論人工智能算法的不可專利性

張懌珺

（華東政法大學國際法學院，上海 200042）

人工智能算法是人工智能技術最核心的本質，通過算法，人工智能的“智能”才得以顯現。隨著人工智能的快速發展，人工智能算法不僅成為一種新型技術，而且代表著一種新的商業模式和方法。繼而，人工智能算法的專利保護問題逐漸成為創新主體和學者共同的關注焦點。由于人工智能算法的抽象性和智能性，其在專利資格認定上頗具爭議。2019 年6 月26 日，由谷歌提出的Dropout 算法專利申請正式生效，Dropout 算法成為目前為止唯一一例成為專利的人工智能算法。這引發了學界對人工智能算法能否進行專利保護的討論高潮。人工智能算法能否被授予專利資格，各種人工智能算法可專利的專利制度保護途徑是否可行，是否存在其他對人工智能算法保護的方案，成為一系列亟待思考和解決的問題。

一、問題的提出

目前，學界并沒有針對算法的一致定義。從技術角度來看，算法可被視為一種數學結構以及這一結構轉化而來的程序，或可將其視作實現特定任務的技術應用［1］。具體來說，它主要是指人工智能所采用的核心技術，如支持向量機、神經網絡等機器學習模型和算法。應當注意的是，人工智能算法是從數據中學習并提出獨特的解決方案，而傳統算法則是在一組預定義的準則上運行以制定解決方案。因此，筆者以人工智能算法而非傳統算法為討論對象。我國現行立法未明確規定人工智能算法本身是否能夠納入專利客體范圍，根據傳統的審查實踐，人工智能算法具有不可專利性。然而，Dropout 算法成為人工智能專利的成功，打破了傳統，引起了學界對人工智能算法專利資格問題的熱烈討論。與此同時，隨著人工智能算法的發展，其與專利法制度的割裂則主要表現在思維屬性、非技術人文學科中的運用、權利要求說明這3 個方面。

（一）思維屬性的發展

人工智能的思維屬性具有發展性，其一開始即被定義為“機器做人們認為需要智能的事情的能力”［2］。人工智能的特質之一為試圖模仿人類的心理步驟。因此，人工智能算法本身具有雙重屬性，即作為人工智能技術建構的技術屬性和模仿人類心理步驟的思維屬性。

當前，人類對人工智能的研究一直試圖朝“智能”方向推進，研究人員正試圖將人類情感融入人工智能算法的運行機制中，以替代單純依賴計算邏輯的做法，因而有關人工智能算法的研究正在越來越接近對人類思維和心理活動本身的研究。但專利法制度的理論邏輯要求通過區別抽象思想和具體技術方案來保護權利要求對象的技術功能［3］。可見，人工智能算法是朝著與專利適格性相反的方向發展的。

（二）非技術人文學科的運用

人工智能算法不僅在其自身發展上傾向于與專利客體要求相反的思維屬性，而且在與某些具體領域的結合與運用上也已擴展到經濟學、心理學、文學與音樂藝術等諸多非技術性的人文學科領域。例如，人工神經網絡作為一種人工智能算法，已經可以對諸多人文學科領域的模糊定義進行精確量化，它可以在區分一幅作品的內容和風格的基礎上，將藝術風格轉移到另外的作品中，對不同藝術家的風格進行不同程度的內容渲染［4］。由此產生的問題是，當人工智能算法與某一具體領域結合時，由于此種結合并非運用于技術領域，則其極有可能會被認為缺乏技術特征，從而被拒絕授予專利權。盡管我國目前更注重對人工智能算法的研發及其在技術領域的適用，但也應關注并把握好人工智能算法應用的未來趨勢。

（三）權利要求的說明困境

在專利的實質審查條件方面，對人工智能算法權利要求的說明也存在諸多障礙。專利保護需要按照專利法的相關規定，在權利要求文件中，針對申請保護的對象的主要內容和技術要件以準確、規范的語言進行說明，如此才能使有關技術領域的技術人員能夠按照給定的說明對專利重復操作。但即使是算法開發者也認為人工智能的機制常常是“無法解釋”的，他們也無法掌握算法處理數據的選取標準和操作步驟［5］。究其原因，人工智能專注于模仿人類思維，從經驗中學習是其主要標志和獲取知識的主要途徑，并且人工智能算法會通過對歷史數據的訓練完成參數調整和模型建構［6］。

