郑悦迪：人工智能相关发明所属领域技术人员认定研究

内容提要

按照不同的标准，可以将人工智能相关发明划分为不同的类型。各国专利法对“本领域技术人员”的功能和一般特征作出了大致相同的规定。与其他发明相比，人工智能相关发明所属领域技术人员具有自身的特性：能够获知的现有技术范围广，应视作由来自计算机领域和应用领域专家组成的团队；需要解决的技术问题复杂，抬高了专利创造性的门槛，导致审查员或法官界定发明实际解决的技术问题更加困难；在人工智能工具的辅助下，创造能力高，基于同一功能或目标跨领域寻求技术手段，以及组合已知技术要素、集成功能模块成为常规做法。从技术领域归类、自然人属性要求、关于该领域技术水平的固有认知以及人与机器对技术贡献程度的区分四个方面，人工智能对本领域技术人员的认定提出挑战。为应对这些挑战，顺应人工智能相关发明所属领域技术人员的特性，包括我国在内的不同国家对客体要件、创造性要件和充分公开要件作出特殊规定，也带来一定的启示。

关 键 词

人工智能相关发明 本领域技术人员 现有技术 技术问题 创造能力

以人工智能、物联网、大数据等技术为主导的第四次工业革命正在以前所未有的速度席卷全球，包括我国在内的世界各主要国家和地区纷纷将人工智能的发展上升至国家战略层面。习近平总书记指出：“当前，我国正在从知识产权引进大国向知识产权创造大国转变，知识产权工作正在从追求数量向提高质量转变”“要健全大数据、人工智能、基因技术等新领域新业态知识产权保护制度”。2017年7月8日，国务院印发《新一代人工智能发展规划》，提出将建立人工智能技术标准和知识产权体系作为保障措施之一，明确要求“加强人工智能领域的知识产权保护，健全人工智能领域技术创新、专利保护与标准化互动支撑机制，促进人工智能创新成果的知识产权化”。

一、人工智能相关发明的类型

人工智能（Artificial Intelligence）的概念最早由斯坦福大学计算机科学家约翰·麦卡锡提出，目前关于人工智能尚无统一的定义。它通常是指用于执行需要人类思考的任务的计算机程序。该计算机程序基于事先设定的标准执行分析和决策功能，通过机器自动化、智能化解决部分要求推理、理解和感知能力的任务。能够获得专利法保护的人工智能相关发明本质上属于一种技术方案。世界知识产权组织（WIPO）将涉及计算机技术的发明分为三类：一是提高计算机的计算功能的发明；二是使用计算机运行特定功能的机器或者设备发明；三是在创造不同领域的发明过程中使用计算机。人工智能相关发明也可以对应归入以上三个类别的发明。此外，按照智能产业层级的不同，可以将人工智能相关发明划分为三个层次：基础层发明，如数据存储、机器算法等；技术层发明，如机器学习、语音识别、图像处理等；应用层发明，如无人驾驶、智能硬件等。根据机器在最终发明创造成果中的贡献程度，人工智能发明分为辅助生成发明、合作生成发明和独立生成发明。前两者统称为以人工智能作为创造工具的发明，是指将机器学习、大数据分析以及深度数据分析的使用融入创新活动中以获得某种结果的发明。独立生成发明则是机器在具有独立思维和自我意识的条件下所做出的发明。

目前，人工智能技术的发展仍然停留在弱人工智能阶段，即仅仅聚焦于解决特定问题，尤其是单一领域内的机器，而能够以人类所采用的抽象方式，从经验中进行学习的强人工智能是否会实现、何时实现颇受争议。现实生活中，在发明创造中占主导地位，自主运行且具有创造性的人工智能并不存在。换言之，当前的人工智能技术水平还不具备独立思考能力和创造力。专利审查和司法实践中，涉及的人工智能相关发明大多数是使用人工智能作为创新工具的发明，故本文主要围绕这类发明分析如何认定本领域技术人员。人工智能辅助发明或者人机合作发明的成果，既可能是一项计算机软件，例如OpenAI公司研发的机器学习工具CodeVox，可以将自然语言转换为程序代码，最多以12种编程语言撰写程序，甚至在它们之间进行转换，实现使用自然语言构建简单的网站和基本游戏；也可能是计算机科学领域以外的其他发明，例如使用计算机系统研发新的化合物；或者利用基因算法设计的飞行器机翼等。

在我国，涉及人工智能技术的发明主要集中在智能产业的应用层。美国人工智能产业发展趋势恰恰相反，以基础层和技术层的发明为主，应用层的发明分布较少。基础层以人工智能算法和大数据为中心，是人工智能技术实现、人工智能应用落地的保障。人工智能算法本身即为多个不同学科的交叉点，其中包括计算机科学、应用数学和神经科学。应用层的发明是将现有人工智能算法和大数据集运用于各行各业，让计算机经过反复的训练和纠错，达到预期的优化效果。因此，人工智能相关发明具有鲜明的跨学科性。一项人工智能系统的设计除了算法的创新、选择和优化外，研究人员往往还需要具备人工智能技术应用领域的相关知识。因国内人工智能产业受到基础层技术的制约，其应用场景更多地集中在金融、交通和制造领域。这些领域中的人工智能相关发明能够产生区别于现有技术的显著技术效果，在很大程度上得益于海量的数据资源，从而生成庞大的数据集，有助于提高系统分析和处理任务的准确度。例如，斯坦福大学训练的一项用于区分皮肤良性或者恶性病变的人工智能系统，采用了谷歌公司研发的具有图像识别功能的深度卷积神经网络算法，并且以2032种疾病的29,450张临床图像为基础，依据皮肤科医师提供的专业知识，输入图像像素点和疾病标签，该系统运行获得了较高的皮肤癌诊断准确率。可见，人工智能系统离不开人类专家的支持，他们提供了系统研发所必需的基础性启发式知识。在系统建设过程中，专门的知识工程师必须从应用领域专家处提取有用的知识，进而将之转化为计算机代码并构建知识库。当然，利用机器学习、数据挖掘和神经网络等自动化知识获取技术，可能生成比人类专家制定的规则更加高效的机器规则。由人工智能相关发明的跨学科性所引发的专利法问题之一是，作为可专利性和等同侵权判断主体的法律拟制人，“本领域技术人员”应否被赋予相应的特征？

