生成式人工智能的知識產權法律因應與制度創新

摘 " "要：生成式人工智能的復合產品結構與自主運轉功能造成了知識產權法律適用的難題與挑戰。在復合產品結構下，知識產權法律難題源于生成式人工智能核心要素之算法與數據的知識產權保護問題；在自主運轉功能下，知識產權法律挑戰則呈現為生成式人工智能衍生內容的知識產權授權與確權問題。對此，應積極推進生成式人工智能場景下的知識產權法律變革，立足生成式人工智能核心要素與衍生內容，有針對性地展開知識產權制度創新，從而實現對生成式人工智能知識產權法律問題的合理回應。

關鍵詞：生成式人工智能；知識產權；算法；數據

中圖分類號：D 923 " " " "文獻標志碼：A " " " " 文章編號：2096-9783（2024）01?0001?10

作為新一代科技革命的重要典型代表，人工智能對當下法律規則和法律秩序的挑戰是前所未有的，包含知識產權法在內整個法律制度體系都或多或少存在適用的難題與困境，尤其是伴隨著近來生成式人工智能的快速興起，相關法律制度產品的供給缺陷問題格外凸顯[1]。所謂生成式人工智能，即指由算法和數據驅動，提供生成式人工智能產品或服務的技術類型。2022年11月，由美國OpenAI人工智能實驗室開發的具備強大的語言處理與文本生成能力的新型生成式人工智能ChatGPT（全稱Chat Generative Pre-trained Transformer）一經推出，便在全球范圍內引起了軒然大波。當人們在為ChatGPT以對話方式進行人機交互，并根據指令生成內容的強大功能而歡呼雀躍的同時，社會各界關于ChatGPT應用法律風險的討論更是不絕于耳[2]。對此，2023年4月，國家網信辦專門發布了《生成式人工智服務管理辦法（征求意見稿）》（以下簡稱《管理辦法》），力圖構建生成式人工智能的基礎規范秩序。然而，僅僅依靠前述《管理辦法》，事實上并不能將生成式人工智能本身蘊含的及其衍生的所有法律問題予以全面規制。尤其是基于ChatGPT等生成式人工智能問題的技術本源性，相關的法律難題與挑戰在知識產權領域體現得格外突出，從生成式人工智能的基本架構到生成式人工智能的運轉過程，知識產權法律的適用問題貫徹始終。針對生成式人工智能的知識產權法律問題，須在《管理辦法》有序實施的基礎上，以適時的規則再造對生成式人工智能相關的新領域、新業態進行知識產權制度框架下的法律回應[3]。為此，應在理順生成式人工智能知識產權法律問題基本由來與具體表現的基礎上，有針對性地對生成式人工智能知識產權法律難題與困境的應對策略予以深入探討。

一、生成式人工智能知識產權法律問題的基本由來

早在20世紀末，美國科學家泰勒和科扎便分別以人工神經網絡技術和基因編程技術為基礎，開發出能夠主動創新的人工智能機器人Creativity Machine和Invention Machine[4]。如今，美國OpenAI人工智能實驗室更是憑借海量文本深度挖掘的機器學習系統開發出具備人機互動能力，并能夠模仿人類對話者進行程序、音樂、詩歌等多種內容創作與編輯的ChatGPT[5]。伴隨著生成式人工智能在技術構架上日趨完善、在產品類型上日漸豐富，日益凸顯的知識產權法律問題卻也與之相伴而生，一方面，生成式人工智能由多項技術成果組成的復合產品結構會帶來知識產權保護客體的重疊性難題；另一方面，生成式人工智能脫離人類干預與控制的自主運轉功能則會引發知識產權保護標準的顛覆性挑戰。由此，有必要從生成式人工智能的復合產品結構和自主運轉功能兩個維度予以分別展開，明確生成式人工智能的知識產權法律問題緣何而來，以便進行生成式人工智能的知識產權法律問題應對路徑的選擇與探索。

（一）生成式人工智能復合產品結構所帶來的法律難題

從IBM公司研發的“沃森”（Watson）機器人到當下風靡全球的ChatGPT，人工智能技術的突破一次次刷新著人們對于“機器”的認知。生成式人工智能作為當下前沿的技術類型，涉及算法設計、數據整合、語音識別、圖像處理等諸多技術內容。在社會生產生活中所涌現出的一系列生成式人工智能軟件及產品，與傳統技術產品相比，無疑在技術構造上更為復雜，它們不僅僅局限于某一個特定的功能領域，而是以算法為基礎、數據為保障，在“大數據”與“大計算”的共同驅動下融入多功能維度的綜合性技術成果。這種生成式人工智能軟件及其產品呈現與計算機、通訊設備等領域相類似的復合技術結構，需在對其進行知識產權保護與運營的過程中予以特別關注[6]。

但是，該如何對生成式人工智能軟件及產品進行技術層級劃分，又該如何對不同層級中的技術成果展開合理的知識產權保護與高效的知識產權運營，則是當前亟須解決的實踐難題。以ChatGPT為例，該技術在本質架構與運轉模式上屬于人工智能生成內容的AIGC（AI Generated Content）范疇，是繼用戶生產內容的UGC（User Generated Content）模式后的全新內容生成機制。進一步從其復合結構的技術層級來看，ChatGPT可以被劃分為基礎層、認知層和應用層，其中，基礎層中的智能算法及數據資源是ChatGPT運行的根本保障，認知層中的自然語言處理和機器學習是ChatGPT運行的技術模型，而應用層的智能軟件和智能產品則是ChatGPT運行的效果呈現[7]。因此，對于ChatGPT等生成式人工智能的知識產權保護與運營，無疑也應從不同的技術層級出發，有選擇、分步驟地展開相關對策的探尋與紓解。

