历史视野下人工智能流派与知识产权法的关系*

李宗辉

(南京航空航天大学 人文与社会科学学院，江苏 南京 211106)

从科学理论研究的视角来看，人工智能归根结底是对人类智能的模拟、延伸和扩展，而对于人类智能本质的不同认识，使得研究者们采取了迥然有别的理论体系和技术路径来构造智能机器，进而形成了人工智能发展中的三个不同流派：符号主义，强调以符号逻辑表征人类智能；联结主义(又称连接主义)，探索神经网络间的联结机制和学习算法；行为主义(又称进化主义)，以控制论为基础研究人的“感知-行为”模式。在半个多世纪的历史发展过程中，研究如何模拟人类智能的人工智能不同流派与保护人类智力创造成果的知识产权法之间产生了或远或近、或强或弱的联系，值得加以梳理和关注。

一、符号主义人工智能与知识产权法

(一)符号主义人工智能的历史沿革与基本理念

人工智能研究的第一个流派是符号主义，也被称为逻辑主义、心理学派或计算机学派，主要依据物理符号系统(即符号操作系统)假设和有限合理性原理[1]。在符号主义人工智能流派看来，所有与智力相关的工作都可以归结为对符号的操纵。数学家在解方程时，会移动符号，然后根据预先定义的规则，用其他符号来代替这些符号。逻辑学家进行推论时也是同样的道理。根据这个假设，智力是独立于基质的[2]113。从这个意义上讲，计算机与人的大脑和心灵之间的区别并不重要，它们都是通过符号处理来解决问题，只不过计算机是“二进制”数字代码符号，而人脑处理的是更多样的其他符号。

1965年之前，符号主义人工智能的研究主要是寻求搜索和表达的阶段，即借助离散符号系统的功能实现知识的获取、表达和处理，从而揭示计算机如何解决特定领域的问题。1965-1975年，符号主义人工智能进入了建构微型世界的阶段。因为与证明几何学定理、弈棋不同，日常生活中的大多数问题无法归入少数几种因素的形式组合，通过简单的逻辑演算就可以解决，所以，必须针对这些问题建构一个简化真实世界并可以嵌入智能机器的“微型世界”。换言之，这一时期的符号学派认为，只要抽象出真实世界中那些对求解问题非常重要的特征，机器就能给出这个抽象世界足够的背景信息，并智能地思考简化了的人工世界中的对象及其关系，从而实现模拟真实世界的目的。然而，这种理想化的孤立的微型世界实际上是没有意义的。因此，1975年以后，符号主义人工智能进入了寻求极小常识知识集合的阶段。人们寄希望于从尽量少的知识集合出发，通过形式化手段演绎出整个知识系统[3]。

符号、规则、计算和逻辑推理构成了“物理符号系统”的核心要素。以此为基础，通过对计算机的编程，符号主义人工智能在问题求解(包括定理证明、机器博弈等)、专家系统、模式识别、自然语言理解、自动程序设计、机器人学和知识库的智能检索等多个领域都开拓出了广阔的应用前景[4]。符号主义人工智能在今天仍有延续和应用，但这一流派的人工智能占据主导地位的历史时期主要在20世纪80年代之前[5]，它也被称为经典的人工智能或老式的人工智能。

(二)符号主义人工智能与知识产权法的关系

1.符号主义人工智能的知识产权客体化

从知识产权法的调整对象和调整范围来看，符号主义人工智能诞生之初并未引起立法者乃至理论界的关注，人们几乎不会直接讨论人工智能的知识产权保护问题。这主要有几方面的原因：一是当时人工智能科学与知识产权法学的理论研究都处于相对“幼稚”和粗犷的阶段，两者尽管分别在技术建构和制度规范层面上涉及人的“智力创造”问题，但彼此之间要发生研究者的兴趣交融和知识汇流仍缺乏足够成熟的条件。二是在19世纪末20世纪初的美国司法实践中，“智力活动的方法”不能被授予专利权已经成为一项默认的原则，而符号主义人工智能主要擅长的恰恰是定理证明、下棋这样一些无论从外观还是实质都被认为是纯粹智力活动的算法。三是那个时代的知识产权法重点保护的仍然是传统工业中含有知识产权的机械设备、化学物质、工艺流程和图书音像等产品或方法，符号主义人工智能乃至更为传统的计算机软件都尚未形成具有一定显示度和规模的产业应用。例如，1959年的时候，共计只有20家美国公司相互竞争计算机订单。1960年10月的《电子技术》月刊介绍了当时世界范围内主要的28家公司提供的72种计算机型号，其中，美国18家、德国4家、英国2家、法国2家、荷兰1家、日本1家。由于研发周期长、调试维修难和更新换代快，计算机产业在初始的年份亏损了约5亿美元，其中有一家公司单独就亏损了1.3亿美元。1959年的统计显示，在所销售的计算机中，大型计算机的累计价值占到了57%，中型计算机占39%，小型计算机只占4%。这些数据表明，20世纪50年代，美国的计算机产业尚远未普及到私人生产部门，只有政府部门和有限的大公司有购买的需求和足够的财力，而以计算机为基础的人工智能则更是缺乏真正的产业应用。

