社会福利
从成本效益看,专利制度依然是保护人工智能发明的优先选择。对发明者而言,只有其所得利益超过所投入的成本,才会有后续研发的动力。一个经济有效的专利制度必须在利益相关方之间进行合理的损益分配,最大限度提高投资效率。㉒Stephen M.Maurer,Ideas into Practice:How Well Does U.S.Patent Law Implement Modern Innovation Theory? 12 J.Marshall R.Intell.Prop.L.644,(2013),p.660.质言之,专利制度需清晰界定产权、明确归属,将损失和成本降低。现有专利制度的产权归属、损益分配方式是否最优,如以专利方式保护人工智能生成技术方案,是否会破坏或减损既有成本效益结构?对成本效益问题,通过将当下状态(称之为“基线状态”)与对人工智能生成技术方案进行专利保护的状态进行对比,具体如表2㉓表中“0”并不是表示成本或效益为零,而是表示当下状态(基线状态)的既有现状,将其记为“0”;“-”表示相较于基线态,成本或效益有所降低;“+”则表示相较于基线状态,成本或效益有所增加。。
表2 人工智能生成技术方案专利保护成本/效益对照表
从发明人角度看,其成本和效益为:(1)人工智能逐渐从单纯的工具发展到具有一定创造能力的“主体”,一定程度上解放了自然人发明主体,降低了发明创造的成本。(2)随着对人工智能生成技术的专利保护,技术持有者可通过专有权获得收益,效益相较于基线状态有所改善。
从使用人角度看,其成本和效益为:(1)在基线状态下,人工智能生成技术方案不被专利法保护,但可能侵犯商业秘密。一旦获得专利保护,则将因许可费而增加使用成本。(2)相比于基线状态,以专利保护人工智能生成技术方案对潜在技术使用者而言,具有两方面优势。一是技术方案所有人将技术公开,可在现有技术上进行研发;二是有更多可供使用的技术,为技术使用者提升商业使用的机会。
从社会角度看,其成本和效益为:(1)因申请量增加,社会成本而增加,其他方面的成本与现有专利制度相比没有增加。(2)专利保护使技术得以公开,增加了技术存量,扩张了公有领域,从而促进技术创新,增加社会公共利益。
总之,以专利保护人工智能生成技术方案并不会打破现有专利制度维系的平衡,不会减损权利人、使用人和社会公共利益。
对人工智能生成的技术方案予以专利保护,若专利授权标准维持不变,将导致对社会经济影响不大、技术进步微小的专利大量产生,授权数量激增,保护成本增加,第三方搜索成本将增加,造成专利制度的成本增加。㉔Duffy J.F.,Inventing Invention:A Case Study of Legal Innovation,86 Texas Law Review,1,(2008),pp.1-72.譬如掌握基础专利公司使用人工智能申请大量的外围专利,将导致专利审查期限的迟延与专利质量的降低。㉕滕锐、周鸿焕:《工业4.0 时代专利成果外生性风险的政府治理》,载《知识产权》2019年第1 期,第77-87 页。这就需通过专利授权条件加以控制。在专利授权“三性”判断中,需深入探讨的是“创造性”标准问题。这是因为“新颖性”要求技术方案不同于现有技术,人工智能介入创新过程,不同程度地影响新技术出现的频次和质量,但在某个特定时间点,公有领域的技术存量是确定的,并不会因人工智能的介入而发生改变。因此,新颖性标准并未发生根本性改变。“实用性”要求技术方案具备工业价值,能投入产业使用,并对现有技术问题的解决达到积极效果,人工智能生成技术方案满足“实用性”要求同传统发明模式下基本相同,技术方案“实用性”的判断变化不大。