進而言之，基于生成式人工智能的復合性結構，最后流向市場的應用軟件和終極產品往往是認知層中由基礎算法和數據所驅動的相關技術成果的結合體。相應地，在生成式人工智能應用軟件和終極產品之上的知識產權保護模式也呈現出一種權利集聚的局面，涵蓋了認知層中的數項基礎性軟件的著作權與具體性技術的專利權。而在認知層的相關軟件與技術，無疑又是由基礎層的智能算法與智能數據所驅動，并在大計算加持和大數據保障的“算法+數據”模式下高效運行。因而，在論及生成式人工智能的知識產權保護問題時，則需以智能算法及數據為基礎予以具體展開。在此基礎上，相關基礎性軟件獨創性，以及具體性技術新穎性和創造性的知識產權客體適格性判斷，無一例外都是取決于底層算法及數據的[8]。究其根本，在生成式人工智能的復合性結構下，相關知識產權客體適格性的判斷事實上是對于相關智能算法及數據特異性的評定[9]。由此可見，生成式人工智能復合產品結構所帶來的知識產權法律難題，從根源上講，則是作為生成式人工智能核心要素的智能算法與數據的知識產權保護問題，相應的基礎軟件與具體技術只是智能算法與數據的客體外觀而已。

（二）生成式人工智能自主運轉功能所誘發的法律挑戰

人工智能技術的飛速發展與普及，使人類社會逐步進入全新的人工智能時代，諸如詩歌撰寫、樂曲譜寫、新聞創作、圖畫繪制、技術研發等越來越多的創造性內容可以由人工智能自主生成。這種脫離人類控制與干預的自主運轉功能，是人工智能與傳統技術相比的本質區別之所在，并使人工智能具備替代人類進行創造性工作的能力[10]。當前，隨著ChatGPT等生成式人工智能在社會生產生活中的廣泛應用，具備知識產權客體外觀的海量衍生內容由于人工智能所生成，有關人工智能生成內容的著作權及專利權的法律規制問題也隨之應運而生，并引起社會各界的廣泛關注與熱烈討論。

在生成式人工智能的自主運轉過程中，由機器算法規則、情感計算框架、文本表達模型等數據訓練技術要素綜合運用所形成的相關內容，是具備著作權法意義上“思想表現形式”之作品外觀的，并且很難直接從獨創性要求方面將其完全區別于人類創作作品[11]。有關生成式人工智能衍生內容的著作權定性問題的討論與爭議便由此產生，有學者從著作權的人類創作基點出發，否定了應用算法、規則和模板所生成內容的獨創性[12]；同時也有學者認為生成式人工智能衍生內容可以被認為是以算法程序設計著作權為基礎而形成的、具有獨創性的演繹作品[13]。與之相類似的觀點、學說還有很多，尤其在當前ChatGPT的應用熱潮中，相關分析與闡述更是層出不窮，逐步形成了理論爭鳴的論辯態勢。不僅如此，在司法實踐中也呈現觀點的分異。從“北京菲林律師事務所訴百度公司”一案中計算機軟件智能生成內容被否認作品屬性1，到“騰訊公司訴上海盈訊科技公司”一案中騰訊機器人Dreamwriter自動撰寫文章被認定構成法人作品2，再到近期人工智能生成圖片具備獨創性的著作權司法承認3，司法裁判者給出了不同的答案。對此，到底該如何抉擇，怎么進行人工智能內容的著作權定性，無疑是當前生成式人工智能自主運轉功能帶給我們的一大法律挑戰。

與此同時，生成式人工智能自主運轉所衍生的內容不僅局限于“思想內容”之“表達”，還可能是“技術方案”之“反映”，而這也使人工智能生成技術方案的可專利性問題進入了人們的視野[14]。對此，學者們也紛紛各抒己見，提出了一系列與之相關的理論闡釋與法律建議。例如，有學者從我國現行專利法關于專利授權的規定出發，對人工智能生成技術方案的可專利性和權利歸屬問題進行論述[15]；還有學者從人工智能自主生成的技術方案對傳統專利制度所提出的嚴峻挑戰著手，進行理論基礎、權利主體、利益分配等多方面的分析論證[16]。如此等等，不勝枚舉。但究其根本而言，生成式人工智能衍生內容的專利法律問題，與前述著作權法律問題在基本邏輯上并無二致，授權標準與確權機制方面的挑戰本質上都是由生成式人工智能自主運轉功能所誘發，需以系統性的學理解說與規范構筑加以應對。

二、生成式人工智能核心要素的知識產權保護難題

在生成式人工智能復合產品結構下，符合現行知識產權法律要件的基礎性軟件與具體性技術，在本質上無一例外都是作為生成式人工智能核心要素的算法及數據同現有軟件或技術模型相融合的結果。因而，實踐中便會在生成式人工智能特定的基礎算法或關鍵數據之上出現一系列軟件與技術，相應的著作權與專利權也會在多重主體間呈現出層疊交錯的“權利叢林”，進而致使相關市場主體之間產生以自身所有知識產權為依據的相互掣肘[17]。為避免這一情況在激烈的市場競爭中進一步演化為上、下游產業之間無序且極度浪費資源的知識產權“軍備競賽”[18]，不妨從問題的本源著手，回歸到生成式人工智能的核心要素之上，并以最為基底的算法與數據作為保護對象，進行生成式人工智能知識產權保護難題的梳理與挖掘。由此，筆者將分別從生成式人工智能基礎算法和關鍵數據兩個層面出發，對其中所在存在知識產權保護的法律難題予以闡釋與紓解。

