开放科学(资源服务)标识码(OSID)：
开放科学(资源服务)标识码(OSID)：
国务院发展研究中心在关于人工智能的一份调研报告中指出，人工智能是新一代通用目的技术，将对经济社会发展和国际竞争格局产生深刻影响[1]。以智能化水平作为衡量标准，目前全球仍处于弱人工智能阶段，其阶段性特征表现为利用现有智能化技术改善经济社会发展所需的一些技术条件和发展功能[2]。在此人工智能运用过程中，人为干预因素较多，发明自动化水平较低，人工智能更多地以辅助工具形式出现，鲜少能够依靠自身算法独立完成发明创造。尽管人工智能目前已展现出高速发展态势，能够通过深度学习逐渐摆脱人为干预，但要完全独立于人的影响仍有一个较长过程，国际共识认为实现脑科学质的突破的强人工智能时代要到2050年左右。因此，尽管在现阶段讨论人工智能参与发明的问题并纳入未来强人工智能特征与属性，难以为政策制定以及律法修缮提供方向，但仍应以目前的人机交互(人机协作)模式作为研究重点。人机交互模式的人工智能参与发明研究主要分为两种类型：第一种类型是将人工智能作为完成其它领域专利技术的创造性工具，如化工领域、医疗领域专利等，但其本身的贡献率远低于人类贡献率；第二种类型是发明内容本身包含了人工智能的技术方案，将人工智能的技术特征写入权利要求中。现阶段以涉及计算机程序的发明专利为主[3]。如一种机器人，包括激光传感器模块、磁导航传感器模块和第一导航模块，其在默认状态下利用激光传感器进行导航，当检测到路面铺设了磁条时，切换为利用磁导航传感器进行自适应导航，从而实现了根据环境变化自动切换导航模式的自适应导航 [4]。在《专利审查指南》进一步修改后，允许采用“介质+计算机程序流程”的权利要求表达方式，让人工智能算法成为计算机外部运行以及内部性能改进、资源管理等技术方案的基础。这标志着人工智能技术将在发明领域有着更为广阔的应用前景，但伴随而来的则是来自人工智能参与发明的授权问题的新挑战。
根据智能程度，人工智能可以分为增强智能(Augmented Intelligence)与替代智能(Alternative intelligence)。其中，替代智能的特征在于人工智能本身可以脱离人为干预与影响，独立参与社会关系、完成思维活动与技术创造，符合强人工智能时代的技术要求；增强智能则是促进机器善于以科学、数学等为蓝本解决问题的优势与人类善于以感官、触觉和情感为基础解决问题的优势相结合，达到人机协作状态下的优势补强。增强智能的关键在于强化人类并不擅长的数据抓取能力和数据分析能力。对于大数据的增强分析(Augmented Analytics)可以有效缩短分析时长，促进分析成果转化和分析结论共享。因此，在弱人工阶段对人工智能参与发明的主体判断应当以增强智能为视域。
人工智能技术在发明领域的逐渐渗透，给传统以人为本的专利法理论带来了新冲击。一方面，人工智能技术的参与使得专利制度的激励功能减弱。这是因为便利的人工智能技术将减轻人类思维负担，大量技术方案可以依赖自动算法生成。这种依赖性使人类不再有兴趣专注于技术领域的创新，而会讨巧地专注于利用人工智能技术实现专利圈地运动；另一方面，人工智能技术的参与将导致商业开发过度与竞争失序。专利法赋予的独占权能充分促进发明商业化，即便其本身并不是市场上成熟的产品，但在极端情况下也会过犹不及。如具备先进人工智能技术的市场主体可以利用其资金和技术优势，生成大量技术方案并提出专利申请，也可以公开大量技术方案、文献，通过破坏新颖性的方式形成行业垄断。因此，为有效应对上述冲击，应当重新审视人工智能参与发明的主体问题，目前讨论较多的主体判断路径分别为在先优势路径、类职务发明路径、添附路径[5]。
类职务发明保护路径指出，应当将人工智能视为雇员，而将人工智能所有权人/使用人，抑或是程序设计者拟作雇主[6]；或是赋予人工智能以发明人身份，赋予开发企业等主体以专利权主体身份，并允许在人工智能与人类都对技术方案作出实质性贡献的情况下成为共同发明人[7]。但这存在一些难以克服的障碍，首先，随着社会分工日趋精细化，在极少情况下才会出现人工智能的程序设计者、所有权人以及最终使用人或管理人为同一主体，这就给捋清各方法律关系以及利益分配造成了极大难度；其次，在法人领域也是以团体人格为基础，而人工智能就其本身而言，并不具备人格要素，而且再强大的人工智能也无法替代人类的灵性与心性。最重要的是类职务发明保护模式更适用于强人工智能时代对人工智能自生专利的保护，在当前人机交互阶段并无类比雇员雇主关系的必要。从美国的专利法看，其也不允许将人工智能列为发明人。美国专利法将发明人明确定义为发明或发现发明主题的个人，同时，将合作发明人定义为两个或两个以上提出发明构思的人。根据上述规定，法院在描述可申请专利主题时，会引用国会立法意图，将其合理延伸到“太阳之下人类创造的任何东西”。在其它情况下，法院通常拒绝将法律权利扩展到其它自然实体，如动物。