由此觀之，人工智能算法仿生的思維邏輯設計和決策過程使得對其具體描述和解釋存在障礙。人工智能算法越發展，其無法解釋的問題會越嚴重，而如果無法在權利要求書中完整地呈現被保護對象，又何談對該對象的保護。

因此，筆者以人工智能算法與專利法制度之間的矛盾為邏輯起點，討論人工智能算法專利客體資格的問題。首先，討論國內學者嘗試化解此種矛盾的專利法途徑的不可行性。其次，從比較法視野論證人工智能算法不可專利性的可行性和必要性，發現人工智能算法本身無法符合專利法制度的規定。最后，立足我國人工智能算法的發展現狀和現行法律規范，提出人工智能算法保護的合理方案，從而完整證成人工智能算法的不可專利性。

二、人工智能算法專利資格爭議的理論聚焦

對于人工智能算法能否成為專利權的客體，一直以來爭議不斷。筆者通過聚焦學界關于人工智能算法專利資格問題的理論爭議，對國內學者支持人工智能算法可專利性的3 項主要理論依據進行分析，即人工智能算法屬于具體應用、符合專利“三性”的判斷、成為專利符合社會利益。這3 項理論依據，互相獨立、互不歸屬，皆是從不同角度出發討論人工智能算法的專利資格問題。同時，筆者從人工智能算法的運行機理和創新機制入手，論證人工智能算法本身不符合專利法制度的規定，不應當授予其專利客體資格，因而認為人工智能算法具有不可專利性。

（一）抽象思想與具體應用的判斷

一直以來，由于人工智能算法的設計基于一定的數學算法、數學公式和數學模型，其與數學法則和人類的思維步驟密切相關，因此被視為“抽象思想”或《中華人民共和國專利法》（以下簡稱《專利法》）所稱之“智力活動的規則與方法”，進而被排除在專利客體范圍之外。部分學者支持我國立法實踐，認為應當堅持人工智能算法屬于抽象思想的判斷，而只有在特定的技術領域結合人工智能算法生成涉及算法的發明，即符合了專利法對發明的要求，才能被納入專利保護范圍［7］。部分學者則認為，人工智能算法是一種具體應用，而非抽象思想。他們或追溯傳統專利理論審查標準變化的歷史，得出算法本身是操作機器的過程和具體方法步驟的結論［8］；或從知識生產的價值追求出發，得出人工智能算法其實是在應用生物學理論與數學運算方法的結論［9］；或考察人工智能算法與智力活動的規則與方法等不可專利主題的區別，得出人工智能算法本質上就是一種具體應用的結論［10］。

筆者認為，人工智能算法雖以開源代碼和數學模型為基礎設計而成，但其結果是通過數學法則、邏輯規律等推理而得出的，這并不代表人工智能算法就成為了對這些法則、規律等的具體應用。之所以對抽象思想的具體應用能夠成為專利法上的授權對象，是因為專利法強調運用抽象思想涵蓋的內容能夠生成技術方案，使所發明的系統得以運行或達到預期效果［11］。而人工智能算法本身，甚至因其抽象性，導致人們在實踐中引入描述工具來輔助理解。自然語言描述存在的字句歧義以及流程圖僅適用簡單流程表述的缺陷，使得人們一般將偽代碼作為更實用的描述算法的工具［12］。因而，人工智能算法實質上是對數學法則、邏輯規律的進一步整合，但這種整合僅在于對法則、規律的進一步表征，在被運用到某一具體領域之前則并不具備任何技術效果。認為人工智能算法是一種具體應用的觀點，只是將人工智能算法對數學法則、數學規律的利用形式化地理解為一種具體應用，并不契合人工智能算法本身的性質和運用特點，也不符合專利法制度的價值內涵。

