人工智能對知識產權正當性理論的挑戰與應對

林秀芹 郭壬癸

內容提要：在機器學習與人工神經網絡加持下的人工智能技術突飛猛進，已逐步發展出類人智力，具備獨立從事創新活動的能力，傳統的單一人類創新主體分化為人類與人工智能二維創新主體，形成了“三元創新格局”。創新領域的“人類中心主義”岌岌可危，開始向“后人類中心主義”過渡，這將對知識產權正當性理論產生重大沖擊。在人工智能自主創新的背景下，秉持“人類中心主義”的勞動財產理論與人格理論的邏輯前提，與“人”素缺失的事實相悖，因此理論解釋顯失合理性；同樣建立在“機械功利主義”基礎上的激勵理論，不僅存在主體激勵不能的邏輯困境，而且難以消解人工智能技術的雙刃性，亦無法勝任理論闡釋的任務。建立在“社會中心主義”理論要旨上，貫徹“平衡主義”，注重“分配正義”與“公共領域豐盈”的社會規劃理論，契合了人工智能時代的需要，可以有效規避“人”素缺失陷阱、破解主體激勵不能與技術雙刃性困境，在激勵創新的同時，均衡知識的傳播與利用，促進人的自我實現以及社會的公平與繁榮發展。

引 言

近年來，隨著機器學習與人工神經網絡技術的突破，人工智能技術發展迅速。2021年AlphaFold實現了對人類98.5%的蛋白質預測，①參見查魯·C.阿加沃爾：《人工智能：原理與實踐》，杜博、劉友發譯，機械工業出版社2023年版，第3頁。2022年ChatGPT進一步實現了自然語言處理。目前，人工智能正朝著更加“聰明”、反應更加迅速的通用型人工智能方向發展。Elon Musk指出，人工智能作為人類有史以來最具破壞力的技術，②參見蕭雨：《馬斯克：AI可能是有史以來最具顛覆性的技術，人類要小心》，載百家號“觀察者網”2023年7月4日，https://baijiahao.baidu.com/s?id=1768963170234290001&wfr=spider&for=pc.在可預見的將來將會超過人類。③參見《AI前哨｜馬斯克：5年后AI就會比人類更聰明 中國能做到這一點》，載百家號“鳳凰網科技”2023年7月14日，https://baijiahao.baidu.com/s?id=1771347457990738627&wfr=spider&for=pc.有“人工智能教父”之稱的Geoffry Hinton認為，通用型超級人工智能很快將會誕生，它將比人類更加聰明。④參見Tech商業：《“AI教父”Geoffrey Hinton最新演講：當機器比我們更聰明時，人類生存會受到威脅》，載騰訊網2023年7月14日，https://new.qq.com/rain/a/20230504A027X400.無獨有偶，Open AI創始人Sam Altman秉持相同觀點并將時間節點精確為十年內。⑤參見頭部科技：《十年內將出現超級人工智能！OpenAI CEO首次中國演講（演講實錄）》，載搜狐網2023年7月14日，https://www.sohu.com/a/684674898_120607343.未來雖未至，當下現端倪。現階段人工智能已然參與創新活動，如Stable Diffussion、Midjourney及Optimus等人工智能工具，僅需人類少量的提示便能完成創作，形成客觀上具有獨創性或滿足創造性的成果。隨著人工智能的繼續發展，在創新領域可合理預見創新主體將從單一人類主體向“人類+人工智能”二維并列創新主體格局演變，創新活動將從“人類獨立創新+人機結合創新”二元創新向“人類獨立創新+人機結合創新+人工智能獨立創新”的“三元創新格局”發展。⑥See Pamela Samuelson, Allocating Ownership Rights in Computer-Generated Works, 47 University of Pittsburgh Law Review 1185, 1197 (1985).

人們總是對不確定性充滿恐懼，但實際上“人們所恐懼的并不是不確定本身，而是由于不確定性使我們有可能陷入危險”⑦參見John Frank Weaver：《機器人也是人：人工智能時代的法律》，鄭志峰譯，元照出版公司2018年版，第9頁。。正是由于對未知風險的恐懼，人們總在尋求一切可行方式增加確定性概率。⑧參見陳慶超：《德性與永恒：確定性尋求方式及其倫理旨趣》，載《青海社會科學》2015年第2期，第39頁。理論研究便是賦予人們在不確定性中尋求確定預期與指導的有效方法。因此，人們往往期待理論研究的適度超前，在面對未來不確定性所生的“未知恐懼”時給予理性支持。隨著人工智能技術的快速發展與全方位介入創新領域，“二維并列創新主體格局”與“三元創新活動格局”的發展趨向，將對建立于“人類中心主義”基礎之上的知識產權正當性理論造成重大沖擊，致使以“人類中心主義”為邏輯基礎的知識產權正當性理論無法對人工智能誘發的不確定性提供有效理性支持。正是由于相關理論研究的滯后無法因應人工智能的快速發展，《人類簡史》作者赫拉利等學者聯名發布公開信呼吁暫停通用型超級人工智能的實驗，以待相關理論研究的完善。⑨參見華夏時報：《馬斯克、圖靈獎得主等千名大佬聯名呼吁：暫停比GPT-4更強的AI》，載百家號“華夏時報”2023年3月29日，https://baijiahao.baidu.com/s?id=1761696569189476725&wfr=spider&for=pc.然而，人工智能是新一輪技術革命的核心之一，促進其發展是產業勃興之所需與國際時勢之所趨，須臾之隔便可能關乎整個產業發展之成敗，不可常停久滯，因此，相關理論研究的推進迫在眉睫、不可久待。為因應時勢發展、泯紛爭于未萌，有必要深入檢視人工智能對知識產權正當性理論的挑戰，立足“三元創新格局”的未來圖景重塑知識產權正當性理論。

一、智力的實質與人工智能的智力適格性

在前人工智能時代，只有人方能從事創新活動的確信從未被質疑。隨著人類進入人工智能時代，人們開始反思是否只有人才能從事創新活動，而通用人工智能的發展進一步放大了對“人是唯一創新主體”的懷疑，傳統的建構在“人類中心主義”基礎之上的知識產權正當性理論搖搖欲墜。此種反思懷疑的焦點在于人工智能是否具備智力而能夠獨立從事創新活動。如若認為人工智能具備智力，那么人工智能能夠獨立從事創新活動便不言自明，傳統以“人類中心主義”為論證基礎的知識產權正當性理論勢必岌岌可危；如若反對人工智能具備智力，那么便不會認可人工智能可獨立從事創新活動，以“人類中心主義”為論證基礎的知識產權正當性理論仍具有強適用性。此種爭論分歧持續不斷，并逐漸演變為兩大主要流派：弱人工智能流派與強人工智能流派。前者認為人工智能永遠不可能具備智力，僅是工具性的技術綜合體；⑩參見董春雨：《從機器認識的不透明性看人工智能的本質及其限度》，載《中國社會科學》2023年第5期，第149頁。后者認為人工智能可演化為具有類同細胞新陳代謝般自我復制和升級能力的智能體，不斷地迭代而形成智力，甚至超越人類智能。?參見任曉明、李熙：《自我升級智能體的邏輯與認知問題》，載《中國社會科學》2019年第12期，第53頁。時至今日，兩派觀點仍在激烈交鋒，交鋒范圍隨著“圖靈測試”與“中文屋測試”等人工智能智力鑒別方法的提出而不斷縮減，但迄今仍未到達彌合“奇點”。

追根究底，此種分歧的根源在于兩千多年的哲學認識論以主客體二分為基礎：人是主體，外部世界是客體，僅擁有智力的人才能作出決定，?同注釋⑦，第7頁。“只有人類這樣的智慧生物才有能力去認識（客觀）世界”?同注釋⑩，第151頁。。人是認識與改造世界的動因和本體，既是認識與改造的起點，也是認識與改造的終點，外部世界是認識與改造的對象。此種主客體二分的認識論在前人工智能時代是站得住腳的，傳統科技問題中能夠明顯區分出科技的使用者與被使用的科技工具。如飛機，制造與使用者是人類，飛機是被制造與使用的工具，僅作為人類生理器官功能的延伸或補足，服務于人類的特定需要。但是人工智能的出現使得傳統的主客體二分認知論基礎發生了動搖。在機器學習、人工神經網絡與大數據技術的加持下，人工智能朝著可自我升級（self-improvement）、自主學習及自主設定目標的智能體演變，逐漸擺脫人類大腦器官延伸的功能主義定位，成為了具有類人智力的認知主體，具備了認識與改造世界的主體資格，能夠自主決策。?同注釋?，第54頁。此時，人工智能具備的自主“學習”“思考”“設定目標”與“決策”能力是否屬于智力必然陷入爭議。?參見彭誠信、陳吉棟：《論人工智能體法律人格的考量要素》，載《當代法學》2019年第2期，第52頁。因此，欲研究適用于人工智能時代的知識產權正當性理論，便無法回避何為智力以及人工智能是否具備智力的問題。

