AI算法专利保护研究

郑煌杰

(上海政法学院 法律学院，上海 201701)

算法从公元前最开始的高等数学方法发展成了当代AI技术的核心内容——深度学习，甚至已成为企业市场竞争和彰显国家科技地位的关键因素[1]。近年来，我国学界也开始围绕着计算机技术专利化进行讨论，并取得了巨大的进展。有学者提出专利法在不远的将来很有可能将保护手机软件中采用的“思想”，即程序编写的流程、方式、算法、处理方式及实行方式等有关技术[2]。有学者讨论了计算机技术专利保护与著作权保护的区别，认为专利权保护虽然具有许多缺点，但相对来说仍是保护的最优解[3]。有学者指出计算机和程序作为一个整体可以视为专利法上的“机器”，其适用于“整体论”的客体审查，专利法可以对其进行保护，这也是为了后续的算法直接成为专利客体的一种过渡[4]。确实如此，在AI算法技术发展迅速的今日，如果只是将算法以计算机软件技术的方式进行保护，容易导致其内部算法保护的断层。由此可见，算法的保护不能仅仅局限于对计算机相关客体的保护，保护范围必须细分化在内部模块也就是算法上。

一、AI算法客体属性的厘清

(一)技术特征

不管是传统的计算机程序软件，还是自动化的AI技术，都离不开算法的应用。算法研发人员利用不同的技术手段来设计AI算法，想要设计出可以进行自我学习自我进化，同时能够真正模拟人类思维甚至超越人类思维的算法。

AI算法具有技术性的特征主要表现为：一方面其对外部输入的数据具有高度依赖性；另一方面其自身对外输出的结果具有不确定性。具体而言，AI算法输入的依赖性体现在AI算法运行的过程中，其进化高度依赖于外部的数据，外部数据提供的数量、种类、质量等都会直接影响到AI算法的进化水平，AI系统的使用者可以根据AI算法的模式内容，选择自己个性化的数据输入，从而实现自己所期望的AI系统功能，形成新的AI应用。而AI算法输出结果的不确定性体现在其能够进行自我进化，甚至是超越人类预先设定的传统的算法模式，从而产生“新算法”，“新算法”的生成又是未来不断进化的算法的基础性条件。由此可见，我们在未来可能很难明晰AI算法的运行步骤，难以对其结果进行验证。

(二)法律定性

AI算法作为一个技术概念，相对我国相关的法律制度来说太过于宽泛笼统。结合AI算法与知识产权法律制度的宗旨及技术原理，可以将AI算法分为两类：一是模拟人类思维或者再现智能的通用算法；二是致力于生产创新性产品或者是被利用于服务的应用算法。在相同的人工智能系统范围内，这两类算法是同源的，两者就像树木的主干与分支的关系。不管是通用算法，还是应用算法，它们都是被设计从而利用于同一个人工智能系统。从这个角度来看，AI算法就与传统意义上的技术方案涉及的思路、方案、步骤不同，也与生产经营活动和软件设计所需要的一般性规则不同[5]。因此，AI算法是一个特殊的客体，其独立存在于整个人工智能系统，能够被当作一种特殊技术方案，用以解决特定的技术问题，具有经济价值和社会价值。

需要强调的是，虽然这两种算法都是前沿技术的产物，生产运用于统一的技术和产业，但是它们应用功能上的差异，会造成二者在法律制度上角色定位的不同。通用算法是一种技术方案，专门解决技术性难题，具有较强的客观性；应用算法则作用于技术创新领域，更多体现使用者的个性化主观意愿。所以，不管是从实践运用角度还是抽象角度来看，AI算法都属于特殊的技术方案。但是，通用算法与应用算法的不同，导致知识产权相关法律制度对它们也应提出不同的要求：针对通用算法，应当要尽可能公开其内容，提高我国算法领域的公共知识供给，促进相关的智能信息技术流动；针对应用算法，则应考虑其在应用创新领域过程中的方案步骤，既要鼓励创新，也要防止相关人员滥用算法技术。