与普通发明相比，人工智能辅助发明或者人机合作发明的累积性创新特征更加突出。无论是传统的软件，还是采用人工智能算法的计算机系统，都是基于既有理念或者程序代码的累积性改进，从而使程序的运行更加稳定。因此，在概念层面上，不同的研发团队可能提出类似的设计理念。受到硬件的结构性限制因素的影响，为了解决同类问题，各个研发团队可能采用相同或近似的人工智能辅助工具来提升计算机程序的功能，如此会对判断人工智能相关发明是否相较于现有技术具有突出的实质性特点和显著的进步，是否满足专利法意义上的创造性造成困难。迭代计算机系统中实际执行的代码可能重复使用，测试的算法和结构有可能在新程序中再现。迭代改进对提高同一计算机程序不同版本之间，以及不同程序之间的兼容性具有积极作用。由是可知，在智能产业基础层和技术层占据优势地位的技术发达国家，可能凭借先前的算法或产品版本抑制我国人工智能发明专利的发展壮大。结合我国国情，细化人工智能相关发明创造性判断的参照系，提高其创造性判定结论的可预期性意义重大，其中一个尤为关键的问题即本领域技术人员的认定。

二、本领域技术人员的功能和一般特征

本领域技术人员（person skilled in the art），也称本领域普通技术人员（person having ordinary skill in the art），是指一种假设的“人”。假定他知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，但他不具有创造能力。本领域技术人员的概念来源于19世纪美国判例Hotchkiss v. Greenwood案。该案中，美国联邦最高法院认为可被授予专利权的发明须体现比熟悉该项商业活动的普通技工更多的智慧。当时判断发明的可专利性是基于普通技工的视角。直至1952年，美国国会修改专利法，将这一法律拟制人的表述由“普通技工”变为“本领域普通技术人员”。简言之，美国专利法上的本领域普通技术人员就是具有一般技术水平的人，同时还以判例法的形式明确了认定本领域一般技术水平的考量因素。欧洲专利局在审查欧洲专利申请时，认为本领域技术人员是相关技术领域内具备普通知识和能力的熟练从业者。在日本，本领域技术人员应当同时符合四项条件：（1）具有申请时要求保护的发明所属技术领域公知常识；（2）能够使用一般技术研发方法（包括文件分析、实验、技术分析、生产等）；（3）能够运用材料选择和设计修改方面的一般创造力；（4）能够理解申请时要求保护的发明所属技术领域中现有技术的全部问题，并且能够理解与发明所要解决的问题相关领域的全部技术问题。总体上，各主要国家和地区界定本领域技术人员的关键词在于“一般”或者“普通”，只不过它们判断本领域技术人员具有的一般技术水平或者普通技术知识的具体方法和标准有所不同。

（一）主要功能

本领域技术人员在专利法中的功能和作用被贴切地形容为“无处不在却又十分神秘”。其最重要的作用是作为授予专利权的实质要件之一“创造性”判断的参照系，即站在本领域技术人员的角度，审视申请专利的发明相比于现有技术是否具有突出的实质性特点和显著的进步。此外，尽管新颖性要件判断的基本方法是将每一项现有技术与申请专利的发明进行对比，审查发明包含的全部技术特征是否已经为现有技术所覆盖，然而特殊情况下，否定发明新颖性的情形还有发明包括现有技术对比文件“隐含的可以直接地、毫无疑义地确定的技术内容”，即所属领域的技术人员能够从该对比文件明确记载的技术内容中直接地、毫无疑义地推定出来的技术内容。

本领域技术人员的概念在专利法中另一个十分重要的功能是判断发明专利申请文件（特别是说明书）的公开是否达到《专利法》第26条第3款所规定的程度，使所属领域的技术人员能够实现。这里的“所属领域技术人员”与第22条第3款规定的创造性标准中提到的“所属领域技术人员”含义相同。专利说明书是否充分公开，以所属领域的技术人员能否实现为准，也就是这样的人员在阅读说明书的内容之后，不需再付出创造性劳动，就能够理解并实施该发明，解决发明要解决的技术问题，产生其预期的有益效果。

本领域技术人员在专利等同侵权判定过程中也发挥着不可或缺的作用。根据《专利法》第64条的规定，发明专利权的保护范围以其权利要求的内容为准，其中既包括明确记载的必要技术特征，也包括与该技术特征相等同的特征。等同特征的衡量仍然需要站在本领域技术人员的视角，确定其与所记载的技术特征是否采取基本相同的手段，实现基本相同的功能，达到基本相同的效果，并且本领域普通技术人员在被诉侵权行为发生时无需经过创造性劳动就能够联想到的特征。具体来讲，等同侵权成立与否，是基于本领域普通技术人员掌握的知识和能力，判断被诉侵权的发明所包含的某些技术要素与请求保护的发明中的某些技术要素在本技术领域内是否被认为可以相互代替。本领域技术人员是各主要国家和地区专利法中普遍存在且定义相似的概念，但是不同国家和地区对这一概念的适用方法有所不同，导致专利权保护范围存在差异。可以认为，有弹性的权利要求解释是采用法律上假定的主体“本领域技术人员”而产生的结果。

（二）一般特征

纵观我国与美国、欧洲和日本等主要国家和地区有关专利法律制度可知，“本领域技术人员”具有如下一般特征。

第一，本领域技术人员是自然人。该概念的中文及外文表达均暗示着本领域技术人员是自然人。不过在数量上，其指向单个的自然人还是由多个自然人组成的团体，各国专利审查和司法实践做法并不一致。甚至，一国法院内部审理不同专利纠纷案件时，有时用单数形式的“一个人”解释专利权利要求，有时用复数形式的“人们”或者“那些”来指代本领域技术人员。

第二，本领域技术人员能够获取的知识涵盖申请专利的发明相关技术领域的全部现有技术。相关技术领域不仅包括与发明完全相同的技术领域，还包括相近技术领域，理由在于发明所要解决的技术问题可能促使本领域技术人员在其他技术领域寻找技术手段。这也是实践中专利审查员在必要时会将现有技术检索范围扩展到功能类似的技术领域的原因。当然，现有技术与申请专利的发明是否属于相关技术领域，往往取决于审查员的个人主观认知，故现有技术范围的大小具有一定的不确定性。现有技术又是判定发明专利新颖性和创造性的基准，因此容易出现可专利性认定结论不稳定的情况。在软件领域，为实现预先设定的目标，将某一技术领域中采用的计算机技术步骤或方法应用于另一技术领域是常规做法。这也给“本领域技术人员”的准确认定制造了障碍。此外，还需要区分普通技术知识与现有技术，后者的范围显然大于前者，本领域技术人员对这两类知识的熟悉程度截然不同。对于普通技术知识，本领域技术人员应当达到知晓的程度，强调知识的融会贯通；对于其他现有技术，本领域技术人员能够获知即可，其运用现有技术的自如程度无法与对普通技术知识的掌握程度相提并论。如此一来，这一法律拟制人的认定得以尽量接近现实群体。