（一）人工智能契合智力的本質

如上所述，人工智能是否具備智力問題的紓解，離不開智力為何這個問題的澄清。對于智力的概念，學者們界定不一。皮亞杰提出的認知發展理論認為智力是以語言能力和數理邏輯能力為核心，通過整合方式而存在的能力，具有成功解決問題與良好適用性兩大特征。?See Jean Piaget, The Origins of Intelligence in Children, translated by Margaret Cook, International Universities Press, Inc,1965, p.8-13.加德納認為智力是基于特定社會文化形成的價值標準下，特定主體運用于化解問題與產出有效產品的能力?參見［美］霍華德·加德納：《多元智能》，沈致隆譯，新華出版社1999年版，第10頁。；智力可包括語言、節奏、數理、視覺、運動、自省和交往等七元智力結構，每個個體擁有的智力結構不同，如有人擅長寫作，有人善于唱歌等。?同注釋?，第18-28頁。雖然學者們對智力的定義各有差異，但均贊同智力包含解決問題的目的要素和信息加工要素等兩個核心要素，因此智力可表述為在預先設定的目標指引下，通過對特定信息的接收與學習，掌握特定信息背后蘊含的規律以解決同樣問題的能力。

就解決問題的目的要素而言，目的要素的存在意味著“行為是有目的”，這是一個因果律的描述，與純粹運動相區分，表征隨機性（Randomness）的排除，行為處在主體的控制之下。就人工智能而言，此種帶有指向性的控制，實際上等同于人工智能的任務。人工智能的任務包括內在需要型任務與外部交互型任務，前者是人工智能基于內在需要而生，后者是人工智能通過與外部世界交互形成。人工智能基于維護自身運行發展的用電、存儲等需要，能夠產生內在需要型任務，并通過“貪婪算法”或“主動搜索算法”等“人工好奇心”（artificial curiosity）?Jurgen Schmidhuber, Developmental Robotics, Optimal Artificial Curiosity, Creativity, Music, and the Fine Arts, 18 Connection Science 173, 173 (2006).的方式實現；而與人類、自然環境以及其他人工智能進行外部交互時產生的交流、移動與處理需求，則能夠構成人工智能的外部交互任務，可通過“效用函數”等使外部交互“目的因”得以編碼。

就智力的信息加工要素而言，信息加工是外部環境信息輸入、信息結構中邏輯關系提取以及邏輯計算后信息輸出等部分的有機組合。其中邏輯關系的提取主要服務于目的要素：既可以是同時性提取，也可以是有時間順序的繼時性提取；既可以是無損提取，也可以是主要特征的提取。邏輯計算則是基于邏輯規則，將輸入信息中提取出來的邏輯結構進行邏輯運算，從而輸出可服務于目的要素的信息。人類的信息加工，便是眼、耳、鼻、口及皮膚等器官接收外部環境信息，然后通過神經細胞傳遞給大腦，大腦將信息中的邏輯結構提取出來并進行邏輯運算后，經過神經網絡借助特定器官（手、腳及口等）輸出信息。人工智能的信息加工模擬人腦進行運作，信息加工流程極其相似，區別在于人工智能的信息存儲、計算與傳輸是由不同硬件與軟件綜合發揮作用，而人類的存儲、計算與傳輸則是一體化于人腦之上，然而此種區別并不影響信息加工效果的類同。

可見，就表征智力本質的解決問題的目的要素和信息加工要素等兩個核心要素而言，人工智能能夠滿足智力的核心要素規定。換言之，人工智能與智力的本質相契合。

（二）人工智能的發展足以產生智力

人工智能對智力的核心要素的滿足，僅是判斷人工智能具備智力的必要非充分條件。人工智能是否具備智力，還應當考量人工智能是否足以產生智力。人工智能是否能夠產生智力，又取決于人工智能是否擁有自主設定任務、自主發現與修正信息處理方法的能力。一個僅能機械依照特定方法完成任務目標的物體，無法謂之能夠產生智力。是故，如果主張人工智能具備智力，判斷其可否自主設定任務并演化算法便是必經過程。可否自主設定任務并演化算法，又與算力、邏輯與結構（邏輯結構與數據結構）緊密相關。因此，有必要從算力、邏輯和結構等方面判定人工智能可否自主設定任務并演化算法，進而判斷人工智能可否產生智力。

算力是指對數據進行信息計算處理并輸出結果的能力。算力是數據收集、存儲、計算和分析等能力的綜合。?參見李平、鄧洲、張艷芳：《新科技革命和產業變革下全球算力競爭格局及中國對策》，載《經濟縱橫》2021年第4期，第34頁。算力雖與智力有關，但并不等同于智力，也不決定智力水平高低。算力通常被理解為計算能力，包含計算強度、計算速度和計算效能等三個維度。就計算強度而言，目前人工智能計算強度仍難以與人腦計算強度相當。根據研究表明，計算強度以“每秒浮點運算次數（FLOPS/s）”為表示方法，?? See Robert Sheldon, Floating-point Operations Per Second (FLOPS), TechTarget, https://www.techtarget.com/whatis/definition/FLOPS-floating-point-operations-per-second, 2023年9月1日訪問。? See Joseph Carlsmith, How Much Computational Power Does It Take to Match the Human Brain?, Open Philanthropy, https://www.openphilanthropy.org/research/how-much-computational-power-does-it-take-to-match-the-human-brain/, 2023年9月11日訪問。人工智能的計算強度達到1013-1017 FLOP/s方能匹配人腦計算強度。?? See Robert Sheldon, Floating-point Operations Per Second (FLOPS), TechTarget, https://www.techtarget.com/whatis/definition/FLOPS-floating-point-operations-per-second, 2023年9月1日訪問。? See Joseph Carlsmith, How Much Computational Power Does It Take to Match the Human Brain?, Open Philanthropy, https://www.openphilanthropy.org/research/how-much-computational-power-does-it-take-to-match-the-human-brain/, 2023年9月11日訪問。目前，神經元模擬網絡的規模在不斷擴展，日本沖繩工業大學研究生院（OIST）和德國于利希研究中心（Forschungszentrum Jülich）的研究人員已成功模擬了一個由1.73億神經細胞組成的具有10.4萬億個突觸連接的神經網絡，這使得立足peta級人工智能模擬人腦計算強度在技術上已能夠實現。?? See RIKEN, Largest Neuronal Network Simulation to Date Achieved Using Japanese Supercomputer, ScienceDaily, https://www.sciencedaily.com/releases/2013/08/130802080237.htm, 2023年8月2日訪問。? See Melsen, A.G.M.van, The Nature of Logic, 7 Synthese 6, 434 (1948), p.435.? See Grattan-Guinness, I., Bornet, G., The Nature of Logic, In Grattan-Guinness, I., Bornet, G.(eds), Springer Basel AG, 1997, p.1-2.? Lawrence C.Paulson, Computational Logic: Its Origins and Applications, 474 Proc.R.Soc.A.1(2018), p.1.未來隨著光芯片等技術突破，人工智能計算強度將能夠比擬人腦計算強度。就特定領域計算速度與計算效能而言，人工智能已然超越人類，如AlphaGo下圍棋等。因此，綜合來看，人工智能的算力水平已在快速迫近并局部超越人類的算力水平。

邏輯是指一種進行合理且良好推理的特定思維方式。?? See RIKEN, Largest Neuronal Network Simulation to Date Achieved Using Japanese Supercomputer, ScienceDaily, https://www.sciencedaily.com/releases/2013/08/130802080237.htm, 2023年8月2日訪問。? See Melsen, A.G.M.van, The Nature of Logic, 7 Synthese 6, 434 (1948), p.435.? See Grattan-Guinness, I., Bornet, G., The Nature of Logic, In Grattan-Guinness, I., Bornet, G.(eds), Springer Basel AG, 1997, p.1-2.? Lawrence C.Paulson, Computational Logic: Its Origins and Applications, 474 Proc.R.Soc.A.1(2018), p.1.邏輯表現為一種正確的推論，即提出主張并用理由支持它們，體現著特定對象之間的相關關系或順序。?? See RIKEN, Largest Neuronal Network Simulation to Date Achieved Using Japanese Supercomputer, ScienceDaily, https://www.sciencedaily.com/releases/2013/08/130802080237.htm, 2023年8月2日訪問。? See Melsen, A.G.M.van, The Nature of Logic, 7 Synthese 6, 434 (1948), p.435.? See Grattan-Guinness, I., Bornet, G., The Nature of Logic, In Grattan-Guinness, I., Bornet, G.(eds), Springer Basel AG, 1997, p.1-2.? Lawrence C.Paulson, Computational Logic: Its Origins and Applications, 474 Proc.R.Soc.A.1(2018), p.1.邏輯能力是智力的重要表現方面。人工智能可通過邏輯門將人類邏輯推理時的邏輯關系映射為邏輯計算。邏輯門設定0為假、1為真，通過邏輯常數中量詞、命題連接詞與恒等式等，將邏輯關系基本邏輯計算，如“not”真假互換，“and”一個假為假，“or”一個真為真，“if...then”有異為真、有同為假等進行組合，借助邏輯電路的電平信號，將“真”和“假”等邏輯關系映射到集成電路上（1為開，0 為關的開關網絡）以實現復雜的邏輯計算。?? See RIKEN, Largest Neuronal Network Simulation to Date Achieved Using Japanese Supercomputer, ScienceDaily, https://www.sciencedaily.com/releases/2013/08/130802080237.htm, 2023年8月2日訪問。? See Melsen, A.G.M.van, The Nature of Logic, 7 Synthese 6, 434 (1948), p.435.? See Grattan-Guinness, I., Bornet, G., The Nature of Logic, In Grattan-Guinness, I., Bornet, G.(eds), Springer Basel AG, 1997, p.1-2.? Lawrence C.Paulson, Computational Logic: Its Origins and Applications, 474 Proc.R.Soc.A.1(2018), p.1.邏輯門的映射關系表現為人工智能接收數據，通過調取數據進行分析，然后基于邏輯關系輸出結果。