添附保护路径认为，即使人工智能生成大量技术方案，但其中只有少数方案能够顺利通过专利局审查与获得专利法保护，而这有赖于人类在体量庞大的技术方案中基于对新颖性、创造性、实用性等专利审查标准的熟稔，挑选出能够大概率通过官方审查的技术方案，类似完成了一项添附行为，从而人类应当属于发明人并享有专利权。但这种观点明显混淆了实质性贡献与辅助性贡献以及创造性劳动与体力劳动的区别，发明人必须是对发明构思作出创造性贡献的，也就是说如果最初的技术方案并非其构思而成，也没有因其参与而发生实质性改变，则其并无创造性贡献。显然，这里的技术方案生成是基于人工智能算法，而人类只不过是付出了“淘金式”劳动，如果辛勤的体力劳动能够成功换来专利权，那么专利法“激励创新”的基本功能将被架空。
在先优势保护路径认为，在人工智能参与度较低的情形下，只需按现有法律规定对发明人予以保护即可；在人工智能参与度最高的情况下，即发明完全由人工智能技术生成，则因其主体不合格导致该技术方案不具备可专利性。这种路径更符合弱人工智能时代以人为本的制度构建，就目前而言，完全脱离人类控制、进行发明创造的人工智能技术尚不成熟，因此并无提供法律庇护的必要，况且制度解释或修改是需要一定社会成本的，其造成的社会效应也是非常广泛的，应当审慎权衡其中利弊。目前人工智能更偏向发明人助手的定位，更像是人类完成发明而创造的高级工具，若运用得当，可以产出大量优秀的发明专利，实现人工智能技术与产业的深度融合和链式突破。但不免有恶意依靠人工智能单独生成大量低廉技术方案，从而阻碍其它发明顺利通过新颖性审查情形的发生，若赋予其专利权，将会形成一种垄断，不利于行业内自由竞争。
对在先优势保护路径的质疑主要集中在两点：①这种路径是否损害了与该人工智能发明存在密切关系的人的利益？答案显然是否定的。首先，其不会损害人工智能发明者利益。这是因为该人工智能本身是可以获得专利权保护的，其可以通过对该人工智能发明的使用、处置获取丰厚回报。若是职务发明，发明人也可获得奖励和报酬。其次，其不会损害人工智能使用者利益。使用者完全可以合理运用该人工智能并作为实现科研创造的高效手段，生成大量优秀专利以获取回报；②该路径是否会不利于激励技术创新？对此答案仍然是否定的。这是因为获得专利垄断不过是众多激励手段中的一种，还有市场领先、社会荣誉、奖赏制度、职务晋升等。专利垄断具备法律认可的官方效力，但并不意味着它在任何场景下都是最佳选择。由人工智能先进技术生成的产品和服务可以助其背后企业首当其冲地抢占市场，在短时间内收回成本并盈利，且人工智能技术的复杂性使得其他竞争者的模仿和复制存在难度，这更有利于企业延长市场领先时间，即便竞争者后续也成功研发出相同或类似产品或服务，但这不足以削弱创新的积极性[8]。
根据我国《专利法》规定，“发明是指对产品、方法或者其改进所提出的新技术方案”，而技术方案需要利用自然规律、采用技术手段，解决技术问题，并最终达到一定技术效果。但这种正面定义较抽象，并不能为复杂的人工智能技术的客体判断提供准确指引，此时就依赖于法律上制定的排外条款。专利法出于公共政策或者社会道德以及实际操作性考虑，会将一部分不宜保护的发明排除在保护客体之外，而与人工智能技术最为相关的是其中的“智力活动的规则和方法”条款以及“违反社会公德”条款。
我国《专利审查指南》明确将计算机程序排除在可专利的客体范畴外。人工智能是计算机科学的一个研究分支，是多年计算机科学研究发展的重要成果，人工智能的固有算法易落入抽象概念或者思维步骤范畴，在此情况下是不具备可专利性的，只有在人工智能参与发明或者是人工智能本身去抽象化后才具备可专利性[9]，也就是说，只有当人工智能算法运用到具体的工业装置、设备或工艺中，才有可能通过客体审查。由于人工智能算法的复杂性，其可以轻易地被声称是一种设备装置或系统而在审查时蒙混过关，而实质上仅是简单地承加一个运用载体。因此，获得专利法保护的是纯粹算法或程序。由此看来，关于人工智能算法程序的客体判断并不十分清晰。
