人工智能生成成果的法律定性

刘琳

摘    要：在机器学习与自然语言处理技术蓬勃发展的背景下，人工智能生成成果在著作权法与专利法上如何定性的问题饱受争议。深度神经网络是人工智能自主创作与独立发明的技术实现，还是仍然不能脱离人类预设算法的窠臼？质言之，版权制度的立法宗旨与保护标准都希冀着作品与文化的丰富与“无序”，而在现阶段，无论算法如何精细与高妙，人工智能的工作机理仍然是学习与运用规律、输出确定结果并选择最优方案。这一过程实现的是“无序”到“有序”，其生成成果与版权制度的保护标准相背离，不应具有可版权性。相反，专利制度与版权制度具有鲜明的异质性，专利制度对随机因素的排除与对进步性的追求实现的正是“无序”到“有序”，与人工智能的工作机理不谋而合，使人工智能生成成果的可专利性成为可能。

关键词：人工智能;无序;有序;版权;专利

中图分类号：D 923       文献识志码：A       文章编号：2096⁃9783（2022）03⁃0093⁃07

一、问题的提出

AI诗人的“创作”与AI科学家的“发明”引发了社会各界的广泛探讨，也不可避免引发法律层面的可版权性与可专利性问题。在可版权性方面，少数学者秉持谦抑态度[1]，多数学者则认为人工智能不再只是“简单的程序”，而已经成为“具有自我学习和理性行动能力的智能系统”[2];现有的技术水平已经实现“算法自由”，对应著作权法之“表达自由”，满足著作权法之“独创性”要求[3]。

在可专利性方面，肯定论者认为，对于满足“三性”的人工智能发明创造，授予专利权并无制度障碍，只要在“现有技术”“拟制普通技术人员”等具体审查步骤中做适当变通即可[4];否定论者则认为，“先行者优势”已经能够为人工智能生成的技术方案提供充足激励，不必另外寻求专利制度的保护，否则将损害市场秩序[5];也有学者对人工智能法律主体资格的缺失提出担忧[6]，强调人工智能难以打破人本主义专利法的发明人身份要求，故在面对人工智能生成的技术方案时，应当秉持“审慎态度”[7]。

自2017年至今，上述论争愈演愈烈。为此，有必要从著作权法与专利法的基本面向着手，为人工智能生成成果的法律定性提供新的思路。

二、著作权法与专利法的异质性

（一）著作权法的基本面向：“无序”

著作权法的宗旨在于实现作品的丰富与文化的繁荣，其对作品丰富性与多元化的追求促成了版权制度的“无序”面向。《中华人民共和国著作权法》（以下简称《著作权法》）总则部分宣示的立法宗旨包含三项内容：其一为“保护……作者的著作权”，其二为“鼓励…作品的创作和传播”，其三为“促进……文化事业的发展与繁荣”[8]。三个短句依次递进，第一个短句深刻地体现出自然法的烙印，宣示了对作者权利的保护;第二、三句则强烈地显现出功利主义的思潮，明确指出了版权制度丰富作品与繁荣文化的深层目的。质言之，著作权法对作品的保护正是为了激励创作，最终实现丰富作品与繁荣文化的制度宗旨，而这一宗旨对作品多样性和丰富性的追求与无序的趋向相一致。

在著作权法中占据重要地位的独创性标准也蕴含着“无序”的理念。大陆法系国家的著作权法对“作者个性”的追求与“无序”的方向一致，在黑格尔唯心主义哲学的影响下，作者权体系的著作权法认为作品是“作者人格之反映”[8]。如德国著作权法认为作品必须满足一定的创作高度，法国著作权法强调作品体现出作者个性的烙印[9]，日本版权实践也要求作品体现出作者创作的个性[10]。尽管传统的英美法系国家奉行较低的独创性标准[11]，但如今，两大法系在法律全球化趋势的影响下已呈现出融合的趋势，其对独创性的解读也都在不同程度上体现着“无序”的思想。1991年著名的“Feist”案后，英美法系国家也舍弃了与《伯尔尼公约》不相容的“额头流汗”法则[12]，提高了独创性标准的门槛，逐渐向大陆法系国家“作者个性”的标准迈进，形成了后世所谓的“小铜币”标准1。个性是人的属性之一，在马克思的理论中，人类的解放需要经历“人的依赖关系”“物的依赖关系”和“自由个性”三个阶段，所谓“自由个性”即是人的个性和自我，是每个个体都拥有的属性2。个性意味着每个人都是独特的，拥有不同的特质，个性融入作品，即表现为作品的不同品格[13]。作品间的差异缘于作者的不同个性，从反面观之，也正是因为作者的不同个性才形成了丰富多彩的文化盛景。概言之，著作权法对作者多元个性的追求促成了作品的丰富，形成了“无序”的发展趋向。

