人工智能算法的可专利性问题研究

姚 叶

（1.中南财经政法大学，湖北 武汉 430073；2.马克思普朗克创新与竞争研究所，巴伐利亚州 慕尼黑 80539）

人工智能算法无缝渗透到人们的线上和线下生活中，悄悄地收集、分析、总结每个人现在所创造的大量数据。大数据与算法的结合似乎能够让我们的生活更加方便，但是却带来了诸多问题，歧视、侵犯隐私和违反正当程序案件频频发生。例如，举报人克里斯托弗·怀利（Christopher Wylie）指控Facebook干预公民的政治选举；量刑软件COMPAS因为对黑人群体的量刑有失公允而被质疑。对人工智能算法的解释与控制一时间成为讨论的焦点。

人工智能算法能够被授予专利权已经具有法律规则的支撑与实践基础。在2019年新修订的《专利审查指南》中，美国将“两步测试法”的第一步骤进行了更加详细的划分，以应对方法发明在智能时代的冲击。日本特许厅在2000年《专利审查基准》中，对适用“工业性原则”做出新的解释，凡使用软件与硬件资源协调运作以实现某一目的的算法运行或信息处理，都被认为是“利用自然规律的技术方案”[1]。我国也在《专利审查指南》中对“计算机程序本身”与“计算机程序相关的发明”进行区分，后者并不因与计算机程序有关而被禁止授予专利权。我国《专利申请指南》在2017年修改时将商业方法与计算机程序作为一种专利权客体，在2020年修改时将“算法”也纳入可被授予专利权的客体。

各国企图区分抽象思想与其应用，构建了抽象思想/具体应用二分法的区分原则，为抽象思想的具体应用而非抽象思想的可专利性进行指引。算法是一种公共知识，人类社会的发展与创新均依赖算法的更迭与发展，如果赋予或变相赋予某一主体对于算法的垄断权，将会遏制创新并侵害人类对于知识的获得。要想在现有的专利制度之下实现利益的平衡，须从“专利客体的范围”与“专利客体的审查标准”两个方面入手，以下具而述之。

1 人工智能算法特性诱发的客体判断问题与审查标准难题

1.1 规范分析：专利客体范围重合

我国《专利审查指南》规定，包含技术特征的商业模式具有获得专利权的可能。商业模式与商业方法在我国《专利法》和《专利审查指南》中并无具体的内涵界定，凡是在商业领域内使用的智力活动方法均可以认为是商业模式，一旦这种方法与具体的技术特征相结合，便能够构成专利。如果某些人工智能算法在发展中逐渐超出了法律或法规所描述的计算机程序的商业特征，则在其被应用于商业领域时，申请者可以选择性地将其描述为一种商业模式专利。正如国家知识产权局《专利审查指南》第二部分第九章修改草案6.2（1）中的举例“一种卷积神经网络模型的训练方法”，卷积神经网络算法本是人工智能算法的一种，如果它能够成为一种解决问题的方法，则其可以被申请为一种商业模式专利。

事实上，通过扩大解释，人工智能算法虽然并没有被明文纳入知识产权的客体，事实上却已经获得了保护。虽然这种保护方法较为繁复，对企业的指导意义并不明显，需要在撰写权利要求书与说明书时使用一定的技巧，避免被排除于可专利主题之外，但是现有的法律、法规不需要修改，节省了司法资源并保护了法律的确定性。这种操作的缺陷也比较明显，例如，计算机程序与计算机软件二分保护的现状并未解决，商业模式与商业方法的概念也并未明确，《专利审查指南》对申请者的指引作用大大减弱。

2020年2月生效的《专利审查指南》企图改变这种状态，它承认了“包含算法特征或商业规则和方法特征的技术方案”的专利客体地位。《专利审查指南》的此次修改并未对计算机程序、商业模式的审查规则进行修改，仅仅增加了算法、商业方法两种技术方案为专利客体。从表面上看，这顺应了区块链、大数据、人工智能的发展趋势，明确了算法与商业方法的专利主体地位，但深思后却觉不妥。首先，《专利审查指南》忽略了算法与计算机软件的实质性关联，造成同一内容多重客体保护的局面；其次，《专利审查指南》实质上造成了商业模式与商业方法的重叠保护；最后，《专利审查指南》并未对算法与商业方法的概念进行阐释，仅仅规定了审查基准，反而起到了模糊现有审查规则的反作用。