邏輯推理正確與否與邏輯計算速度無關，只與邏輯門結構與輸入數據有關。人腦通過外部環境以器官細胞為媒介輸入信息，激活腦細胞生物化學反應產生生物電（興奮電位為1，抑制電位為0），腦細胞神經突觸在生物電組合下到達特定閾值，激活特定細胞處理與傳遞信息，從而實現神經邏輯計算；[27]See J.E.(Hans) Korteling & A.Toet, Cognitive Biases. in Encyclopedia of Behavioral Neuroscience, 2nd Edition Amsterdam-Edinburgh: Elsevier Science, https://doi.org/10.1016/B978-0-12-809324-5.24105-9, 2023年9月2日訪問。人工智能通過外部環境以物理設備為媒介輸入數據，激活晶體管產生物理電流（高電平為1，低電平為0），晶體管在神經網絡參數組合下達到特定閾值，激活特定晶體管處理和傳遞數據，從而實現物理邏輯計算。[28]See Robert Turner & Daniel De Haan, Vital Models - The Making and Use of Models in the Brain Sciences Bridging the Gap between System and Cell: The Role of Ultra-high Field MRI in Human Neuroscience, 233 Progress in Brain Research 179, 179 (2017).在邏輯方法上，傳統人工智能使用演繹推理方法構建人工智能邏輯計算，如專家系統，而現在人工智能引進歸納學習方法，如深度學習、無監督學習、遷移學習等，使得人工智能邏輯計算更加類似人類推理。因此，就邏輯能力而言，人工智能與人類智能并無二致。[29]See J.E.(Hans) Korteling et al, Human- Versus Artificial Intelligence, Frontier in Artificial Intelligence, 1(2021), p.2.

邏輯推理的過程是邏輯門結構應用數據計算的過程，推理的結果是基于邏輯門結構對數據進行計算后的輸出。邏輯是特定結構的關系，不同結構產生不同邏輯計算結果，結構改變影響邏輯計算過程與結果。由此可見，結構是人工智能邏輯推理的關鍵之一。一個物體的功能決定于其內部結構，結構越復雜，功能也越豐富。只要能夠設計一個足夠復雜的結構，那么便可以產生特定目標功能。這意味著只要人工智能具備復雜結構，那么便可以形成自主邏輯推理以及產生合理推理結果的功能。

此種復雜結構何以可能呢？首先，就邏輯門結構而言，通過模擬人腦生物神經元與神經網絡，將人腦結構予以約簡，通過編程建構數學模型在數字神經元基礎上建立人工神經網絡。[30]See Weinan Sun, Xinyu Zhao & Nelson Spruston, Bursting Potentiates the Neuro-AI Connection, 24 Nat Neurosci 905, 905(2021).同時，模仿人類邏輯推理與歸納推理方法，構建專家系統、機器學習算法等，使得通用人工智能不僅可以基于事實知識庫運用邏輯規則進行推理，也可以基于數據實例學習證據構建假設用于預測，從而進行依賴事實的明顯（精確性）推理與依賴數據的不明顯（模糊性）推論。[31]同注釋①，第7頁。其次，就數據結構而言，利用大數據技術，將擁有多維度、巨數量與高密度的各種實時數據進行數據匯集，形成邏輯運算的輸入數據。通過人工神經網絡與機器學習算法的結合，從大數據中實時動態學習數據結構中的邏輯關系（此種邏輯關系表現為一種概率，是與否的可能性），對學習獲得的證據不斷進行參數（權重）調整，結合損失函數中的獎懲機制，人工智能可與人類一樣進行“自主學習”[32]Will Douglas Heaven, AI Is Learning How to Create Itself, MIT Technology Review, https://www.technologyreview.com/2021/05/27/1025453/artificial-intelligence-learning-create-itself-agi/, 2023年9月11日訪問。。通過此種方式，人工智能得以從大數據中習得復雜數據結構，結合復雜人工神經網絡邏輯門結構，可實現動態算法自組織，最終將算法存入邏輯門結構之中，實現推理的自主性。

由此可見，隨著人工智能技術的發展，人工智能可基于大數據技術從外部環境中獲取并輸入海量數據，通過構建高度復雜的類人人工神經網絡，在算力加持下結合機器學習算法與成本函數等學習和存儲數據結構中蘊含的邏輯關系，從而從數據中習得算法，然后結合人工神經網絡邏輯門結構動態自組織算法，從而合理解決問題。這表明人工智能的發展將使其具備自主演化算法、自主設定任務并自主解決問題的能力。申言之，人工智能足以產生智力，從而能夠自主從事原獨屬于人類的創新活動。

二、人工智能對知識產權正當性理論的挑戰

知識是已知事物的總和，是人類智慧的結晶。[33]See Bolisani Ettore & Bratianu Constantin, The Elusive Definition of Knowledge, in Emergent Knowledge Strategie,Knowledge Management and Organizational Learning, Springer, Cham, 2018, p.5.知識的作用在于把握理性，傳播智慧，在于實現記憶自我與經驗自我在實踐中的統一，促進人的全面發展。因此，知識具有天然的公益性。但是，新知識的產生與個體的創新緊密相關，凝結著個體的勞動與智慧，因此又具有私有性。[34]參見江帆：《競爭法對知識產權的保護與限制》，載《現代法學》2007年第2期，第85頁。知識是人們對自我與外部世界的認識，并通過人們的表達得以傳播與被理解。正是知識可形成外在表達的特征使其區分占有成為可能，知識的公益性與私有性逐漸分離。

為了激發個體智力創造的熱情，防止公地悲劇，保護特定知識私有性的知識產權應運而生。知識產權賦予特定主體對特定知識的私有性保護，與知識自由傳播的開放公益性沖突，因此該權利自誕生便飽受詰問。古羅馬法學家塞爾蘇斯指出：“法乃善良公正之藝術。”法律的神圣性并不來源于外在強制力，而是根植于其自身的道德層面的正當性。[35]參見［美］羅納德·德沃金：《認真對待權利》，信春鷹、吳玉章譯，上海三聯書店2008年版，第40頁。因此，作為法所保護的權利，知識產權被人們認可且保護的前提在于其具備內在道德正當性。為探究知識產權的正當性，當前學者們主要提出了四種理論：勞動財產理論、人格權理論、激勵理論與社會規劃理論。[36]See William Fisher, Theories of Intellectual Property, in New Essays in the Legal and Political Theory of Property, Stephen Munzer ed., Cambridge University Press, 2001, p.173.雖然四種理論的理論邏輯各有異殊，但均對知識產權正當性理論體系做出了相應的理論貢獻。隨著人工智能技術的發展，特別是通用人工智能的出現，上述理論的提出背景與論證前提均已發生變化，傳統知識產權正當性理論的適用性受到了嚴峻挑戰。[37]參見陳兵：《通用人工智能創新發展帶來的風險挑戰及其法治應對》，載《知識產權》2023年第8期，第56頁。

（一）人工智能對勞動財產理論的挑戰

1.勞動財產理論的內在邏輯

為論證有形財產的正當性，約翰·洛克于17世紀提出了著名的“勞動財產理論”。勞動財產理論的邏輯論證主要由三個部分組成。首先，洛克提出一個前提假設：土地和所有低等生物為人們所共有，且每個人對其人身享有無可爭議的所有權。[38]參見洛克：《政府論》（下篇），葉啟芳、瞿菊農譯，商務印書館1995年版，第18-19頁。其次，洛克從前提假設出發，推導出通過身體的勞動屬于個人。如若人們將其勞動或者其所有物添加到任何物體上，使該物脫離了自然所提供或所處的狀態，那么該物便成為人們的財產。[39]同注釋[38]，第19頁。最后，洛克由此得出結論：因為勞動屬于人們無可置疑的財產，人們通過添附勞動使物體從自然所處的共有狀態脫離出來，那么便可以對該物享有財產權，并阻斷其他人對該物享有的共有權。[40]同注釋[38]，第29頁。同時，為了防止人們對易耗的有形財產過度占有造成實質的財產浪費，洛克對財產權的取得設置了兩個限制條件：其一，留有足夠多且同樣好的東西為他人共有；其二，以自身生存和發展所需為限度，超過限度的部分歸屬他人所有，即不得浪費。[41]同注釋[38]，第25-26頁。綜言之，對于公有公用的公共資源，個人無須他人一致同意，便可通過添附勞動的方式，在滿足不浪費且留有足夠多且好的東西前提下，獲得公共資源的所有權。

勞動財產理論建設之初的適用對象主要是有形財產。但伴隨著作權、專利權等知識財產權日漸增多和重要，學者們開始尋求知識財產權的正當性解釋。賈斯丁·修斯等學者立足勞動的共性，認為基于體力勞動的有形財產權正當性理論，亦可適用于基于腦力勞動的知識產權的正當性論證，由此將勞動財產理論引入知識產權正當性論證。[42]See Justin Hughes, The Philosophy of Intellectual Property, 77 Georgetown Law Journal 287, 289 (1988).人們可通過對公有領域的知識摻入智力勞動，從而獲得智力勞動的果實——特定的知識產權。[43]See Ryan Abbott, I Think, Therefore I Invent: Creative Computers and the Future of Patent Law, 57 Boston College Law Review 1079, 1107 (2016).