（二）專利“三性”的判斷挑戰

除應然層面外，在審查實踐角度分析專利申請的實質條件時，人工智能算法同樣具有不可專利性。發明專利和實用新型專利授權的實質性條件為新穎性、實用性和創造性。其中，新穎性要求發明和實用新型在申請日之前未曾公開且不存在抵觸申請；創造性要求發明和實用新型具有智力創造水平；實用性要求可穩定地重復實施［13］。人工智能算法具有的表達語言的高度模糊性，以及利用自然規律和模擬人類思維的特性，使得對于人工智能算法是否符合專利授予實質性條件的審查陷入困境。

有學者強調，人工智能算法的運行獨立于人腦而通過機器實施，它是機器如何“思考”的問題［14］。在通過機器實施后，人工智能算法已經轉化為可作為專利主題的技術方案，而技術方案是否符合專利“三性”，則可以分別予以對比審查。還有學者認為，應當對人工智能算法所具有的智力創造水準予以充分關注，可明確將人工智能算法納入專利法保護范圍，而專利法上的審查標準和權利要求撰寫條件都可以隨之進行相應調整［15］。盡管人工智能算法設計的目的確實在于解決技術問題并產生技術效果，但目的并不意味著必然有實現的可能性，也并不意味著因為該目的而達到了滿足專利授權的實質條件。

首先，復合性和跨域性是人工智能算法本身的顯著特征。這意味著在人工智能算法的生成過程中，結合了隨機性或其他可變特征，加之人工智能算法自動學習的特性，可延伸出無窮無盡的新算法。如果現有文獻中存在的實際檢索數量與生成的人工智能算法實際數量之間的差距越來越大，新穎性的評估不僅在理論上無法成立，而且在實踐中也難以操作。退一步而言，若只要求新生成的人工智能算法與原有的人工智能算法在結構上略有不同，則會大大降低新穎性的審核標準，亦不可取。

其次，在模型架構保持原形的基礎上，就本質上而言，人工智能算法自我生成的技術方案都是一樣的，因此難以判斷人工智能算法產生的技術方案是否對技術產生了有益的影響。以人工神經網絡為例，它是一種旨在模擬人腦結構及其功能的信息處理系統［16］，因此其連接和構造同樣極其復雜。人工神經網絡的中間層次并不確定，改變其參數設置，就可以變化出成千上萬種不同的人工神經網絡。調參好比搭積木，搭建幾層、每層搭建幾塊均由人為自主決定，只有合適的參數設置才能使人工神經網絡的運算效率和結果的準確率保持高水準。人工神經網絡的運用效果需要結合其在具體技術領域的表現來進行檢驗和判斷，當處于不同的技術領域時，則需要重新調參并檢驗效果。然而，何謂合適的參數以及如何調參，目前缺乏明確的理論論證，實踐中一般憑借人為感覺和經驗來處理。因此，人工神經網絡的輸入和輸出之間具有復雜的關系，人類無法聚合和診斷中間層次之間的細節，即便是開發者，也無法完全解釋神經網絡在某種參數下的內在運行機理，以及為何在該種參數設置下能夠產生好或壞的技術效果。

最后，就實用性即可穩定重復地實施并達到相同的實施結果而言，人工智能算法由于其自身屬性，在很大程度上無法滿足此要求。人工智能算法本身，不存在任何數據，也未限制任何可適用領域，好比一座空的框架，需要具體的磚瓦充實才能發揮效用，一旦缺失了磚瓦便無法衡量并發揮框架的作用，而數據即是磚瓦。雖然人工智能算法的自主學習過程需要大數據的支撐，即一開始就需要利用有特征以及標簽化的數據生成和選擇模型，但是對此類數據的利用，僅屬于人工智能算法已經設計完成后通過學習的自我優化，其效用仍需在具體的領域中才能發揮。由此可見，機器運行僅為人工智能算法運行的載體，人工智能算法實用性的發揮離不開對具體技術領域數據的利用。因此，筆者認為，不應將人工智能算法本身和它對歷史數據的訓練行為混為一談，而認為人工智能算法本身具備實用性。

綜上所述，人工智能算法不具備專利審查要求的新穎性、創造性和實用性，具有不可專利性。當然，部分學者看到了人工智能算法在客體資格和審查實踐上證成可專利性的困難，轉而從實際出發，提出為了促進人工智能算法的創新而將其納入專利權的客體的建議［15］。