第三，各国家和地区专利法大多认为本领域技术人员具有普通技术研发能力，然而认定的能力范围不尽相同。本领域技术人员具有从事常规工作和实验的能力是我国及美国、欧洲、日本等主要国家和地区专利制度基本达成的共识。但是我国和欧洲否认本领域技术人员具有创造能力，美国和日本则明确规定本领域技术人员具有普通创造能力。创造能力本身是一个比较宽泛的概念，日本特许厅将创造能力限定为材料选择和设计修改方面的能力，而美国判例法并未对此予以解释。我国虽然不承认本领域技术人员具有创造能力，但《专利审查指南》规定“如果发明是所属技术领域的技术人员在现有技术的基础上仅仅通过合乎逻辑的分析、推理或者有限的试验可以得到的，则该发明是显而易见的”。由此推知，在我国，本领域技术人员具有进行逻辑分析推理和有限试验的能力，它们也可以被划归于广义的创造能力范畴，只不过这种创造能力表现平平。从本领域技术人员是否具有普通创造能力的角度来看，美国和日本的可专利性门槛高于我国和欧洲。人工智能技术具备强大的搜索和计算能力，一旦它成为某个技术领域的标准化研发工具，即成为本领域技术人员常规的技术研发手段，所属领域发明专利的创造性标准也将随之提高。这种情况下，人工智能技术的采用在我国可以被视作相关技术领域内技术人员从事有限试验的能力。

需要强调的是，本领域技术人员只是反映了可专利性的法律标准，而非任何个人或者由个人组成的团体的实际能力。因此，本领域技术人员的认定实质上是基于证据作出的最终法律结论，不代表任何专利审查员、法官或者发明人的知识或能力。由于不必考察现实生活中特定发明人或者技术人员的技术水平，所以从某种意义上来说，本领域技术人员的判断标准是客观的，但这并不意味着它是固定不变的。正如美国学者Mark A. Lemley所言，本领域技术人员的采用提供了专利法所需的灵活性，应允许它在不丢失根本属性的同时适应新技术，例如计算机和人工智能技术。虽然本领域技术人员的认定在专利授权确权案件中意义重大，但是我国专利审查部门和司法机关却鲜少就普通技术人员所属的技术领域及其一般技术水平进行论证，而是泛泛地表述为某个技术特征“对所属领域的技术人员来说是显而易见的”。

三、人工智能相关发明所属领域技术人员的特性

美国以判例法的形式确立判定本领域技术人员一般技术水平的各项因素，其中包括：（1）本技术领域中遇到的问题类型；（2）解决这些问题的在先技术方案；（3）进行创新活动的速度；（4）技术复杂性；（5）本领域工作人员的受教育程度。以上因素在个案判断中并非全部予以考量，有可能只有某一项或者几项因素占主导地位。例如，在Northern Telecom v. Datapoin案中，地区法院认为不能因为快速的技术演变和本技术领域具有较高的复杂程度而认定计算机科学领域的一般技术水平较高，仅仅根据本领域现役工作人员的受教育程度和他们的工作经验确定了本领域普通技术人员的技术水平，排除了“进行创新活动的速度”和“技术复杂性”因素的适用。

因缺乏美国联邦最高法院的明确解释和指导，上述用于确定本领域技术人员一般技术水平的各项因素在司法适用中仍然存在较大的不确定性。例如，“本领域工作人员的受教育程度”因素通常会被作出扩大解释，除了学历教育以外，还包括通过专业培训和职业经历获取的知识和经验；创新速度因素在司法实践中常常被忽略；而技术复杂程度与本领域技术人员具有的一般技术水平之间的关系并不明朗。如果申请专利的人工智能相关发明所属领域的技术比较复杂，是否意味着该领域从业者缺乏经验，特定发明更容易被认定为具有创造性？还是由于人工智能相关发明所属领域的技术比较复杂，专利申请案中包含的技术方案更容易为本领域技术人员理解，发明被认定为缺乏创造性的可能性更高？可见，“技术复杂程度”因素给下级法院的适用带来了一定的困惑。关于“现有技术问题”和“在先解决方案”因素，在司法实践中，法官往往基于主观描述的现有技术问题和潜在的解决方案作出显而易见与否的认定，而不是判定这些问题和解决方案对于本领域技术人员的教导。可见，美国法院采用的多因素测试法，为客观认定本领域技术人员具有的一般技术水平，提高发明专利创造性判断的可预期性起到的作用有限。有美国学者基于本领域技术人员在发明专利创造性审查中的基本功能——判断本领域一般技术水平是否能够弥补现有技术与申请专利的发明之间的逻辑差异，提出修改上述各项因素的建议：（1）特定技术领域的可预期性；（2）本领域工作人员的经验；（3）现有技术问题和解决方案；（4）本领域长期以来的需要和其他人创造发明的失败。

结合前面提到的不同考量因素，以及人工智能技术发展和产业现状，相较于传统技术领域，人工智能相关发明所属领域技术人员具有如下特性。

（一）能够获知的现有技术范围广

传统的机械制造、化学冶金等领域发明创造，或者同样作为高新技术的生物医药或基因科学等领域发明创造，往往仅涉及某一特定技术领域，而人工智能的开发既要从计算机科学领域获取现有技术，也会从其他技术领域寻找创造灵感。据不完全统计，人工智能相关专利申请涉及《国际专利分类表》中的B部“作业运输”、C部“化学冶金”、G部“物理”和H部“电学”等不同技术领域。

人工智能相关发明具有复合型结构。有观点认为它是“以技术算法为基础，在‘大数据’与‘大计算’的共同驱动下融入多技术领域、不同功能维度的多项单一技术方案所形成的综合性技术束”，故人工智能相关发明包含着承担不同功能的各类单一技术方案，进行可专利性审查时应当将申请专利的问题解决方案分解为单一的技术方案，然后逐一判定其可专利性。该观点与专利审查的单一性原则和整体判断原则相冲突。根据我国《专利审查指南》第二部分第六章第2节的规定，单一性是指一件发明专利申请应当限于一项发明，属于一个总的发明构思的两项以上发明，可以作为一件申请提出。这里强调的是两个以上的发明在同一个总的发明构思的统领下，对应的权利要求中包含使它们在技术上相互关联的一个或者多个相同或者相应的特定技术特征。如果将专利申请案按照所属技术领域或者实现的功能进行拆分，可能无法反映人工智能相关发明的整体构思与各个功能模块之间的衔接关系，据此分别撰写的专利权利要求也很难具有相同或相应的体现发明对现有技术作出贡献的技术特征，则该专利申请缺乏单一性。

将人工智能系统作为一个整体申请专利时，其所属领域技术人员可能是由来自不同领域的专家组成的团队。以此为原则，并不是为了在专利审查过程中确定每一个领域的技术人员在多大程度上为人工智能系统的研发作出贡献，只是为了尽可能扩大现有技术检索范围。换句话说，相对其他领域技术人员而言，人工智能系统所属领域技术人员能够获知的现有技术范围更加宽泛。现有技术的公开包括出版物公开、使用公开和其他方式公开，然而“由于在实质审查阶段审查员一般无法得知在国内外公开使用或者以其他方式为公众所知的技术”，所以“在实质审查程序中所引用的对比文件主要是公开出版物”。受到检索成本和效率的制约，审查员只能就现有技术文献进行不完全检索，全面地检索现有技术是不现实的。这一点在人工智能领域体现得尤为明显。相比在出版物中发表研究成果，程序员更擅长通过撰写代码的方式直接解决问题，在他们看来，长篇赘述的文献资料显得平淡无味。这在一定程度上导致了软件相关文献数据库比其他技术领域更加匮乏。