2.人工智能侵蝕勞動財產理論的推論條件

由勞動財產理論可知，人們要正當獲得對特定知識的知識產權，應當滿足一個前提預設和兩大限制條件。前提預設是指特定知識中摻入了人們的智力勞動，兩大限制條件則為不浪費與留給他人足夠多且好的東西。但是，勞動財產理論證成的邏輯條件隨著技術的進步，特別是人工智能技術的發展，已被逐漸侵蝕。

首先，勞動財產理論的前提預設已被人工智能日漸蠶食。19世紀末期，計算機的發明進一步減少了人們創作時的智力投入，部分創作活動僅需人們簡單操作便可完成。[44]See Arthur R.Miller, Copyright Protection for Computer Programs, Databases and Computer-Generated Works: Is Anything New Since CONTU, 106 Harvard Law Review 977, 1045 (1993).20世紀中期以降，模擬、延伸與擴展人類智能的人工智能被研發出來并不斷迭代，人工智能進行創作與創造活動所需要的人類智力勞動已經微乎其微，甚至根本不需要人類的參與，“人”素的重要性逐漸降低。[45]United States Congress Office of Technology Assessment, Intellectual Propery Rights in An Age of Electronics and Information, 1986, p.70-73.于自然狀態的公有物之上摻入智力勞動不再是專屬于人類的“特權”。此種情況下，建立在“人類中心主義”基礎上的勞動財產理論的前提假設——摻入人類勞動已被蠶食。“人”素的式微，導致人的勞動與財產之間的倫理邏輯關系鏈條斷裂，勞動財產理論的前提預設崩塌。

其次，人工智能異質高效“勞動”與勞動財產理論的兩大限制條件相沖突。基于機器學習能力與強大的算力，人工智能在大數據技術加持下，能夠利用現有數據大批量地生成原來僅能由人類創造的文藝作品與技術方案等智力成果。這將產生兩個方面問題：其一，劣幣驅逐良幣效應顯現。[46]參見易繼明：《人工智能創作物是作品嗎？》，載《法律科學》2017年第5期，第143頁。人工智能通過低時間成本、高產出效率地生產大量迎合市場需要的“作品”，致使人類創作者因人工智能的高效競爭而被排擠出創作市場。[47]參見曹源：《人工智能創作物獲得版權保護的合理性》，載《科技與法律》2016年第3期，第503頁。由此可能導致平庸、低質與同質的作品充斥市場，思想深邃、審美高雅的作品難尋，“信息繭房”效應進一步加深，人們審美情操日益倒退，最終阻礙社會進步。[48]參見劉鑫：《人工智能對知識產權制度的挑戰與破解——洛克“財產權勞動學說”視角下的路徑選擇》，載《云南社會科學》2020年第6期，第140頁。這將會導致社會資源的極大浪費。其二，新知識的傳播利用受阻。在大數據技術、機器學習算法與算力的賦能下，人工智能立足特定知識資源可以有效率地進行窮盡式排列組合，生成海量的作品和新技術方案。此時，大量的新知識成為知識財產，為少數研發、運營或使用人工智能的個體所獨占。在稀缺性意味著價值性的前提下，受逐利性的驅使，人們將會采取一切措施阻斷他人與新知識的廣泛接觸，從而維持新知識的稀缺性，由此新知識的自由傳播與利用受阻，“人類社會面臨抽象物供給的短缺”[49]張平：《市場主導下的知識產權制度正當性再思考》，載《中國法律評論》2019年第3期，第116頁。。這將導致他人獲取足夠多且同樣好的東西的難度急劇增大。因此，人工智能“勞動”的異質“高效性”會造成知識產權生成的“殖民效應”、知識產權獲取的“擠出效應”以及優質知識產權的“扼殺效應”。這違背了財產權取得的兩大限制條件——不浪費與留給他人足夠多且好的東西，因此與勞動財產理論的推論條件相沖突。

是故，勞動財產理論無法適應人工智能時代知識產權正當性的需求。針對人工智能對勞動財產理論邏輯鏈條的沖擊，有學者提出對勞動財產理論的“共有、勞動與需求”三要素進行適當調試，使其契合人工智能時代知識產權正當性論證的需要。具言之，其一，為了避免權利的爭奪與沖突，可將公有物從任何人可自由占有而無須他人同意調適為任何人如欲占有須獲得其他所有人同意，使得人工智能利用公共領域知識生成智力成果時，須滿足其他所有人同意的法律規則（通過立法將“所有人同意”轉化為法律規則），遏制人工智能知識產權生成的“殖民效應”；其二，擴大解釋“勞動”要素，將數據提供者、編程者與使用者的“間接勞動”納入勞動考量范圍；其三，強化需求要素，綜合《著作權法》中的權利限制規則與《專利法》中的強制許可規則等，形成內部限制機制，綜合《反壟斷法》中的濫用市場支配地位行為規制規則與《反不正當競爭法》中的違反商業道德行為規制規則等形成外部限制機制，使得利用人工智能獲取財產權符合勞動財產理論。[50]同注釋[48]，第143-145頁。此種調試觀點雖認識到人工智能可自主進行創新的事實，并回應了利用人工智能獲取財產權的限制條件問題，但是回避了應如何調試“人的勞動”的概念范疇以合理容納異質于“人的勞動”的“人工智能的勞動”，仍無法解決勞動財產理論論證的邏輯前提——“人素”的缺乏。另外，引入“間接勞動”的嘗試會使得勞動財產理論的正當性基礎——通過直接勞動取得財產權的核心立論自潰。因為如若承認“間接勞動”產生財產權，將會助長不勞而獲，加劇社會資源分配的不公。實際上，勞動財產理論的前提預設無法吸納人工智能的“勞動”的原因在于，勞動財產理論是為了擺脫神權和封建王權、彰顯人的價值和適應保護私有財產的時代需要而構建，具有強烈的“人類中心主義”色彩。[51]參見易繼明：《評財產權勞動學說》，載《法學研究》2000年第3期，第102頁。這種“人類中心主義”要求理論論證的出發點與落腳點均應為“人類”，與人工智能獨立進行創新活動時“人素”缺乏的實踐特點隔閡深重。故而，勞動財產理論無法勝任人工智能時代知識產權正當性的論證任務。

（二）通用型人工智能對激勵理論的挑戰

1.激勵理論的證成邏輯

激勵理論是立足功利主義論證知識產權正當性的特定路徑。[52]參見向波：《知識產權正當性之批判解讀——以利益沖突為基本視角》，載《法學雜志》2015年第8期，第97頁。功利主義將追求個體幸福或社會福祉的最大化作為最終價值。[53]參見何勤華：《西方法律思想史》，復旦大學出版社2005年版，第184頁。任何行為應根據其能否增進或多大程度增進這一最終價值，來判斷行為是應當支持抑或反對。[54]參見［德］博登海默：《法理學：法律哲學和法律方法》，鄧正來譯，中國政法大學出版社2004年版，第110頁。創新是新知識的發現或創造過程。一般來說，新知識的發現或創造，不僅有助于提升人們的自我認知，促進人們不斷了解和追求真善美；而且有助于人們強化認識世界和改造世界的能力，實現與外部世界的和諧相處，最終促進社會福祉的最大化。因此，創新應當得到支持，任何人、任何事或任何行為，凡是有助于創新均應被贊成。

新知識是事物內部或事物之間非已知的、非顯性的以及非一般性的信息。新知識的發現或創造往往需要花費大量時間、智力和金錢，而且此種時間、智力與金錢的投入并非必然對應著新知識的產生，因而能夠產生新知識的創新活動具有明顯的稀缺性。此種稀缺性意味著商業價值，對其進行不當攫取和占有，如同惡魔的低語不斷誘惑著逐利的人心。由于新知識不僅可通過物理載體進行轉移，亦可憑借人腦記憶進行傳播，前者在印刷與數字技術加持下轉移更加便捷，后者則因人腦特殊構造致使傳播無法管控，致使不當攫取與占有的誘惑被進一步放大，創新成果的剽竊與搭便車等不良行為頻發。創新所得新知識被不當占有會導致創新主體無法收回投資和獲取收益，削弱市場主體投身創新活動的熱情，最終導致原始創新難以產生、后續創新難以為繼。為了創新的生發、延續與可持續，便需要采取措施進行激勵。其中，最有效措施之一便是賦予創新主體對新知識的排他性壟斷權，以法律賦予合理預期與強制力保護來維護創新主體對新知識的獨占與管控能力，保障其收益期待，從而激勵更多主體投身有益的創新活動。[55]See Shlomit Yanisky-Ravid, Generating Rembrandt: Artificial Intelligence, Copyright, and Accountability in the 3A Era - The Human-like Authors are Already Here - A New Model, 2017 Michigan State Law Review 659, 700 (2017).這便是激勵理論對知識產權正當性的論證邏輯。

由此可知，激勵理論認為，為了實現社會福利的增長，應當建立知識產權制度，通過授予創新主體專有性的知識產權，以獨占收益激勵相關主體進行創新，并反過來促進知識的公開與傳播。[56]See Richard A.Posner, Intellectual Property: The Law and Economics Approach, 2 Journal of Economic Perspectives 57, 61(2005).《與貿易有關的知識產權協定》第7條規定的通過設立知識產權以促進創新和社會福利的增長，便是激勵理論思想的表達。我國著作權等知識產權法律立法目的條款，亦體現了激勵理論思想。