（三）創新的動力源和利益訴求

即使承認人工智能算法不符合可專利的客體資格，難以滿足專利審查的實質條件，也有學者認為，對專利保護的客體的限制可以與時俱進，正如逐漸承認商業方法的可專利性那樣［17］。故而他們強調從務實的角度出發，一方面承認人工智能算法本身的技術功效；另一方面認為基于產業的利益訴求和創新主體對合法壟斷、有力保護人工智能算法的迫切需求，有必要考慮打破人們對于算法不可專利的傳統認知［18］。

和軟件創新相類似，算法創新并不是競爭性的，而是高度漸進的、累積的和協作的。一種能夠適用于專業領域的優秀的人工智能算法，必然經過了層層推進的設計和改進。在人工智能技術快節奏發展的當下，過長的發明專利排他期對優良算法開發的阻礙值得考量，應當盡可能嘗試在不過度保護的情況下促進人工智能算法創新。

此外，對發明專利的理解是寬泛還是狹窄，是在促進和抑制創新之間保持平衡的一個關鍵。若一項發明專利的權利要求過于狹窄，保護要求極其具體，則無法充分保護這項發明，因為他人能夠通過輕微的修改，輕松規避侵權。這會在一定程度上干擾發明者創新的動機，也會促使他們申請一系列不同角度輕微修改的專利以構成“專利叢林”。這些情況本質上均是由于專利所提供的保護微不足道而導致的。但若不對專利的權利要求范圍加以限制，則容易在很大范圍內形成壟斷，從而限制相關產業下游的創新。現實中，軟件和互聯網相關領域專利范圍過廣的問題已經尤為普遍且難以控制［19］。專利法政策考量最需解決的問題，就是如何平衡知識創新與獨占以及潛藏的個人利益與公共利益之間的關系。許多人工智能算法是核心且通用的，因此在考慮是否應將人工智能算法納入專利保護范圍時更需審慎。主張從務實和利益訴求角度考慮人工智能算法可專利的學者，逃避了人工智能算法與專利法制度邏輯不自洽的難題，轉而關注人工智能時代背景下的多方利益訴求［20］。他們認為，應放寬人工智能專利標準，重視企業等創新主體的專利保護訴求，然而這些都不利于人工智能算法的創新和人工智能相關產業的發展。

綜上所述，在我國現行專利法制度框架下，無論是支持人工智能算法屬于具體應用，還是解構人工智能算法特征使其符合專利“三性”的判斷要求，抑或是提倡以促進人工智能算法的發展和創新為目的而授予其專利權，都忽視了人工智能算法本身的特性和運行機制，僅是片面地從可專利性角度反推人工智能算法的專利適格性。但實際上，可以將目光投向比較法領域，尋找可供借鑒的堅持人工智能算法不可專利性的立法和審查實踐。

三、人工智能算法不可專利性的比較法考察

為進一步論證人工智能算法不可專利性，筆者從比較法視野考察了歐洲和美國的相關立法和司法實踐，得出其均不授予人工智能算法專利客體資格的結論。但在具體立法和司法實踐上，歐美的細節性規定和標準更為明確，我國可以在一定程度上予以借鑒，從而彌補現行專利法審查規范過于框架性的不足。

（一）歐洲審查標準的細化

首先應當明確的是，各國的專利法制度都對“人工智能算法”和“涉及人工智能算法的發明”這兩者進行了區分。人工智能算法，是指具有“智能”的解決問題的方法本身。涉及人工智能算法的發明，則是指在利用人工智能算法的基礎上，結合具體技術領域，解決技術問題，產生技術效果的一個整體，即人工智能算法是其整體中的一部分。

在歐洲，根據歐洲專利局的審查指南和《歐洲專利公約》（以下簡稱《公約》）的規定，人工智能算法本身由于包含抽象的數學特征，因此不能授予專利客體資格，但是涉及人工智能算法的發明，則有可能授予專利客體資格。具體而言，與明確定義的“發明”不同的是，《公約》明確列出不可專利的對象，其中與人工智能算法有關的，是不屬于“發明”主體的“數學方法”和“執行智力行為、進行比賽游戲或經營業務的計劃、規則和方法，以及計算機程序”。