要求本领域技术人员掌握如此宽范围的技术信息看似属于难以满足的过高标准，实则有充分的根据。尽管现实中没有任何一位技术人员甚至专家可以做到对本领域现有技术知识无所不知，但是为了确保仅仅对具有重大技术进步的发明授予专利权，该标准必不可少。例如，对于一位软件工程师而言，撰写一项在互联网上执行荷兰式拍卖的计算机程序并非显而易见；但是对于由软件工程师和具有工商管理硕士学位（MBA）的人构成的团队来讲，这一想法可能是显而易见的。同时，其可以鼓励发明人不再进行重复劳动，在尝试发明新的技术方案之前考察现有技术，避免浪费社会资源。此外，采用这一标准，则无需考察发明人之间如何分工配合以及实际发明过程，原因在于发明的作出方式不影响专利权的获得，审查员和法官只需要了解人工智能系统研发团队的常规工作模式即可。

一般认为，构建一项新的人工智能相关发明，需要比人工智能算法更广范围的技术知识。以基于人工神经网络的发明为例，其涉及的技术知识包括：（1）训练数据集、数据减少和预处理；（2）计算能力、硬件要求和软件优化；（3）神经网络的不同结构；（4）稳健性，包含长期的稳定性和安全性。可见，人工智能相关发明所属领域技术人员是能够获知大数据、计算机编程和算法等人工智能领域及其应用领域现有技术的人。如将神经网络算法应用于图像识别和安全系统领域的发明，本领域技术人员应是熟悉人工智能、图像识别和安全系统的人。

为了解决人工智能相关发明现有技术检索需求与实际检索资源之间的冲突，可以考虑从专利审查员队伍建设和检索模式改革两个角度入手，缓解因潜在的现有技术数量增加而给专利审查工作带来的压力。在审查员队伍建设方面，欧洲专利局上诉委员会设立“双审查员制”，以适应人工智能相关发明所属领域技术人员具备的技术知识和能力的应然状态；日本经济产业省委托的专家组就物联网、大数据和人工智能等新技术领域知识产权法律制度建设出具的研究报告建议，成立跨部门专利审查小组。在检索模式方面，日本、韩国将现有技术检索工作外包给专业机构或私营部门负责；美国、英国曾经针对计算机软件、商业方法等领域的发明创造实施同行评议，面向公众征集相关发明的现有技术，开放评议其可专利性程序。上述域外经验为我国提升人工智能相关发明专利授权质量提供了有益借鉴。

在专利审查和司法实践中，认定本领域技术人员掌握技术知识的广度和深度本质上是产业政策问题，可以将之用于调整和平衡人工智能相关发明专利的保护范围。纵观各主要国家和地区人工智能专利保护状况，普遍倾向于强保护政策。而提出针对人工智能相关发明取消现有技术领域限制的观点，将会使更多的人工智能产品被认定为不具有创造性而无法获得专利保护。这与各国采取的人工智能产业政策和专利政策相悖。在技术层面，目前无法预测通用人工智能何时到来，仅聚焦于特定问题、局限于单一应用领域的相关发明，其所属领域的技术人员不可能熟悉所有领域的技术知识。专利法上，将本领域技术人员能够获知的现有技术范围，即现有技术文献检索领域，从专利申请的主题所属技术领域扩展至相关或功能类似的技术领域，某项现有技术对比文件是否属于与申请专利的发明相关或功能类似的技术领域，从本领域技术人员的视角作出判断较为合理。由于具有相同功能、结构的人工智能技术从一个领域应用至另一个领域是常见做法，所以人工智能相关发明所属领域技术人员能够获知的来自类似领域的现有技术通常指应用领域。如将用于预测的机器学习算法从医学领域应用到经济领域，则发明所属领域技术人员可能具有机器学习、经济学和医学领域的技术知识。一方面，人工智能相关发明所属领域技术人员能够获知的现有技术范围不断扩大；另一方面，该范围的确定仍然遵循专利法基本原理，结合专利申请案中所描述的发明的实施例、功能和结构，将现有技术局限于相关或类似技术领域；因计算机程序的功能或目标主要由它所采用的算法所决定，故应当以算法为中心，基于人工智能领域公知常识，辨析能够实现同一功能的算法应用领域有哪些，从而划定现有技术范围。

（二）需要解决的技术问题复杂

虽然本领域技术人员不对应现实世界中的特定个人和群体，只是用来衡量发明是否符合专利授权条件的法律概念，但是从专利法的立法目的出发，本领域技术人员应当以技术人员实际具有的技能为蓝本，通过客观证据在个案中抽象出该领域技术人员的普通技能。

技术专家普遍认为人工智能算法在短期内难以取得重大突破，而新功能和新技术效果的实现很可能得益于在数据集方面取得新的进展。高质量可共享的数据是人工智能成功的必要条件。对于人工智能领域技术人员来讲，互联网上可供利用的免费数据集并不在少数，例如Kaggle在线数据集存储库、Google数据集搜索引擎、Azure公共数据集等。经过人工标注的数据可以从低质量数据转换为高质量数据，这一过程极为耗时费力且成本昂贵。因此，即使机器学习算法使用了已公开的数据集，但是经过发明人的标注获得了新的技术效果，该发明仍然超出本领域技术人员的预期，具有创造性。人工智能相关发明可以重复利用已经存在的训练模型，经过调整权重和超参数，甚至极小的拓扑差别，从而产生较高的准确率以生成想要达到的结果。已知的机器学习训练模型或神经网络属于本领域技术人员能够获知的现有技术，而所涉及的权重、参数和系数改变则可能高于本领域技术人员的一般技术水平。

人工智能算法的发展正处于瓶颈期。业界专家认为人工智能算法亟待解决的三个问题包括：如何保证算法的稳健性；人工智能的可解释性；超级人工智能的理解。人工智能的稳定性与人类相比仍有差距。例如，自动驾驶汽车只能在人类设定的结构化环境中安全行驶，识别红灯或停车标志，一旦出现突发意外事件，就会发生非常严重的交通事故。更多的时候，人类社会本身是杂乱无章的，如何让人工智能系统适应人类社会环境是本领域技术人员面临的技术难关。另外，人工智能算法的可解释性是科学家们尚未攻克的课题。基于人工智能算法创建的计算机程序，受制于算法的黑箱，不仅无法向受众具体解释系统如何运行计算并输出结果，使结果的合理性和合法性受到质疑，而且相应的专利申请文件中可能仅公开了系统实现的功能，以致不能满足专利法规定的充分公开要件。