美国联邦最高法院在Mackay Co. v. Radio Corp案中认为，出于公共政策的考虑，科学真理或者数学公式并不能单独获得专利法保护，但在科学真理或者数学公式的帮助下，即通过科学知识运用而得到的具备实用性、新颖性、创造性的结构是可以成为专利法保护客体的。最朴实的知识产权观念提示我们，思维方式、自然现象以及知识概念是不能获得垄断保护的，因为这是开展科学创造的基本手段。在Gottschalk v. Benson案中，法院提出了计算机程序是否可以获得专利法保护的观点。首先，抽象概念并非是专利法庇护的客体，抽象的数学公式显然在此之列，若权利要求书中出现了抽象的数学公式，则要综合权利要求书与说明书内容判断申请人是否有意对其进行专利保护，聪明的申请者会将该抽象数学公式付诸技术实践以获得赦免，但这并不被允许——因为这易导致算法垄断，除非权利要求书中仍有实质性意义的后续工艺步骤。其次，权利要求书中包含数学公式的技术方案如果综合来看是具备可专利性要件的，那么其属于专利法上的可保护客体。在Bilski V. Kappos案中，高院认为上诉法院关于“机器或转变测试法”(machine-or-transformtion test)的看法存在错误。机器或转变测试法是指只有当一种抽象思想或公式算法与特定机器结合在一起或者能够将特定物转变为他物或不同形态时，才属于专利法可保护客体。上诉法院将其作为判断专利客体的唯一指标，实际上其应当视为一种判断方法或者可靠线索。智能算法时代的到来有助于进行快捷的模型预估与统计分析，如果专利法设置的门槛过低，那么行政审查员和法官的桌案将被成山般的权利要求所侵占，技术创新将失去原有动力。美国联邦最高法院对于计算机算法可专利性问题的态度在时代进程中经历了延续与转折，法律解释的松紧尺度是对技术发展情势最好的回应。值得借鉴的是，现阶段人工智能算法技术呈现出井喷式发展，更应当要求智能算法与通用计算机不能是显而易见的惯常结合，而应当具备更高的创造性成份；从实用主义角度考虑，较严苛的客体范畴限制也可以筛选出更为优秀的科技成果，提高智能算法的经济转化效率[10]，有利于实现人工智能与市场经济的协同共赢。
根据我国《专利法》规定，“违反法律、社会公德或者妨害公共利益的发明创造，不授予专利权”。TRIPs协议第27条第2款也规定，出于“保护公众利益或社会公德，包括保护人类、动物、植物的寿命及健康，或避免对环境的严重污染”，可排除该发明的可专利性。对于其中的社会公德，《专利审查指南》认为，应当是“公众普遍认为是正当的，并被接受的伦理道德观念和行为准则”。但人类的认知理性是有限的，社会生产力发展促进了人工智能产业的崛起，但人工智能并没有被强制性地要求拟人化思考，而是通过机器深度学习方式，使智能机器能够在海量数据和模型中提炼出自身的抽象见解，该见解又可以成为其处理后续新问题的思维基础，因此其发展轨迹并非时刻符合人类预期，当发展轨迹出现偏离时就可能对人类固有的伦理观念形成冲击，技术更迭迅速性与人类认知滞后性之间的矛盾就暴露出来[11]。
人工智能同样难免会对人类社会固有的公平、正义观念造成冲击。一方面，智能技术拥有更高效率和更低出错率且不知疲倦，可以进行大量的简易劳动工作，造成大量工人失业。随着人工智能技术的进一步发展，其甚至可能对专业性很强的如医生、律师等职业实现取代。另一方面，人工智能也会存有种族歧视和社会偏见。如谷歌智能广告工具 Adsense在搜索“不职业的发型”时，给出的结果绝大部分是黑人的脏辫，且会给黑人打上猩猩的标签；美国Kronos公司提供的智能筛选服务会用“个性测试”淘汰曾有心理疾病的申请者。
然而回归法律本身，如果发明创造本身并不违法，仅仅是因为人类滥用而违法，并不属于不被授予专利权的范围，人工智能给人类社会带来的便利和生活方式的改变不能因为个别反面案例而被忽略。目前智能技术对人类社会的反馈更多是对人类思维不足以及体力不支的补充，如自动驾驶技术、快递分拣技术等，而并非像影视作品中渲染的威胁论——认为人工智能将试图取代人类、奴役人类。事实上，人类与人工智能的关系，“既不是纯粹的利用关系，也非对人的取代、成为人类的主人，而是一种共生性的伙伴关系”[12]。一项针对崭新、超前技术的道德评价并不是一成不变的，智能技术的道德评估问题也不是在审查阶段就能完满解决的，曾经违法的或者不道德发明可能会在实践中逐渐被大众认可，因此对于人工智能技术道德后果的预期不妨看得长远一些。
发明创造欲获得专利法保护，在顺利通过客体审查后仍需进行一系列授权条件评估。我国专利法规定的授权条件包括实用性、新颖性、创造性，简称为“三性”。人工智能具备的基于大数据的深度学习技能可以轻易实现跨界交融、自主建模和策略优选，从而生成大量技术方案。如何对这些方案的实用性、新颖性、创造性进行准确评估成为新课题。