在審查時，需要根據權利要求中是否還包含其他技術特征，來判斷這一個整體是否具有技術性。首先，要求將算法結合到某一特定技術領域；其次，需要使用技術手段，解決客觀的技術問題［21］。因此，若想在歐盟獲得專利保護，僅靠人工智能算法本身是做不到的，需要將其技術特征賦予計算機程序，產生一個包含人工智能算法的整體，才能實現技術效果。

（二）美國審查步驟的明確

根據《美國法典》第35 編第101 條規定，專利權的對象必須針對“物質的工藝、機器、生產或組成”［22］。在此基礎上，通過司法判例的方式，美國將抽象概念、自然現象和自然規律排除在專利權的客體范圍之外，這被稱為“司法例外”。審查實踐中，為進一步明確對專利客體的審查，美國專利商標局于2019 年1 月7 日發布《專利主題適格性指南》，重新規定對專利客體的審查，而這一規定也適用于涉及人工智能算法的專利申請審查。

專利審查實踐中，專利審查員大多拒絕授予人工智能算法專利權，而對涉及人工智能算法的發明則放寬了專利授予的限制。他們認為，人工智能算法是人類活動的一種特定方法，而涉及人工智能算法發明的權利要求，是將人工智能算法運用到具體技術領域，應當視為一個整體，有理由認為這種做法并非是在試圖壟斷不可專利的算法，而是通過對算法進行限制來使用算法。

（三）歐美審查制度的經驗

考察歐美對于人工智能算法的立法規定和審查實踐可以發現，在結論上，歐美與我國均堅持人工智能算法的不可專利性，但在具體的規范中，歐美各有側重和不同的細節性規定。

歐洲強調人工智能算法的抽象數學特征，從而明確了人工智能算法的不可專利性。在審查標準上，其首先排除非“技術特征”對創造性的貢獻，設置較低的可專利性標準，其次細化可專利性標準，明確權利要求應包括“其他技術特征”，最后審查作為一個整體方案的專利申請是否完全符合專利標準。

美國堅持人工智能算法不可專利性的關鍵在于，人工智能算法本身被視為人類活動的一種特定方法。與此同時，美國的專利審查步驟更為細化，要求闡釋人工智能算法具體數據應用的細節，并注重與人工智能算法結合的具體應用發明，而非壟斷人工智能算法的基礎性創新。

在我國，根據2021 年1 月15 日起實施的新版《專利審查指南》，人工智能算法因屬于“智力活動的規則和方法”而被排除在專利保護之外；涉及利用人工智能算法的發明，只有其構成《專利法》第2條第2 款規定意義上的技術方案，才能被授予專利。當下，我國主要通過制定相關綱領性文件對人工智能算法進行規范。這些文件在強調科技倫理的同時，也重點關注具體功能和應用場景，并多為系統性和戰略性的描述［23］。因此，在立法和司法實踐中，我國目前缺乏對人工智能算法本身的關注和具體規制。

由是觀之，針對人工智能算法的審查制度規范，歐美關注和規制的是人工智能算法本身，并對審查標準和審查步驟進行了進一步的細化和闡明，這是我國現行專利法審查規范可以借鑒之處。

四、我國人工智能算法不可專利性的證成

人工智能算法的不可專利性具有可行性和必要性。在分析論證現有理論和實踐的基礎上，結合我國人工智能算法發展的痛點，立足我國現行法規，合理借鑒比較法以及商業秘密制度，可提供針對人工智能算法保護的可行方案。本質上而言，人工智能算法無需通過專利制度進行保護，通過其他方法更有利于人工智能算法的保護和創新。

（一）人工智能產業基礎層薄弱的現實原因

社會的經濟環境對“發明”的產生起著至關重要的作用，同時也推動著專利制度的發展。發明活動只存在于宏大的社會經濟背景下，任何具有創造性的發明活動都或多或少受到經濟環境的影響［24］。因此，在任何特定時期，不同的經濟條件可能會影響不同的專利趨勢和相關法律框架的建構。另外，專利保護不變的核心在于，必須權衡創新動機和促進創造力的信息流［25］，而此種核心權衡亦應當結合不同的經濟環境予以考量。