二、AI算法保护路径的选择

人工智能的素材基础是从外部输入的数据，其“智慧”核心则是算法。AI算法将人工智能技术融入人们的生活，但AI算法运行过程的隐蔽性以及高度的专业性，容易导致“算法黑箱”与“算法合谋”，甚至是“算法歧视”，进而损害相关主体的基本权益。因此，亟需选择契合的AI算法保护模式，有效保护AI算法的同时防止其造成严重的社会危机。

(一)著作权法保护模式的冲突

AI算法是程序的核心要素，然而其却只能以代码的形式作为著作权保护的边界，而著作权保护的范围也仅局限于有明显差异的代码。AI技术发展的原因不是AI算法的代码，而是AI算法为实现智能化所采取的技术手段和方案[6]。因此，著作权法和AI算法所保护的价值导向之间存在冲突。基于此，如果利用著作权法来保护AI算法，那么引起的首要问题就是公共利益和私人利益的矛盾。AI算法的研发设计往往加入了研发者的设计思维和价值判断，如果“算法歧视”“算法黑箱”等存在于设计者的主观价值判断中，而该AI算法软件由于被推定为合法著作权广泛应用在商业活动、司法活动等方面，将可能会把公共利益置于风险之中，甚至可能会引发算法私权和公益之间的价值冲突[7]。著作权法可以保护AI算法所表现出的代码，却无法保护AI算法的逻辑过程，这样就容易出现保护漏洞。

(二)商业秘密保护模式的风险

将AI算法视作商业秘密来保护存在着一些优势，例如AI算法作为保护客体有无限制的保护期限、构成要件判断的标准也相对简单等，然而，此保护模式可能存在巨大风险。

首先，AI算法必须和相关硬件相结合才能发挥其作用。这表明虽然蕴含于内部的AI算法受到商业秘密的保护，但是其应用功能表现于外部，如果相关研发人员根据产品功能就破解出AI算法的运行步骤等内容，然后在此基础上制造出相类似或相同的产品投入工业领域中，将导致AI算法相关权利主体的利益无法得到合理保护，甚至可能造成研发AI算法所花费的资源成本付之东流。

其次，商业秘密的构成要件秘密性这一要件对于AI算法来说难以界定。AI算法的研发可能是基于现有的技术或者模型方案，这样投入到实践中难以辨别其秘密性[8]。同时，即使AI算法研发人员说明其主要是运用已公开的技术方法，在法律层面仍然需要判断AI算法运行过程是否是秘密的。

最后，此模式也容易对社会公益造成巨大的损害。例如，因算法系统存在缺陷而产生的安全风险，因数据缺陷或数据偏见而带来的算法歧视。人工智能系统在研发的过程中，数据服务商往往会加入个人的价值判断。一方面，这使得外界难以预测和解释AI算法的决策过程和结果。当产生算法歧视时，算法使用者也可以用商业秘密为理由拒绝公开算法的相关内容。以美国发生的 State v.Loomis22案为例，案件中被害人无法得到救济就是因为法院认为案件涉及算法商业秘密的保护[9]。另一方面，这种模式也会抑制社会的技术创新。计算机信息技术是基于现有技术知识不断发展才得以进步的，所以一旦采取商业秘密的保护模式，可能会阻碍算法技术的后续创新发展。

(三)专利法保护模式的契合

一般来说，AI算法的编写设计是为了实现某种功能或者解决特定的问题，在此目的下，专利法保护AI算法的模式有着上述两种保护模式所不具备的优点。

其一，AI算法可专利化不仅符合国家科学技术发展的需求，也顺应时代的潮流。AI算法已经融入我们生活的方方面面，技术的进步推动着专利的发展，其精神内涵不断丰富，保护内容也不断得到扩充。对比AI算法专利授权在各国的规定，算法专利化已经逐渐成为共识。EPO在2018年修订的专利审查指南中，指出按照类似计算机程序技术性标准来判断基于计算模型和算法的人工智能系统是否适用数学方法例外的审查规则[10]。而美国专利局则是通过Alice v.CLS Bank25案，指导审查员基于“两步分析法”来判断AI算法专利是否涉及抽象概念、是否满足35 U.S.C.101 可专利性的规定[11]。通过借鉴国外算法专利保护的模式，可以为国内创新技术的发展保驾护航，提高科学技术水平。AI算法专利化是我国对外交流的必要前提，也是提高我们在国际上的科学技术话语权的重要条件。