自1956年达特茅斯夏季研讨会首次使用“人工智能”一词至今，该项技术发展几经沉浮，已经到达了一定的高度，真正需要本领域技术人员解决的技术问题势必越来越复杂，算法应用场景的替换等简单问题属于本领域技术人员发挥一般技术水平可以解决的技术问题。作为发明专利创造性判断的必经环节之一，界定发明实际解决的技术问题愈发困难。人工智能相关发明由多元化要素组成，这些要素数量之多、类别跨度之大非其他发明所能及。发明实际解决的技术问题应当根据申请专利的发明与最接近的现有技术之间的区别特征所能实现的技术效果确定，但是究竟哪些要素构成区别特征，这些特征获得何种技术效果容易引发纠纷，据此界定发明解决的技术问题将会招致异议。在搜狗公司与百度公司智能输入法发明专利系列纠纷案中，百度公司申请宣告搜狗公司持有的发明专利“一种用户词参与智能组词输入的方法及一种输入法系统”无效，原专利复审委员会审查决定维持该专利有效，百度公司不服该决定并提起行政诉讼。该案争议焦点即部分权利要求技术是否具有创造性，其中关键问题之一是“在用户输入过程中，记录所述用户对句子的输入和对上屏词的选择操作，根据用户输入的上屏方式获取具有相邻关系的用户字词对”等特征是否为现有技术对比文件所公开。区别特征的认定偏差直接影响发明实际解决的技术问题之准确界定，进而可能导致本领域技术人员站在错误的出发点，判断特定发明是否显而易见，发明专利创造性的认定结论缺乏稳定性。

人工智能相关发明专利申请通常既包含技术内容，即权利要求中的技术特征，如计算机、服务器、智能终端、POS、传感器等具有数据处理能力及信息交互作用的设备，也包含非技术内容，即权利要求中的非技术特征，如商业规则和方法特征等。技术创新和模式创新并存是新业态创新成果的典型特点之一。在我国，人工智能领域的发明专利绝大多数为应用层的发明，其所属领域技术人员需要解决的技术问题表现出跨领域、复杂化的特点。正因如此，欧洲专利局对计算机实施的发明进行创造性审查时，明确规定不具有技术性贡献的权利要求特征亦可以出现在审查员认定的技术问题的表述中。尤其是当权利要求涉及实现非技术领域目的时，该目的作为所要解决的技术问题框架中的一部分，能够用于界定客观技术问题。

（三）创造能力高

关于机器本身是否有创造力的争论从未休止，不可否认的是人类技术人员可以借助人工智能工具显著提高创造能力。2016年，隶属于谷歌的DeepMind公司研发的AlphaGo击败围棋世界冠军成为人工智能发展史上的里程碑事件。事实上，DeepMind公司只是采用了此前已经诞生多年的蒙特卡罗算法，AlphaGo能够强化学习效果是通过自我对弈而实现。其他领域技术人员掌握的技术知识和能力无法与人工智能系统可利用的训练素材或数据集规模、数量以及处理速度相比拟。累积性创新是人工智能相关发明的重要特征，只有将能够被授予专利权的发明限定在一个比较窄的范围内，方可为后续的改进发明留下足够的自由空间。有学者认为应当为软件产业设定相对更高的创造性或非显而易见性门槛。由此推知，软件、人工智能领域技术人员理应具有更高的技术水平，包括更广范围的现有技术知识以及更高的创造能力。

在我国，关于本领域技术人员是否应当具有创造能力的争论由来已久。根据法律的体系解释以及逻辑的自洽性，专利法引入本领域技术人员的概念是为了能够更加客观地评判发明的可专利性，尤其是创造性。那么“创造能力”中的“创造”应与“创造性”中的“创造”同义，本领域技术人员并非不具有创造力，只是尚未达到创造具有“实质性特点”和“显著性进步”的技术方案的程度。在其他技术领域，我国专利审查和司法审判实践中，原专利复审委员会和人民法院事实上已经较为隐晦地承认了本领域技术人员具备一定的创造能力，例如“快速切断阀”实用新型专利权无效行政纠纷案件和“土力发电和水土保持”发明专利申请驳回复审行政纠纷案，只不过相关行政决定和判决书并没有围绕本领域技术人员的创造能力这一隐含前提进行深入论证。

从域外经验看，日本《专利和实用新型审查手册》例举了落入软件领域技术人员一般创造能力范畴的具体情形：（1）将特定领域内软件相关发明的步骤或手段应用于另一领域；（2）增加众所周知的常用手段或者用公知的等同手段替换；（3）通过软件执行原本由硬件实现的功能；（4）将人们从事的商业服务或方法系统化；（5）在计算机虚拟空间再现公知事件；（6）根据公知事实或习惯修改设计。欧洲专利局认为本领域技术人员能够熟练地使用各种工具并且有能力进行常规的工作和实验。其中的常规工作是指存在合理可预期的成功，反复采取一项已知的措施来提高特定结果，或是发生在车间的更改。使用已知的人工智能算法和模型构建的计算机程序是否属于本领域技术人员运用一般技术水平可以达成的技术方案，还需要考虑该计算机程序拟实现的目的和功能。如果其目的和功能在本领域技术人员意料之中，该人工智能相关发明缺乏创造性。

将人工智能相关发明所属领域技术人员认定为具有识别和理解在不同领域间寻求跨学科性技术进步的创造能力，随着时间的推移，这种举一反三、融会贯通的能力会不断提高。早在1993年前后，专利局内部供审查人员参照执行的文件就曾明确规定本领域技术人员的技术水平随着时间的不同而不同。人工智能技术经过几十年发展已经使本领域技术人员掌握了若干技术规律和特性，了解特定算法的功能优势。例如，日本特许厅发布的《人工智能相关技术审查示例》明确了在机器学习领域，通过深度学习训练神经网络并应用该深度网络作出预测是公知技术，将公知技术手段运用于现有技术由此获得的发明缺乏创造性。

当前，计算机、人工智能技术已与其他技术领域深度融合，技术问题涉及商业、保险精算、会计等领域时，本领域技术人员除了具有工商管理、财务精算等领域的知识外，在数据处理方面也有丰富的经验。与人工智能算法类似，相关发明中对数据的选择和处理是否超出本领域技术人员的知识和能力范围，依然取决于经过处理的数据是否产生了显著的技术效果。本领域技术人员一般认为单纯组合已知数据不会产生显著技术效果，增加用于机器学习的训练数据却有可能产生显著效果。