1.2 具体操作：人工智能算法审查标准的问题

在判断某一客体的可专利性时，不可避免地要根据专利法中新颖性、创造性、实用性的标准对这一客体进行审查。在算法专利已经通过客体审查后，“专利三性”的判断决定了它是否真正地成为一种可商业化的技术方案，进而决定其是否可以获得授权。

1.2.1 新颖性审查。我国《专利法》对发明的新颖性要求是该发明不属于现有技术，也没有任何单位或者个人就同样的发明在申请日以前向国务院专利行政部门提出过申请，并记载在申请日以后公布的专利申请文件或者公告的专利文件中。大多数国家通过将技术方案与现有技术进行比较而判断，具体操作方法是相同领域的技术人员对现有技术进行检索比对，判断二者的技术特征是否相同，并采用单独对比规则。具体而言，通过拆分人工智能生成发明技术方案，与现有技术方案中的每一项权利要求进行比较，如果所有权利要求里包含的所有技术特征，都已经被包含在先前公开技术方案的内容中，则该人工智能生成发明不具有新颖性。新颖性判断标准主要有两种：“心理创造力”与“历史创造力”[2]。“心理创造力”是指相对于个人思想或某项人工智能系统是新颖的；“历史创造力”是指相对于整个历史是新颖的，专利法上的新颖性标准主要指后者。换言之，即便某一技术方案对于某些人或者某些领域来说是全新的，如果这一方案并未对历史上的技术有任何的改进，则这一技术仍然不具有新颖性。基于“训练数据+预测数据”模式的人工智能算法，通过对不同的数据进行搜集、学习，最终生成涉及不同领域的智能发明。这为新颖性的判断增加难度，甚至挑战现有的新颖性审查方式。

其一，现有数据库无法进行全面对比。专利行政部门的现有技术检索能力和资源都是有限的，因此，完全地对所有的现有技术文献进行检索比对是不可能的[3]。人工智能具有远超普通发明人的数据收集、整合及分析的能力，在对其生成的技术方案进行可专利性判断的过程中，可能使用自身的且并不公知的数据库，这会加剧专利审查的难度，也就产生了现有技术检索难以穷尽的局面，导致人工智能算法可专利性审查结果存在瑕疵。

其二，关键词替换模式容易落入“现有技术”范围。企业为了对自己的专利进行防御，往往使用人工智能算法发明中的关键词进行重组，或寻求关键词的反义词等，借以在已授权专利的外围形成一系列防御性专利。仅替换近义词组等不太可能使改进发明申请比基础专利更具有新颖性，所以如果最终存在有限个数的、已经确认的或可预测的解决方案或成果时，技术人员将更倾向于已知方案，这加剧了人工智能算法发明新颖性认定的难度。

1.2.2 创造性审查。我国《专利法》第二十二条第四款对创造性的标准有明确的规定，其以现有技术为对比样本，判断该发明是否具有突出的实质性特点和显著的进步。美国法中规定审查员或法官应当界定发明所属的“技术领域”，判断本领域技术人员的技术水平以及其发明对该人是否显而易见。美国最高法院在Graham V.Deere一案中对“非显而易见性”中的要素制定了重要性排序。处于第一顺序的是现有技术的范围和内容；处于第二顺序的是现有技术和要求保护的发明之间的差异；处于第三顺序的是相关技术中的普通技术水平；处于辅助地位的考虑因素有“商业成功、长期感觉到但尚未解决的需求以及他人的失败”“可能具有相关性”等。我国专利审查人员所采用的“创造性标准”具有三个步骤：确定最接近的现有技术、确定发明的区别特征和发明实际解决的技术问题以及判断要求保护的发明对本领域的技术人员来说是否显而易见。人工智能算法的出现对上述衡量标准产生了不同程度的冲击。