2.人工智能難以匹配激勵理論的基本要件

激勵理論的結構性假設通過設立排他性權利，將特定新知識的管控權利賦予特定創新主體，使得創新主體可立足該權利獲得收益可能，從而激發其收益動機以實現原始創新的生發與后續創新的延續，最終促進知識公開與傳播以及社會整體知識量的增長。激勵理論的假設之所以能夠成立，離不開兩個基本要件：其一，主體具備激勵的可行性；其二，能夠真正促進創新與知識傳播以實現社會福利最大化。然而，隨著人工智能的快速發展并進入創新領域，激勵理論的兩個基本要件面臨著嚴峻挑戰。

首先，人工智能不需要也不能被激勵。在前人工智能時代，創新活動的主要參與者為人類。根據激勵理論，理性人類參與創新活動以利己性作為出發點與內在動因。利己性表現為經濟、政治、名譽等方面收益偏好，其中以經濟收益偏好為主。因此，激勵理論通過賦予創新主體對新知識的排他性專有權利，使其能夠獲取超過邊際成本的“獨占性收益”（supr-acompetitive profits）[57]Christopher S.Yoo, Copyright and Product Differentiation, 79 New York University Law Review 212, 222 (2004).，進而激勵創新主體積極投身創新活動以獲取更多排他性權利，既符合人性因而具有倫理意義，也符合邏輯因而具有理論意義。但當人工智能獨立進行創新活動時，人類作為創新主體身份的唯一性被打破，激勵理論的倫理意義與理論意義均被動搖。

與碳基人類不同，人工智能是一系列程序、硬件的復雜硅基組合體，執行已編譯的程序并不斷自組織演化，不會被人類占有、競爭、虛榮等交織欲望所牽絆。只要人工智能的預設程序包含著輸出特定作品或專利等任務，那么在數據與電力供應等充足情況下，人工智能便能自主且持續產出內容，并不需要外部激勵其從事該特定創新活動。因此，無須諱言，人工智能不需要也不能被激勵。激勵理論的主體激勵可行性預設，在面對人工智能創新時存在嚴重的適用障礙。

其次，人工智能技術的兩面性，使得“機械功利主義”激勵路徑難以為繼。一方面，人工智能的超高運算速度與效率稟賦具有創新促進的正向效應，這與“機械功利主義”激勵路徑在短期效率上相耦合。創新本質是發現非已知的、非顯性的、非一般性的信息，此種特殊信息的發現方式可通過對具有邏輯聯系的知識進行排列組合、對大量數據進行高密度邏輯關聯性分析、立足已知知識進行多維技術可行性嘗試等三維路徑予以實施。但無論創新實施路徑為何，創新路徑實施效果與嘗試次數緊密相關。易言之，嘗試次數越多，創新達致的可能性越大。而創新路徑嘗試次數與運算速度的支持密不可分。一般而言，運算速度越高，可嘗試的排列組合種類、可分析的數據量與可試錯的技術路徑越多，產生創新可能性也就越大。作為生物組織的人腦，在通常情況下處理與外部環境的關系上并不需要高運算速度，而且為減少能量的損耗，人腦絕大多數情況偏好于依賴低運算需求的壓縮性知識存儲（歸納）與邏輯復現（演繹）。正是人腦這種低運算速度特性，一定程度限制了人類創新活動的效率。然而，源流于專注計算速度與任務執行效率的計算機，人工智能承繼了高計算速度與效率稟賦，能夠對數據進行超高速度與效率運算。具有超高運算速度的人工智能在大數據技術加持下能夠海量且快速搜集與分析數據，不僅可以利用數據中蘊含的知識進行有邏輯且符合審美價值的排列組合，而且可以對數據內部或數據之間蘊含的內在隱性關聯性進行發掘，以及立足已知知識并將其作為推導條件對后續可行的技術方案進行窮盡性探索，從而高效進行藝術作品創作、技術發明創造等創新活動。正是人工智能高效的藝術作品創作及技術發明創造能力，使得藝術作品與技術發明在可預見的未來大量涌現成為可能。由此，對人工智能的發展而言，“機械功利主義”激勵路徑粉墨登場，即片面強調激勵人工智能發展對創新的促進作用，“一葉障目”式鼓吹人工智能技術的正向效應。

然而，另一方面，人工智能技術亦具有負面效應。無約束地單向激勵人工智能技術發展與應用，任由人工智能憑借運算稟賦在創新領域的野蠻生長，將會阻滯創新的可持續。換言之，如若每個細分領域，人工智能均不受約束地釋放其運算稟賦持續地進行創新活動，將會造成人工智能生成物的泛濫與公共資源的過度利用，嚴重沖擊知識產權運行秩序。實際上，通過賦予知識產權專有權進行創新激勵之旨趣不在于局部的、短期的個體創新促進效應，而在于實現整體的、長期的社會福利最大化，其最根本的目的與落腳點在于促進社會整體知識量的增長。采用機械功利主義立場激勵人工智能參與創新活動，這固然短期內可以促進新知識的增長，增加人們可享受與利用的知識數量，但是長期來看人工智能無約束發展與應用會導致公共資源利用的“擠占效應”、創新可能的“通吃效應”、創新競爭的“擠出效應”與知識產權的“累積效應”，導致公共資源利用范圍極度收縮、自由創新空間快速收窄、知識產權壁壘高聳、知識產品同質化嚴重，嚴重阻礙創新的可持續，減損社會公共福利。具言之，此種負向效應在創新領域存在如下表現。

在版權領域，人工智能通過對現有可利用知識進行窮盡式排列組合，能夠創作大量可版權性成果，造成可版權性的作品泛濫，導致人類獨立創作的空間被擠壓甚至完全覆蓋。同時，利用公共資源進行創新的可能被全部擠占，人類無法獲得自主創作的“呼吸”空間，創作熱情被掐滅，高品質和具有人文關懷的深度審美價值作品生產因缺乏競爭力而逐漸消失，低質、平庸、同質化的“速食性”作品大行其道，文化發展窒息并可能荒漠化。

在商標領域，由于商標的設計本質是文字、圖片、聲音等元素的組合，類似于藝術作品的創作，因此人工智能通過數據進行“機器學習”后，可將文字、圖片與聲音等元素進行海量組合，進而高效生成大量可用作商標的標識。人工智能此種高效率的標識生成能力，將進一步加劇商標的囤積，擾亂商標申請與使用的正常秩序。

在專利領域，由于人工智能可以高效率對特定技術問題進行可行路徑的窮盡式探索，那么特定問題的可行技術解決方案與發展路徑將可能全部被找到并被申請為專利。大量相似與關聯性專利被創造，會導致專利荊棘密集且大范圍分布，形成專利叢林。人類從事新生創新與后續創新將面臨高聳的人工智能生成專利形成的專利壁壘，繞過專利叢林進行有效研發的空間被極度壓縮，專利發明活動的難度幾何式增長。以抗體為例，自人類發現抗體的結構并著力發展制造抗體的技術以來，人類研究人員創造了大量抗體用于疾病診斷與治療目的。[58]See Janice M.Reichert, Marketed Therapeutic Antibodies Compendium, 4 mAbs 413, 413 (2012).從統計角度來看，至少存在億量級抗體類型。[59]See Neil S.Lipman et al., Monoclonal Versus Polyclonal Antibodies: Distinguishing Characteristics, Applications, and Information Resources, 46 ILAR Journal 258, 259 (2005).但即便存在億量級抗體，對于有足夠算力支持與超高運算速度的人工智能來說，按順序逐一排列組合可能的抗體結構，從而制造出對人體免疫系統有效的抗體，并不是一項費時且困難的任務；但是，對于人類研究團隊而言，僅依賴人腦逐一探索與解析億量級的抗體結構將是一項漫長又艱巨的任務。[60]同注釋[43]，第1118頁。正是人類與人工智能存在巨大的研發效率差距，使得如若不限制人工智能在專利領域的應用，將會對人類研發活動形成“擠出”效應，未來的發明創造將會陷入人工智能依賴，使得科學技術的發展方向將取決于“異人性”的人工智能的預測與發展。這無益于人類智慧的提升與全面發展。

故而，就激勵對象而言，人工智能不需要也不能被有效激勵；就激勵效果而言，雖然機械激勵人工智能進行創新活動，能夠產生一定程度的邊際收益，但是整體來看對創新活動和社會福利增長的負面效應更嚴重。因此，立足于“機械功利主義”的激勵理論無法適配于人工智能時代知識產權正當性的證成。

（三）人工智能對人格理論的挑戰

1.人格理論的邏輯結構

人格理論是從智力成果與人格的緊密聯系角度展開知識產權正當性論證。人格是人之為人的本質要素之一，是人的內在規定性，人格的本質內涵在于自由意志。[61]參見［德］康德：《法的形而上學原理——權利的科學》，沈叔平譯，商務印書館1991年版，第53頁。自由意志使人們可以成為獨立的人，而非他人的附庸。如若自由意志受他人支配，那么獨立人格便無從談起。[62]參見［德］黑格爾：《法哲學原理》，范揚、張企泰譯，商務印書館1961年版，第35頁。人的生存與發展離不開財產的占有與使用，如若沒有必要財產的支持，人類保存自我的根本需求都無法得到滿足，更遑論自由意志的實現。因此，擁有穩定的私有財產，是實現自由意志的前提；保障自由意志的彰顯，是獲得私有財產的基礎。私有財產與人格密不可分，私有財產權應當且僅當滿足人們生存與發展需要之目的才能確立。正是由于人格對財產權的決定性，當人將其自由意志內化于物上，便可對該物擁有所有權。[63]同注釋[62]，第60頁。申言之，財產權是人格獨立的保證，人格是財產權獲取的基石；人格可以轉化為財產，財產可內化入人格。由此，在自由意志的紐帶作用下，人們的自由意志與財產權相統一，財產權正當性得以從人格角度予以證立。