创造性作为“可专利性”的重要条件,可以排除对“微不足道的进步”的技术方案授予专有权,防止专利数量上升到不合理水平,进而对后续创新构成妨碍。创造性旨在确认技术方案对社会的贡献度和价值性,只有对社会有价值、作出了贡献的方案才需要予以专利保护,以防止不必要的垄断,避免增加社会成本。在这个意义上,创造性被认为是“可专利性的最终条件”,也被称为“专利制度的守夜人”。㉖Michelle Ernst,Reforming the Non-Obviousness Judicial Inquiry,28 Cardozo Arts &Ent.L.J.663 (2011),p.663.因此,创造性的重要功能就是在发明人的私有领域与旨在维系社会公共利益的公共领域之间划清界限。专利制度不能通过对技术的重叠保护实现技术进步,而是通过填补创新空白来推进技术创新,因而对创造性审查以界分现有技术与创新技术变得尤为重要。正是如此,人工智能技术对专利制度的冲击主要表现在发明的创造性判断标准的调适问题。
1.对判断起点的挑战:本领域普通技术人员抑或本领域普通人工智能
对创造性的审查主要是判断人工智能生成的技术方案是否具有非显而易见性。在传统环境下,创造性判断是以虚构的“本领域普通技术人员”(Person Having Ordinary Skill in The Art,PHOSITA)的标准来衡量。而人工智能生成的技术方案,基于其独特的生成过程,在对其生成的技术方案进行审查时,仍以判断自然人发明的本领域普通技术人员的视角进行审视是否合适?
有观点认为,对人工智能发明申请的创造性审查时,普通技术人员的标准应该被提高,以反映现实条件中的一般技术水平。㉗刘强、周奕澄:《人工智能发明专利审查标准研究》,载《净月学刊》2018年第3 期,第78-87 页。亦有学者提出“普通技术人员”应为“所属技术领域的人工智能”所代替。㉘马忠法、彭亚媛、张驰:《与人工智能相关的主要知识产权法律问题》,载《武陵学刊》2019年第1 期,第52-65 页。Abbott R.认为,本领域技术人员应该是人工智能使用者与人工智能,或仅仅是人工智能。㉙同注释⑤。除了所属领域的普通技术人员作为法律上拟制的“人”,在拟制时参照标准受到人工智能的影响之外,“普通技术人员”的“一般技术水平”是否会因为某一具体领域人工智能技术发展水平不一而难以确定呢?如何确定本领域人工智能技术发展的标准呢?
2.人工智能的跨领域检索技术:“技术领域”界限的打破抑或不变
Brenda M.Simon提出,认知技术可实现高效、低成本的信息存储和处理,从而将加快许多领域的发现步伐,将解决方案从一个技术领域转化为其他技术领域的可能性,将带来更高效的创新过程。㉚Brenda M.Simon,The Implications of Technological Advancement for Obviousness,19 Mich.Telecommm.&Tech.L.Rev.331 (2013),p.335.现有技术的范围决定了专利创造性的基准,具体包括现有技术的技术领域、技术内容、常规实验能力等,往往都记载于教科书、技术词典、国家标准之中。人工智能可以打破原有技术领域的界限,挖掘潜在的技术信息。一方面,人工智能存储的海量跨学科技术知识,使得创造性判断中的预设“技术领域”的界限不再清晰,也不再必要;另一方面,人工智能将扩大信息搜索和访问的广度和深度,提高信息分析的质量和效率,从而发现原本非显而易见的新旧发明之间的联系。㉛曹建峰、祝林华:《人工智能对专利制度的影响初探》,载《中国发明与专利》2018年第6 期,第55-59 页。因此,“技术领域”界限是否会因人工智能技术发展被打破还是保持不变,也是人工智能生成技术方案创造性判断需要厘清的问题。
专利授权实质性条件是确定私有领域与公有领域界限的重要工具,是确定需保护技术方案的“调节阀”,是社会技术存量与技术增量之间平衡关系的“调节器”,而创造性标准则是这个“调节器”上的“平衡码”。当人工智能技术对创新过程带来实质性影响时,拨动“平衡码”才能有效促进创新。
现行专利法对“创造性”的判断采用“非显而易见”标准,而“技术领域”“普通技术人员”是创造性判断的基础。但创造性判断本身具有主观性,需要对“技术领域”“普通技术人员”等因素作出客观分析,才能得出创造性动态调整的要求。