（二）专利法的基本面向：“有序”

与著作权法的“无序”趋向迥异，专利制度的基本面向是“有序”。尽管专利法与著作权法均调整因知识产品而产生的社会關系并共同列于知识产权制度项下，但是二者却具有截然不同的基本面向与强烈的异质性。

专利制度追求专利的可重复实施性，即追求专利的实施不存在任何随机因素，追求实施结果的统一，并因此成就了专利制度的“有序”。可重复实施性是专利“三性”中实用性的内在要求[14]，其基本内涵是指该领域普通技术人员能够根据专利文件重复实施该项发明，其旨意在于考察特定技术方案的实施是否不存在任何随机因素。在可重复实施性的要求下，一项合格的专利既不能因专利实施者的变化而发生任何变化，也不能因实验器材、自然环境等实施条件的变化而产生任何差异[15]。这一点恰与版权制度相反，在版权领域，当一幅画作由不同的作者再创作时必会得出形态各异的新作品。即便其他作者以重现原画为唯一追求，新形成的画作也必定会因不同作者的不同个性、不同风格甚至落笔时的不同光线而产生或大或小的变化[16];即使不更换作者，在不同的时间与地点请原作品的作者复刻其作品，尽管画家能够秉持同一绘画风格，但新形成的画作也必定会因为时过境迁后的不同情景与当下的不同心境而与原作产生差异。反观专利制度，若一项技术方案因不同技术人员实施而产生差异，则该技术方案将不能受到专利法的保护，若一项技术方案在多次实施中得出不同的结果，则该技术方案也不能构成法律意义上的专利。不同于版权制度对丰富性与无序性的追求，专利制度对随机因素的排除、对实施结果统一性的追求避免了“不确定性”存在的空间，也因此促成了专利制度的“确定性”和“有序性”。

专利制度追求技术方案的进步性，追求在现有技术方案之上的优化与提升，追求效率而非丰富个性，因此背离了无序的趋势，转而向有序的方向行进。从定义上看，发明专利指的是“对产品、方法或其改进”提出的新技术方案，据此可将专利区分为两大类：首创发明与改进发明。首创发明又称开拓性发明，是指从无先例的、全新的技术方案;改进发明则指在现有发明的基础之上进行的优化。知识具有延续性，人类社会中的绝大多数发明均是站在巨人肩膀上更进一步，因此，专利领域中绝大多数发明也都属于改进发明[17]。改进发明的着力点在于对现有技术方案的优化与改进，在于对特定问题之解决方案的改良与提升。事实上，首创发明的要义也是如此，尽管首创发明史无前例，但其本质上仍然是为人类社会现存问题提供更优策略的技术方案。一言以蔽之，无论何种发明创造，其核心要义都在于“如何更好地解决某个问题”，如何为特定问题提供一个“更优的解决方案”。在科学领域中，“更好的解决问题”与“更优的解决方案”具有确定的方向性，类似于奥林匹克精神之“更高、更快、更强”，正是这一确定的方向性使得专利制度走向“有序”。

本质而言，专利制度“有序”趋向的内核在于，专利制度保护的是一种解决特定问题的思路，而版权制度保护的是思想的表达，思路是有限的，但思想的表达却是无穷无尽的。在此意义上，版权制度对丰富性的追求迎合了“无序”的规律，专利制度对丰富性的限制使其拥有了“有序”的基本面向。从专利制度的规定来看，发明专利是指“对产品、方法或者其改进所提出的新的技术方案”，实用新型的定义与之类似。由此可见，专利制度保护的是一种技术方案，所谓技术方案即一种解决特定问题的思想，无论是解决空前问题的新思路，还是建立在已有解决方案基础之上的改良思路，本质上均是一种思想。专利法对这种解决问题的思路授予专利权，提供垄断性的法律保护，任何人未经许可都不得使用同样的解决思路——假设专利申请文件公布后，他人使用了同样的解决思路，并用不同的语句进行了绘声绘色、丰富多彩的表达，并同样向专利行政部门递交申请，则显而易见的是该申请者并不会获得专利权，因为他只是改变了专利申请文件的表达，并未挖掘出新的思路。换言之，专利制度只保护思路而并不保护承载了特定思想的表达，对专利申请文件的复制或抄袭也并非专利制度的调整范围，在具有独创性的情形下自可寻求著作权法的保护。一言以蔽之，版权制度追求对同一思想的丰富表达，趋向无序;专利制度拒绝对同一思路的不同表达授予权利，趋向有序。