从节约审查资源的目的出发，人工智能参与发明需获得授权，第一步是满足实用性的基本要求，即人工智能参与发明必须能够在产业上制造或者使用，且能够产生积极效果。由于实用性有时会与客体审查发生重叠，因此一项发明在通过客体审查后往往不会因为缺乏实用性而被驳回，导致实用性审查逐步被虚化，但伴随人工智能技术的普及，需要重新审视实用性要求与客体审查边界。如一项有人工智能参与的发明是否违反公序良俗与是否存在积极效果的区别、是否为技术问题与是否符合产业实用性的区别。人工智能技术对实用性审查带来的变化也主要体现在三重递进的具化标准中：第一是方案能够实现，第二是发明效果达到实用程度，第三是发明具有积极效果。
3.1.1 技术方案能够实现
技术方案能够实现，是要求该方案能够实施，并且能够达到申请人披露的效果。根据《专利审查指南》，满足实用性要求的技术方案还应当具备再现性，“再现性是指所属技术领域的技术人员根据公开的技术内容，能够重复实施专利申请中为解决技术问题所采用的技术方案。这种重复实施不得依赖任何随机因素，并且实施结果应该是相同的”。但由于人工智能在发明过程中的综合参与将具有超强目标识别、环境感知与建模、任务规划、协调控制能力等特点，同时，其与各领域的深度融合都给发明人详细披露技术方案造成困难，其高度抽象的程序语言也会给审查员增加理解难度。一项专利技术描述得越详尽，其满足实用性要求或是说明书充分公开的机会就越大，但文字或者符号的功能是有边界的，其往往不能百分之百地呈现复杂技术的内涵，新兴事物的涌现会凸显文字的滞后与苍白。在人工智能技术领域不能因为技术信息的描述瑕疵就否定其可专利性，这是因为文字仅是表达工具，文字为描述而生，但技术并不能被文字所限。《专利审查指南》中提到，“为了清楚起见，如有必要，申请人可以用惯用的标记性程序语言简短摘录某些关键部分的计算机源程序以供参考，但不需要提交全部计算机源程序”，这也体现了对文字描述问题的宽容态度，但作为有人工智能参与发明的申请者，其有义务提供更多的背景技术信息。
3.1.2 发明效果达到实用程度
实用性还要求技术方案达到实用标准，也就是其有具体、实际的产业用途，能够在产业中得以制造，能够解决技术问题。如果申请的是方法发明，那么该方法必须是在产业中能够使用的。从经济学角度出发，产业中能够制造或使用是因为该技术方案具备市场价值，能够将其投放市场并获利，但并不能反推认为技术方案具备市场价值就达到实用标准。如一项人工智能参与发明的技术，尽管其各方面并不成熟，也没有经过严格的科学测试，但因为具备很高的研究价值，当通过探索和完善该项专利技术可以获取更多利润时，市场上自然会产生对该项人工智能参与发明技术的报价，因此上述反推是无法成立的。同时也要注意，如果该专利技术并不能给公共社会带来直接效益，而仅能造福于科研领域，那么其同样达不到实用程度。
3.1.3 呈现积极效果
《专利审查指南》提到，专利技术方案应当是有积极意义的。“能够产生积极效果，是指发明或者实用新型专利在提出申请之日，其产生的经济、技术和社会效果是所属技术领域的技术人员可以预料到的”。由此可知，该要求更多的是一种价值判断，判断主体是所属技术领域的技术人员，如果是违法或犯罪手段及工具，或是明显违反社会公共道德的技术手段，则可以果断排除掉，但如果是兼具积极与消极效果的技术方案，就必须进行综合判断，若积极效果的呈现机会明显大于消极效果的呈现机会，则可以认为该技术方案整体仍具有积极意义。但涉及人工智能参与发明的判断存在一定难度，即其积极效果往往显而易见，但消极效果具备一定隐蔽性和潜伏期。如《人工智能的恶意用途：预测、预防和缓解》报告中提到，人工智能带来的数字安全威胁(利用系统漏洞、对抗性样本、数据下毒等新型的安全攻击)、物理安全威胁(利用商用无人机或无人驾驶车辆作为武器，实现恐怖主义的自动化等)以及政治安全威胁(通过自动查找、删除文本或图像等技术自动清除异议等)[13]，都为准确评估发明的积极效果带来新挑战。
3.1.4 美国实用性标准参鉴
美国针对专利实用性的检验标准也经历了跌宕起伏的过程。20世纪20年代针对实用性的自由主义观点认为，市场是检验实用性的最好方法，如果一项技术无法对工业、产业产生有益结果则不具备经济效益，那么发明人申请该项技术所花费的成本是无法回收的。后来在医药和化工领域，法院开始推行严格的专利实用性检验标准，并认为专利的实用性要求可以清晰地划分基础研究与使用研究边界，通过实用性标准，可以筛除归属于基础研究范畴的技术方案，防止公共科学资源垄断带来的不利影响，只有当这些基础领域的研究深化到能够带来现实社会效能之后才能获得专利权的庇护。“实用性可谓是联系思想王国(the Realm of Philosophy)与商业世界(the World of Commerce)的桥梁，同时也是这一桥梁的守护人”[14]。到现今社会，立法价值的立定与司法理念的践行无不受到产业利益的影响，人工智能领域尤为如此。