（一）生成式人工智能基礎算法知識產權保護的法律難題

生成式人工智能的基礎算法是其技術運轉與功能呈現的核心驅動，在此基礎上所形成的智能軟件和技術方案，乃至相關應用產品，無一例外都是在基礎算法的預設軌跡下運行實施的。因而若想深入探究生成式人工智能的知識產權保護問題，則需以生成式人工智能的基礎算法為中心展開討論，但在現行知識產權法律制度的規范架構下，算法往往并不屬于任何一種客體類型。不僅如此，由于生成式人工智能基礎算法本身在概念與理論上的抽象性，其通常被認為是知識產權制度所排除的人類智力活動規則和方法的一種延伸[19]。

誠然如此，從近半個世紀來知識產權制度變革的歷程來看，生成式人工智能基礎算法的知識產權保護并非完全沒有可能。在科技變革與產業革新的助力下，知識產權在保護范疇層面的客體限制正在日漸弱化。尤其是在專利授權審查實踐中，這一趨勢格外凸顯，從基因技術專利到商業方法專利，專利法原本對于可專利性對象的法律限定不斷被突破。20世紀70年代以來，第四次科技革命實現基因技術勃興的同時，也帶來了對基因技術以專利保護的產業訴求，基因專利的出現則改變了自然發現屬于自然法則不具有可專利性的嚴格限制，并以1980年的“Diamond 訴 Chakrabarty案”為起點形成了基因序列與自然狀態不同即可獲得專利保護的判例規則，這甚至使作為人體組成部分的人體基因也被納入了具有可專利性的主題之中[20]。而網絡技術及電子商務飛速發展則引發了給予商業方法以專利保護的社會呼吁，在1998年美國法院在“State Street Bank 案”中承認了商業方法的可專利性后，專利制度中長期存在的“商業方法例外”瞬間失去效用，雖然2008年美國聯邦巡回法院在“In re Bilski案”中引入了商業方法可專利性 “機器或轉換”檢測標準，使商業方法專利授權標準更為嚴格，但并不能改變商業方法具備可專利性的結論[21]。當前，隨著人工智能技術市場化與商業化水平的不斷提升，生成式人工智能應用的日漸普及，人工智能基礎算法勢必也會基于相關產業的利益訴求而被納入專利法的保護范疇之內，打破算法不具有可專利性的傳統認知[22]。

進而言之，生成式人工智能基礎算法的可專利性評判中，必須格外注意算法與現行專利制度所保護的技術方案等客體類型的區別，從算法兼具抽象概念和技術規則雙重屬性出發展開規范認定，避免發生算法權力被濫用的算法作惡情形[23]。人工智能算法不同于一般的技術成果，它是非中立，其最終效果的發揮很大程度上受制于數據的質量，其甚至還會通過特定數據處理與整合主導人類選擇，因為在算法看來“人”僅僅是數據，抑或是電子痕跡的匯總，經過對數據化、碎片化的資料的整理，便可形成各種各樣的自動化區分、評分、排序和決策[24]。因此，在對生成式人工智能基礎算法專利保護時，應從算法的本質特點出發，結合《專利審查指南》的具體要求，專門建立人工智能算法的專利授權審查機制，從而實現對生成式人工智能基礎算法合理知識產權保護[25]。

（二）生成式人工智能關鍵數據知識產權保護的法律難題

生成式人工智能的關鍵數據是技術運轉與功能呈現的重要保證。在缺少關鍵數據供給與支撐的情況下，無論人工智能具備多么強大的機器學習能力，其所生成的衍生內容也無法達到應用的效果。因而在討論生成式人工智能核心要素知識產權問題過程中，數據無疑是除算法之外的另一個重要的保護對象，并須以適當的法律規范對其予以有效調整。但是，對于生成式人工智能關鍵數據而言，如若不展開必要的制度創新，現行知識產權制度則往往并不能對其進行全面的法律保護，相應的數據知識產權保護法律難題也由此觸發。

在當前知識產權制度體系下，從《與貿易有關的知識產權協定》（TRIPs）到《世界知識產權組織版權條約》（WCT），再到世界各國自身的著作權法律規范，經過一定方式篩選并以一定順序編排的若干數據都被作為匯編作品予以保護，但在現行知識產權規范中，也只有著作權制度能夠以數據匯編作品的形式對生成式人工智能的關鍵數據展開法律保護[26]。在此基礎上，生成式人工智能的關鍵數據若要獲得知識產權保護，則必須滿足《中華人民共和國著作權法》（以下簡稱《著作權法》》）匯編作品的構成要件，不僅需要從形式上具有若干數據排列匯聚的集合性，還需在具體的編排上達到著作權授權的獨創性要求[27]。如此一來，對于生成式人工智能的關鍵數據的知識產權保護范圍便被局限在有獨創性的數據集合之上了，并不能將所有的生成式人工智能數據類型都囊括在內，無法真正充分實現對于生成式人工智能關鍵數據的全面知識產權保護。