其一，人工智能算法所属发明领域难以确定。人工智能的发展方向可能与专利的理念恰恰相反。目前人工智能往往专注于单一领域，例如，AlphaGo专注于围棋竞赛领域；小冰专注于文字创作领域。而人工智能算法的理想发展形态却是创造跨领域，是更契合人类思维的算法。目前，已经有些算法可以做到简单的契合，深度学习算法可以在车联网智能控制技术、语音识别、医疗等领域得到应用[4-6]。例如，朴素贝叶斯算法可以预测糖尿病[7-8]。很多人工智能技术的核心发明点在于算法方面的创新，但是存在能够适用于人工智能多个领域的算法并不能获得专利授权的情况，这种情况使得开发有用算法的积极性受到抑制[9]。

其二，人工智能算法的“技术贡献”程度难以确定。人工智能算法的卓越特征是运算速度的快速提升，算法的申请主体极易使用技术特征模糊技术效果，掩盖算法仅仅具有运算速度提升的实质性进步。专利法的理念与目的在于促进科技的创新并改善人类社会的生活条件。如何避免低价值、低效率的创新浪费司法资源，就需要对“技术贡献”程度进行合理界定。

1.2.3 实用性审查。我国《专利审查指南》认为实用性核心内容有三点：一是技术方案具备“可再现性”，即产品专利能够制造、方法专利能够使用；二是技术方案能够解决技术问题且符合自然规律；三是技术方案能够产生积极效果。《专利审查指南》中列举了几个不具有实用性的例子：不具有可再现性、违背自然规律、利用独一无二的自然条件的产品；人体或者动物体的非治疗目的的外科手术方法；测量人体或者动物体在极限情况下的生理参数的方法。人工智能算法的发展却对这些内容产生一定程度的冲击。

其一，人工智能算法的“可再现性”不明。“可再现性”要求技术领域的一般人员，根据公开的技术内容，不依赖任何随机因素，能够重复实施技术方案，并且实施结果相同。对于狭义的人工智能算法而言，即便算法是由人类参与设计，但是在其运行的过程中很容易脱离“掌控”，成为一种“黑箱”。例如，美国纽约西奈山医院（Mount Si⁃nai Hopital）通过Deep Patient项目对70万病人的数据进行训练，结果显示它在预测疾病方面表现十分优异；精神内科医生向来很难预测精神分裂，但此智能系统在预测精神分裂症等精神疾病方面的表现出乎意料，医生对此也难以解释[10]。无法了解来源与机理的人工智能算法在进行“可再现性”检测时往往趋于无力。

其二，人工智能算法的“技术特征”不明。人工智能在包括经济学、音乐、艺术、心理学、语言学和文学在内的文科领域得到了广泛的应用。欧洲专利局（EPO）的技术上诉委员会指出，“一项发明的技术性特征可能在很大程度上被隐藏在非技术背景下。”举个简单的例子，即便某一应用于音乐领域的人工智能算法采用了“技术手段”，但是其发明的“本质”与音乐这一不具有技术性的学科有着不可分割的联系，专利的权利要求书中也会充斥着对于音乐要素的描述。这就容易使审查官或法官对于技术性的判断产生疑惑，进而否认该技术方案的专利性。

其三，人工智能算法的“技术效果”不明。人工智能算法具有“双面性”，既可以为社会带来积极的效果和巨大的经济利益，又可以使社会陷入道德及伦理风险之中。狭义的人工智能算法即深度学习算法、加强学习算法等最为重要的特点便是“不可知性”，而这种不可知性可能构成潜在风险。以COMPAS为例，Loomis在获得量刑后起诉法院因使用COMPAS软件而违反了刑事诉讼中的正当程序原则，即他并未获得个别化量刑和基于准确信息量刑的权利，同时他认为法院将他的性别作为量刑因素。尽管最高法院驳回了Loo⁃mis的上诉，但是由于COMPAS算法的提供者Northpointe以商业秘密为由拒绝提供量刑的依据，人们开始担忧算法的“不可知性”对人类的危害。因此，对于狭义的人工智能算法而言，它具有广义上的“实用性”，却因为可能产生一定的“非积极效果”而被认定为不具有“实用性”。