三、人工智能生成成果的不可版权性

版权制度追求作品的极大丰富与文化的极大繁荣，是谓“无序”，故当一项成果欲寻求版权制度的保护时，应当符合“无序”的基本趋向。尽管“无序”一词并非著作权法对作品的法律规定，但其中蕴含的独创性标准与著作权法宗旨却是任何作品都必须满足的条件，在此意义上，以“无序”为面向是作品创作的应有之义。然而，人工智能的“创作”过程则是学习与运用规律的过程、输出确定结果的过程、选择最优方案的过程，这一过程中充斥着的确定性使得机器制作必然走向“有序”，必然背离版权制度的宗旨与基本面向。

（一）寻求规律的AI制作与去规律化的版权创作

人工智能生成成果的过程是学习规律、确定规律、运用规律的过程，规律性即意味着“有序”。人工智能学习并运用规律的本质属性及强大的运算能力使其天然地更加适合以“有序”为导向的科技领域，而不适合以“无序”为导向的版权领域。在深圳市人工智能行业协会发布的《2021人工智能发展白皮书》（以下简称《白皮书》）中，现阶段人工智能主要涉及的技术领域绝大多数均是以解决问题为导向的技术领域3。其中，云计算技术已经“突破EB级存储系统”并“支持亿级任务并发处理”，产业规模持续扩大并达到了云计算技术的“黄金期”;类似地，智能芯片领域已经开发出“极致高效计算”和“低功耗”的AI，其整数精度算力可达512 TOPS。然而，在可能与机器“创作”相关的机器学习领域，《白皮书》指出，AI现阶段尚处于初级发展阶段，只能从数据中总结规律，尚未进入从知识产生知识的阶段[13]。

人工智能基于对规律的学习与运用而生成的成果只能算作以“有序”为内核的机器“制作”，与以“无序”为内核的、去规律化的“创作”相去甚远。以微软小冰“写诗”为例，小冰学习海量数据的过程是对近现代百年间数万首诗歌进行学习，学习的方式是“在一百小时内对每一首诗学习一万次”[18]。对人类而言，在以十分钟学一首诗的基础上进行运算，完成同样的工作量需要一万年。可见，这是一个人类穷极一生也不可能完成的工作，那么人类何以成为诗人？人类只需熟读唐诗三百首，基于对社会的观察、对生活的感悟、基于丰富的情感、想象力与关联能力，而在灵感迸发时创作出震撼人心的诗篇。那么为何人工智能写诗需要耗费这般高强度的工作量？因为现阶段的人工智能本身不可能产生“扩展式的思路”，因此只能采用“题海战术”，人工智能不會懂得“一叶知秋”，必须给定海量的信息和数据才能得出可靠的结论。可见，人工智能根据所谓的自主学习“写诗”不过是在人类给定的名叫“自主学习”的算法框架下总结海量信息的规律，并根据规律工作，抹去了创作所需的丰富空间。概言之，人工智能的“创作”过程本质上仍为学习规律、确定规律、运用规律的“有序”的过程，因而背离了作品应有的“无序”面向[19]。

（二）输出确定结果的AI制作与不拘一格的版权创作

在现有的观点中，支持人工智能生成成果可版权的学者认为：人工智能能够“模拟人类的创作思维”[4]，能够在“深度学习基础上形成一种有目的的产出逻辑”[5];能够在“某种程度上独立于人进行创作”[20]，能够“模仿人脑的活动”并创作出“可以被人类理解的思想、情感和表达”[21]，人工神经网络已经赋予了人工智能“一定的独立创作能力”[22]，人工智能生成的成果“具有作品的思想表现形式和人格主义要素”[15]。有学者从另一个角度切入，承认人工智能所谓的深度学习只是在运行人类设定的程序，但同时强调“机器智慧源于人类智慧”，生成的智慧成果满足独创性要求[23];还有学者一方面强调人工智能生成成果是物的进化，没有著作权意义，另一方面又认为其表现形式“被赋予强烈的思想、文化和艺术特性”，并主张构建一个弱于著作权制度的全新制度[24]。也有学者指出，当前人工智能生成内容缺乏可版权性的合法基础[25]，但具有类人智能的“具身人工智能”生成的成果将具备可版权性[26]。