也正是由于現行知識產權制度在生成式人工智能關鍵數據保護過程中的局限性，《中華人民共和國反不正當競爭法》（以下簡稱《反不正當競爭法》）在實踐中被予以廣泛援引，并通過對數據市場競爭行為的法律規制來實現相關數據財產權益的法律保護。除去《反不正當競爭法》商業秘密條款對于保密性智能數據的法律保護外，現行知識產權制度所無法規制的不具有獨創性的智能數據也往往是以《反不正當競爭法》的一般條款為依據展開法律保護的。從“大眾點評訴百度案”4到“新浪微博訴脈脈案”5，再到“淘寶訴美景案”6，近年來所涌現出的諸多數據獲取與使用糾紛，無一例外都是援引《反不正當競爭法》一般條款對于市場競爭基本要求及不正當競爭行為基本內涵的原則性規定而進行司法裁決的[28]。在此基礎上，《反不正當競爭法》一般條款適用泛化的問題也在數據市場競爭行為規制中不斷涌現，雖說彈性、開放的一般條款能夠對數據市場上的不當數據獲取及使用行為予以合理規制，但其高度的抽象性往往也會在司法實踐中引發“公平誠信”與“商業道德”這兩項原則性標準的涵攝難題，無法完全實現一般條款在諸多數據不正當競爭案件中適用標準的一致性[29]。此外，還需要格外注意的是，在反不正當競爭的行為規制模式下，生成式人工智能關鍵數據所獲得的保護是一種被動的、消極的法律保護。而且，由于調整法律關系的不同，以及涉及法益的不完全重疊性，數據不正當競爭行為規制與知識產權制度相比，無論在保護的廣度上還是強度上都是有所局限的[30]。因此，若要從根本上化解這一問題，則應在知識產權制度框架下進一步構筑全面的數據知識產權保護規則，從而實現對生成式人工智能關鍵數據充分的知識產權保護。

三、生成式人工智能衍生內容的知識產權規制挑戰

在生成式人工智能自主運轉功能下，衍生內容的生成是人工智能自主機器學習的輸出結果，并沒有任何主體實質參與其中，因而在知識產權制度以人類創新作為邏輯起點的基礎上，對于相關衍生內容知識產權保護的首要挑戰即在于生成式人工智能主體資格的缺失性[31]。而即使將主體問題擱置，將主、客體分離討論，人工智能所生成的衍生內容也同樣會面臨知識產品授權、確權層面的巨大挑戰，不僅作品的獨創性與發明的創造性標準會在生成式人工智能衍生內容的知識產權授權中失靈，而且知識產權確權的法律標準也會因生成式人工智能本身的客體屬性而失去適用的基礎，難以直接確定生成式人工智能衍生內容的知識產權權利歸屬者和責任承擔者。由此，筆者分別從生成式人工智能衍生內容知識產權授權與確權兩個層面出發，理順其中所面臨的法律挑戰，并有針對性地予以回應。

（一）生成式人工智能衍生內容知識產權授權的法律挑戰

在生成式人工智能衍生內容的知識產權授權中，無論是著作權的獨創性標準，還是專利權的新穎性和創造性標準，都面臨著前所未有的法律挑戰。這是因為現行知識產權制度對于授權標準的設置，是以“人”的智力成果作為邏輯起點的，只有人類創作的作品和做出的發明才是適格的知識產權客體類型[32]。雖說生成式人工智能衍生內容在外觀上與人類智力成果并無本質差別，但從生成式人工智能衍生內容的形成過程來看，相關內容往往只是對外部世界的一種客觀反映，缺少了智力成果創造所需的主觀能動性，并非創造者自身意志與人格的體現，不能滿足著作權之獨創性及專利權之新穎性和創造性的實質授權要求[33]。

然而，究其根本而言，生成式人工智能本身雖不具備智力成果創造所需的法律主體資格，但生成式人工智能基于自身機器學習能力而展開數據挖掘的衍生內容生成過程，在實質上是取決于算法設計者所預設的數據取舍價值標準的，并在很大程度上呈現出了生成式人工智能設計者或使用者的創造意志[34]。由此可見，生成式人工智能所謂的自主運轉并不能完全去除人類影響，其所生成的衍生內容無疑也是人類創造意志的一種間接性的延伸反映，因而在對相關衍生內容的知識產權客體適格性評判中，也完全可以據此突破主體資格缺失所帶來的桎梏，從作品之獨創性以及發明之新穎性和創造性的客體標準展開法律認定[35]。

毋庸置疑，在主、客體相分離的法律標準之下，生成式人工智能衍生內容是能夠在當前著作權獨創性認定及專利權新穎性和創造性認定的架構內實現知識產權授權機制有序運行的，但這并不意味著現行的知識產權授權標準是完全配適于生成式人工智能衍生內容的。在生成式人工智能強大數據挖掘與運算能力面前，包含著作權的獨創性標準，以及專利權的新穎性和創造性標準等知識產權授權的客體適格性要求往往都是“不堪一擊”的。

具體說來，在著作權的獨創性認定中，生成式人工智能以其對文本數據的廣泛收集與深度整合能夠直接實現衍生內容與在先作品之間的差異化表達，并且無法按照人類作品的認知水平來判斷衍生內容與在先作品是否存在實質性相似[36]。在此基礎上，也正是由于現行獨創性標準在生成式人工智能衍生內容評定上的失靈，致使實踐中出現人工智能“洗稿”的“高級剽竊”亂象[37]。不僅如此，在專利權的新穎性和創造性認定中，生成式人工智能衍生內容也同樣引發了授權標準失靈的問題。一方面，生成式人工智能超強的文本替換與數據挖掘功能，使其具備了最大限度規避現有技術以符合專利授權要求的能力，相關衍生內容所包含的技術要素遠超新穎性評定中慣常的現有技術檢索范疇[38]；另一方面，生成式人工智能不區分技術領域的技術整合能力，也使相關衍生內容能夠不再被限定在特定技術領域之內，突破不同技術領域之間的壁壘，進而致使創造性標準評定中的一般技術人員的理性人假設失去適用空間，甚至還會在實踐中引發利用生成式人工智能重述或改寫現有專利技術以間接延長保護期限等背離知識產權制度宗旨的市場投機行為[39]。