在自由意志支配下用以滿足人的生存與發展的有形物，當然可轉化為財產，而同樣能夠固化人的自由意志和滿足人的生存與發展需要的無形智力成果亦可轉化為財產。人們通過對智力成果這種特殊物的占有以及智力成果的財產屬性變現過程，能夠實現自由意志的張揚，促進人格的存在與發展。因此，智力成果是人們自由意志的創造物，是其人格的外化與結晶，所以人們能夠合乎理性地取得該智力成果的所有權，并在財產變現過程中進一步實現其人格的持續存在與發展。[64]參見吳漢東：《法哲學家對知識產權法的哲學解讀》，載《法商研究》2003年第5期，第80頁。

綜上可知，人格理論認為，智力成果是人們基于自身的存在與發展，將其人格通過自由意志支配下的智力勞動予以固化后的外在表達，是人格的外顯與延伸。[65]參見胡波：《知識產權法正當性理論的批判與重構》，載《社會科學研究》2023年第3期，第92頁。人們通過智力成果的所有，彰顯其人格；同時借由智力成果的財產實現，以促進人格的存在與發展。對資源分配權利進行創設或認可的法律，理應確認人們對智力成果的所有權，以尊重和保護智力成果中體現的創造者人格。法律確認的智力成果所有權，便是知識產權。正如吉爾克所述：“一位作者的某個作品屬于該作者人格的勢力范圍，著作權則保障了作者對這部分人格領域的主宰。”[66]［德］M·雷炳德：《著作權法》，張恩民譯，法律出版社2005年版，第24頁。

2.人工智能無法契合人格理論的邏輯結構

人格理論主張，智力成果是創新主體人格的外現，作為內在人格的外在定在，不僅可成為理性占有的對象物，以滿足人格存在的需要；而且其財產性的使用方式與過程，也能夠促進人格的發展，因此為了保護神圣的人格，便需要對智力成果所有權進行保護。申言之，為尊重和保護人格，賦予人們對智力成果的知識產權。從人格理論的論證邏輯可知，人格理論下知識產權正當性依賴于兩個要素：其一，人格要素的存在。即智力成果是人格借由自由意志的外在表達與定在。其二，設權目的要素的滿足。保護智力成果知識產權之目的，在于實現人格的存在與自我發展。在人工智能自主進行創新活動的背景下，上述人格理論的兩個先決前提均難以邏輯自立。

首先，人工智能自主創新時，人格要素不存在。人格是人之為人的本質要素之一，人格為且僅為人類所獨有。[67]參見朱謝群：《知識產權的法理基礎》，載《知識產權》2004年第5期，第4頁。人格理論的人格建立在“人類中心主義”的基礎上，強調人的神圣地位與主體性，超脫于外在于人的外部自然界。賦予人們對智力成果的知識產權，在于認可人們在自由意志支配下進行創新時內化于智力成果之上的人格。這存在賦權前提：智力成果是人們獨立創造或者人們與智力成果的形成存在緊密聯系。然而，人工智能在自主進行創作與創造活動時不需要人類直接參與，而人類的間接參與作用微乎其微，甚至完全沒有作用，因此難謂人類與人工智能生成物存在緊密聯系。[68]參見陳景輝：《人工智能的法律挑戰：應該從哪里開始？》，載《比較法研究》2018年第5期，第144頁。易言之，并不存在一個特定人獨立創造或實質促進了人工智能生成物的產生，人的自由意志與人工智能自主形成的生成物未建立外化聯系。人工智能創造物不是人格的外在定在，其未能從人類的自由意志中獲得靈魂，不是也不能體現和延伸人格。另外，雖然人工智能在進行創新活動時的自主行為，與自由意志支配下的人類進行創新活動時的行為相類同，但是人工智能與人類具有本質規定性的不同，人工智能無法且永遠不能擁有人格。人工智能可為“物格”“電子人格”[69]參見郭少飛：《“電子人”法律主體論》，載《東方法學》2018年第3期，第40頁。抑或是“人工智能格”等，但絕不是專屬于人類的人格。因此，人工智能自主創新時，不需要也不存在人格要素。

其次，人工智能的生成物賦權，亦難滿足設權目的要素。人格理論主張賦予人們對體現其人格的智力成果以知識產權，是為了保障人們對智力成果所指向的外部資源進行掌控，從而通過外部資源的變現，保障其人格的存在與發展。[70]Margaret Jane Radin, Property and Personhood, 34 Stanford Law Review 957, 957 (1982).換言之，通過賦予人們對智力成果擁有知識產權，達到彰顯與發展其人格的目的。當智力成果是人們自由意志支配下獨立形成或與智力成果形成具有緊密聯系時，彰顯與發展其人格之目的的實現，自在情理之中。但如若智力成果的形成與人們的自由意志無關或僅是間接聯系，智力成果便無法內化與彰顯人格。人工智能獨立創新形成的生成物，與人的自由意志無關或聯系疏遠，因此難以內化與彰顯人格。誠然，可強行將人工智能生成物的知識產權分配給特定人。此種分配方式，能夠使特定人因生成物的財產屬性的實現而獲得更多外部資源，可一定程度促進其人格的發展。但是，此種分配方式缺乏生成物與特定人之間人格的緊密聯系，不僅會助長人性中“不勞而獲”的懶惰，使得人格逐漸腐化墮落，與人格發展目的背道而馳，而且容易誘導資源的肆意分配與尋租，造成社會資源的分配不公，形成滋生社會動蕩的溫床。一旦社會動蕩，外部資源分配的秩序受損，特定人的人格發展便會陷入停滯甚至倒退，最終難以促進人格發展的設權目標的達成。因此，人工智能生成物賦權，難與人格理論的設權目的相一致。

綜上所述，就人格要素而言，人工智能自主創新與人的直接參與無涉，“人”素缺乏致使人格無法內化于智力成果之上，人格理論先決前提之人格要素無法滿足。就設權目的要素而言，由于人工智能生成物是人工智能獨立創作或創造，與人類自由意志支配下的智力勞動無關或不存在緊密聯系，無法內化與彰顯人格，如若強行進行權利分配會腐化人性、滋生社會動蕩，最終阻礙人格的發展，因此亦無法實現人格理論的設權目的。

三、社會規劃理論適配于人工智能時代知識產權正當性的證成

作為知識產權正當性證成理論的勞動財產理論、激勵理論與人格理論等均有其可取之處，但面臨人工智能的挑戰又存在相應理論適用困境，無法有效滿足人工智能時代知識產權正當性論證需要。

勞動財產理論與人格理論均致力于論證知識產權作為財產權是否正當以及何以可能，都是從倫理角度尋求知識產權正當性基礎。申言之，論證前提建立在“人”這一特定基石之上，勞動財產理論關涉“人的智力勞動（創造性勞動）”，人格理論聯系“人的人格（自由意志）”。然而，正是以人為中心作為論證基石，導致勞動財產理論與人格理論紛紛與人工智能自主創新的圖景難以契合。因為人工智能創新時并不需要人的直接參與，“人”這一重要前提的缺位而導致二者論證的邏輯斷裂。如若為補足“人”素，強行將人的間接參與納入理論前提，則會因間接參與人無法與生成物之間形成自然的、緊密的聯系，無法關聯人的尊嚴、生存、自由與發展等不言自明的自然真理，導致勞動財產理論與人格理論的推演結果既無法從倫理角度使得基于生成物產生知識產權的正當性得以確立，又將催生知識產權生成的“殖民效應”、獲取的“擠出效應”、優質成果的“扼殺效應”以及“尋租效應”等不良后果，危害社會發展。這并不符合人們尋求自由、有序、安全的社會生活的共同意志。因此，勞動財產理論與人格理論無法適應于人工智能自主創新時知識產權正當性論證的需要。

激勵理論通過賦予人們對智力成果的排他性權利，使人們可以獨占智力成果所生利益，從而激勵人們不斷創新，最終促進社會整體福利增長。因此，激勵理論需要滿足主體激勵的可行性與激勵結果達成的可能性兩個要件。然而，人工智能是內在程序自主運行，異質于人類被多樣欲望籠罩，人工智能“六根清凈”，為且僅為程序所指定任務與自主設定的任務，因此排他性權利賦予的獨占性利益并不能對通用人工智能產生激勵。同時，人工智能具有超高運算速度與生產能力，在足夠電力支持下能夠海量且高效地產出藝術作品與發明創造等智力成果。如若基于激勵理論無約束地賦予人工智能生成物知識產權，將會導致知識產權泛濫，出現“作品綠潮”“專利叢林”“商標囤積”等不良現象，導致社會資源過度開發與高度集中，阻礙創新與社會繁榮。因此，激勵理論亦難契合人工智能時代知識產權正當性論證的需求。