创造性标准可以代表专利保护水平。诺德豪斯认为,最佳的专利保护水平应是一个平衡点。㉜Whitaker J.K.&Nordhaus.W D.Invention,Growth and Welfare:A Theoretical Treatment of Technological Change, 37 Economica,443(1971),p.443.超过这个平衡点的更强专利保护通过激励创造活动而产生社会效益,同时也将使社会负担更重的固定成本。最佳的保护水平必须是边际社会成本与边际社会效益相等的点。㉝石必胜:《专利创造性的经济学分析》,载《知识产权》2012年第4 期,第16-23 页。若P代表公众购买专利产品的价格,Q代表专利产品的供应量,则在E点边际社会成本与边际社会效益成本相等。
此时受保护发明数量Q*为专利产品的最佳数量,如图1所示。
图1 传统发明模式下专利产品边际社会成本与边际社会效益
人工智能参与研发创新日益普遍,使得发明成本不断降低,SMC曲线平行下移,若公众购买发明的价格P不发生变化,则SMC与Pe的交点E将右移为E1,对应的Q值将增大为Q3,意味着越来越多的技术方案将获得专利保护,专利制度原先所构建的均衡状态被打破,如图2所示。因此,为防止因发明成本降低而导致专利数量激增情形的出现,现有专利判断标准有必要作出调整。
图2 人工智能发明专利产品边际社会成本与社会效益
人工智能参与创新,“普通技术人员”的拟制、“相关技术领域”和“一般技术水平”的确定须充分考量技术发展因素。总体而言,“创造性”判断标准依然取决于发明成本与公众使用发明的成本的平衡。
1.普通技术人员的拟制
“普通技术人员”是美国司法实践中为统一创造性判断标准,通过系列经典判决逐渐构建起的创造性判断的虚拟主体。其在KSR案㉞KSR Intl' Co.v.Teleflex Inc.,550 U.S.398,421 (2007).中被描述为“一个普通创造者”,在Panduit Corp案㉟Standard Oil Co.v.Am.Cyanamid Co.,774 F.2d 448,454 (Fed.Cir.1985).中,被认为是“按照本领域的传统智慧思考的人”。其特点在于其可获知该技术领域的所有现有技术,具有常规实验能力,但不具有创造力。我国《专利审查指南》明确规定:本领域的技术人员,是指一种假设的“人”,假定他知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,但他不具有创造能力。作为创造性判断的主体,“本领域技术人员”是一个法律上的假定,是抽象的、非现实的技术人员,是与当时研发创新中的技术水平相应的人。因此,在人工智能实质性参与或协同创新的阶段,“本领域普通技术人员”应体现为运用人工智能获得技术强化的自然人或者是人工智能本身。因此,该领域的技术方案创造性的判断,需评估当下技术人员的技术手段以及本领域内人工智能发展水平,相应地拟制“普通技术人员”。
在“普通技术人员”技术水平的确定方面,要求“普通技术人员”所掌握的技术应该与“现有技术”的发展同步。William Samore以遗传编程算法为例,结合基因编程设计出天线的实例,提出人工智能实质性参与创新后,“普通技术人员”技术水平是动态变化的,其认为基因编程算法使得发明构思显而易见需要以基因编程算法普遍使用为前提。㊱William Samore,Artifciial Intelligence and the Patent System:Can a New Tool Render a once Patentable Idea Obvious? 29 Syracuse Journal Of Science &Technology Law,113 (2013),p.115.EPO和JPO指南均提到技术人员具有普通或正常的技术手段用于实验研究和开发。美国最高法院就明确指出,在对显而易见性的考察和评估时,应考虑到最新技术。㊲KSR International Co.v.Telefelx,Inc.U.S.2007,550,398-428.