淺析ChatGPT視野下的知識產權侵權判定

摘要：在數字化時代，侵犯知識產權的行為日益增多，傳統的侵權判定方法難以滿足當前的需求。文中介紹了人工智能應用于侵權判定的優勢和局限，介紹了具有人工智能技術代表性的ChatGPT，對其在知識產權侵權判定領域的應用提出思路，以促進知識產權保護和侵權判定的進步。

關鍵詞：知識產權；侵權判定；ChatGPT

A Brief Analysis of Intellectual Property Infringement Determination from the Perspective of ChatGPT

GU Nana

（ Inner Mongolia Police Professional College， Huhehot 010050， Inner Mongolia， China ）

Abstract： In the era of digitalization， the incidence of intellectual property infringement is on a steady rise， rendering traditional methods of infringement determination inadequate for current demands. This article expounds upon both the merits and limitations of employing artificial intelligence for infringement assessment. It introduces ChatGPT as a representative example of artificial intelligence technology， and outlines potential avenues for its application within the domain of intellectual property infringement assessment. These propositions are put forth with the aim of catalyzing advancements in the realms of intellectual property protection and infringement adjudication.

Key Words： "Intellectual property; Intellectual property infringement; ChatGPT

1知識產權概述及知識產權保護

知識產權（Intellectual Property，簡稱“IP”）是指人類智力創造的成果所享有的一種權利，以及這種權利所帶來的法律保護。知識產權是推動創新與發展的動力，對于鼓勵創意、保護創新者的權益、促進技術進步和文化繁榮具有重要意義。常見的知識產權形式主要包括著作權、商標權、專利權、地理標志、商業秘密和集成電路布圖設計等。

為了維護創新者和知識產權持有者的權益，各國都制定了相應的知識產權法律體系。這些法律為創作者和發明者提供了在法律上對其作品和發明享有獨占權的權利。在知識產權領域，常見的法律保護措施包括：注冊制度、著作權自動保護、法律追訴、條約和協定等。

在數字化時代，知識產權面臨著新的挑戰。數字化技術使得知識產權的侵權更為便捷，例如通過互聯網迅速傳播盜版作品、仿冒品和侵權內容。此外，數字化時代的技術進步也給知識產權保護帶來了一系列新問題，如人工智能對知識產權的影響和挑戰，以及如何在大數據環境下保護用戶的數據隱私等[1]。隨著技術的發展和社會的變革，知識產權保護也需要不斷適應和完善，以應對新的挑戰和問題[2]。

2 人工智能與侵權判定

2.1 "ChatGPT簡介與工作原理

ChatGPT[3]是由OpenAI開發的基于深度學習的自然語言處理（Natural Language Processing，NLP）模型，其對外表現是一個聊天機器人，能夠通過學習和理解人類語言與人進行對話交流，具有依據上下文回答問題的能力。其關鍵基礎是生成型預訓練模型（Generative Pre-trained Transformer，GPT）。名稱中的“預訓練”指的是在大型文本語料庫上進行的初始訓練過程，它基于大量語料數據庫訓練，以生成類似于人類自然語言的文本。模型學習預測文章中下一個單詞，它可以完成各種自然語言處理任務，例如文本生成、代碼生成、視頻生成、文本問答、圖像生成、論文寫作、影視創作、科學實驗設計等。

Transformer指的是Google在2017年提出的一種創新的自然語言處理架構[4]。相較于傳統的循環神經網絡（Recurrent Neural Networks，RNN）和長短期記憶網絡（Long short-term memory，LSTM）架構，Transformer模型架構訓練過程更穩定，參數量更少，具有并行計算能力強和長距離依賴捕捉能力，在各種序列建模任務表現優異，已成為許多NLP任務的基礎。