（二）生成式人工智能衍生內容知識產權確權的法律挑戰

在生成式人工智能衍生內容的知識產權確權中，由于人工智能在主體資格上的缺失性，如何確定相關衍生內容之著作權或專利權的權利歸屬，以及相關衍生內容之著作權或專利權的侵權責任承擔問題便成為了一大法律挑戰。回歸到人工智能衍生內容生成環節之中，可以發現，并沒有任何主體直接參與內容生成，完全是人工智能自主運轉的結果。然而，與此同時，也不容否認的是，任何機器都無法脫離人類而獨立運行，人工智能衍生內容生成過程雖然不存在人類的干預與控制，但還是有包括算法設計者、數據提供者、投資者、使用者等在內的很多主體間接地為衍生內容的生成提供了支持與保障[40]。因此，可以說，算法設計者、數據提供者、投資者、使用者等主體對人工智能衍生內容生成都做出了各自的貢獻，相應的知識產權歸屬者及侵權責任承擔者無疑也應該在眾多貢獻者之中予以具體確定。在此基礎上，一個新的問題便應運而生了，那便是，如何在人工智能衍生內容生成眾多貢獻者中進行抉擇、取舍，確定某一個或某幾個主體作為知識產權歸屬者和對應侵權責任的承擔者。

在算法設計者、數據提供者、投資者、使用者等貢獻者中，每一個主體都具備成為生成式人工智能衍生內容知識產權掌控者，并都能從自身的貢獻層面出發給出正當理由。其中，算法設計者直接決定了生成式人工智能的基礎運轉模式，相關衍生內容往往也是在算法的主導之下形成的，因而參照孳息原理來看，生成式人工智能基于算法所衍生的具體內容在形態上是類似于算法孳息的存在，相關衍生內容的知識產權當然也應由最初的算法設計者所享有[41]。但是，也必須要特別注意的是，生成式人工智能以算法為核心之衍生內容是完全不同于傳統理念之下天然生成的物的孳息的。如若僅僅依靠算法，而缺少了關鍵性數據的支撐，相關衍生內容也勢必是難以形成的。因而，在人工智能衍生內容生成過程中，數據提供者也做出了巨大貢獻，同樣具備成為知識產權人的合理依據[42]。與此同時，投資者作為物質技術條件的提供者，在生成式人工智能系統性的長周期研發與運營實踐中無疑是不可或缺的，掌控人工智能自主運轉所生成衍生內容的知識產權也必然是投資者的根本性利益訴求之所在[43]。而使用者在生成式人工智能啟動時所發出的特定指令則是衍生內容生成的直接導引，在與生成式人工智能的人機互動過程中能夠率先實現對衍生內容的事實占有，具有掌控對應知識產權的強烈現實需要[44]。

與之相反的是，一旦論及生成式人工智能衍生內容知識產權侵權的責任問題，在算法設計者、數據提供者、投資者、使用者等貢獻者之間則會形成與權利爭奪相類似的責任推諉，只是各方會將爭辯的內容由誰的貢獻更大轉變為誰對侵權內容的影響最小罷了。雖說從權責一致的法律原則著手，可以確定生成式人工智能衍生內容知識產權的掌控者，即為對應侵權責任的承擔者，但問題似乎依舊停留在原點，仍需進一步明確算法設計者、數據提供者、投資者、使用者等眾多貢獻者之間的權利配置與責任分擔。

四、生成式人工智能知識產權法律變革的路徑選擇

知識產權制度本身即由創新而生，并隨創新而變[45]。面對生成式人工智能復合產品結構和自主運轉功能所導致的知識產權法律問題，無疑也應從問題的形成原因出發，有針對性地展開知識產權法律制度的優化與革新。進一步從原因理論來看，復合產品結構和自主運轉功能事實上只是相關知識產權法律問題形成的表面誘因，而并非問題的根本緣由。在此基礎上，經過前文對生成式人工智能復合產品結構和自主運轉功能之下深層法律緣由的挖掘，若要對生成式人工智能的知識產權法律問題予以充分化解，則需一方面以技術的架構解析探求生成式人工智能核心要素之算法與數據知識產權保護法律難題的破除之法，另一方面以技術的機理剖析探究生成式人工智能衍生內容知識產權授權與確權法律挑戰的克服之道。唯有如此，在全面解析生成式人工智能的知識產權法律問題的前提下，才能就生成式人工智能知識產權法律變革作出科學合理的路徑選擇，從而實現對生成式人工智能知識產權充分保護及有效規制的目標與宗旨。

（一）形成生成式人工智能核心要素的專門性知識產權保護機制

面對生成式人工智能復合產品結構下其算法與數據兩大核心要素的知識產權保護難題，應分別從生成式人工智能基礎算法與關鍵數據的本質特征出發，立足二者在實踐中所呈現出的具體問題，設置符合相關算法與數據運行需要的專門性知識產權保護機制，并以有針對性的規范設計實現對生成式人工智能核心要素的充分知識產權保護。