20世纪60年代中期以后，随着计算机产业的发展，包括符号主义人工智能在内的计算机软件技术对知识产权法的影响开始引起立法者和决策者的重视。从1965年开始，美国政府和国会组织的专家委员会先后对计算机软件的专利和版权保护问题进行了深入调研，结合专利和商标局的审查实践探索，到1980年，美国事实上关闭了人工智能软件专利保护的大门，而为其开启了版权保护的窗户。同一时期的英国也采取了与美国类似的立法模式，例如，其在1988年的《版权、外观设计和专利法案》中规定：在计算机产生文字、音乐、戏剧或艺术作品的情形，对作品的创造做出必要安排的人应当被视为作者。时至今日，这仍然是为数不多的接近于人工智能创作物版权问题的法律规定。但总体而言，由于符号主义人工智能在设计上的简单性和形式化，偏重于对规律性较强的固定问题的解答，尚未展现出接近人类智能的“创造性”潜能，因此，这一时期的立法者基本还是将其作为纯粹的知识产权“客体”看待和审视的。

2.知识产权的符号化和专家系统化

从为知识产权法提供的思想借鉴来看，符号主义人工智能背后的哲学理念为知识产权统一本质主义的追求提供了一套新的话语体系和理论逻辑。20世纪五六十年代，正值国际社会为成立世界知识产权组织而多方努力之时，将著作权、专利权和商标权这三种原本具有较大差异的权利统摄到“知识产权”的名义之下，除了未来相关国际事务广泛协调的实用目的之外，需要在理论上能够自圆其说的体系化解释。当商标被解释为智力成果明显牵强的情况下，将作品、专利解释为智力创造的符号是最自然不过的选择。符号主义人工智能无疑与这种解释路径深深契合。符号主义人工智能细致区分符号本身、符号对象和符号对象的解释，并强调符号本身是第一位的。符号本身的第一性就可以使各类知识产权获得法律上的统一指称，而这些符号对象在实质内容以及具体解释上的差异则不会对它们的共同本质产生影响。不过，符号主义人工智能过于简单、机械乃至一厢情愿的事物认知方式和系统构建方式决定了知识产权的符号论事实上难以解释和处理智力成果在创造、应用过程中所涉及的各种复杂因素和多方利益关系。

符号主义人工智能还为知识产权法的具体应用提供了辅助工具——专家系统。具体的过程是，由知识工程师将知识产权法专家的启发性知识在知识库中加以符号表征和管理，并通过推理机使之以符合法律逻辑的方式工作，以及通过解释器向用户解释系统的行为。在此背景下，20世纪80年代，美国研究者曾开发了应用于商业秘密保护的HYPO专家系统[6]，20世纪90年代，我国武汉大学的赵廷光教授则与西南政法大学经济法系合作开发完成了“中国知识产权法专家系统”[7]。但是，由于知识产权法上的许多概念具有不确定性，并且整个制度的发展具有较强的开放性，加上符号主义人工智能在对法律专家的知识和推理进行符号化处理的过程中很难反映及融合不同专家的价值取向，所以，这样一些知识产权法的专家系统实际上并没有能够发挥非常显著的作用，而是在某种程度上与符号主义人工智能一样遭受了冷落。