企业对人工智能的前期投入大、运行周期长、维护成本高，且同领域更新换代快。企业要维护自身利益，最优办法就是获得专利权的垄断保护，这在一定程度上可以维护企业科研积极性，在享有初步垄断的基础上继续深化人工智能研究深度与广度，同时，公开的专利信息也能够为相关领域研发带来启示。但不可否认的是，由于人工智能参与发明的审查难度较大，要判断是否满足实用性并非易事，如果过早地排除竞争，初始研发的领跑者将高枕无忧，势必会延缓行业的整体进程。总而言之，实用性判断标准要达到投入产出最优的理想状态十分困难，制定一个可供执行的量化标准也存在技术难度。在人工智能参与发明领域的趋势日益显化的情况下，唯有不断总结实践经验并结合产业发展态势，才能营造出有利于技术进步与创新的专利政策氛围。
新颖性居专利获得授权的积极条件之首，其要义在于新，一方面要求该技术方案不属于现有技术，另一方面要求不存在抵触申请。专利法中判断新颖性的参照系是现有技术，是指在某时间前、在特定技术领域内已有技术和知识的总和。若申请的技术方案属于已有知识范畴，则不具有新颖性[15]。人工智能利用复杂结构或由多重非线性变换构成的多个处理层(神经网络)对数据进行高层抽象的算法，可在较短时间内进行技术学习和创造，但是大量技术方案的涌现难免给新颖性审查提出难题。
3.2.1 人工智能对研创氛围造成影响
人工智能对新颖性审查与判断带来的挑战主要包括两种情形：第一种是人工智能本身作为申请客体的情形。在该情形中大部分实现了人工智能与其它学科领域的结合，其中包括生物学、医学、计算机科学等，也有如人脸识别功能、语言和图像理解功能以及遗传编程的场景运用。正是这些学科领域的相互交叉给新颖性审查蒙上了一层面纱，导致难以精准划分检索边界和确定检索的技术领域；第二种是人工智能作为专利申请过程中的辅助工具。人工智能进行机器学习的数学基础是统计学、信息论和控制论，因此其收集和抓取在先专利信息易如反掌，其可以基于初始种子专利，通过对权利要求中技术特征的同义替换、搭配、重组以及部分词和下位词的替换就能“创造”出数量庞大的新权利要求[16]。这些权利要求在理论上是满足新颖性要求的，但不能否认其会对人类自身的研发创造形成冲击：其一，易降低人类自身发明的积极性，因为其检索效率远不及人工智能，且发明周期长，试错成本更高；其二，会形成对人工智能的投机性依赖，即通过简单的语义替换而获得专利权。此外，人工智能在一定程度上变相扩大了自身专利垄断权范围：一方面，依赖强大的数据处理能力，可能造成与该申请专利近似的技术方案皆被批露，从而成为公众皆知技术，即通过破坏新颖性方式阻碍其它技术方案的可专利性[17] ；另一方面，人工智能可使竞争者通过饱和自身专利优化空间，防止竞争对手获得同领域内的改进专利，也可以阻塞竞争对手的技术通道，通过改进竞争对手的发明，在竞争对手之前抢先申请专利。
3.2.2 人工智能给现有技术的范围认定形成冲击
新颖性要求发明或实用新型不属于现有技术。其中，现有技术是指申请日以前在国内外为公众所知的技术。一个合格的现有技术，必须具备清晰、完整并可供该领域熟练技术人员实施的技术方案。此处的可实施需具备两方面要求：一是客观上该技术方案确实能被该领域熟练技术人员实施；二是主观上该领域熟练技术人员相信该技术方案能够付诸实施[18]。人工智能技术依赖其算法和逻辑演绎生成大量技术文献与方案，只需通过使用公开、出版物公开或其它方式公开就能够达到“为公众所知”的要求，但由于人机之间信息掌握能力以及思维方式的差异，会出现由人工智能参与的前卫技术方案在熟练技术人员看来是无法付诸实施的，从而无法构成现有技术的现象，进而给后续相同领域内技术方案新颖性的认定造成不确定性。
3.2.3 人工智能对新颖性审查工作提出挑战
(1)人工智能技术更迭速度与专利审查周期间存在一定矛盾。人工智能技术更新换代快，从算法端向上下游延伸，芯片和开源开放平台已成为人工智能发展的硬件与软件基础，同时，以数据驱动为核心的深度学习已经成为工具式开发手段。如果专利行政部门仍遵循旧的审查周期(一般为两年左右)，大量原本具备新颖性、有人工智能参与的发明技术将被源源不断后涌而来的技术更迭所淹没，从而导致发明人无法获得专利法保护，不利于其后续运营，从而销蚀其科研积极性。对此，国家知识产权局出台了《专利优先审查管理办法》，规定涉及新一代信息技术、智能制造等国家重点发展产业以及互联网、大数据、云计算等领域且技术或者产品更新速度快的专利申请可以请求优先审查，并且对于发明专利申请同意优先审查的，应当自同意之日起在45日内发出第一次审查意见通知书，并在一年内结案；实用新型和外观设计专利申请自同意之日起2个月内结案。审查周期的缩短可以有效激发产业研发积极性，实现产学研深度合作。