其二，AI算法的专利法保护模式更有利于各行各业间的交流，将本来对计算机程序的保护细化为对算法的保护。具体来说，AI算法专利在转让或许可过程中，原持有人在一定程度上可以减少交易风险和避免经营信息的泄露，因为其不需要再提供数据文档或是相关参数[12]。同时，受转让人或被许可人也方便在算法运行上套用数据信息，从而研发属于自己想要的计算机程序或设备。此外，AI算法采用专利登记模式，其许可、转让更有利于国家相关机关的管理，使交易更加便利，市场更加规范。这样在一定程度上能够防止AI算法的独占垄断，促进国家科学技术的创新。

其三，算法在运行过程中可能会形成“算法黑箱”“算法歧视”等，在此背景下专利法保护模式更能够保障算法透明，通过保护个人数据并且结合算法公开透明地来消除此类负面影响。具体来说，AI算法的基础是外部输入的数据，所以可以先从数据透明开始，逐渐过渡到内部运行及结果的公开，防止算法黑箱发生。一方面，公开专利的申请将AI算法模型步骤公开在公众视野下更有利于监督。AI算法在得到专利授权之后，一旦出现损害公共利益的倾向，专利管理部门就能采取宣告专利权无效等措施。另一方面，研发人员可以借鉴公开的算法进行创新，避免因商业秘密保护等重复开发，导致资源浪费，同时也能节省算法使用者因保密等花费的成本，从而减少技术发展创新的壁垒[13]。由此可见，专利法保护模式涉及的技术公开和AI算法保护价值目的非常契合，也能有效解决其他保护模式的缺陷和不足。

三、AI算法专利保护的协调

技术方案作为专利客体的审查有形式审查方式，也有实质审查方式即“专利三性”(新颖性、创造性、实用性)审查。AI算法与以往申请的专利客体存在着很大区别，这些差异冲击了现有的审查标准。如果专利审查部门忽视这些不同，可能会打击研发人员的积极性，阻碍相关技术的发展。

(一)新颖性审查

创造性审查往往以新颖性审查为基础，两者联系十分紧密。新颖性审查主要要求申请的技术不属于现有的技术方案。新颖性审查采用单独对比的原则，现行专利法的新颖性标准应当作出合理调整，否则不利于AI算法的专利审查判断。

其一，专利审查部门对AI算法新颖性的审查判断应对“现有技术”进行缩小解释，排除仅靠词语替换而生成的AI算法技术方案。美国为保护权利人已获得的专利权，通过两个网站“AL L Prior Art”和“ALL The Cliams”利用算法进行整合收集专利文献，并把相关内容公之于众，即使当中很多技术方案不存在技术性和操作性。这不仅会缩小技术生成的空间，还会扩大现有的技术范围。AI算法与一般的专利都能通过对现有文献的转换生成新的技术方案，故审查时应当排除此类信息，这样才有利于AI算法的专利申请。

其二，应当要求算法使用者在申请AI算法专利时，公开AI算法所生成发明的数据内容。鉴于当下人工智能的数据库与现有的技术检索数据库正在不断扩大，这种情况会导致专利法适用的不确定性。因此，算法专利申请人在申请专利时需要公开算法所涉及的数据，换言之，就是要求其公开算法技术方案设计过程，这具有一定的合理性。此外，这种做法也会提高专利审查部门的审查效率，避免资源的浪费。AI算法的运行需要以大量的数据为支撑，也会生成大量的技术方案，这些容易加重专利审查人员的负担，从而可能会导致错误的专利批准决定。