一直以來，我國人工智能專利雖然在數量上占據優勢，但在類別上，則主要是應用型專利占據高比例，基礎性專利大多被起步較早的外國科技企業掌握［26］。事實上，過度依賴國際開源人工智能算法和現有數學模型，是我國人工智能產業發展受阻的癥結所在。而開源人工智能算法并非萬能，其專業能力不足，效果往往無法滿足具體任務的實際要求［27］。以谷歌現已生效的Dropout 算法專利為例，該算法目前已在人工智能領域普及并通用。而谷歌作為Dropout 算法的專利權所有者，一旦對該算法進行強制許可，甚至通過相關國際專利條約使該算法在美國以外的其他法域受到專利保護，那么該算法將無法自由使用，人工智能研發將面臨“卡脖子”預警。

可見，探討人工智能算法是否可專利，實則是為了解決我國在人工智能產業基礎層實力薄弱，與歐美等發達國家差距較大，而技術層和應用層卻展現良好發展趨勢的現實矛盾。認為人工智能算法屬于具體應用的學者，僅著眼于解構人工智能算法本身以論證其符合專利法制度框架，缺乏關照現實之理性。支持人工智能算法屬于技術方案的學者，雖然關注到我國人工智能產業技術層和應用層的實力發展，但未能以全局觀發現我國人工智能發展的矛盾之所在，也有失偏頗。

保護知識產權背后的經濟理念，是通過對一項發明授予有時間限制的壟斷，來激勵創新所需要的投資風險。然而，知識產權保護是一把雙刃劍，過度保護則會增加受保護發明的交易成本，從而扼殺創新。有學者認為，將人工智能算法納入可專利主題與時代發展變化相契合，盡管考慮到了人工智能產業的利益訴求，但這種觀點在衡量創新動機和促進創造力的信息流以及權衡產業利益和國家公共利益等方面存在問題，也存在對專利法制度框架輕易擴大之嫌［15］。因此，現有的支持人工智能算法可專利的3 種理論依據，均無法解決我國人工智能發展的現實矛盾。

首先，若將人工智能算法設為可專利主題，將會出現“專利叢林”、人工智能應用創新受阻等更為嚴重的問題。仍以人工神經網絡為例，如果允許對作為人工智能算法本身的人工神經網絡授予專利，將會導致不同的發明人不斷重復地通過調整參數創造多種完全不同的神經網絡，并以此不斷申請專利。過大的專利申請量將導致專利申請積壓，審查員審查時間會延長、審查效率會降低，從而導致授權的專利質量偏低等情況出現；同時，人工智能的應用和創新離不開對人工神經網絡算法模型的探索，而無數人工神經網絡專利構成的“專利叢林”將既不利于人工智能算法本身的創新，也不利于人工智能算法應用的創新。

其次，專利的標準不應當一味迎合產業既得利益者，對人工智能算法授予專利，將導致創新動機和促進創造力的信息流失衡，不利于人工智能算法的深入研發。在設置專利標準時納入對產業既得利益者的考量，源于對美國Gottschalk v. Benson 案背景的關注。該案中的權利要求包括了軟件背后的算法，是因為美國當時的計算機硬件行業的既得利益者并沒有從軟件中獲得顯著的利潤，他們試圖通過最小化軟件保護，來最小化軟件市場新進入者帶來的破壞，因此學者提出專利標準是否應當迎合產業既得利益的疑問［28］。人工智能領域的創新是漸進的，突破性的人工智能技術建立在現有的技術基礎之上。核心、基礎人工智能算法的研發更是需要經過不斷的優化和自主學習過程。專利具有經濟價值，專利權人能夠利用對專利的各種方式的許可獲得經濟利益。我國缺乏核心算法，若對人工智能算法授予專利權，將有可能面臨兩個問題。一是企業和機構將重心放在專利申請、起訴、維護、訴訟和許可上，不利于核心、基礎人工智能算法的研發。二是專利制度的壟斷性質使得其他主體嘗試利用該算法尋求優化的成本提高，不利于推動人工智能算法的改進和創新。