1.生成式人工智能基礎算法的知識產權保護機制

在生成式人工智能基礎算法的知識產權保護中，以算法技術方案為對象的專利保護是通常的模式選擇，但在具體的授權審查實踐中卻往往由于專門標準的缺乏而無法達到預期效果。目前，我國《專利審查指南》是以“涉及計算機程序的發明專利”來考察人工智能算法可專利性的，而這也就意味著與算法相關的專利申請和授權審查是以概念性抽象算法的具體應用為基礎，權利要求在整體上須與計算機程序技術方案相類似[46]。毫無疑問，從抽象算法到具體算法技術方案，是一個智力活動規則轉化為應用性算法技術方案的過程，也只有完成這樣的轉化才能達到專利授權的客觀標準[47]。然而，必須強調的是，將人工智能算法技術方案歸入“涉及計算機程序的發明專利”的做法只是一種權宜之計。雖然，人工智能算法具備與計算機程序算法相類似的技術外觀，但不可否認的是，計算機程序算法是前人工智能時代的產物，在具體技術方案的專利授權審查中并沒有涉及智能算法自主運轉的技術特征考察。因此，若要實現對人工智能算法可專利性的全面評判，則還需以專門的授權審查機制予以展開，尤其是要從倫理審查視角對“算法作惡”“算法黑箱”等問題格外關注，并在確保生成式人工智能基礎算法無害且有益的前提下對其給予合理的知識產權保護[48]。

2.生成式人工智能關鍵數據的知識產權保護機制

在生成式人工智能關鍵數據的知識產權保護中，著作權法基于匯編作品對具有獨創性數據集合的保護，以及商業秘密權對保密數據的保護是當下僅有的兩種法律選擇。對于那些不滿足獨創性要求的公開性數據而言，則只能依靠數據市場競爭行為的法律規制予以被動保護。如若想要實現對于人工智能數據的全面保護，則需為不具備獨創性的公開數據集合專門構筑起涉及數據制作者權和數據使用者權二元權利結構，兼顧權利保護與權利限制的專門性數據的知識產權保護機制，以填補現有知識產權法律規范在數據保護上的法律空白[49]。如此一來，便形成了以保密數據集合之商業秘密保護與公開數據集合之專門知識產權保護相結合，并以著作權匯編作品保護為補充的多維度、多層次的數據的知識產權保護機制，使我們在生成式人工智能關鍵數據的保護實踐中，能夠根據數據應用的不同場景展開合理保護模式的選取[50]。在此基礎上，仍需充分發揮《反不正當競爭法》中數據市場競爭規則的兜底保護作用，當窮盡前述知識產權保護機制仍無法有效解決生成式人工智能關鍵數據的法律糾紛時，應予進行反不正當競爭法的行為規制，對數據知識產權規范存在的立法疏漏之處進行擴展保護[51]。除此之外，在積極推進生成式人工智能關鍵數據的知識產權保護的過程中，還需要特別關注其與個人信息保護和數據安全維護之間的協調與銜接，形成以知識產權為基礎的生成式人工智能關鍵數據的保護體系[52]。

（二）構建生成式人工智能衍生內容的系統性知識產權保護規則

面對生成式人工智能自主運轉功能下其衍生內容的知識產權授權與確權法律挑戰，應從人工智能衍生內容的具體生成過程出發，創制能夠契合生成式人工智能的實踐運營模式，并且能夠貫穿相關衍生內容從理念產生到普及應用整個生命周期的知識產權保護規則，并以此確保生成式人工智能衍生內容知識產權授權與確權工作的有序開展。

1.生成式人工智能衍生內容的知識產權授權規則

在生成式人工智能衍生內容知識產權授權過程中，包括著作權之獨創性標準、專利權之新穎性和創造性標準等法律標準的失靈是問題癥結之所在。對此，應結合生成式人工智能的運行機理，從人工智能衍生內容的產業發展需要出發，對知識產權授權標準予以必要的改良，形成專門的生成式人工智能衍生內容知識產權授權規則。具體而言，在生成式人工智能衍生內容的知識產權客體適格性評定中，首先應將其與人類智力成果相區別，即僅從權利外觀著手展開客觀要件的考察。在此基礎上，對于衍生內容作為作品之獨創性，以及作為發明之新穎性和創造性的判斷，則應結合生成式人工智能的技術特征，以目前通用性人工智能的數據挖掘與運算處理能力為基準予以衡量，避免人工智能僅通過簡單的數據內容替換便生成了的滿足知識產權授權要求的新成果[53]。而這也就意味著對生成式人工智能衍生內容的知識產權授權，應采取不同于人類智力成果的技術性標準，以專利創造性為例，便需從一般理性人標準轉變為一般水準人工智能標準[39]。但與此同時，必須要注意的是，在知識產權授權中對生成式人工智能衍生內容與人類智力成果的區別對待，只是當下的權宜之計，需警惕投機者以生成式人工智能衍生內容冒充人類智力成果，并以現有的授權標準來獲取知識產權。未來，隨著人工智能應用日益增多，人機互動日漸交融，整個人類社會都將進入智能化模式，也就無須再對生成式人工智能衍生內容與人類智力成果進行知識產權授權的分類評價了。

2.生成式人工智能衍生內容的知識產權確權規則

在生成式人工智能衍生內容知識產權確權過程中，由于人工智能本身主體資格的缺失，便產生了算法設計者、數據提供者、投資者、使用者等貢獻者之間的權責分配問題。對此，理論界形成了一種賦予人工智能以類似于法人之有限人格，并由相關主體代為行使有關權利和承擔責任的立法構想[54]。然而，實踐中仍有諸多的疑慮，人們擔憂人工智能的人格擬制會帶來人的價值貶抑和物化、異化的倫理危機[55]。事實上，我們不妨先將爭議擱置，是否賦予人工智能以法律人格，并不能對具體的權責分配結果有多大影響，即使人工智能獲取了人格擬制，具備了主體資格，相應的權利歸屬與責任承擔依然要在算法設計者、數據提供者、投資者、使用者等貢獻者之中確定人工智能的實際控制者。由此，生成式人工智能衍生內容的知識產權確權問題，又回到了算法設計者、數據提供者、投資者、使用者等貢獻者之間的選擇。當然，最為簡便的方式即是交由各方主體進行約定，以充分協商來確定由哪一方來享有權利并承擔責任，或哪幾方按照貢獻程度比例來共有權利并共擔責任，但在趨利避害的本能下，各方主體之間的權利爭奪與責任推諉勢必會異常激烈，以致無法達成合意[56]。因而，在約定優先的基礎上，還需從生成式人工智能的運營模式出發，確定由衍生內容生成時實際主導與掌控人工智能的一方主體享有權利并承擔責任的法定標準予以兜底，從而為生成式人工智能衍生內容知識產權確權的有序進行提供法律保障。