在桂林诉国家知识产权局驳回专利复审案中，存在争议的发明专利申请是“一种有线连接的人体网络结构、设备及通信方法”。其中关于集传感、显示、信息处理与通信为一体的混合人体网络架构权利要求，由中心控制与运算单元、存储模块、对外移动通信模块、总电源模块、具有各种功能的可穿戴式智能设备1到设备n和用以连接各个单元和模块的有线通信链路。该发明中的主要功能模块已被记载“一种神经元装置”的现有技术对比文件所公开，剩余区别特征（网络架构中的显示功能、具备人机交互功能的设备、高速缓存功能）都是通信领域的常见功能和设备，在网络架构中集成显示功能、高速缓存功能和包含人机交互功能的设备是本领域技术人员的惯用手段。北京知识产权法院以缺乏创造性为由驳回了原告的诉讼请求。人工智能系统通常由不同的功能模块构成，学理上将组合已知技术要素的发明定义为组合发明。这类发明如果没有产生新的功能或技术效果，除非它的各个功能模块之间使用了超出本领域技术人员预期的架构和连接关系，否则即使根据单一对比原则通过了新颖性审查，也会因缺乏创造性而被驳回专利申请。将人工智能领域的现有技术组合起来，生成的吸纳了各项技术优势的混合智能系统仅仅是现有技术的简单叠加，属于本领域技术人员的创造能力所及的范畴。例如神经网络和模糊逻辑的组合（或称为“神经模糊系统”）已经广泛应用于医疗诊断等领域，该系统可以吸收一般神经网络中出现的某些噪声，那么由这两个部分组成的人工智能系统应被认为是本领域技术人员运用普通创造能力可以实现的发明。

总体来说，人工智能相关发明所属领域技术人员具有的高创造能力主要体现在以下三个方面：（1）大量开放共享的人工智能算法和数据集资源，提高了此类发明创造性判断的起点；（2）基于拟实现的功能或目标，跨领域寻找解决技术问题的技术手段成为常态；（3）组合已知技术要素、集成功能模块是本领域技术人员容易联想到的尝试。

四、人工智能对本领域技术人员认定的挑战及应对

（一）主要挑战

1.发明所属技术领域归类困难

在信息时代，发明创造的诞生不同于工业革命早期，因个人一时灵感的闪现而产生的发明少之又少，更多的是有组织、有计划、按步骤的群体性智力劳动。这种群体化的研发趋势在人工智能等计算机技术领域体现得尤为明显。对于人工智能相关发明专利授权确权来讲，由此带来的直接问题是发明所属技术领域如何确定，以及本领域技术人员知晓和能够获知的普通技术知识和现有技术的范围如何确定。我国《专利审查指南》没有就这一问题给出明确答案。美国、日本等国家的专利法原则上肯定了作为计算机、软件领域发明创造的可专利性判断主体，本领域技术人员可以是由来自不同领域的专家组成的团队，但并没有进一步明确所谓不同领域应当包括哪些技术领域，关于该问题缺乏具体的判断标准。

美国判例法指出，在有关计算机的专利申请案中，要求保护的发明涉及两个领域的现有技术或者不止一项技术的情况尤为常见，比如两个技术领域分别为编程计算机以及该计算机的应用。以充分公开要件为例，在涉及计算机编程技术和另一项技术领域的案件中，对于本领域技术人员的标准，审查员应当认定本领域技术人员同时具有这两个技术领域的知识。德国法上，如果发明的内容较为复杂或技术性较高，往往将跨领域的专业团队作为“本领域的技术人员”。那么，采用人工智能技术的计算机程序相关发明应当属于什么技术领域？从法律的角度，通常可以将一项人工智能系统分为7个主要组成部分：（1）包含软件源代码和算法的计算机程序；（2）训练数据集；（3）神经网络；（4）机器学习的过程；（5）人工智能应用；（6）硬件；（7）推理模型。也有观点认为人工智能实际上等同于传统的计算机程序或者更加复杂的系统。由此可知，人工智能相关发明至少涉及计算机编程及其应用（如安保、金融、生物、化学、娱乐等）两个技术领域。另外，随着学科划分的日益精细化以及数据的重要性不断凸显，数据学逐渐成为一门独立的学科。在人工智能系统的构建过程中，可能会配备专业的数据工程师负责过滤那些多余或没用的数据、形成深度数据，它直接关系着系统设计参数的确定，数据选择也决定了算法的初始选择和修改。

当申请专利的发明是一项完整的人工智能系统时，用于判断其可专利性的本领域技术人员可能是由程序员、算法工程师、数据工程师和应用领域技术人员组成的团队。当然，具体的人员构成及其知识和能力范围应当视该人工智能系统的技术复杂程度而定。在专利审查或司法裁判过程中，该技术团队中所有成员的角色分工将集于审查员或法官一身，若只是在有关法律文书中泛泛地将本领域技术人员判定为由算法工程师、程序员和经济学家或医生等特定领域的专业人员组成的团队，而不对他们各自具有的知识和能力范围以及不同领域技术的利用方式加以分析，只会加剧发明专利创造性判断受到人为主观性的影响。然而将这些要素赋予具体的数值比例亦难以实现。此外，人工智能系统的其余几个组成部分（如神经网络、机器学习过程、硬件和推理模型等）是否还涉及上述技术领域以外的其他领域，有待从技术层面进行分析判断。

学理上，当发明所要解决的技术问题能够促使本领域的技术人员在其他技术领域寻找技术手段时，他也应具有从其他技术领域中获知该申请日或优先权日之前的相关现有技术、普通技术知识和常规试验手段的能力。欧洲专利局认为，只要待解决的技术问题促使他这样做，本领域技术人员寻求建议的其他技术领域可以是临近的技术领域和通用技术领域，甚至可能是差别很大的技术领域。该其他技术领域是指除发明所属技术领域之外的类似或相关技术领域。一般认为，确定相关技术领域需要具体考虑特定技术领域的技术进步和跨学科合作的普遍程度，现有技术检索范围是否覆盖其他技术领域只是由审查员和法官根据常识以及自身掌握的技术知识和经验作出的判断。例如，Innovention Toys, LLC v. MGA Entertainment Inc.案中，美国联邦巡回上诉法院认为涉案专利中的实体棋盘游戏与在先技术对比文件记载的电子游戏属于类似的技术领域，理由是可以想象到该对比文件在电子和实体产品上都具有潜在的实施可能性。鉴于人工智能的技术中立性，现实中人工智能辅助发明的确有可能在社会公众看来不类似、不相关的技术领域寻求问题解决方案。对此，部分学者主张扩大现有技术范围使本领域技术人员具有的知识不再受到技术领域的限制。该观点的正当性和技术可行性值得商榷。