根據收集到的資料[5-6]，ChatGPT的模型訓練架構見圖1。

圖1 " " ChatGPT的模型訓練示意圖

具體而言，ChatGPT的運行過程如圖2所示。

圖2 " "ChatGPT的運行流程簡圖

讀取輸入：ChatGPT會接收到用戶輸入的文本信息，例如問題或者對話內容。

分析文本：ChatGPT會對用戶輸入的文本進行分析，包括分詞、詞性標注、句法分析等過程，以理解用戶的意圖和表述。

生成回答：根據已經預訓練好的模型和語言學知識，ChatGPT會生成一個與用戶輸入相關的回答或者表述。

輸出結果：ChatGPT將生成的回答輸出給用戶，并等待用戶新的輸入信息。

2.2 人工智能技術在知識產權侵權判定

中的應用現狀

隨著人工智能技術的飛速發展，它在知識產權侵權判定方面的應用也逐漸得到拓展。人工智能可以處理大量的文本、圖像、音頻和視頻數據，有效地幫助判斷是否存在侵權行為。以下是人工智能技術在侵權判定中的一些應用現狀：

文本創作與抄襲檢測：識別文本的相似性，幫助檢測文本的原創性和抄襲行為。通過對比待檢測文本與已知作品數據庫，系統可以快速找出可能的抄襲片段或相似內容。

圖像、音頻、視頻著作權侵權辨識：識別圖片、音頻和視頻的內容特征，從而判斷是否存在著作權侵權。通過圖像、音頻和視頻的指紋提取和對比，可以快速發現可能的侵權內容。

商標相似度分析：對商標進行圖像處理和特征提取，然后計算商標之間的相似度。這有助于快速發現潛在的商標侵權行為。

專利文本相似性比對：比較不同專利之間的相似性，從而辨別是否存在專利侵權或重復申請問題。

2.3人工智能技術在知識產權侵權判定

中的優勢與局限

人工智能技術在侵權判定中具有許多優勢，可以在短時間內處理大量的文本、圖像和視頻數據，極大地提高了侵權判定的效率，且無需人工干預，減少了人力成本和時間消耗。通過對海量數據處理并挖掘其中的模式和規律，有助于發現潛在的侵權行為。

然而，目前人工智能技術在侵權判定中的局限性在于，人工智能模型通常是黑盒子，難以解釋其決策和判斷的依據，這可能導致結果的可信度和公正性受到質疑。由于知識產權侵權行為多樣化，人工智能模型可能出現誤判的情況，無法完全代替人類專家的判斷和理解。侵權判定需要處理大量的個人數據和敏感信息，人工智能模型的應用可能引發數據隱私和安全問題[7-8]。

3 ChatGPT在侵權判定中的應用

ChatGPT作為一種強大的自然語言處理模型，在侵權判定中具有廣泛的應用潛力。以下將詳細探討ChatGPT在侵權判定中的具體應用。

3.1專利權侵權判定

專利文本相似性比對：處理專利文本，比較不同專利之間的相似性，從而辨別是否存在專利侵權或重復申請問題。這對于專利持有者來說，可以更好地保護自己的專利權益，發現和阻止侵權行為。

專利侵權行為的認定：輔助判斷某個產品或技術是否侵犯了他人的專利權。通過對專利技術進行文本分析，模型可以幫助判斷該產品或技術是否與他人已有的專利內容相似或重復，被控行為是否落入保護范圍，從而指導侵權判定和訴訟。

3.2商標權侵權判定

商標相似度分析：用于對商標進行圖像處理和特征提取，然后計算商標之間的相似度。這有助于快速發現潛在的商標侵權行為。商標持有者可以通過ChatGPT輔助判斷是否存在與其商標相似度較高的其他商標，從而采取相應的維權措施。

域名侵權識別：用于分析域名的文本內容和特征，幫助識別是否存在侵權行為。模型可以與已知的商標數據庫進行對比，從而找出與商標相關的域名，并判斷其是否違反商標權。

3.3著作權侵權判定

文本創作與抄襲檢測：用于檢測文本作品的原創性和抄襲行為。通過輸入一段文本，模型可以生成對應的回復，然后將這個回復與已有的文本數據庫進行對比，從而判斷是否存在抄襲或相似內容。這種應用可以幫助作家、學生、新聞編輯等防止抄襲行為，同時也有助于保護原創作品的權益。