最后，結合我國人工智能發展的時代環境，堅持人工智能算法的不可專利性，更有可能解決我國人工智能算法發展的現實矛盾。目前，在我國人工智能應用快速發展的背后，是核心算法缺乏以及人工智能開源生態等方面缺陷較為明顯的問題。這意味著國內幾乎沒有形成一定數量的原創且實用的人工智能算法，根本無法申請專利，立法也沒有必要針對人工智能算法新設一個可專利主題。回歸我國現實，問題不在于人工智能發明專利的缺少，而在于核心人工智能算法的缺失。在尚未研發出真正原創核心的人工智能算法的情況下，就謀求對此類算法的專利保護，會使得專利法制度的框架保護先行于人工智能算法的創造與創新，將無法驅動對于人工智能算法的深入研發，無法破解我國人工智能發展的困境。

（二）現行專利審查規范的完善

堅持人工智能算法的不可專利性，并不意味著對人工智能算法完全不保護或者保護不到位。事實上，通過借鑒歐美立法和審查實踐，我國是能夠進一步完善現行針對人工智能算法保護的專利法規范的。

目前，我國專利法制度堅持人工智能算法的不可專利性，但針對涉及人工智能算法的發明，則有授予專利資格的可能性。針對涉及人工智能算法發明的審查，與歐美的相關立法和司法實踐相比，我國的專利法規范過于框架化。歐美堅持人工智能算法不可專利性的理由與我國有所區別，但在立法和司法規定層面，存在可供我國借鑒之處。具體而言，當人工智能算法模擬人類思維活動的屬性給專利授予帶來挑戰時，在立法和審查實踐中，可以嘗試著重要求算法對數據的應用，而不僅是數據的生成，從而使得申請者將人工智能算法與其具體領域的應用結合為一個整體的發明去申請專利；同時，可以要求申請者闡述人工智能算法與具體領域結合的技術特征。由此，要注重有效落實涉及人工智能算法發明的專利審查制度，專利部門需要配備與人工智能領域有關的技術人員，申請人也應當在權利說明書中進行充分的說明并提供充分的材料。這一保護路徑的合理性在于以下3 個方面。

其一，從我國《專利法》的規定來看，其第2 條第2 款明確了“發明，是指對產品、方法或者其改進所提出的新的技術方案”，對“發明”的定義較為抽象寬泛，對“技術方案”也沒有明確釋義，這意味著專利部門在審查與人工智能算法有關的權利要求時，需要具體情況具體分析，而對于技術問題、技術手段、技術效果的考察也需要綜合多種因素，給權利要求的審查留下足夠的空間。

其二，從我國企業的技術保護策略來看，實證研究表明，研發強度高的企業更傾向于選擇維持先發優勢策略，且避免通過復雜的流程保護其創新成果；但研發周期與維持先發優勢無顯著相關性。人工智能算法的研發強度高，企業作為創新主體，更希望將其創新成果轉化為產品，在市場上維持先發優勢，故而更傾向于在推廣人工智能算法與具體技術領域結合成果的同時，對這一整體進行專利申請。

其三，從人工智能算法本身的特征來看，其猶如一座空的框架，缺乏具體技術領域的應用而無法發揮效用，也無法檢測效果。概言之，我國專利法制度應積極承認，當人工智能算法與具體技術領域結合后，若符合相應條件構成發明，則可以成為專利客體。這并不限制各創新主體針對人工智能算法研究所進行的積極的信息交流，并且可以鼓勵創新主體積極研發對某一具體領域的更有針對性的人工智能算法，從而在符合現實的基礎上，實現對人工智能算法的有效保護。

綜上所述，我國專利法規范應細化審查標準，明確審查步驟，在堅持人工智能算法不可專利性的同時，允許涉及人工智能算法的具體應用具有專利可能性。立法上的法律靈活性和司法上的理性限制，旨在使與人工智能算法有關的專利適格性判斷能夠按照個案具體分析。如此，雖未直接對人工智能算法進行專利保護，但能同時兼顧現在及未來我國人工智能算法的內在創新和保護需求，使得我國現行專利法規范具有應對人工智能發展的潛力，足以對當前以及未來人工智能算法進行保護并確保其發展。