(二)创造性审查

专利创造性审查的认定往往需要三个前置条件，即技术人员、技术知识、现有技术。技术人员是一种拟制的“人”，它本身不具有创造力，但是能够知晓专利发明所属的技术领域涉及的技术知识和现有技术。

首先，需要审慎划分AI算法的“技术领域”。AI算法运行过程与人脑思维过程越相似，那么其与技术发展的理念就越接近。事实上，人的大脑进行学习时并不是局限于一个领域，而是处于一个能够主动学习的动态机制。AI算法的目标是能够脱离固有的设计运行模式，让自己主动学习不断进化，从而实现跨“技术领域”。鉴于此，判断AI算法相关专利是否具有创造性不能仅局限于某个技术领域，而是应当审查申请算法所涉及的技术领域。

其次，现有的技术应当与技术人员所掌握的技术同步。根据我国《专利审查指南》的规定，申请人不必说明完成发明创造的方式，可以参考AI算法使用程度所涉及的“技术领域”，也可以根据AI算法技术使用水平所涉及的“行业趋势”。

最后，技术人员作为拟制的“人”的设定十分重要，原因在于AI算法具有强大的算力，以及强大的数据检索和整合能力，这使得其在现有的技术审查标准和数据库中很容易被认为有创造性。过去，人们的发明往往是填补现有技术的空白，专利的申请也是以人为主导，这样的过程具有偶然性，耗时也比较长。但是在不断进步发展的人工智能时代，AI算法根据外部输入的数据不断更新，所生成的发明会具有“与时俱进”的特点。在此背景下，有学者提出为了客观反映一般技术水平，应当提高技术人员的标准[14]；也有学者提出应当用所属技术领域的人工智能替代技术人员[15]。

(三)实用性审查

专利的“实用性”是指相关专利被运用于工业产业领域的可能性。技术方案如果能够产生预期的效果，并且不违背自然规律且能复制再现，那么可以说其满足实用性的要求。AI算法在一定程度上能够模仿人类思维过程，但也容易造成无法控制的负面影响。

一方面，实用性审查的要件之一在于实施的效果。AI算法是带来积极的技术效果和社会效益，还是带来不可控的技术风险，关键在于审查其专利实用性要件，这是技术风险的事前防范机制。所以，实施的效果这一要件不仅要求AI算法能够产生经济效益，还要求其有利于社会的发展和人们的生活，同时还不会造成负面的影响。因此，专利审查机构可以通过实施效果这一专利实用性要件来过滤筛选危害社会公共利益的AI算法及相关发明。

另一方面，实用性审查的判断标准应是有人类参与的活动。仅靠前文所述的实施效果要件还是比较宽泛模糊，容易导致AI算法最终脱离人类的控制。因此，有学者提出要求AI算法相关技术发明必须要有人类的参与，而不是纯粹的人工智能系统自主操控[16]。人类参与AI算法的设计运行，可以起到事前监督、及时中止审查等作用，这使得AI算法的整个运行过程更具有“可操控性”。

四、结语

人工智能技术的发展是智能科学技术进步的原因，而AI算法则是人工智能技术的核心要素。当人工智能技术冲击现有的法律制度时，如果缺乏相关配套的法律制度，容易侵犯人权、损害社会利益。AI算法保护的核心价值与著作权法和商业秘密保护模式相矛盾，采用专利法保护AI算法是一种更为契合的保护路径。而在AI算法专利保护授权的“三性”审查中，应当要注意AI算法作为专利客体的特殊性，对其“实用性”和“新颖性”的审查应当要求说明其实施效果；而对“创造性”的审查，则应当是对AI算法实现路径的审查，而非对其内部运行过程的审查。传统知识产权制度在应对算法技术时需要做出相应调整，不管是从基础理论、应用领域还是法律制度的层面，都需要协调一致地进行体系化改造，以回应算法技术保护的需求。