五、結語

生成式人工智能作為當前人工智能產業發展階段下的重要技術類型與運營模式，給現行知識產權制度帶來了一系列的適用難題與實施挑戰。相關的難題與挑戰不僅體現為生成式人工智能復合產品結構之內的基礎算法與關鍵數據知識產權保護問題，同時也彰顯于生成式人工智能自主運轉功能之上衍生內容的知識產權的授權與確權。對此，應通過適時的知識產權法律再造加以破解，一方面為生成式人工智能核心要素構筑專門性知識產權保護機制，另一方面為生成式人工智能衍生內容搭建系統性知識產權保護規則。在此基礎上，也必須看到，生成式人工智能只是人工智能產業發展的一個階段，未來勢必會有更加多的樣應用場景與業態出現，新興的知識產權法律問題也會不斷涌現，還需以知識產權制度與時俱進持續創新予以積極應對，從而逐步構筑起智能社會圖景下的完備知識產權制度體系。

參考文獻：

[1] 吳漢東. 人工智能時代的制度安排與法律規制[J]. 法律科學（西北政法大學學報）， 2017（5）： 130?133.

[2] 劉艷紅. 生成式人工智能的三大安全風險及法律規制——以ChatGPT為例[J]. 東方法學，2023（4） ： 29?43.

[3] 劉鑫. 新業態知識產權保護法律問題的闡釋與疏解[J]. 中國市場監管研究，2021（10） ： 31?35.

[4] ABBOTT R. I think， therefore I invent： creative computers and the future of patent law[J]. Boston College Law Review， 2016， 57（4）： 1085.

[5] 張夏恒．ChatGPT 的邏輯解構、影響研判及政策建議[J]. 新疆師范大學學報（哲學社會科學版）， 2023（5）： 113?123.

[6] J. M. 穆勒. 專利法[M]. 3版. 沈超， 等譯. 北京： 知識產權出版社， 2013： 25.

[7] LIU X. Basic Architecture and patentability analysis of artificial intelligence technology[J]. 科技與法律（中英文）， 2022（1）： 118?126.

[8] FRASER E. Computers as inventors - legal and policy mplications of artificial intelligence on patent law[J]. SCRIPTed： A Journal of Law， Technology and Society， 2016， 13（3）： 319.

[9] 付麗霞， 劉鑫. 人工智能時代新聞出版領域著作權問題的類型化分析[J]. 科技與出版， 2021（6）： 110?117.

[10] SCHERER M. Regulating artificial intelligence systems： risks， challenges， competencies， and strategies[J]. Harv. J. L. amp; Tech. 2016， 29（2）： 363?374.

[11] 吳漢東. 人工智能生成作品的著作權法之問[J]. 中外法學， 2020（3）： 653?656.

[12] 王遷. 論人工智能生成的內容在著作權法中的定性[J]. 法律科學（西北政法大學學報）， 2017（5）： 148?155.

[13] 易繼明. 人工智能創作物是作品嗎？[J]. 法律科學（西北政法大學學報）， 2017（5）： 137?147.

[14] 吳漢東. 人工智能生成發明的專利法之問[J]. 當代法學， 2019（4）： 24?38.

[15] 朱雪忠， 張廣偉. 人工智能產生的技術成果可專利性及其權利歸屬研究[J]. 情報雜志， 2018（2）： 69?75.

[16] 楊利華. 人工智能生成技術方案的可專利性及其制度因應[J]. 中外法學， 2023（2）： 346?364.

[17] SHAPIRO C. Navigating the patent thicket： cross licensing， patent pool and standard setting[J]. Chapter in NBER book Innovation Policy and the Economy， 2001， 1（1）： 119?150.

[18] LEMLEY M. The myth of the sole inventor[J]. Michigan Law Review， 2012，110（5）： 749.

[19] VERTINSKY L， RICE T. Thinking about thinking machines： implications of machine inventors for patent law[J]. B. U. J. Sci. amp; Tech. L.， 2002， 8（2）： 590.

[20] LIU X. On policy choice and ethical response of patent protection of gene editing achievements[J]. 科技與法律（中英文）， 2023（1）： 140?148.

[21] 付麗霞. 美國專利客體制度發展歷程的回顧與梳理[J]. 中國發明與專利， 2019（1）： 20?25.

[22] 張吉豫. 智能時代算法專利適格性的理論證成[J]. 當代法學， 2021（3）： 89?100.

[23] 關儒， 黃玉燁. 人工智能算法的專利適格性問題研究——基于算法特征的討論[J]. 科技與法律（中英文）， 2023（2）： 88?96.

[24] 鄭戈. 算法的法律與法律的算法[J]. 中國法律評論， 2018（2）： 66?85.

[25] 姚葉. 人工智能算法專利的技術、理論、問題與中國之應對[J]. 科技進步與對策， 2022（16）： 134?141.

[26] 吳桂德. 商業數據作為知識產權客體的考察與保護[J]. 知識產權， 2022（7）： 91?109.