（三）商業秘密保護人工智能算法的合理性和可行性

商業秘密制度，不僅有利于解決我國人工智能產業發展的相關問題，而且可以通過與現行專利法規范的配合，既保護涉及人工智能算法的發明，也保護人工智能算法本身。《中華人民共和國反不正當競爭法》第9 條第4 款將商業秘密規定為“不為公眾所知悉、具有商業價值并經權利人采取相應保密措施的技術信息、經營信息等商業信息”。

其一，人工智能算法符合商業秘密的3 個構成要件，即秘密性、價值性和管理性。人工智能算法的設計機制本身具有不可解釋的秘密性，其與具體技術領域結合后的應用更加難以被反向工程。此外，人工智能算法可以因作為創新主體的競爭優勢而具有價值性。人工智能算法的設計和形成是創新主體的勞動成果，當人工智能算法應用于具體技術領域而被發現具有良好的技術效果時，該人工智能算法的價值性則隨之體現。人工智能算法的保密管理性在于，主體采取了適當的預防措施對人工智能算法加以保密。

其二，商業秘密具有保護人工智能算法的優勢地位。商業秘密作為市場競爭中市場主體的一種自我保護方式，其技術信息和經營信息的認定不受法律法規的限制，是市場機構根據自身情況采用的一種較為靈活的手段［29］。并且，針對自然人設立的競業禁止制度，能夠為商業秘密的保護起補充作用。另外，由于人工智能算法本身難以解釋的“黑箱”特征，使其有別于其他傳統的可作為商業秘密的客體，對其采取的保密技術措施不具備足夠的可破解性，即企業或機構作為商業秘密的所有權人，不會輕易陷入既想通過技術合作推動技術發展從而獲取競爭力，又擔心商業秘密被披露的兩難境地。

其三，商業秘密的保護路徑不會加大規制算法歧視的難度，因為人工智能算法是無法實現算法透明的。目前，學界主流觀點認為，商業秘密使得人工智能算法歧視的規制受到阻礙，導致算法歧視受害者無法通過算法透明獲得救濟，因此反對以商業秘密保護人工智能算法［30］。但筆者對此有兩點不同看法：一是人工智能算法本身具有難以解釋的機制和自主學習的優化能力，即使通過公開訓練數據或計算機源代碼也無法解釋算法歧視；二是人工智能算法本身與其具體應用產生的影響之間沒有本質關聯，算法歧視并不是由人工智能算法本身導致的，而是由算法在具體場景中的應用導致的。因此，商業秘密對人工智能算法的保護，并不會加劇算法歧視的規制難度。對此，學界也已出現針對算法透明轉為算法問責的理性探討［31］。

五、結語

人工智能算法在當今全球人工智能發展中的地位舉足輕重，其研發和創新將成為人工智能時代的核心內容，并將決定各國在全球人工智能革命中的自主權與競爭力。人工智能算法自身的發展與專利法制度的日漸割裂，主要表現在思維屬性、非技術人文學科中的運用、權利要求說明3 個方面。現有的針對人工智能算法可專利的理論依據均有失偏頗，沒有充分、審慎地權衡創新動機和促進創造力的信息流，無法解決我國基礎、核心人工智能算法缺乏，但人工智能應用發展良好的現實矛盾，并且有可能導致“專利叢林”、人工智能應用創新受阻等更嚴重的問題。通過考察現有的專利法制度架構和商業秘密的保護途徑，筆者發現，人工智能算法在現在及未來能夠得到完善的保護，其不具有納入可專利客體范圍的可行性和必要性。堅持人工智能算法的不可專利性，能在客觀上順應人工智能算法發展的未來趨勢，可以保持專利法制度建構的理性和審慎，能有效權衡創新動機以及促進創造力的信息流，有利于促進我國原創人工智能算法的深入研發和創新，增強我國人工智能產業面對全球人工智能競爭的國際競爭力，從而積極回應全球人工智能革命對我國人工智能算法研發和創新的挑戰。