2.机器取代人类成为“本领域技术人员”的呼声渐高

现代人工智能机器不仅可以承担传统软件的基本功能，即执行数学计算以及对大量的数据进行语义分析，还可以创作音乐、文章、诗歌、肖像画以及研发计算机软件。美国联邦最高法院在KSR案中指出，法律拟制的本领域普通技术人员是具有一般创造力的人，而不是机器人（automaton）。按照牛津英语词典的解释，机器人是指能够以机械的、不带情感的方式模拟人类行为的机器。著名的“图灵测试”正是为了解决人工智能领域存在争议的问题“计算机是否有智能？”。考虑到人工智能能够存储、调用和处理海量数据，操作速度也非人力所能及，国内外理论界和实务界有观点认为应当将本领域技术人员界定为人工智能系统，至少是具有与人工智能复杂度相匹配的技术知识和能力的本领域技术人员。

目前看来，能够在各方面与人类智能相匹敌的通用智能系统尚未出现。即使机器学习在一些领域的表现已经超越人类，并且人类可以通过向系统投喂大量数据而增强其性能，人工智能仍然缺乏人类社会的常识和一般问题的求解能力。运行环境的结构化程度是影响机器处理问题效果的首要因素，而人类社会本身是杂乱无章的，意外事件层出不穷，这也是为何真正取得成功的人工智能技术仅局限于个别领域。在跨领域推理方面，如果不是计算机程序开发者专门依据某种属性将不同领域关联起来，人工智能系统很难像人类一样，具有触类旁通、联想类比的能力。因此，以Dreyfus为代表的一批专家学者对强人工智能的实现可能性表示怀疑，认为在生理或心理方面，人类大脑的工作都无法被计算机所模拟，人类思考的方式也不能使用符号、逻辑、算法或数学方式进行形式化。

将专利法上的本领域技术人员与人工智能系统划等号，主要障碍在于无法确定人工智能系统包含的知识和能够达到的能力。因为人工智能应用的输出难以预料，具有一定的随机性，甚至可能发生将同样内容向系统输入两次得出不同输出结果的情形。在人工智能领域，产业界的主流观点认为将人工智能的计算力和人类的脑力相结合是未来的技术发展方向，人工智能一般被用作增强人类的专门技术，人类和机器智能共同作用以解决复杂的问题，而非以人工智能取代人类。对于本领域技术人员的认定，将自然人标准变为机器标准忽略了人类在设计和引导人工智能机器、解释其产生的数据过程中所发挥的重要作用。尽管人工智能的发展尚且停留在弱人工智能阶段，但它依然可以作为本领域技术人员使用的工具，创造出由少量人类力量介入的非显而易见的发明。

3.本领域技术人员具有较高技术水平的固有认知受到质疑

如前所述，人工智能相关发明本质上还是计算机程序，因此其所属领域技术人员应当包括程序员。在美国，法院审理的软件专利案件通常认为程序员具有超凡的技能，他理所当然地能够在计算机程序中执行任何想法。我国专利审查和司法实践也倾向于认为计算机软件领域的技术人员具有较高的技术水平。这一点在各国专利法规定的软件专利应当满足的充分公开要件上体现得尤为明显。对于计算机实施的发明，美国专利商标局强调其所属技术领域具有较高技术水平，以及无需过度试验而生成计算机程序以达到预期结果的可预见性。美国《专利法》第112条要求专利说明书不仅应充分披露有关的说明，还要符合“最佳方案”的要求。“最佳方案”作为一项主观要求，只要从发明人的主观认识来看，说明书披露了他所知道的实施相关发明的最好方案即可。如果发明人就计算机实施的发明申请专利，软件是实施该项发明的最佳模式，只需公开软件的功能就能够满足“最佳方案”要求。美国联邦巡回法院认为，为软件撰写代码落入本领域技术人员具有的一般技术水平范畴，一旦公开了软件功能，就无需过度试验……流程图或者源代码清单并非充分公开软件功能的必备要求。我国法院对申请专利的发明与现有技术相比存在的共有技术特征和区别技术特征公开提出了不同的要求。前者属于本领域技术人员拥有的知识和能力范围以内的技术特征，仅要求较低程度的公开；后者则是赋予发明专利创造性的技术特征，应当达到较高程度的公开。在“小i机器人”案中，苹果公司就涉案发明专利“一种聊天机器人系统”提出无效宣告请求，理由之一是说明书中未充分披露游戏服务器特征，不符合《专利法》第26条第3款规定的公开要件。最高人民法院再审认为，本专利中的游戏服务器特征不是本专利与现有技术的区别技术特征，对于涉及游戏服务器的技术方案可以不作详细描述。本领域普通技术人员根据本专利说明书的记载就可以实现相关技术内容，因此，本专利涉及游戏服务器的技术方案符合专利法关于充分公开的要求。

法院认定计算机、人工智能领域的技术人员具有较高的技术水平，在判定发明专利是否满足充分公开要求时，有利于专利权人；然而在判定发明是否具有创造性时，则不利于专利权人。从计算机科学的角度看，法院的这种假定可能是错误的。产业实践中，计算机程序代码的撰写十分耗时，并且需要经过测试，不断修复漏洞（bug）以确保程序运行的稳定性。事实上，很多计算机软件的创新性改进发生在编程阶段，而不是在产生一个想法使计算机执行特定功能的阶段。诚然，互联网和人工智能技术进步大幅度增加了人类发明人可以获取的有用技术信息数量和信息处理能力，而且计算机可以被用于提升创造能力，打破概念性障碍，发明人可以使用计算机辅助思考软件和思想模拟程序，在发明人提供的关于技术问题的细节基础上予以改良，但是这并不能表明发明人对特定技术问题的理解力和创造力必然提高。相反，甚至有一些观点批判海量信息资源弱化了研究人员的深度阅读和深度理解能力。能够检索到的技术文献资料数量与启发本领域技术人员开展交叉领域的技术研发活动之间不存在必然的联系，还受到时间和兴趣因素的制约。法官和审查员容易犯的错误是将技术人员可获取技术信息等同于他们理解了这些技术信息，于是很自然地判定存在争议的现有技术对比文件来自类似的技术领域。

4.人与机器对发明的贡献程度难以区分开来

人工智能早已隐藏在肉眼可见的日常生活背后，如拼写检查、预测广告、数字声音辅助者和商业网站的推荐等，技术研发领域也不例外。人工智能技术未来的发展离不开面向所有人公开的共享型产品，这些产品的普及会给研发人员带来极大的便利。例如，百度公司于2017年宣布开放无人驾驶平台Apollo（阿波罗），帮助更多的汽车制造商快速搭建完整的自动驾驶系统。再如Yummly等数字健康企业正在开发并更新基于人工智能的健康咨询工具，该工具本身可以被授予专利权，而且它还能产生了由人工智能制造的成果，可以根据特定个人的饮食、过敏原以及生理特点制订适合的个性化食谱。在此背景下，能否将本领域技术人员认定为配备人工智能系统的技术人员不能一概而论，需要考量人工智能的使用是否属于发明所属技术领域的常规试验方法。只有当某个领域内人工智能的使用变得标准化，普通技术人员的创造能力才会随之提升。这对审查员和法官应当了解的人工智能相关领域技术背景和一般实践经验提出了更高水平的要求。