二、联结主义人工智能与知识产权法

(一)联结主义人工智能的历史沿革与基本理念

联结主义人工智能，又称仿生学派或生理学派，主要是通过模仿人脑神经网络的活动来设计智能机器，所以，理论上往往也将人工神经网络作为其同义语。联结主义人工智能其实与符号主义人工智能差不多是同一时期产生的，只不过在刚开始的二三十年里，符号主义人工智能的光芒太盛，使联结主义人工智能难以显山露水。

1943年，美国心理学家迈克库劳奇和数理逻辑学家皮茨在《数学生物物理》杂志上发表了名为《神经活动中内在观念的逻辑运算》的文章，创建了首个神经网络模型——MP模型，可以被看作是联结主义人工智能研究的起源[8]。1982年和1984年，霍菲尔德发表了两篇重要论文，提出了用硬件模拟神经网络，联结主义人工智能才冲破雾霾，重见天日。1986年，鲁梅哈特等人提出多层神经网络中的反向传播(BP)算法，宣告了联结主义人工智能的彻底复苏[1]；2006年，杰弗里·辛顿开发了深度信念网络，奠定了联结主义人工智能腾飞的基础。2012年，深度学习神经网络领域取得了里程碑式的成就，亚历克斯·克里泽夫斯基与其他几位多伦多大学辛顿研究组的同事在一篇深度卷积神经网络方面的研究论文中证实：在深度学习训练期间，当处理完2 000亿张图片后，深度学习的表现要远胜于传统的计算机视觉技术[9]。

联结主义认为智能的基本单位是神经元，认知过程是由神经网络构成的，表现为信息在神经网络的单元(神经元)中的并行分布和特定的联结方式，而不是符号的运算。联结主义的理论主张，最好将人脑视为一个“自组织”系统，人脑中发生的组织和学习应被视为一个“演进”过程，而不是类似计算机程序的操作过程。人工神经网络更接近于人脑的构造和运作状态[10]。

联结主义人工智能与符号主义人工智能的基本区别主要集中在两点。一是符号主义人工智能假定了一种“思维语言”，而联结主义人工智能没有。符号主义人工智能假设的“思维语言”简言之即为句法和语义相结合的符号系统。在联结主义人工智能中，单个神经元和部分神经元都不形成某一表征。表征只能在神经网络整体层面显现，而这种表征又因为认知过程的权重变化是动态的，无法固定和存储，更不必说进行预设。二是符号主义人工智能用符号表述方式的结构定义了它们所适用的计算运作方式，联结主义则否认存在这种简单的“上下贯通形式”计算。联结主义人工智能的计算则是对多个神经元信息状态及它们之间联结权重变化的解释。因此，鲁梅哈特和麦克莱兰形象地将符号主义人工智能与联结主义人工智能比喻为牛顿力学与量子力学之间的关系，认为前者是可以在宏观上描述和预见智能系统的行为，后者则是在微观上说明那些智能系统行为的直觉的、有点难以捉摸的实际作用力[11]。

(二)联结主义人工智能与知识产权法的关系

1.联结主义人工智能对知识产权法的促进作用

如果说符号主义人工智能与知识产权法的联系还比较间接和“遥远”，那么，联结主义人工智能与知识产权法的联系则要直接和紧密得多。这主要是因为在联结主义人工智能兴起的20世纪80年代，计算机产业尤其是软件产业的发展已经取得了显著的进步。美国英福公司的市场调查报告显示，1979-1984年，世界范围内个人电脑软件的销售额年均增长达70%，仅美国在1984年的软件销售额就达16亿美元。日本的软件产业同样发展很快，从1972年仅有5种普及应用软件发展到1984年已有7 585种[12]。在这种情况下，产业界对软件仅能获得版权保护不甚满意，于是继续通过各种渠道寻求对软件的专利保护，1981年的“戴蒙德诉迪艾尔”一案便是他们最早取得的突破。在该案中，美国联邦最高法院认定，包含有软件成分的橡胶硫化方法属于可专利之客体[13]。20世纪90年代中期，美国联邦巡回上诉法院接连就数起软件发明专利案件作出判决，均沿袭了该案的传统，为美国软件发明的可专利化增添了不少底气。这段时期，美国的软件专利授权量也有明显的增长，到1995年，软件专利申请量达9 000件，是1980年的9倍；授权量占专利授权总量的9%，比70年代的不足2%有很大的提升。1996年，美国专利商标局颁布了《计算机软件相关发明的审查指南》，全面将软件专利申请纳入审查的轨道[14]。日本和欧盟也都分别在20世纪90年代和21世纪初提出了自己的软件专利审查法律框架[15]。这些对于当时正在发展中的联结主义人工智能而言都是利好的消息。