實質上，基于人工智能自主獨立創新的圖景以及高效率海量產出的能力，知識產權正當性論證應脫離“人類中心主義”的倫理論證路徑，摒棄忽視利益平衡的“機械功利主義”激勵路徑，去尋求一種建立在“非人類中心主義”上能夠有效平衡創新激勵與公共利益保障的新理論路徑。強調創新激勵與知識傳播和使用之間的有效平衡，致力于實現公平、民主、繁榮、和諧的理想社會的社會規劃理論，正是此種能夠契合人工智能時代需要的知識產權正當性理論。

（一）社會規劃理論的內容

相對于勞動財產理論、人格理論與激勵理論而言，社會規劃理論發展相對較晚，但卻具有重要理論地位。社會規劃理論主要以文化建構與實現理想社會的角度論證知識產權的正當性，其中代表人物威廉·費希爾提出了公正且有吸引力文化論（或稱烏托邦文化論）、尼爾·W·尼塔尼爾提出了民主文化論等。

社會規劃理論代表人物費希爾教授是從“人們應當追求何種社會？”這一宏觀但卻無法回避的基本問題出發，展開其理論建構的。[71]William Fisher, Reconstructing the Fair Use Doctrine, 101 Harvard Law Review 1661, 1745 (1988).費希爾以亞里士多德的道德哲學為基礎，主張我們欲求的社會，應當是能夠促進人們天性得到有效解放的社會。在這樣的社會中，人們可以且被鼓勵實現其所向往的“能夠自決、崇尚奉獻、鼓勵憂患且支持有意義工作”的“美好生活”（good life）。這樣的美好生活有賴于“公正且有吸引力的文化”（a just and attractive culture）的建構與保障。[72]同注釋[36]，第172頁。因此，社會制度的建構與修正均應當致力于促進與實現“公正且有吸引力的文化”。費希爾進一步指出，一般的有形財產與特殊的知識產權均應當且能夠促進公正且有吸引力的文化的實現，因此知識產權制度的建構與修正應當立足形塑與實現該文化而努力。[73]William Fisher, Property and Contract on the Internet, 73 Chicago-Kent Law Review 1203, 1215 (1998).因此，為形成公正且具有吸引力的文化，建構與修正的知識產權制度應滿足以下要求：在激勵創新與促進知識傳播使用之間達成平衡，從而實現消費者福利最大化；保證公民獲取廣泛的信息、思想與娛樂內容，以提升自我決定與自我表達的能力，促進自我的塑造與發展；保證公眾可獲得豐富的說明性與比較性藝術作品庫，增強文化語言共享的復雜性與共鳴性，促進人們的觀點與交流方式的精細化與創新，從而培育藝術創新的社會傳統；保障分配公平，使得所有人能夠最大程度獲取藝術性與信息性資源，使得包括弱勢群體在內的每個人都能惠益；確保人們能以積極生產者與消極消費者雙重身份參與有意義文化的形成過程，從思想與符號層面形塑賴以生存的社會；提升人們對自我表達屬于自我創新慣常形式這一觀點的認同程度，促進社會尊重他人創新。[74]同注釋[36]，第192-193頁。

社會規劃理論另一個代表人物內塔尼爾從知識產權與民主文化之間的關系出發，認為知識產權制度本質上是利用市場機制促進市民社會民主發展的國家政策。[75]Neil Weinstock Netanel, Copyright and A Democratic Civil Society, 106 The Yale Law Review 283, 288 (1996).內塔尼爾主張雖然知識產權制度與市場機制緊密相關，但不隸屬于市場機制，其基本目標并非在于分配效率，而是支持民主文化的形成。以版權制度為例，在保護作者的市場利益的同時，版權保護還應服務于兩個民主促進功能：其一，生產性功能。版權制度不僅應激勵政治、社會以及審美主題的創新性表達的生產，還應當促進民主文化與多樣化市民關系的形成。版權制度通過激勵作品創造，促進創新性表達及其思想的傳播，從而形塑與發展民主文化與市民社會。其二，結構性功能。民主的市民社會有賴于有理性思考能力的公民培育與相互聯合，這需要人類既往積累的知識財富與新創表達的廣泛傳播和有效啟迪。理性公民在學習和利用現有知識時，將會對現有知識進行重構與轉換，而非重復既有知識與思想。因此，版權制度在滿足作者有限的財產權利的同時，還應當為轉換性與教育性使用作品留足空間。

綜上可知，雖然費希爾與內塔尼爾追求的理想社會在表征上存在區別，但只是表述的不同，而非本質的差異。“民主社會”是從政治與市民社會角度對理想社會的解讀，“公正且有吸引力的社會”是從社會文化角度對可欲社會的闡釋，二者統一在社會的“善”質上，均是對理想社會的探求。所以，社會規劃理論追求的是一個“善”的社會，符合生產力規律與人性解放的理想社會。其中知識產權制度與社會規劃理論欲求實現的理想社會具有統一性，知識產權處于市場之中但并不隸屬于市場，知識產權制度應以促進達致優良社會為目標。具體而言，知識產權制度建構與修改，應將創新激勵與知識的傳播和利用視為同等地位，并努力使二者形成合理平衡。知識產權制度設計應當保證社會中每一個人均能夠在秉持尊重他人創新基礎上參與創新活動，進行自我表達與自我實現，而不是被動接受和消費知識產品。知識產權制度的實施，應當保證知識產品供給的充足性與可行性，不斷促進公共領域知識資源的增長和傳播，保障人們獲取知識產品的便捷性與可能性，使得人們可以相互交流與思想碰撞，以此滿足人們的自我實現與社會文化的繁榮；而不是將知識產權作為工具與手段，控制既有創新的生產性使用，阻礙知識產品的教育性與轉換性等公共利用。知識產權制度內容，不僅包含創新激勵，還應容納分配正義，保證每個人均能受惠于創新活動，能夠最大程度獲取創新形成的知識產品。

（二）社會規劃理論與人工智能時代的契合性

人工智能的發展是大勢所趨，不可回避或刻意忽略，否則必將承受技術落后帶來的苦難。因為歷史已經警示，凡是意圖回避或忽略新技術發展的，必將親自吞下落后的苦果，鴉片戰爭的苦痛便是最好的歷史注腳。然而，無約束地放縱人工智能的發展，又會給社會發展造成嚴重影響，頻發的“AI換臉”詐騙就是例證。由于人工智能發展形成的“三元創新格局”[76]參見吳漢東：《人工智能生成作品的著作權法之問》，載《中外法學》2020年第3期，第654頁。，與建立在“人類中心主義”基礎上的勞動財產理論與人格理論的邏輯結構，以及立足“機械功利主義”的激勵理論的前提預設均難以兼容，因此人工智能時代呼喚新的知識產權正當性證成路徑。在“后人類中心主義”[77]參見於興中：《后人類時代的社會理論與科技烏托邦》，載《探索與爭鳴》2018年第4期，第18頁。的人工智能時代，作為知識產權制度形塑與建構基石的知識產權正當性理論，既需要對創新激勵有保障意義，又需要對社會發展的負向效應有約束作用。以“社會中心主義”為理論要旨，目標在于理想社會的建構，邏輯出發點在于已建構的社會制度，可行路徑在于平衡主義指導下實現知識的創新尊重與有效傳播的平衡、知識的個體占有與公共利用并重、知識的收益獨占與普惠分配并存以及知識利用的有限排他與合理使用共生的社會規劃理論，可以勝任上述任務，指導知識產權制度的調整與重構，促進社會的發展繁榮。社會規劃理論與人工智能時代的契合性，具體表現在以下三個方面。

其一，核心要旨層面的合理性。社會規劃理論的“社會中心主義”可以規避人類要素的陷阱。由于人工智能將能夠進行獨立創作，因此“人”素的絕對神圣地位在智力成果的生成活動中已然動搖，并逐漸演化為“人”素與“類人”素共存。人類與類人人工智能二維分化形成的“三元創新格局”，適用“人類中心主義”進行解釋必然面對著“人”素欠缺而導致的邏輯斷崖。如若無法規避該“人”素缺失導致的邏輯斷崖，任何知識產權正當性理論的論證進路在人工智能時代都將面臨邏輯不周延的困境。而社會規劃理論的邏輯論證中，其基本目標在于建構與調整社會制度以實現理想社會，表征為宏觀與微觀兩方面：宏觀上，表征為促進知識產品的極大豐富與廣泛傳播、保證社會文化的多樣性；微觀上，表征為保障話語民主，尊重人們進行自我決定與自我表達，促進自我發展。宏觀層面的實現是核心要旨，微觀層面的滿足是宏觀理想社會實現后的具體映射。但此時微觀層面的“人”是作為目的而存在，不是邏輯論證的前提，更不是實現目的的手段。社會規劃理論下的知識產權正當性論證并不需要以人類參與創作作為邏輯起點，人的自我實現與發展是邏輯論證的終點。在“社會中心主義”基礎上建構起來的社會規劃理論，強調知識產權制度的工具性，將人工智能的知識產權保護僅視為促進理想社會實現的手段，注重社會發展的正效應，有效規避了“人”素缺失的邏輯陷阱，能夠有效契合人類與人工智能分化后的“三元創新格局”。