(2)行政资源有限性与人工智能技术方案丰富性间亦存在一定矛盾。市场主体会充分利用人工智能技术生成尽可能多的技术方案，以申请专利和获得行业垄断优势。此时，专利行政部门将面对大量具有审查难度的申请，同时，不排除有企业尽管暂时没有申请专利的打算，但出于防御性策略，会通过人工智能技术公开大量产业技术方案，从而给其他市场主体申请专利设置新颖性方面的障碍，也增加了专利行政部门进行文献检索、比对的工作量，导致在重压之下难以保障人工智能参与发明的审查标准统一化与合理化。对此，日本特许厅的做法值得我国借鉴——其引入人工智能技术以优化专利审查和管理：首先，通过建立业务负荷、业务频率以及职员精神负荷3个评价指标，筛选出20项有可能应用AI的业务；再者，从AI技术层面考察其为上述20项业务提供解决方案的可能性。就目前而言，对于电子邮件以及电话自动应答、纸质文件电子化、形式缺陷审核等申请流程方面的工作已开始试引入AI技术，未来随着视觉图像技术的完善和自然语言处理技术的跟进，将更有利于准确理解和分析申请文件中的附图以及发明内容，提高了审查效率[19]。我国有必要开展助力专利审批效率提高的重点产业分类体系建设，发挥专利大数据的存量优势，推进人工智能辅助审查领域的区际合作、国际交流，实现人工智能辅助系统与专利审查的深度融合，以充分应对人工智能参与发明技术带来的挑战。
通过新颖性审查后，专利申请中的技术方案与现有技术相比，还必须具备突出的实质性和显著进步，对于实用新型专利申请则需具备实质性和进步。同新颖性要求与所有技术文件单独对比不同的是，创造性是允许综合对比的，因此对技术方案创造性的判断无疑是极具难度的。创造性一直被认为是人类思维活动与智力行为的特征，但人工智能的发展逐步打破了这种禁锢，人工智能技术内容繁杂、理论复杂、原理超前，而原有常规判断流程和方法已不再适合。
3.3.1 判断主体的新设想
在判断一项发明是否具有创造性时，一个重要步骤就是判断要求保护的发明对于本领域技术人员来说是否是显而易见的，而显而易见的判断有赖于其技术水平评估，在国内司法实践中并没有统一标准。美国法院提出了可借鉴的参考因素，具体包括发明人教育水平、技术方案解决的技术问题、发明完成速度、技术复杂程度、所属领域中活跃参与者的教育程度等。审查主体以及法官需要将上述因素综合权衡并推定一个具备一定技术水平的普通技术人员，将显而易见的判断交给这个“抽象的人”。“抽象的人”是一种由假设方法创造的“人”，而非真实存在：一方面，抽象的人有待具体化，在现实世界中寻找到对应抽象水平的技术专家，然后对显而易见问题作出评判，在此过程中出现判断误差在所难免[20]；另一方面，“抽象的人”具备的普通技术知识、掌握的现有技术以及常规实验手段与能力，在面对具备超级计算能力的人工智能时仍然捉襟见肘。人工智能技术的突破式发展将使得原有审查标准难以准确应对，导致尚未达到创造性高度的技术方案顺利通过审查，也变相降低了该行业领域的创造性标准[21]。对此，可预想的改进方法是通过比对现实条件与技术标准，适当提高抽象人的评判标准。由于抽象人的水平已被机器强化[22]，尤其是在人工智能逐渐与其它产业深度融合的情况下，“抽象的人”不仅仅要具备产业领域的普通技术知识，更需要对人工智能运行机理有基本的认识，或者是具备人工智能辅助工具的功能。值得注意的是，上述中的“适当”并无具体的量化指标，需经过反复试验、推敲并依赖于实证考察和产业调研。如果标准过高，那么大量人工智能参与的发明将无法受到专利法保护，不利于明晰发明背后的权利归属关系，也难以保障权利人自身生产与销售的安全，最主要的是会削弱发明人继续研发的积极性。同时，没有专利文件的公开也不利于向社会公众提供技术启示，造成重复研究；如果标准过低，难免会有大量垃圾专利涌现，导致人工智能沦为纯粹的商业手段，对人工智能的整体技术进步形成阻碍。有一种观点认为，可以将抽象的人替换为抽象的机器，也就是将熟练的技术人员替换为熟练的机器，这是因为人工智能本身的理性和大数据处理能力能维持一个稳定的审查标准。这种以人工智能应对人工智能的策略不失为一条解决路径，但其有赖于未来强人工智能时代的技术支持，就现阶段而言，人工智能发展尚无法实现这种设想。
3.3.2 “显而易见”的新内涵