与此同时，20世纪80年代，随着集成电路(芯片)技术尤其是半导体集成电路技术的飞速发展，集成电路产业对国民经济和国家科技发展的影响力也与日俱增。世界各主要发达国家都纷纷寻求通过知识产权立法来保护集成电路技术。在否定了版权保护的思路以后，1984年，美国正式通过了以保护“布图设计”为中心的《半导体芯片保护法》。继美国之后，日本、欧共体、瑞典、德国、英国等也先后通过专门立法来实现对集成电路的知识产权保护。1989年，WIPO通过的《华盛顿条约》更是以国际公约的形式，第一次系统、全面地规定了对集成电路的知识产权保护[16]。尽管当时的芯片主要是用于电视机和普通计算机等传统的电子设备，但不可否认的是，对集成电路布图设计的特别知识产权保护十分有利于促进芯片的研发，而以人工神经网络为基础的联结主义人工智能恰恰对芯片具有较高的要求。

面对日益兴起的人工智能技术，WIPO在1991年组织了专门的论坛讨论其知识产权问题，当时的讨论既涉及符号主义人工智能，也涉及联结主义人工智能，并讨论了“计算机生成的创造物”以及“人工智能对知识产权法的影响”，其中迸发的智慧火花直到今天仍有重要借鉴意义[17]。此后，随着1992年《人工智能与法律》等一系列计算机与法律交叉领域学术期刊的创办，人工智能的知识产权法问题逐渐成为理论研究的常规主题。

以上是20世纪末的知识产权司法、审查、立法实践以及理论研究在外部条件方面对联结主义人工智能发展的积极影响。而从内在机理来看，联结主义人工智能的“机器学习”行为也与知识产权法“鼓励学习”的根本宗旨深度契合。“如果一个机器人掌握了人类所有的技能，但就是没有学习能力，那么人类不久就会把它扔在一边。……计算机会在我们更少的辅助下做更多的事情。它们不会不断重复同一些错误，而会像人一样，从实践中学习经验。……有了机器学习的辅助，经理会变成超级经理，科学家会变成超级科学家，工程师会变成超级工程师。未来属于那些深深懂得如何将自己的独特专长与算法的擅长结合起来的人。”[2]45-57进一步来说，一些机器学习系统已经“发展出自己的直觉力”，然后按照直觉来行动，而不只是“按照编好的程序来工作”。从某种意义上可以认为，它们展现出了人类学习的神韵，并且能够帮助人类更好地“学习”。概言之，联结主义人工智能与知识产权法分别从算法开发与制度供给的角度激励着人类的学习和创新活动，并且前者自身作为科技创新活动的组成部分，同时又受到后者的激励。

2.联结主义人工智能对知识产权法的挑战

联结主义人工智能在对知识学习和智力创造活动的认知、模拟、扩展方面更契合知识产权法的同时，也给后者的解释、适用和发展带来了不少新的挑战。

首先是联结主义人工智能是否适于作为专利保护客体的悖论。现阶段的联结主义智能系统具有明显的“人工”性，是发明的产物，作为专利的客体并无疑问，而当其越来越接近还原人类大脑的时候，就越落入了科学发现的范畴，从而被排除在专利保护之外。这就会形成智能水平越低的人工神经网络反而越容易获得专利法保护的尴尬局面。

其次是技术领域交叉带来的困惑。最近的神经科学表明，由于化学物质在大脑中扩散，生物学回路有时能够改变神经元的计算功能。因此，越来越多的人工智能研究人员正在设计能同时体现模拟功能和数字功能的神经网络。模拟功能模拟生物神经元的解剖结构和生理机能，包括穿过细胞膜的离子通道。有些专家甚至走得更远，他们不是纯粹在硅上建立人工神经网络模型，而是构建由微型电极和真实神经元组成的网络[18]。这也就使得专利审查实践中不易界定此类人工智能的所属技术领域和对其进行创造性评判[19]。