肯定论者极力渲染人工智能的强大脑力，指出人工智能可以在“深度学习基础上形成一种有目的的产出逻辑”，那么试问人工智能何以具有“目的性”？目的性是人的特质，是人与机器的本质区别。尽管现阶段的人工智能可以通过“图灵测试”，让不知情的公众无法从外观上区分作品来源于人类还是机器，然而“图灵测试”的本质是“计算主义”，它并不触及目的性问题，因而在哲学领域饱受批判，被称为“形而上学的遗产”[14] 。1980年，哲学家西尔勒设计了名为“中文屋测试”的假想实验，已经有力反驳了通过“图灵测试”的人工智能就拥有目的性和理解能力的观点4。

人工智能的工作本质在于根据其内置的算法、海量的数据与操作者给定的条件输出具有确定性与唯一性的最优结果，而确定性即意味着有序。目前，人工智能技术已经有了长足的进展并已经在诸多领域实现了新的突破，然而事实上，无论工程师们将数据库扩充到何种容量，无论开发者将机器的计算力提高到何种水平，现阶段的人工智能本质上仍然是在人类预设的算法与规则下寻求最优解。以人工智能“谱曲”为例，开发者采用数学模型先为人工智能输入全部音符、乐理知识和大量音乐风格，再根据给定的条件逐一测试和谐度并生成音符[1]。可见，在人工智能制作音乐的过程中，音乐并不是独特个性的彰显和自我情感的表达，而仅仅只是根据数学意义上的最优解5。

与人工智能的工作机理相悖，创作追求的是独特思想与丰富情感的表达，版权制度追求的是作品的丰富与文化的繁荣[27]，追求的是在不确定性中迸发灵感，在不确定性中焕发生命力。至少在现阶段，人工智能的工作本质仍然是根据既定算法、海量数据，总结并应用规律，最终输出具有确定性的最优结果。这一过程从混乱走向系统，从“无序”走向“有序”，抹杀了丰富的创作空间，也背离了作品的应有之义。

四、人工智能生成成果的可专利性

专利制度追求专利的可重复实施性，追求技术方案的进步性，即追求专利的实施不存在任何随机因素，追求实施结果的统一，追求效率而非丰富个性，是谓“有序”。故当一项成果契合了专利制度“有序”的面向，同时又能满足专利的“三性”时，应当被授予专利权。

（一）有序的机器发明与有序的专利制度

在机器发明的可专利性方面，否定论者认为，“先行者优势”已经能够为人工智能生成的技术方案提供充足激励，无须另外寻求专利制度的保护，否则将损害市场秩序[5];也有学者对人工智能“法律主体资格的缺失”提出担忧，指出无论是“自然权利论”还是“激励理论”都无法为人工智能生成技术方案的可专利性提供充分的正当性论证，并对上述理论进行了修正[8];还有学者强调“人工智能难以打破人本主义专利法的发明人身份要求”，故在面对人工智能生成的技术方案时，應当秉持“审慎态度”[9]。关于“人工智能生成的技术方案具有先行者优势，无须另外寻求专利制度保护”的观点，试问这一情形是人工智能技术方案独有的吗？在这一逻辑下，任何技术方案的发明者都享有“先行者优势”，任何技术方案都可以根据“先行者优势”在市场中获得首发利益，任何技术方案都不应另外寻求专利制度的保护。关于人工智能打破专利制度“人本主义”的担忧，事实上，较之于著作权法，专利制度的人格属性本就微乎其微。在版权制度中，人身权占据了举足轻重的地位，在以法国为代表的作者权体系国家的著作权法中，作者的人格是作品受保护的基石，财产权也不过是由人身权派生而来的。而在专利制度中，重心从来都是财产性权利，与人身相关的也仅有在申请文件上标记姓名的权利罢了。在版权制度的职务作品中，若无例外情形，则版权归属于作者，其中体现的正是对作者人格的保护;而在专利制度的职务发明中，只要主要利用了单位的物质技术条件，专利权即不再归属于发明人，其中体现的正是对产业的激励。关于“自然权利论”无法为人工智能发明提供理论支持的担忧，这一点并不成立。在学界的主流观点中，自然权利论从来就不能为专利制度提供正当性基础，专利从来都不是发明人人格的延伸，专利制度不过是鼓励发明创造、促进科技进步的产业政策工具罢了，为何到了人工智能领域，“自然权利论”突然成了获得专利保护的阻碍？