盜版內容檢測：用于檢測在線內容是否為盜版或非授權轉載。模型可以分析輸入文本的內容，通過與版權保護機構或權利人提供的數據庫進行對比，判斷該內容是否違反了著作權保護。

4 ChatGPT在侵權判定中的挑戰與

解決方案

4.1數據隱私與安全問題

在侵權判定過程中，需要處理大量的文本、圖像和其他知識產權相關數據。這些數據中可能包含用戶的個人信息和敏感內容，例如涉及商業秘密或專利技術的數據。使用ChatGPT等人工智能技術進行侵權判定，存在數據隱私泄露的風險，一旦數據使用不當或外泄，將對用戶和企業造成嚴重損害。

為防止數據泄露造成的后果，需要在數據傳輸和存儲過程中，采用加密和匿名化技術，確保數據在傳輸和處理過程中得到充分的保護[9]。另外，判定過程中不存儲用戶的個人信息和敏感數據，及時清除不必要的數據，減少數據泄露風險。依據建立明確的隱私政策，并確保侵權判定過程符合相關法律法規，保障用戶數據的合法使用和保護。

4.2偏見與公正性問題

人工智能模型可能存在內在的偏見，可能會影響侵權判定的結果。模型可能受到訓練數據的偏見影響，導致在某些情況下做出不公平的判斷[10]。這會導致侵權判定結果存在偏向，對于不同的案例和權利人，給予不一樣的結果。

解決方案有以下幾個方面：比如確保訓練數據具有多樣性，覆蓋不同背景和特征的案例，避免模型過度依賴某一類別的數據。在模型設計中引入可解釋性技術，使得模型的判斷和決策過程更易于理解，便于審查模型是否存在偏見。引入公平性指標來評估模型的性能，確保模型對于不同群體的判斷結果具有一定程度的公正性。

4.3不確定性與誤判問題

侵權判定往往涉及復雜的案例和多樣化的侵權行為，人工智能模型可能面臨不確定性，導致誤判的情況。模型可能無法充分理解一些復雜的侵權行為，從而做出錯誤的判斷。

為避免錯誤判斷，有以下解決方案：將ChatGPT等人工智能技術與人類專家的判斷相結合，采用人工審核的方式，確保復雜案例得到充分審查和判斷。在模型輸出中引入不確定性評估指標，告知用戶模型判斷的可信度，幫助用戶理解結果的準確性。不斷優化模型，通過反饋和改進，降低模型誤判率，提高侵權判定的準確性。

5 ChatGPT與人類專家的協作模式

ChatGPT作為一種強大的自然語言處理模型，在侵權判定中具有優秀的文本生成和理解能力。然而，由于其固有的局限性和可能存在的偏見等問題，ChatGPT與專家的協作成為一種有效的方式，以保證侵權判定的準確性、公正性和可靠性。以下是ChatGPT與人類專家的協作模式的詳細論述。