再次是学术界至今仍争论不休的人工智能创造物的知识产权保护问题。联结主义人工智能的自主学习特点使其可以自动生成在客观表现形式上完全符合知识产权保护要件的结果，然而知识产权法的基本价值立场是保护“人”的创造成果，因此，在法律上采取何种制度安排或设计来消除这一矛盾就产生了很多认识上的分歧[20]。这一问题在联结主义人工智能的研发者、机器学习的监督者和使用者等人类主体的智力活动与机器的智能行为交织在一起时，变得更加复杂难解。当然，联结主义人工智能自主学习和自动决策的行为也会带来更高的知识产权侵权风险[21]。

从次是对知识产权法所保护之“创新”本质的反思。为防止思想的垄断和妨碍社会整体的创新步伐，知识产权法上设有版权保护的“思想与表达二分法”以及专利不保护科学规律等基本原则，而联结主义人工智能一般正是通过对海量人类既有成果学习后抽取共性规律所进行的“创造”。其创造物具体到何种程度才可以获得知识产权保护，以及其对既有智力成果的利用在何种程度和范围内是合法的[22]，都需要仔细审视。

最后是联结主义人工智能在建构过程中可能面临的法律伦理问题。为了尽可能接近生物大脑的组织结构，研究者会选择动物(例如小鼠)的大脑进行全脑测绘和仿真，甚至将小鼠大脑中的神经元替换成人工合成的电子基质。终极意义上的人工神经网络则是对人脑的全脑仿真，并且也存在这种神经元替换的可能[23]。那么，这样的发明是否合乎公序良俗原则就会存在很大争议，并且在法律上，我们如何面对“人工生命体”也颇为棘手[24]。

三、行为主义人工智能与知识产权法

(一)行为主义人工智能的历史沿革与基本理念

行为主义人工智能在思想上起源于20世纪初兴起的行为主义心理学派。行为主义心理学派认为，一切复杂的行为，都可以用环境的作用加以说明，由于环境的结果养成各种习惯。本能也好，意识也罢，在说明行为上，都不需要了，因为思想也是一种对外界的反应，同其他反应无异。概言之，行为主义以研究人类及其动物机体的行为为主导，摒弃一切主观经验，竭力反对研究人的主观意识和内部结构[25]。在研究方式上，行为主义反对内省的研究方法，主张采用客观的观察和实验的研究方法，因而也被称为客观心理学[26]。

1948年，在吸纳行为主义心理学理论的基础上，维纳创立了“控制论”。控制论通常被认为是第一次将行为主义与人工智能联系在一起。“图灵测试”事实上遵循的也是行为主义的逻辑。它并不要求接受那台接受测试的思维机器在内部构造上与人脑一致，而仅仅要求从外部功能或行为上看，思维机器能够同人脑保持一致[27]。20世纪80年代，以美国麻省理工学院人工智能实验室的青年科学家布鲁克斯为代表的一批研究人员开始将行为主义理论正式付诸于人工智能的研发实践。1986年，布鲁克斯成功开发出第一个基于“感知-行为”模式的轮式机器人Allen。1999年，波利等人发表文章，阐述了基于“感知-行为”模式的多机器人系统在战场扫雷中的适用[28]。直到今天，众多科技公司摩拳擦掌而要开发的人工智能，不少也是行为主义理念之下的“自适应学习机器”。

行为主义人工智能学派认为，人工智能的研究应当走出简单、抽象模型的象牙塔，而以复杂的现实世界为背景，让人工智能理论、技术先经受解决实际问题的考验，并在这种考验中成长[29]。布鲁克斯指出，智能无需知识的表示，无需推理，只是在与环境的交互中表现出来，实现这种人工智能的基本步骤包括：(1)到现场去；(2)物理实现；(3)初级智能；(4)行为产生智能。具体而言，复杂的行为可以通过分解成若干个简单的行为加以研究。主体根据环境的刺激产生相关的反应，同时通过特定的反应来陈述引起这种反应的情景或刺激。因此，它能以这种快速反馈替代传统人工智能中的精确的数学模型，从而达到适应复杂、不确定和非结构化客观环境的目的[30]。行为主义认为，感知和动作可以紧密地耦合在一起而不必引入抽象的全局表征，而人工智能则可以像人类智能一样逐步进化[31]，因此，行为主义人工智能也被称为进化主义人工智能。