2 疏解：人工智能算法专利的客体确定规则与可专利性判断标准

2.1 修正《专利审查指南》之表达

我国《专利审查指南》虽然在2020年对专利客体的范围进行了修正，但未能起到正向作用，反而会使现有专利客体的范围更加模糊。诚然，《专利审查指南》法律位阶较低，约束力不强，但是基于我国传统，其实质上已经成为指导专利申请的重要“宝典”。笔者建议，法规制定部门应该综合考虑算法、计算机程序、商业模式和商业方法均为含有“抽象思想”的专利客体的内在联系，保留算法与商业方法的专利客体地位，并对二者的概念进行明确。需要说明的是，这并非是排除计算机程序和商业模式的专利客体地位，二者可被算法与商业方法所包含，无须作为单独的客体。

2.2 人工智能算法专利授权范围

2.2.1 正向界定：技术领域、技术特征、技术高度。首先，单纯的人工智能算法本身并不构成可专利客体。如果某一方案的权利要求所保护的方案记载的数学算法在执行过程中表示的是数值的计算过程，提供的改变也只是数值型结果，则这种方案仅仅是一种方法，属于《专利法》第25条所规定的智力活动的规则和方法。以“一种基于特征选择和决策树的网络异常分类规则提取方法”（申请号为201510916818.2）为例，此发明是一种基于混合人工智能的网络异常检测方法，其利用遗传算法进行特征发现，利用决策树算法进行决策，与单一的检测方法相比，提高了网络异常检测的准确性。这一方案在专利审查时并未获得授权，理由在于其仅仅是一种普通的提高网络异常检测准确性的方法，并未解决某一领域的具体问题。

其次，应用于“技术领域”解决“技术问题”的算法可成为一种专利客体。以“一种基于深度学习的人脸关键点对齐算法”（申请号201511028892.7）为例，此发明提供了一种基于深度学习的人脸关键点对齐算法，算法能够在人脸识别领域提高准确度并且提高效率，已经具有了一定的技术特征。在一种基于贝叶斯网络的网络认知自适应算法中，贝叶斯网络是一种数学模型，权利要求中的手段均是数学算法的推演，解决的也是数学问题。在其权利要求书中并未记载该方法应用于认知网络的具体步骤或流程，故而贝叶斯网络应当属于一种数学方法。权利要求的主题名称、权利要求所限定的全部内容均需要体现出算法的具体处理过程如何与技术领域相关联，并且确定算法所解决的技术问题与产生的技术效果。

最后，“有益的技术效果”具有一定高度。当人工智能仅仅使通用计算机执行“思维步骤”时，法庭拒绝此方案的专利资格。联邦巡回法庭的裁决表明，具体改进传统技术的人工智能发明是符合专利资格的。然而，欧洲专利局（EPO）的技术上诉委员会拒绝遵循这种简单的“贡献”方法，而通过在专利资格审查中有效地添加新颖性和创造性评估来提高“技术效果”的门槛。这一门槛不仅可以预防专利滥诉的现象，也能尽早驳回不符合资格的技术方案，提高行政效率。

可见，人工智能算法相较于计算机程序算法已经能在本质上构成解决具体问题的技术方案，兼具技术方案和思维规则的二重属性[11]。人工智能算法虽然在当代具有改变人类生活的巨大作用，却仍然达不到颠覆算法“思维规则为主，技术特征为辅”的属性，而其成为专利法的客体已经没有任何问题。对于人工智能算法的专利权问题，如果其通过了审查部门的“专利三性”审查，则可以获得专利权。

2.2.2 反向排除：人工智能算法专利排除领域。“排除领域”可做广义解释与狭义解释。前者指“不视为专利客体”与“不授予专利权”的客体，后者仅仅指因为“专利三性审查”与“公共政策”要素之考虑而被排除于专利客体的技术方案，此处仅指后者。《专利法》对专利客体排除违背公序良俗、利用遗传资源且依赖该遗传资源完成的发明创造。专利法以对发明人的激励为手段，促进社会创新与经济发展，但并非所有对人类有益的事物均可以被授予专利权。人工智能算法在与具体特征相结合时，其使用领域十分宽泛，我们应该在维护人工智能技术发展的同时，恪守专利法底线，警惕以人工智能为外观的任何非法的技术方案不正当获得专利权。