确定了熟练技术人员的标准后，还需判断技术方案对本领域技术人员而言是否为显而易见的。显而易见的认定存在3个关键：①最接近的现有技术确定，特别是在若干相关现有技术中确定基础技术方案。由于人工智能发展尚处于初期阶段，目前的人工智能产业发展主要源于深度学习算法的提出，在数据量和计算能力基础上实施大规模计算，其技术原理具有高度的重合性，这就对确定基础技术方案造成了困难；②最接近的现有技术与其它相关现有技术的结合是否能得以允许。发明无外乎是对前人成果的组合与再造，若审查者将发明肢解成不同技术特征，再找到包含这些技术特征的现有技术并把它们作为相关现有技术进行结合，发明的创造性将被轻易地否定[23]。人工智能技术正在实现各行业和多场景运用，即把人工智能相关技术集成到产品和服务中，然后切入特定场景，如医疗、安防、自动驾驶等领域。人工智能技术与其它领域相关技术的深度融合已成趋势，如果把技术结合启示的允许尺度定得过于宽松，那么有人工智能参与的发明方案将较难通过创造性审查；③技术启示的认定。《专利审查指南》中指出，“要确定的是现有技术整体上是否存在某种技术启示，即现有技术中是否给出将区别特征应用到最接近的现有技术以解决其存在的技术问题的启示”。美国的TSM(“teaching，suggestion，or motivation”test)测试法与此相似，被称作“教导、建议或动机”测试法，据此证明发明是显而易见的，即要求普通技术人员根据现有技术和问题属性，能够明显发现将现有技术教导结合起来的动机或建议。这种启示或动机大部分源于技术人员本身储备的知识，也可能来自相关文献资料，还有一部分源自问题本身，即借助问题本身的针对性提供较为精确的路径引导，从而得出解决方案。人工智能参与发明的完善是以初级人工智能技术为基础的，随着人类科技需求的提高，初级智能技术将暴露出更多漏洞和问题，如果此时的问题解决方案仅仅是本领域技术人员无需创造性劳动就可联想到的，不需要人工智能技术方案的实质性优化或者算法突破，那么可以说智能技术问题本身已经为人工智能技术的完善指明了方向。
3.3.3 辅助证据的新理解
根据《专利审查指南》的规定，在判断发明的创造性时还需考虑一些其它因素，在学理上也被称为判断创造性的辅助证据，如该发明克服了技术偏见。技术偏见存在是因为技术人员对技术问题有着偏离客观事实的普遍认识，这种认识会限制思考的边界，从而阻碍研发。尽管这种对公知常识性的错误认识十分鲜见，且在发明领域的技术进步与更迭建立在继承在先技术的基础上，而非完全颠覆，但人工智能基于强大的数据处理能力，能够在短时间内从技术词典、教科书以及技术手册中提炼出公知内容，且思维不会受到人类固定推演范式的限制，依赖其深度学习技能就能够高概率得出完全相反或不同技术方案，达到克服技术偏见的效果。
如发明取得意想不到的技术效果，强调通过对比现有技术，有质的飞越或量的累进，包括技术效果产生质的变化，具有新性能；或者产生量的变化， 超出人们预期想象。人工智能参与的技术创造往往具有颠覆性特征，从IBM watson、AlphaGo到谷歌智能答题，人工智能集脑科学、计算机和神经网络为一体，各类网络升级速度快于人类大脑的升级速度，这种质或者量的变化对所属技术领域的技术人员来说，是事先无法预测或者推理出来的。
再如商业上的成功并不能与满足创造性要求划等号，而需经过多层验证。正如在胡颖V.专利复审委员会中，最高院认为构成“商业成功的，需具备某个区别技术特征，而非现有技术中已有的技术方案，且不是由于销售策略、销售手段等因素导致，还要求某技术方案对应的产品能够被销售出去，以及由于所涉技术方案对现有技术的改进使得其在商业上明显优于已有产品”。在人工智能参与的发明领域，即便无十分成熟、完善的理论和产品体系，但其内在的发展潜力和商业价值是巨大的。如2014年10月23日，EF英孚教育在上海金投赏广告峰会上以700万元人民币成功拍得人工智能机器人“微软小冰”为期一年的品牌代言合同，尽管后续出现许多产品故障反馈。因此，技术王朝与商业帝国并非并行不悖，人工智能参与的发明能够在商业上取得成功很可能仅是源于广泛的市场需求或政策扶植，在这种情况下尚不需专利保护就能够保证权利人从营销策略中获利，如果此时还赋予其法定的垄断地位，那么市场差距将进一步扩大，科研也将被资本所操纵。因此，无论是行政机关还是法院，都应当审慎对待这种专利的效力[24]。
智能技术革命过程尽管伴随冲突与坎坷，但其带来的成果最终会像空气一样平静地惠及整个人类社会，而如何实现从过程到结果的平稳过渡有赖于公共政策的积极应变。Drucker说过，未来并不可怕，可怕的是面对变化的未来我们仍然沿用旧的逻辑。曾经认为遥不可及的人工智能技术已经在不知不觉间悄然而至并对专利法体系形成强烈冲击。要应对复杂、深奥的人工智能技术所带来的法律挑战，更需回归专利法的立法根源，重新审视“鼓励创新”的时代内涵，合理界定专利客体范畴，即时调整专利审查标准，为人工智能技术产业的良性发展保驾护航。