行为主义人工智能实现像人类一样在各种已知乃至未知环境中行为的方法主要是强化学习和遗传算法。遗传算法会在每一步中考虑整个群体的假设，由于交叉行为，这些假设可以从这一代跨到下一代。除了通用式以外，遗传算法不会对它们即将学习的结构进行预先假设。因此，遗传算法陷入局部最优值困境的可能性比较小，而且原则上也更有可能找到真正新颖的东西。强化学习的优点则是能够根据与环境交互作用中的得失进行学习绩效的累积，与人类真实的学习机制相似。行为主义人工智能的缺点是将人的行为过程看得过于简单，实验中往往只是测量简单的奖惩反馈过程，有些结论不能迁移到现实生活中，所以外部效度不高。另外，行为主义将意识与行为对立起来的思想，也限制了人工智能的纵深发展[32]。

(二)行为主义人工智能与知识产权法的关系

1.行为主义人工智能对知识产权法信息革命的促进

行为主义人工智能与联结主义人工智能差不多都是在20世纪80年代中期反思符号主义人工智能的过程中开始发展起来的，但是行为主义人工智能到20世纪90年代中期才有所成就，并且在今天也不像联结主义人工智能那样光彩夺目。不过，行为主义人工智能对于自适应环境行为的认知以及对于智能系统输入输出信息之间关系的重视，实质上都与互联网时代的知识产权法律变革息息相关。

20世纪90年代，以美国“知识产权和国家信息基础设施”白皮书为代表，日本、欧盟、加拿大、澳大利亚、德国、俄罗斯等国家和地区都提出了相似的知识产权报告或者进行了相应的立法[33]。1996年，《世界知识产权组织版权条约》和《世界知识产权组织表演和录音制品条约》得以通过。随后不久的1998年，美国颁布了《数字千年版权法案》，2001年，欧盟也制定了《信息社会版权指令》。从理论上看，行为主义人工智能与网络时代的知识产权立法都是从人们适应各种复杂新环境的“进化”行为中去考察智能或法律，都追求一种类似于自然科学的客观、量化体系，都否认完全基于理性或预设的结构、制度，都强调相关主体的行为是反馈输入信息后而进行的信息输出，并在一种不断试错的过程中强化学习。

具体来说，行为主义人工智能逻辑下的知识产权本质已经不再拘泥于某一主体对其创造物的“对物关系”，而是全面着眼于外部世界围绕着这一创造物所发生的各种“对人关系”。有学者就认为，作为知识产权对象的信息是控制论意义上的信息，是与物质、能量并驾齐驱的存在，是“我们适应外部世界，并使这种适应为外部世界所感到的过程中，同外部世界进行交换的内容的名称”[34]。随着技术、经济和社会的不断发展演进，无论是知识产权的客体还是控制客体利用的权利内容，乃至基于公共利益需要限制知识产权的情形，都存在着穷尽列举、抽象概括之不能，以及完全合理的类型化划分、体系化建构之困难。对于那些缺乏清晰结构和确定利益范围的创造性信息，必须借助于知识产权法上的兜底规定、一般条款以及反不正当竞争法、反垄断法的补充，通过对市场主体竞争行为的控制来实现其保护或限制。即便是那些已经通过知识产权表征的信息，用于表征它们的知识产权在权利内容上同样体现为一种对他人行为的控制。诚然，以“行为规制”为中心的知识产权法实践模式会在一定程度上牺牲法律的明确性和稳定性价值，并具有滋长司法任性的风险，但在当下信息技术发展日新月异、商业应用模式层出不穷和知识产权纠纷形态千奇百怪的时代背景下，这或许至少是我们在网络和人工智能等新兴科技领域不得不做出的选择。

2.行为主义人工智能的知识产权法规制挑战

从行为主义人工智能理念对知识产权法的影响回到知识产权法对行为主义人工智能的调整来看，主要存在以下几方面的问题和挑战。

第一，既然行为主义人工智能强调环境的决定作用，认为智能行为是对周围复杂因素构成的环境的映射，那么，在权利保护上就存在着环境提供者或参与者的个人信息权、数据财产权、既有知识产权与人工智能本身的知识产权之间的博弈和张力。

第二，行为主义人工智能遵循的是从失败中不断汲取教训并自然进化的发展路径，由此所带来的问题是：不断进化升级后的人工智能是否还是最初的作品或专利？其跟传统软件的版本升级之间有何差异？