首先，有悖公共秩序、伦理道德的人工智能算法发明不应当获得专利权。人工智能算法发明在实施过程中可能带来伦理挑战[12]。一方面，人工智能系统由人类创造，人类的偏见和主观判断反映在算法中就会对人格尊严具有侵犯性。人工智能算法的自动决策若内含“歧视”则会导致算法的不平等性，进而侵犯人的法律主体地位[13]；另一方面，人工智能算法在搜集个人隐私信息并加以分析、利用方面的行为对个人隐私权构成强大的威胁[14]。其次，恶意制造并用于伤害人类健康的人工智能算法不应当被授予专利权。某些工具之生产目的是对某些人的身体带来负面效果，一旦失去控制，被用作武器的人工智能算法往往会对人类生命健康造成直接的威胁。再次，破坏社会道德规范、危害公权力影响力的人工智能算法不得被授予专利权。例如，“警察POLICE”、警灯属于警察专用标志，代表了公安部门具有的公权力，如果允许其他任何个人或组织使用，必将影响社会正常秩序，妨碍公共利益。最后，人工智能算法在医疗领域的应用值得重点关注。我国《专利审查指南》明确规定，疾病的诊断和治疗方法不可以被授予专利。人工智能算法作为一种基础层的技术，在商业化使用中，往往被运用于不同的场景，如医疗、交通、教育、金融、生活、零售、安防、园区、环保、政务等10个细分领域。在医疗场景中，人工智能算法通过对病人健康数据的积累，对诊断数据的了解，能够辅助医生在最短时间内进行决策，甚至能够独立生成医疗方案并实施，这与以往以医生为主导开处方不同。人工智能算法在诊断与治疗中的广泛应用能够增加方法的重复利用性，原因在于即便不同人的身体具有不同的特征且需要不同的治疗方法，但是对于算法而言，这些往往只是输入不同的数据，如何挑选数据、判断数据完全根据算法内部设置好的优先级决定。这种判断方法完全具有重复性。除此之外，如果将疾病的治疗和诊断方法完全由机器决定，则会造成算法“黑箱”，威胁人的生命权。更为突出的是，赋予这种算法及其搭载的技术特征以专利仍然会限制医生在诊断时对于方法的选择。

专利法是技术之法、创新之法，是界定公共领域与私有权利的“界碑”，也是维护公共秩序的责任之法。法律往往具有滞后性，人工智能技术的创新走在前头，专利法的制度变革应当紧随其后。专利制度之变革不仅需要制度供给，更需要实践参与。换言之，《专利法》与《专利审查指南》的协同配合才是制度变革之良法。我们应当秉持开放的法价值观，扩大专利客体范围，调试“专利三性”的尺度，也应当秉持安全发展、人文创新的思维，严格限制专利法的排除客体范围。

2.3 人工智能算法专利的审查规则

专利客体审查是对技术方案的形式审查，“专利三性”审查是对技术方案的实质审查。换言之，人工智能算法技术方案若想获得专利授权，首先应当是一项具有专利性的客体，然后是一种可被授予专利权的技术方案。如前所言，“专利三性”是指新颖性、创造性、实用性。人工智能算法与之前的专利申请具有很多差别，这些差别甚至对专利审查部门一直坚持的审查标准产生了强大的冲击。专利审查部门对这些区别视而不见不仅会造成资源的浪费，也会降低开发人员的积极性，甚至阻碍智能经济的发展，掣肘人类社会的进步。

2.3.1 新颖性审查。新颖性审查与创造性审查具有关联性，后者常常以前者为基础。新颖性审查要求所申请的技术方案不属于现有技术，也没有任何单位或者个人就同样的发明或者实用新型在申请日以前向专利局提出过申请，并记载在申请日以后（含申请日）公布的专利申请文件或者公告的专利文件中。对于新颖性的审查以对比文件为基准，采取单独对比的原则。针对现行的新颖性标准在人工智能发明专利性判断中的不适性，专利法应当合理调整新颖性的判断标准。