机器发明的过程是从无序的现状中寻找解决问题的最佳途径——在无序中寻求有序。在人工智能的基因编程中，AI可以对基因的每一种排列组合进行结果输出和比较，在交叉、变异、复制和重组中反复实验，从而选择最优方案[15]。世界上首位机器人科学家是2009年由剑桥大学研发的AI“亚当”。“亚当”可以通过对大量数据的快速观察确定假说，再对其生成的假说进行对照试验，根据实验结果修正假说，在无数次循环往复后得出具有科学意义的技术方案。六年后，曼彻斯特大学研发出了应用于医学领域的AI“夏娃”，并成功发现一种抗肿瘤化合物。根据算法预设的筛选条件，“夏娃”每天能够系统地甄别一万余种化合物，首先排除对细胞有害的元素，然后选择对寄生虫有阻断作用的蛋白质，最终实现抗肿瘤化合物的合成。概言之，人工智能发明专利的过程是在混乱中寻求规律，在无序中寻求有序，在不确定性中寻求确定，契合专利制度的“无序”理念，具有了获得专利的可能性。

（二）“有序”面向只是获得专利授权的必要不充分条件

当然，机器发明与专利制度共同的“有序”面向并不意味着机器发明必然被授予专利，因为“有序”趋向只是获得专利权的必要不充分条件。人工智能生成的技术方案欲获得专利法保护，在具有“有序”面向的同时，还必须符合专利制度新颖性、创造性与实用性要求，这是任何技术方案获得专利权都必须满足的条件。在新颖性方面，由于人工智能可以实现每秒十万亿次的计算速度和512 TOPS的计算精度，因此可以轻易地对海量信息进行分析和检索，应用在发明专利领域，即可对某个领域的现有技术进行完整检索，发现其中存在的可填补空缺。因此，人工智能可以轻易地达到发明创作的新颖性标准。在创造性方面，人们对人工智能创造性的批判远远少于对其创作性的质疑。这是因为，学者们倾向于认为在版权制度中，创作性与作者个性、情感抒发、思想表达等“人”的因素紧密相关，作品是作者人格的延伸，是作者情感的表达[20];然而，在专利制度中并不存在上述障碍，专利制度本身就具有强烈的产业政策色彩[28]，专利发明追求科学的进步与技术的实际效用，以解决问题为导向，从不问专利是否“打下了发明人个性的烙印”，因此只要其技术方案具有实质性特点与显著进步，就能够满足创造性的要求[21]。而在实用性方面，根据人工智能的工作机理，人工智能的“聪明才智”更多体现在对海量数据的分析检索、处理复杂步骤与大量运算方面，而缺乏对产业实践情况的充分了解，因此难以预判其技术方案在真实场景中的实际效用，因此，为了满足实用性标准人工智能往往需要与人类科学家配合完成。因此，尽管人工智能生成技术方案的过程与专利制度所追求的“有序”面向契合，但在面对人工智能发明专利时，仍然必须严格审查专利制度所要求的新颖性、创造性与实用性。

结  语

在著作权法的研究与应用中，独创性扮演着举足轻重的角色。深究独创性的内核，正体现着著作权法对丰富性与无序性的追求。而专利法则呈现出截然不同的基本面向。人工智能的工作过程是学习与运用规律的过程、输出确定结果的过程、选择最优方案的过程，这一过程的单向性与确定性使得机器制作必然走向“有序”。机器发明与专利制度“有序”面向的契合使其可专利性成为可能，而机器制作对版权制度“无序”面向的背离则否定了其可版权性空间。

参考文献：

[1] 王迁. 论人工智能生成的内容在著作权法中的定性[J]. 法律科学（西北政法大学学报），2017 （5）：148-155.

[2] 李伟民. 人工智能智力成果在著作权法的正确定性——与王迁教授商榷[J]. 东方法学，2018（3）：149-160.

[3] 徐小奔. 论算法创作物的可版权性与著作权归属[J]. 东方法学，2021（3）：41-55.

[4] 张洋. 论人工智能发明可专利性的法律标准[J]. 法商研究，2020 （6）：181-192.

[5] LANDES M W， POSNER A R. The economic structure of intellectual property Law[M]. Massachusetts： Harvard University Press， 2003： 312-313.