第三，并非所有的智力创造活动，哪怕是技术发明活动，都存在行为主义人工智能所追求的绝对意义上的“最优解”，即便在某个局部或细小的问题上存在着理论上的最佳技术方案，作为人类主体的专利审查员也很难确认行为主义人工智能是否真的发现了该技术方案。再退一步来说，如果我们承认了行为主义人工智能的“发明”是某一领域的最佳技术方案，是否就意味着其在进化过程中所否弃的难以计数的技术方案都丧失了新颖性和创造性，任何人类主体都不能就此获得专利授权[35]？

第四，在由行为主义人工智能所构成的“万物互联”世界中，大量人工智能体之间的行为相互牵连、相互影响，极大地加剧了人工智能知识产权侵权和其他侵权行为法律规制的难度[36]。

四、不同流派人工智能与知识产权法的融合路径

面对不同流派人工智能对知识产权法提出的诸多方面挑战，我们需要穿越技术的迷雾和表象，以统一恰当的知识产权法理念来正确认识和分析其共同的本质问题，实现知识产权法对人工智能及其生成物的良好调整和规制，既促进人工智能科学研究、技术开发和产业实践的发展，又防止对人工智能应用过程中相关利益的过度保护以及人工智能技术的滥用。从另外一个角度来看，不同流派的人工智能不仅是知识产权法的调整对象，而且是完善知识产权法的有力工具，我们十分有必要根据不同流派人工智能的特点来考虑它们如何在知识产权法治运行体系中发挥积极的作用。概言之，不同流派人工智能与知识产权法的深度融合无论对人工智能的发展还是知识产权法的完善都具有重要的理论意义和实践价值。

(一)应用知识产权法合理规制人工智能的发展

从知识产权法对人工智能调整的角度来看，我们应当坚守“人类中心主义”的价值立场，同时兼顾拟制智能“创造”活动和应用实践的特点。

首先，我们应当理性认识人工智能中的“智能”。马克思主义哲学理论认为，智能就是人在认识和改造自然的过程中用脑力劳动表现出来的能力。人工智能作为模仿人类思考和行动的“机器”，与火车头、铁路、电报、自动绵纺机等人类历史的机器一样，都是由人类的手所创造的人类头脑的器官，都是物化的智力[37]。作为人类智能的物质化，人工智能在与人脑功能相互联系、相互促进的过程中延伸了人类思维器官、强化了人类智力作用，构成了人类智能的必要补充。但是，与人类智能相比，人工智能的局限性是显而易见的。从计算智能的角度来看，尽管联结主义、行为主义或者统一人工智能的绝对计算能力都超越了人类个体，但是，这些人工智能在面对常识问题时经常会犯低级错误，应对复杂局面和解决综合问题的能力也远远不如人类。从心理智能的角度来看，各类人工智能的“情绪”都是为实用目的而进行的解构、模仿或设计，并非内在真实的直觉、感受和情感。由此可见，无论是符号主义人工智能对知识信息的形式逻辑表征、联结主义人工智能模拟人脑的神经网络学习或行为主义人工智能依据环境的自主决策行动，还是这三者的各种结合模式，都无法真正等同于知识产权法所要回报和保护的人类“智力创造劳动”。人工智能始终只能作为知识产权的客体而非知识产权的主体存在[38]。

其次，我们应当充分肯定人工智能中的“人工”。尽管人工智能与人类智能之间有着非常大的差距，并且人工智能达到甚至全面超越人类智能的水平几乎是不可能完成的任务，但为这一目标而努力的科学研究和技术开发令人赞赏并具有现实意义。借助于人工智能的研发，人类一方面在认识自身脑部结构、思维认知和行为方式的道路上不断前进，另一方面也通过各种智能机器不断地提高着生产生活的质量，逐渐从“必然王国”走向“自由王国”。因此，在总体上我们可以确信，人工智能中的“人工”是充满创造性的工作。符号主义人工智能设计者的创造性主要体现在要将某一特定领域的知识系统地转换为计算机代码符号，并能够使其在形式逻辑的运行下即可回答和解决问题；联结主义人工智能设计者的创造性主要体现在对神经网络整体、神经元及其联结方式的建构；行为主义人工智能设计者的创造性主要体现在对智能机器基于功能的“感知-行为”模式和自然进化算法设定；统一的人工智能则不仅要体现各流派人工智能的创造性，而且要在它们之间的结合上费尽思量。因此，当这些人工智能设计从科学理论的层面落实为具体的技术形态时，知识产权保护一般没有理由将其拒之门外[39]。