[27] 田小楚， 高山行. 論大數據在著作權法保護中的沖突與協調[J]. 重慶大學學報（社會科學版）， 2021（1）： 141?151.

[28] 劉鑫. 大數據時代數據知識產權立法的理據與進路[J]. 知識產權， 2023（11）： 41?58.

[29] 于是.《反不正當競爭法》一般條款適用的泛化困局與繞行破解——以重構“二維指征下的三元目標疊加”標準為進路[J]. 中國應用法學， 2020（1）： 112?132.

[30] 李愛君. 數據權利屬性與法律特征[J]. 東方法學， 2018（3）： 64?74.

[31] DAVIES C R . An evolution step in intellectual property rights—artificial intelligence and intellectual property[J]. Computer Law amp; Security Review， 2011， 27（1）： 601?619.

[32] 梁志文. 論人工智能創造物的法律保護[J]. 法律科學（西北政法大學學報）， 2017（5）： 156?165.

[33] 張懷印，甘競圓. 人工智能生成物著作權歸屬問題研究——誰有資格放棄《陽光失了玻璃窗》的版權？[J]. 科技與法律， 2019（3）： 34?41.

[34] 熊琦. 人工智能生成內容的著作權認定[J]. 知識產權， 2017（3）： 3?8.

[35] 劉鑫. 人工智能創造物知識產權保護的正當性釋疑——黑格爾“財產權人格學說”下的理論證成與制度調適[J]. 科技與法律， 2020（6）： 41?47.

[36] BOYDEN B. Emergent works[J]. Columbia Journal of Law amp; the Arts， 2016， 39（3）： 377?394.

[37] 謝晶. 論微信公眾號“洗稿”作品著作權侵權判定[J]. 電子知識產權， 2019（3）： 52?58.

[38] 劉強， 周奕澄. 人工智能發明專利審查標準研究[J]. 凈月學刊， 2018（3）： 76?85.

[39] 劉鑫. 人工智能生成技術方案的專利法規制——理論爭議、實踐難題與法律對策[J]. 法律科學（西北政法大學學報）， 2019（5）： 82?92.

[40] 孫正樑. 人工智能生成內容的著作權問題探析[J]. 清華法學， 2019（6）： 190?204.

[41] 黃玉燁， 司馬航. 孳息視角下人工智能生成作品的權利歸屬[J]. 河南師范大學學報（哲學社會科學版）， 2018（4）： 23?29.

[42] 王瀚. 歐美人工智能專利保護比較研究[J]. 華東理工大學學報（社會科學版）， 2018（1）： 100.

[43] 許明月， 譚玲. 論人工智能創作物的鄰接權保護——理論證成與制度安排[J]. 比較法研究， 2018（6）： 42?54.

[44] SAMUELSON P. Allocating ownership rights in computer-generated works[J]. University of Pittsburgh Law Review， 1986， 47（4）： 1199.

[45] 吳漢東. 知識產權法的制度創新本質與知識創新目標[J]. 法學研究， 2014（3）： 95?108.

[46] 狄曉斐. 人工智能算法可專利性探析——從知識生產角度區分抽象概念與具體應用[J]. 知識產權， 2020（6）： 81?96.

[47] 吳漢東. 計算機軟件專利保護問題研究[J]. 當代法學， 2022（3）： 3?16.

[48] 劉鑫. 專利授權倫理審查的制度重構——從“科技向善”到“專利向善”的法律安排[J]. 法學評論， 2023（3）： 89?100.

[49] 吳漢東. 數據財產賦權的立法選擇[J]. 法律科學（西北政法大學學報）， 2023（4）： 44?57.

[50] 丁曉東. 論企業數據權益的法律保護——基于數據法律性質的分析[J]. 法律科學（西北政法大學學報）， 2020（2）： 90?99.

[51] 盧純昕. 反不正當競爭法在知識產權保護中適用邊界的確定[J]. 法學， 2019（9）： 37?39.

[52] 劉鑫. 企業數據知識產權保護的理論證立與規范構造[J]. 中國法律評論， 2023（2）： 38?50.

[53] HATTENBACH B， GLUCOFT J. Patents in an era of infinite monkeys and artificial intelligence[J]. Stanford Technology Law Review， 2015， 19（1）： 32?51.

[54] 袁曾. 人工智能有限法律人格審視[J]. 東方法學， 2017（5）： 50?57.

[55] 劉鑫. 人工智能自主發明的倫理挑戰與治理對策[J]. 大連理工大學學報（社會科學版）， 2023（4）： 80?85.

[56] MERGES P. Individual creators in the cultural commons[J]. Cornell Law ， 2010， 95（4）： 793?806.

The Legal Response and Institutional Innovation of Intellectual Property Rights in Generative Artificial Intelligence

Wu Handong "Liu Xin

（Center for Studies of Intellectual Property Rights，Zhongnan University of Economics and Law，

Wuhan 430073，China）

Abstract： The composite product structure and autonomous operation function of generative artificial intelligence have created difficulties and challenges in the application of intellectual property laws. Under the structure of composite products， the legal challenges arise from the intellectual property protection issues of algorithms and data， which are the core elements of generative artificial intelligence; Under the autonomous operation function， the legal challenge presents as the issue of intellectual property authorization and confirmation of content derived from generative artificial intelligence. Therefore， we should actively promote the transformation of intellectual property rights in the context of generative artificial intelligence， based on the core elements and derivative content of generative artificial intelligence， and carry out targeted innovation of intellectual property systems， in order to achieve a reasonable response to legal issues related to intellectual property rights in generative artificial intelligence.

Keywords： generative artificial intelligence; intellectual property rights; algorithm; data