其二，指導方略層面的合理性。社會規劃理論的“平衡主義”可以應對技術內在的兩面效應。作為引領新一輪科技與產業革命的通用技術[78]參見郭晗：《人工智能培育中國經濟發展新動能的理論邏輯與實踐路徑》，載《西北大學學報（哲學社會科學版）》2019年第5期，第21頁。，人工智能技術具有很強的兩面性。一方面，人工智能不僅可以基于機器學習，獨立海量生成特定領域僅能由人類形成的復雜智力成果[79]參見吳漢東：《著作權合理使用制度研究》（第4版），中國人民大學出版社2020年版，第234頁。，使得知識產品大量產生，從整體上增加社會知識總量，促進科技進步與經濟文化發展；而且大量替代人類從事簡單重復性勞動，從而將人們從枯燥的勞動中解放出來，使人們可從事更為復雜和有意義的藝術作品創作與技術研發工作，按照亞里士多德的道德哲學“發展人的天性”的內在要求進行自我表達和自我決定，實現馬克思指稱的“人的自由發展”。[80]參見葉汝賢：《每個人的自由發展是一切人的自由發展的條件——〈共產黨宣言〉關于未來社會的核心命題》，載《中國社會科學》2006年第3期，第11頁。另一方面，由于人工智能具備“學習”能力，在超高運算速度與效率稟賦加持下，能夠高效率、持續且海量地進行作品創作或技術創造等創新活動，將會導致作品、商標以及專利的井噴式涌現，不僅存在誘發“作品綠潮”“專利叢林”“商標囤積”等知識產權亂象之虞，而且窮盡式利用公共領域知識，會使得作為創新源泉的公共知識價值耗盡[81]See Mark A.Lemley, Ex Ante versus Ex Post Justifications for Intellectual Property, 71 The University of Chicago Law Review 129, 142 (2004).，形成無法通過人造稀缺[82]Matthews v.Wozencraft, 15 F.3d 432, 437-38&n2 (5th Cir.1994).性質排他權予以消弭的嚴重“公地悲劇”。因此，就人工智能的正向社會效應而言，應當立足市場機制授予知識產權專有權進行激勵。正如基奇教授所言，土地私有化后人們才會更有熱情、有效率地使用土地。[83]See Edmund W.Kitch, The Nature and Function of the Patent System, 2 The Journal of Law & Economics 265, 274 (1977).然而，人工智能技術的負向社會效應同樣不可忽視。那么通過專有權的賦予與市場收益機制激勵人工智能技術研發與產業發展，必然需要受到約束。換言之，勞動財產理論與人格理論的當然賦權與“機械功利主義”的單向激勵，均難以平衡人工智能技術兩面性而應當被舍棄。這不僅是人工智能技術雙刃性決定的，亦是社會發展的現實需求。社會規劃理論以“平衡主義”為指導方略，強調創新激勵與公共利益保護的平衡，不僅著眼于市場激勵機制帶來的創新動力，而且關注知識的可獲取性關涉的個人實現、知識的公共性產生的創新可能以及知識的可傳播性關聯的表達自由，認可公共領域的寬廣和豐盈對于社會文化發展、創新促進以及人的解放的重要意義。[84]參見李易航：《社會規劃理論對我國著作權合理使用制度的啟示》，載《中國版權》2015年第2期，第43-44頁。因此，在社會規劃理論“平衡主義”方略指導下，對知識產權制度進行有效調整，可以有效消弭人工智能技術對社會發展的負面效應，使得人工智能技術正向效應更為凸顯。具言之，在版權領域，增設新型“人工智能生成物權”鄰接權，其權利內容包括復制、發行、展覽、廣播等權利束。考慮到人工智能生成物低投入成本與高產出效率，可類比我國圖書、期刊版式設計權賦予10年的保護期限，在激勵人工智能創新的同時，使得公共領域得到豐盈，促進知識的自由傳播利用。在專利領域，承認人工智能生成技術方案的可專利性。考慮到人工智能發明創造的高效率和防止專利壁壘高聳，可參照歐盟外觀設計保護規則設置5年的保護期，[85]See European Parliament, Revision of Directive 98/71/EC on the Legal Protection of Designs and of Regulation(EC)No 6/2002 on Community Designs, https://www.europarl.europa.eu/RegData/etudes/BRIE/2022/730318/EPRS_BRI(2022)730318_EN.pdf, 2023年9月2日訪問。在確有必要的情況下允許延展一次，最長不超過我國外觀設計的10年保護期。單設人工智能生成專利的強制開放許可規則，在通過許可收益激勵創新的同時，限制其控制權與排他權，從而為新生創新與后續創新留足空間。在商標領域，認可人工智能生成標識的可商標性，附加人工智能生成標識說明義務與特定期間內同一人工智能生成標識申請注冊總次數限制規則，并對違反說明義務的失信主體適用聯合懲戒。

其三，資源配置層面的合理性。社會規劃理論的“分配正義”取向保障了技術應用的倫理正當。雖然高效率的人工智能可以海量持續地形成各種生成物，但是支持人工智能運轉的神經網絡系統、算法以及其他軟硬件成本高昂。如若不能通過生成物收回投資，那么人工智能技術研發與產業發展便難以持續。只有賦予人工智能生成物知識產權保護，方能保障相關主體在人工智能技術研發與產業發展過程投入的成本得到相應的回報，進而激發其對人工智能技術及其生成物的投資熱情。[86]參見朱夢云：《人工智能生成物的著作權保護可行性研究》，載《出版科學》2019年第3期，第56頁。然而，人工智能的高成本使得人工智能很大可能被掌握在少數企業手中，相應地人工智能生成物的知識產權也只會被少數企業所獨占。[87]參見曲三強：《論人工智能與知識產權》，載《知識產權》2023年第8期，第35-36頁。面對人工智能生成物的商業價值，作為追求經濟利益最大化的企業，其理性選擇便是嚴格控制他人對人工智能生成物的獲取、傳播與利用，使得生成物始終處于合理程度的稀缺狀態而最大程度變現。這將導致人們占有的知識資源形成顯著差距。由于此種差距的形成，并非人們自身努力勞動所生，而是外在的技術資本（人工智能）所致，技術資本所得而非道德應得，因此其倫理正當性偏弱。隨著時間推移，人工智能高效率持續產出生成物，知識資源占有的差距不斷累積，人們心中的分配不公感會愈發明顯。同時，人工智能基于公共領域的知識進行窮盡式利用創新，其形成的海量生成物會全面覆蓋公有知識的可能表達，使得其他社會主體利用公有知識難以回避人工智能生成物覆蓋的表達而陷入創新困境或侵權泥沼，這是對公共資源的剝削式利用，難謂具備倫理正當性。另外，逐利性將使得人工智能生成物的使用對象錨定為主流消費群體，殘疾人群體與少數族裔獲取最新成果的需求則被忽略，這將導致原處于社會最不利地位的弱勢群體的境況進一步變差。[88]參見龔群：《羅爾斯政治哲學》，商務印書館2006年版，第174-175頁。正如羅爾斯所言，“社會制度只有同時能夠使得社會最弱勢群體的處境得以改善”，方能具備正當性。[89]參見［美］約翰·羅爾斯：《正義論》，何懷宏、何包鋼、廖申白譯，中國社會科學出版社1988年版，第292頁。此種知識資源與所獲利益的分配，將削弱人工智能應用的倫理正當性，使得人工智能的發展產生道德阻礙。因此，人工智能應用需要解決分配不公的倫理瑕疵。社會規劃理論強調“公共領域豐盈”與利益均衡，可通過調整合理使用制度與強化公共領域保留原則，使得人工智能對公共利益的剝削以人們對人工智能生成物的廣泛獲得與利用作為補償，實現公共利益的損益相抵。同時，在“分配正義”取向指導下，通過調整知識產權權利范圍以及法定許可制度等，使得處于社會最不利地位的弱勢群體能得以最大程度獲取創新性成果，克服一味強調創新保護導致的弱勢群體境況變差難題，進而保障人工智能應用具備倫理正當性。

結 語

人工智能的發展，特別是通用人工智能的出現，一方面補強了人類的生理能力的某些局限，使得搜集、分析與計算等活動變得更為快捷；另一方面也分享了原獨屬于人類的智力能力，可以獨立進行創新活動，使得傳統的主體與工具的二維界分變得極為模糊，人類在創作與發明領域的獨占地位不復存在，后人類創新時代已然來臨。如若固守“人類中心主義”，“裝聾作啞”式地忽視人工智能具有的與人類類似的甚至特定方面超越人類的智力能力，“倔強倨傲”或是“自欺欺人”地斷然否定人工智能的創新主體地位，將其認定為純粹的工具，這不僅是對智力本身重要性的貶損，而且是對人類自身獨特理性能力的貶低。人工智能在創新領域攻城略地已難以避免，創新活動的“三元創新格局”近在眼前，慎重且合理的舉措是做好基礎理論與制度變革的準備，以迎接人工智能的沖擊，直面其鋒芒。在人類主體地位不斷弱化的人工智能時代，秉持“人類中心主義”的勞動財產理論與人格理論，注定難以應對人工智能帶來的知識產權正當性挑戰。“機械功利主義”的激勵理論，不僅無法回答人工智能的有效激勵問題，而且難以消解人工智能技術的雙刃性，亦無法背負人工智能帶來的知識產權正當性論證重擔。以“社會中心主義”為理論要旨，以公平、民主、物質豐富、文化繁榮、人性解放的理想社會為最終目標，以“平衡主義”為指導方略，注重“分配公平”與“公共領域豐盈”的社會規劃理論，方能因應后人類主義人工智能時代的創新格局，消解人工智能技術發展的兩面性難題，在激勵人工智能創新與鼓勵人工智能生成物傳播和利用之間達致平衡，最終促進人的自我實現和社會公平與繁榮發展。