第一，对人工智能算法进行审查的专利行政部门对现有技术的检索不应拘泥于申请日以前在国内外为公众所知晓的某一特定技术领域，而应对现有技术进行缩小解释，排除仅靠词语替换而生成的海量技术方案等。美国的一个网站“ALL Prior Art”收集专利文献，通过智能算法进行整合，自动生成潜在技术专利的权利要求书和说明书，并将其发布在网站上，对已获得专利权的专利进行防御保护。尽管这其中的很多技术方案并不具有技术性和操作性，实际上却极大地扩大了现有技术范围，缩小了新技术方案的生成空间。人工智能算法专利与其他专利均能够通过对公开文献的替换等形成新的技术方案，在审查时对“防御专利”的信息进行排除，有利于保留合理的“公共领域”，促进人工智能算法的发展。

第二，除涉及商业秘密之外，应要求人工智能算法的专利申请人在专利申请材料中完全披露与人工智能生成发明有关的所有数据文献。专利审查部门现有技术检索数据库与人工智能的数据库之间的差距有逐渐扩大的趋势，比对的不完全性会造成专利法的不确定性。《美国专利法》第112条规定，要求申请者在公开披露的文件中公开技术方案的获得方式。在Case A.B.Dick Co.v.Barnett案中，上诉法院声明应根据有关技术的难度或新颖性以及该技术的发展来判断披露的充分性，并根据应用该技术所必须具备的技能的种类和程度以及所涉的特定发明来判断是否能被授权。人工智能算法的形成过程是数据训练的过程，数据集的输入决定了算法的输出。因此，要求申请人披露算法所使用的数据集就是在要求其披露技术方案的形成过程，具有一定的合理性。除此之外，申请人对于算法使用的数据集的披露也会提高审查效率，避免劳动力的无意义消耗。人工智能算法运行通常依赖大量的数据，所生成的技术方案也呈现爆炸式。这不仅增加了审查人员的负担，而且导致审查人员囿于数据库的不对等而做出错判的决定。

2.3.2 创造性审查。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”。我国专利审查人员所采用的创造性标准具有三个步骤：确定最接近的现有技术、确定发明的区别特征和发明实际解决的技术问题以及判断要求保护的发明对本领域的技术人员来说是否显而易见。与“普通技术人员”的拟制、“相关技术领域”及“一般技术水平”三个要素的确定关系密切。我国《专利审查指南》规定，“普通技术人员”指一种拟制的“人”，他虽然不具有创造能力，但是知晓申请日或者优先权日之前发明所属技术领域所有的“一般技术知识”以及所属领域的“现有技术”，并且具有应用该日期之前常规实验手段的能力。“一般技术水平”这一要素以前两个要素的确定为前提和基础，是实践操作问题而非理论问题，故而不在此处讨论。

首先，技术领域的划分需要谨慎。人工智能与人脑越相似，与技术发展的理念就越接近。事实上，人的大脑是一个有效的学习机制，并不囿于一个知识领域。而人工智能的理想目标便是脱离固定领域的掣肘，变成具有普遍应用性、跨技术领域的智能。面对这样的发展趋势，判断人工智能算法是否具有独创性，不应被束缚在单一技术领域，而是要结合申请文件中所涉及的所有领域。

其次，“普通技术人员”所掌握的技术应该与“现有技术”的发展同步。美国最高法院就明确指出，在对显而易见性进行考察和评估时，应考虑到最新技术。以人工智能最广泛的应用领域遗传编程算法为例，人工智能实质性参与算法的创新后，“普通技术人员”的技术水平是动态变化的[15]。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，而是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的使用水平[16]。