因此,对人工智能生成技术方案的创造性判断,应考量本领域相关的人工智能技术发展的水平。㊳Robert Plotkin,The Genie in The Machine:How Computer-Automated Inventing is Revolutionizing Law and Business,Stanford Law Books Press,2009,p.109.如果在相关技术中使用人工智能不是正常的实验手段,若该发明对本领域技术人员而言就不是显而易见的,则不论发明人是否使用了人工智能,都应该授予专利。以遗传工程为例,若本领域技术人员并未能够轻易获取遗传编程作为技术方案的设计与分析工具时,该方案整体应当具有创造性。㊴季冬梅:《人工智能发明成果对专利制度的挑战——以遗传编程为例》,载《知识产权》2017 第11 期,第59-66 页。如果在相关领域中使用人工智能是正常的技术手段,则本领域技术人员的技术水平必然考虑人工智能作为必要技术手段。我国《专利审查指南》并未要求申请人说明完成发明创造的方式,既可通过参考特定领域的一般发明实践确定人工智能的使用程度,也可通过行业趋势确定本领域人工智能技术使用水平。
2.技术领域的拓展
“现有技术”的确定是创造性判断的前提,而技术领域范围的设定是现有技术确定的基础。在某种程度上,几乎所有的发明都涉及已知要素的组合,可以参考、考虑的技术领域越多,发明就越显而易见。技术领域范围设定的初衷是认为技术之间须具有类似性,技术领域属于研发主体所努力的领域,或者与发明所要解决的问题密切相关。因此,普通技术人员被认为通晓本领域内的所有现有技术的知识,以及与该发明所解决的问题相关的现有技术,不要求普通技术人员超越其所属领域的现有技术去熟悉其他领域知识。若某领域的大多数研究由人工智能去执行,参与创新的人工智能技术水平成为判断显而易见性的标准的重要因素,当利用人工智能进行跨领域数据挖掘时,在解决电气工程中的问题时,机器能自动访问医学、物理学甚至烹饪学的相关技术。人工智能强大的搜索功能,将使获取的信息明显增多,人工智能的跨领域应用能力,加强了隐形知识的联系。人工智能技术将挑战限制技术人员视野“技术领域”的习惯概念,过去通常由发明意图及解决的问题确定的技术领域,人工智能的数据挖掘技术可能突破传统认知中技术领域的界限,在更多的技术领域获得“技术启示”。
传统研发创新活动中,技术人员跨技术领域通过知识迁移获得的发明被认为具有创造性。在人工智能时代,利用人工智能对不同技术领域的技术组合实现的发明创造,将缺乏创造性。㊵Joel Nägerl,Frank Steinbach and Benedikt Neuburger,Artificial Intelligence:a Game Changer for the Patent System,at https://www.iammedia.com/artificial-intelligence-game-changer-patent-system,last visited:2019-10-22.因人工智能技术对海量数据库的跨库检索成为可能,在判断是否具有创造性时,对相关技术的分析应考虑技术进步和跨学科合作在特定技术领域的发展程度,即现有技术由单一领域向多维化空间拓展,我国《专利审查指南》应扩大“相关技术领域”的范围。在检索技术发达时,技术领域的界限可能模糊甚至消失。
计算机、算法、大数据和开源平台的融合将我们带入了人工智能驱动的第四次工业革命,人工智能普遍介入技术创新成为可能,使创新周期变短,发明成本降低,挤压自然人发明空间,这将打破现有专利制度维系的利益平衡。创造性标准作为专利保护的“调节阀”,不仅是明确界分技术方案保护范围的标尺,也是合理划分私有领域和公有领域的工具,应随着人工智能技术参与创新的程度作出相应调适。对于人工智能实质性参与或协助完成技术方案的创造性判断,需准确把握“技术领域”边界,动态调整“本领域普通技术人员的能力标准”,适当提高“创造性”判断的标准。