最后，我们应当全面考察人工智能已经得到充分应用的知识经济生活。人们在知识生产和传播中应用各类人工智能主要有三种不同但也可能重叠的目的：一是节省时间和精力去从事更为复杂的工作；二是解决人类力有不逮的数据计算和信息处理工作；三是发挥智能机器的想象力和创造力。在这三种情形下，人工智能所收集、整理和分析的知识信息都有可能属于他人的知识产权客体，考量其是否构成侵权应当主要看输出的结果和知识信息的用途，而不是人工智能的行为本身。例如，联结主义人工智能和行为主义人工智能在机器学习的过程中都必然要复制大量他人作品的信息，但这种复制一般不会体现到其最终生成的新作品中，所以，并没有对著作权人的复制权产生实质侵害。这也是2019年4月17日欧盟《单一市场版权和邻接权指令》专门规定“文本和数据挖掘”版权侵权之科研例外和一般例外的原因。人工智能应用的后两种情形还经常会产生符合知识产权保护要件的成果，如果相关主体之间没有做出约定，那么，应当从各类主体对该人工智能研发、应用的成本投入，是否输入信息和输入信息对输出结果的影响，以及控制能力、责任承担的视角，综合考量这些人工智能创造物的权利归属。此外，受人工智能研发资金要求、人才储备和数据收集能力的影响，人工智能应用领域极易出现涉及知识产权垄断或滥用的行为，需要加以警惕和重视。

(二)运用人工智能研究有效促进知识产权法的完善

从人工智能理念和技术对知识产权法完善的作用来看，我们应当充分发挥各流派人工智能的特点和优势，在知识产权立法、司法、审查实践、战略执行和法律实施评价等方面进行更为合理的设计和安排。

具体而言，符号主义人工智能可以发挥有益作用的领域主要包括：(1)为各类知识产权的立法活动提供形式逻辑严谨、法律要件清晰和演绎推理顺畅的规则系统；(2)辅助自动生成知识产权申请文件、权利管理信息、知识产权合同、侵权警告通知以及司法裁判文书等相关法律文件的基本格式；(3)促进知识产权法教义学体系的建立和完善，使相对年轻的知识产权法的教学和研究能够有更加坚实的基础；(4)开发普及知识产权法律知识、培育知识产权文化和塑造良好知识产权环境的专家系统，逐步改变与知识产权法律实施相关的社会观念的深层结构。

联结主义人工智能可以产生积极影响的领域主要包括：(1)辅助知识产权主管部门的授权审查工作，例如，专利审查中的创造性判断、商标审查中的图像检索和近似比对工作等；(2)在知识产权司法实践中对个案技术事实和智力活动过程的辅助查明；(3)辅助完成知识产权类案的归纳、总结和梳理，使知识产权授权审查和司法裁判的结果在整体上变得更加公平合理；(4)辅助进行知识产权的价值评估和损害赔偿计算等需要考虑多方面因素影响以及进行复杂数据计算的工作；(5)辅助完成知识产权行业数据的统计分析，实现经济模型的建构等。

行为主义人工智能则可以促进以下领域的发展和进步：(1)辅助实现知识产权人、使用者和社会公众之间基于环境的利益平衡制度设计或个案调整[40]；(2)就涉知识产权之新型不正当竞争行为的法律规制提出法律解释的“进化”算法；(3)通过其强化学习手段辅助建立知识产权授权审查和司法裁判的错案纠正机制；(4)辅助完成知识产权战略实施中相关产业成败得失的经验教训总结；(5)不断更新国际国内经济社会发展环境变化下知识产权法变革的具体要求。

目前来看，正如一般的人工智能都有很强的专用性一样，任何一个流派的人工智能，如果能积极发挥其在上述某一方面的知识产权法促进作用就已经相当不易，能够融合各流派机理并在多方面辅助知识产权法运行的统一人工智能系统还比较遥远，但确实是值得努力的方向。