最后，“普通技术人员”这一拟制的“人”的设定殊为重要，原因在于人工智能算法搭配强大的算力呈现出优秀的数据库检索和整合能力，在现有的技术审查标准下和数据库中，极其容易被认为具有“创造性”。“普通技术人员”是一个拟制的“人”或是一个“概念”或“标准”，由谁拟制？根据什么拟制？在不同的技术背景下应该具有不同的表现方式。在前人工智能时代，专利申请往往以人为主导，人类发现现有技术的空白并对它进行填补而形成发明。这一进程往往耗时较长，也更具有偶然性。但是在人工智能时代，人工智能算法依赖数据库的广度与更新时间进行发明，所做的发明也往往具有范围广、更新快的特点，使用原有的检验标准必定不适应现在的创新环境。在Environmental Designs，Ltd.v.Union Oil Co一案中，法院提出确定“普通技术人员”标准需要考量的几个因素：发明人的教育水平；本领域遇到的问题类型；现有技术解决这些问题的方法；创新的速度；技术的成熟度以及该领域积极工作者的教育水平。并非所有因素都必然存在于每个案例中，在一个特定的案例中，一个或多个因素可能占主导地位。尽管美国法中并不因发明的方式而判断发明的可专利性，换言之，无论是天才的“灵光乍现”还是技术人员的“长期努力”而获得的技术方案都应该被授予专利权，但是对于人工智能算法，这一问题则需要加入政策方面的考量。由人工智能偶然生成的技术方案并不被很多法院接受，尽管显而易见性的评估基于客观因素十分重要，但这并不是一项“铁律”，发明人的受教育程度也十分重要。基于此，有学者提出应当提高“普通技术人员”的标准，以反映现实条件中的“一般技术水平”[17]。亦有学者提出“普通技术人员”应被所属技术领域的“人工智能”所代替[18]。Abbott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[19]。这些观点并不违背我国的法律、法规或规范性文件，为我国《专利审查指南》的修改提供了方向。

2.3.3 实用性审查。专利的实用性是指专利在产业中被制造或使用的可能性。满足实用性要求的技术方案不能违背自然规律并且应当具有再现性，也应当产生预期的积极效果。人工智能算法虽有“智”性，却也常常产生意料之外的负面技术效果。全盘拒绝与全盘接受并非是促进技术进步之良法，实用性审查标准恰好是一个有效的过滤机制。

其一，严格审查实用性要件之实施效果。人工智能生成发明是否对人类社会带来技术风险，还是能够带来积极的技术效果和经济效益，关键在于专利实用性要件的审查。专利实用性审查是技术风险的事前监督机制[20]。专利实用性之积极实施效果不仅要求生成发明可以创造经济效益，更重要的是要求生成发明的实施有利于社会可持续发展和人类生活，不会导致负面的社会效果。故而，审查机构需要通过实用性要件中的“技术方案对社会产生积极效果”这一要求来审查，进一步排除不道德、违反伦理及危害社会公共利益的人工智能算法及发明获得专利权。

其二，将“人类介入”因素作为判断标准。积极实施效果的判断往往具有抽象性和模糊性，缺乏人类参与的算法最终会脱离人类的操控。对此，有学者提出将人类参与作为衡量积极实施效果的标准之一，即要求在人工智能生成发明中有人类的参与[21]。人类的参与可以做到事前监督、及时中止、及时审查等，在人工智能算法的整个运行中显示全过程、全方位的“可操控性”。可以说，人类的介入这一监管方式，可以确保人工智能做出积极的、有益的价值判断。

3 结语

人工智能算法已经获得专利审查部门的认可而成为一种专利客体，它的审查标准与范围划定关系到对创新的激励与产业的发展。我国《专利审查指南》的条文过于粗糙，难以对专利的审查起到实质性的指引作用。我国应当明确划分人工智能算法与商业方法等可能产生混淆的专利客体，正向界定人工智能算法发明的范围，反向排除有悖公共秩序和伦理道德的人工智能算法发明、恶意制造并用于伤害人类健康的人工智能算法发明、破坏社会道德规范和危害公权力影响力的人工智能算法发明，并排除作为医疗方法的人工智能算法发明获得专利权的可能性。同时，对“专利三性”的具体评价标准进行细化：首先，对现有技术进行缩小解释，排除仅靠词语替换而生成的海量技术方案等；其次，对技术领域的划分应当谨慎，“普通技术人员”所掌握的技术应该与现有技术的发展同步；最后，严格审查实用性要件之实施效果，将“人类介入”因素作为判断标准。