[6] 刘鑫. 人工智能生成技术方案的专利法规制——理论争议、实践难题与法律对策[J]. 法律科学（西北政法大学学报），2019 （5）：82-92.

[7] 吴坤. 审慎赋予人工智能自主发明创造专利权[J]. 人民论坛，2020（Z2）：62-63.

[8] 贺涛. 短视频独创性标准的重构[J]. 出版发行研究，2020（7）：44-96.

[9] JUDGE E F， GERVAIS D. Of silos and constellations： comparing notions of originality in copyright law[J]. Cardozo Arts & Entertainment Law Journal， 2009（1）：383.

[10] 郑远民，贺栩溪. 结果视角下人工智能生成物的保护路径检讨[J]. 科技与法律，2020（3）：14-21.

[11] 孙昊亮. 全媒体时代摄影作品的著作权保护[J]. 法律科学（西北政法大学学报），2021（3）：109-119.

[12] 郝思洋. 知识产权视角下数据财产的制度选项[J]. 知识产权，2019（9）：45-60.

[13] 陈虎. 论人工智能生成内容的不可版权性——以表现形式为中心[J]. 重庆大学学报（社会科学版），2021（5）：1-13.

[14] 徐棣枫. 权利的不确定性与专利法制度创新初探[J]. 政治与法律，2011（10）：123-136.

[15] 吴汉东. 人工智能生成发明的专利法之问[J]. 当代法学，2019，33（4）：24-38.

[16] 王赫. 数字技术与人工临摹相结合的古书画复制刍议[J]. 故宫博物院院刊，2019（11）：99-111.

[17] 陈健. 强化知识产权使用规则研究[J]. 中国政法大学学报，2016（3）：86-161.

[18] 朱定局. 人工智能的文藝梦想和机器人的未来[J]. 华南师范大学学报（社会科学版），2019（5）：183-192.

[19] 付晓光，吴雨桐. 论AI新闻写作的逻辑特征——基于Dreamwriter报道与人工报道的对比分析[J]. 现代出版，2021（1）：48-55.

[20] 石易. “非人”的权益：论人工智能作品著作权的司法实践及理论可能[J]. 现代出版，2020（4）：65-70.

[21] 杨利华. 人工智能生成物著作权问题探究[J]. 现代法学，2021 （4）：102-114.

[22] 匡俊. 论人工智能创作物著作权法保护[J]. 中国出版，2020（18）：63-67.

[23] 郭欢欢. AI生成物版权问题再思考[J]. 出版广角，2020（14）：37-39.

[24] 曾白凌. 目的之“人”：论人工智能创作物的弱保护[J]. 现代出版，2020（4）：56-64.

[25] 刘银良. 论人工智能作品的著作权法地位[J]. 政治与法律，2020（3）：2-13.

[26] 刘文献. 人工智能生成内容“可版权性”的法哲学基础——以人工智能哲学理论为视角[J]. 政治与法律，2020（3）：14-26.

[27] 吕炳斌. 知识产权国际博弈与中国话语的价值取向[J]. 法学研究，2022，44（1）：153-170.

[28] 张平. 知识产权制度基本理论之讨论[J]. 科技与法律（中英文），2011（4）：27-30.

Legal Characterization of Artificial Intelligence Generated Results

——On the Heterogeneity of Copyright Law and Patent Law

Liu Lin

（Law school， Nanjing University， Nanjing 210093， China）

Abstract： In the context of the vigorous development of machine learning and natural language processing technology， whether the works and patents can be protected by copyright law and patent law has become a controversial topic. Is the deep neural network a technological realization of the independent creation and invention of artificial intelligence， or is it still incapable of being separated from the pre-designed algorithm of human beings？ The legislative purpose and protection standards of the copyright system entail the enrichment and "disorder" of works and cultures. At current stage， no matter how fine and sophisticated the algorithm is， the working mechanism of artificial intelligence is still to learn and apply the rules， present the determined results， and select the optimal plan. This process is from "disorder" to "order"， and it can be concluded that the results which are generated by artificial intelligence are not copyrightable. On the contrary， the patent law shows distinct heterogeneity with the copyright law. The exclusion of random factors and the pursuit of progress in the patent system achieve exactly "disorder" to "order". The results generated by artificial intelligence are exactly in line with the pursuit of the patent system and can be patentable.

Keywords： artificial intelligence; disorder; order; copyright; patent