[1] 国务院发展研究中心.我国人工智能发展的现状、问题与促进政策[EB/OL].[2019-08-01].http://www.drc.gov.cn/n/20190708/1-224-2898894.htm.
[2] 中华人民共和国国务院新闻办公室.新一代人工智能具有五大特点[EB/OL].[2019-08-08].http://www.scio.gov.cn/32344/32345/35889/36946/zy36950/Document/1559026/1559026.htm.
[3] 刘强,周奕澄.人工智能发明专利审查标准研究[J].净月学刊,2018(3):76-78.
[4] 一种机器人[P].专利申请人：深圳科卫机器人服务有限公司.专利申请号:2018115750136.
[5] 刁舜.人工智能自主发明物专利保护模式论考[J].科技进步与对策,2018，35(21):121-123.
[6] KALIN HRISTOV. Artificial intelligence and the copyright dilemma[J].The IP Law Review,2017(3)：445-446.
[7] 曹建峰,祝林华.人工智能对专利制度的影响初探[J].中国发明与专利,2018(6):54.
[8] 崔国斌.知识产权法官造法批判[J].中国法学,2006(1):158-162.
[9] 王瀚.欧美人工智能专利保护比较研究[J].华东理工大学学报(社会科学版),2018(1):99.
[10] 李宗辉.人工智能专利授权的理论争议与实践发展[J].河南财经政法大学学报,2018(6):155-157.
[11] 闫坤如.人工智能的道德风险及其规避路径[J].上海师范大学学报(哲学社会科学版),2018(2):43-45.
[12] 蓝江.人工智能的伦理挑战[EB/OL].[2019-08-06].http://theory.people.com.cn/n1/2019/0401/c40531-31005609.html.
[13] The malicious use of artificial intelligence:forecasting, prevention, and mitigation[EB/OL].[2019-08-20]. https://www.innovation4.cn/library/r31346.
[14] 崔国斌.基因技术的专利保护与利益分享.知识产权文丛[A].郑成思.知识产权文丛[M].北京:中国政法大学出版社,2000:290.
[15] 吴汉东.知识产权法:第五版[M].北京:法律出版社,2014:180.
[16] BEN HATTENBACH,JOSHUA GLUCOFT.Patents in an era of infinite monkeys and artificial intelligence[J].STAN. TECH. L. REV，2015(2):38-43.
[17] RYAN ABBOTT.I think，therefore I invent: creative computers and the future of patent law[J].B.C.L. REV.2016(57):1118．
[18] 崔国斌.专利法原理与案例:第二版[M].北京:北京大学出版社,2016:190.
[19] 搜狐网.日本特许厅引入人工智能技术优化专利审查和管理[EB/OL].[2019-08-19].http://www.sohu.com/a/191136816_698253.
[20] 崔国斌.专利技术的等同比较[A].郑胜利.北大知识产权评论[M].北京:北京大学出版社,2002:46.
[21] 陈绍玲,梁翔蓝.人工智能对专利创造性的挑战及应对[J].福建江夏学院学报,2018(4):32-34.
[22] RYAN ABBOTT.Everything is obvious[EB/OL].[2019-08-25].https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3056915.
[23] 崔国斌.专利法原理与案例:第二版[M].北京:北京大学出版社,2016:278.
[24] MARTIN J ADELMAN,RANDALL R RADER,JOHN R THOMAS,et al.Cases and materials on patent law [M].Second Edition,Thomson West,2003:368.