5.1人工智能在侵權判定中的輔助作用

ChatGPT作為一種自動化工具，可以在侵權判定中扮演輔助的角色，它可以：

快速篩查：迅速處理大量的文本、圖像和數據信息，篩查出可能存在侵權行為的案例，從而節省人工處理的時間和成本。

提供參考意見：生成可能的侵權判定結果，并提供相關的參考意見，幫助人類專家理解案例并進行判斷。

數據分析與挖掘：處理大規模的數據，分析和挖掘其中的模式和規律，有助于發現隱藏的侵權行為。

5.2人類專家對侵權判定的重要性

雖然ChatGPT擁有優秀的自然語言處理能力，但侵權判定是一個復雜且多樣化的任務，需要人類專家的參與和判斷，原因如下：

侵權判定往往涉及法律解釋、行業標準和專業知識，這些需要專家的精準判斷和理解。專家可以結合專業知識和經驗，更準確地進行侵權判定。

侵權案例可能涉及不確定性和復雜性，人類專家可以進行合理的解釋和判斷，對模型輸出進行審查和驗證。

侵權判定涉及到法律法規的適用，專家可以解讀相關法律條文，并確保侵權判定符合法律要求。

5.3優化人工智能與專家合作的模式

為了充分發揮ChatGPT與專家的優勢，可以優化協作模式，使兩者相互配合，實現更準確的侵權判定。通過ChatGPT可以生成初步的判定結果，然后與專家進行雙向交流，專家可以提供反饋和補充信息，指導模型更準確地進行判斷，引入人工審核機制，專家對模型輸出進行審查和確認，避免模型可能存在的誤判問題[11]。確保ChatGPT的使用不被濫用，避免將其用于誤導、欺詐或其他不當用途。持續優化人工智能模型，根據人類專家的反饋和需求，不斷改進模型的性能和準確性。

綜上所述，ChatGPT與專家的協作模式可以最大程度地發揮各自的優勢，實現侵權判定的高效與準確。通過不斷改進人工智能技術和研究，以滿足侵權判定的法律和倫理要求，結合人類專家的精準判斷和法律適用，可以及時處理侵權行為，有效保護知識產權。

6 未來展望

隨著人工智能技術的不斷演進和硬件的提升，ChatGPT等自然語言處理模型的性能將進一步提升。未來的模型可能擁有更大的規模、更高的準確性和更快的處理速度，為侵權判定提供更強大的支持。加強人工智能和專家的深度協作，人工智能作為輔助工具，而人類專家將繼續發揮決策和判斷的主導作用。這樣的協作模式將更好地保障侵權判定的準確性和公正性。

未來發展充滿了希望，但是潛在的挑戰和風險也需要關注。人工智能技術在侵權判定中的應用需要平衡技術的發展和法律倫理的規范，避免濫用和不當使用。同時，需要重視人工智能對社會和經濟的影響，采取有效的措施確保其在知識產權保護和侵權判定中的正面作用。因此，相關的研究和監管將是未來發展的關鍵，確保人工智能技術能夠為知識產權侵權判定作出積極貢獻。

參考文獻

[1]韓智君.基于科技政策的技術創新的組織模式的

研究[D].天津大學，2015.

[2]程樂.生成式人工智能的法律規制——以ChatGPT

為視角[J].政法論叢，2023（04）：69-80.

[3]OpenAI.ChatGPT： Optimizing Language Models for

Dialogue[EB/OL]. [2023-03-12].https：//openai.

com/blog/chatgpt/.

[4]Vaswani A，Shazeer N，Parmar N，et al. Attention

is All You Need[OL]. arXiv Preprint， arXiv：

1706.03762v2.

[5]錢力，劉熠，張智雄，等.ChatGPT的技術基礎分析[J].

數據分析與知識發現，2023，7（03）：6-15.

[6]趙朝陽，朱貴波，王金橋.ChatGPT給語言大模型帶

來的啟示和多模態大模型新的發展思路[J].數據分

析與知識發現，2023，7（03）：26-35.

[7]孫道萃.人工智能的刑法立法：場域與演繹[J].數字

法治，2023（03）：93-110.

[8]劉憲權.ChatGPT等生成式人工智能的刑事責任問題

研究[J].現代法學，2023，45（04）：110-125.

[9]王靜.ChatGPT技術嵌入智慧司法的倫理風險及其

法治應對[J].上海政法學院學報（法治論叢），

2023，38（04）：43-62.

[10]代金平，覃楊楊.ChatGPT等生成式人工智能的意

識形態風險及其應對[J/OL].重慶大學學報（社會

科學版）：1-10.

[11]戴嶺，胡姣，祝智庭.ChatGPT賦能教育數字化轉型

的新方略[J].開放教育研究，2023，29（04）：41-48.