由于发明人通常不会在专利申请案中公开是否使用了人工智能技术，而且对于新兴技术产业，书面记载的现有技术对比文件可能少之又少。即使发明人只运用了普通的技能，其发明依然会被认定为具有创造性的发明，造成没有为本领域真正做出技术贡献的发明被授予了专利权。故此，部分学者建议立法规定专利申请人应当公开他们创造发明所使用的技术手段。也就是说，发明人须披露研发过程中，人工智能在多大程度上起到辅助作用。但是，问题在于判断发明是否具有创造性不受发明过程的影响，而是只考虑发明创造的结果，这是各国专利法的基本原理。无论发明来自长期的辛勤劳动和试验，还是来自灵光乍现，都与发明创造性的判定无关。据此，尽管发明人没有在专利申请案中公开其使用了人工智能辅助研发工具，但是若发明所属领域技术人员对人工智能的控制和使用仍处在初级探索阶段，而该发明的诞生解决了本领域长期以来存在的技术难题，或者取得了显著的有益技术效果，则不能排除该发明是具有创造性的发明。可见，人工智能相关发明是否具有创造性主要取决于其所属领域的常规技术研发活动现状，而不是专利申请案的公开程度。更何况，受制于算法的黑箱和数据的特殊法律属性，人工智能相关发明应当如何满足说明书充分公开要件也是各国专利制度完善过程中关注的焦点问题之一。

（二）应对措施和启示

1.客体要件

2019年，美国专利商标局发布了《专利客体适格性指导》（2019 PEG），其中沿用了Alice案确立的专利权客体适格性“两步测试法”，并且采用本领域技术人员的视角判断专利权利要求是否指向抽象思想，特别是判断计算机实施的发明是否因提高计算机内部功能或者其他技术而构成抽象思想的实际应用。在美国，抽象思想属于可专利客体的司法例外之一，但是抽象思想的实际应用却能够获得专利权保护。具体的判断方法是从本领域技术人员的角度，根据说明书公开的技术细节，考察发明是否对计算机或其他技术领域作出了明显改进。

尽管不少美国学者批判“两步测试法”作为专利权客体适格性判断方法和标准与创造性要件存在混淆之虞，如何明确二者在逻辑上的递进关系以及统一法律适用问题亦尚未得到良好解决，但无论是客体要件还是实质要件，如果涉及技术贡献或技术效果的考量，为提高判定结论的客观性，均有必要引入本领域技术人员的概念。

我国专利法保护的发明应当同时满足三个条件：解决了技术问题；采取了符合自然规律的技术手段；获得了技术效果。对于技术效果的认定，实际上暗含着与现有技术相比较的过程。然而可专利客体审查阶段无需检索现有技术，也不需要法律拟制人“本领域技术人员”的介入，故它仅仅是一种粗略的判断。包含算法特征或者商业方法特征的人工智能相关发明究竟是否实现了特定的技术效果，由审查员或法官根据主观认知得出结论。相较于传统技术领域的发明，对此类发明的技术效果判断更有可能出现不同的声音。如共享单车的使用方法专利，专利审查部门认为该方法实现了准确找到可骑行共享单车位置并开启共享单车等技术效果；也有相反观点认为它所取得的成效侧重于社会效应和商业利益：提高了自行车的利用率，为企业创造了新的盈利模式，为社会大众提供了更便捷的出行方式。但是，由目前的司法实践可知，法院仍然采用“技术性”标准，不少包含算法特征或商业规则和方法特征的发明因无法实现技术效果而被否定其专利客体适格性。在张江红诉原专利复审委员会案中，最高人民法院再审认为涉案专利申请“一种利用互联网和中转设施实现零售生鲜农产品类电子商务物流配送管理方法”，本质上属于商业管理方案，没有发生结构、性能等方面的技术改进，不能构成专利法保护的客体。

判断包含算法特征或商业规则和方法特征的发明专利权客体适格性，审查员和法官应当站在本领域技术人员的立场作出判断。此外，对“技术效果”要素的认定应当更多地关注发明是否产生了积极效果，即在本领域技术人员看来发明是否通过利用符合自然规律的技术手段而实现了多、快、好、省、方便、便宜等积极效果或有益效果，而不必过分纠结这种效果属于技术效果还是非技术效果。可以这样理解，专利法保护的发明是采用了符合自然规律的技术手段而实现预期效果的发明。如此，既可以使我国可专利客体“三要素”判断标准形成有机统一的整体，避免孤立地审视“技术问题”“技术手段”和“技术效果”单个要素，以“符合自然规律”的条件限定发明产生的效果和实现效果的技术手段之结合，也与专利法立法目的相一致，保证发明的实施可以为社会公众带来益处。

2.创造性要件

由于人工智能相关发明所属领域技术人员具有新特性，其熟知的普通技术知识范围显然要广于传统计算机软件领域的公知常识。在专利创造性判断过程中，与最接近的现有技术相比，特定发明的区别特征为公知常识是否定发明创造性的理由之一。人工智能相关发明专利申请与授权的历史比传统软件发明短，以书面形式记载的属于该领域公知常识的技术知识有限。专利审查指南或者其他指导性文件中规定的人工智能领域公知常识，可以为审查员或法官提供参考，也可以为关于公知常识的说理提供思路和启发。日本特许厅以审查示例的形式明确了机器学习领域三项公知常识。其一，按照指定的输入数据集，使用经过训练的神经网络计算反映某个人患特定疾病的可能性的输出数据。该训练数据包含从不同的人那里收集到的输入数据（每一个人都由指定的输入数据集组成）以及代表每个人患这种疾病的可能性的输出数据。其二，根据过去的时间序列数据，使用经过训练的神经网络构建预测未来相关数据的系统，其中训练数据包含输入的时间序列数据和特定的未来输出数据。其三，为了提高机器学习设备的稳定性和准确性，输入变量很有可能与输出变量之间存在一定的相互关系。可见，使用机器学习算法的人工智能相关发明，其所属领域技术人员应当熟知以上三项公知常识，单纯将这些公知技术从一个技术领域应用至另一个技术领域也属于普通技术人员能够达到的技术水平范畴。

我国《专利审查指南》第二部分第九章第6节要求对包含算法特征或商业规则和方法特征的发明专利审查适用整体考虑原则，尤其在新颖性和创造性判断中考虑技术特征的同时，也不能忽略与技术特征功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征，识别它们对技术方案做出的贡献。这意味着作为新颖性和创造性判断主体的本领域技术人员，既要掌握计算机软件、人工智能领域的现有技术，也要了解数学或商业应用领域的现有技术。该规定符合人工智能等新业态新领域发展趋势和前述人工智能相关发明所属领域技术人员的特性。同时，国家知识产权局也可适时发布并定期更新有关人工智能技术领域公知常识的指导性文件。

3.充分公开要件

各主要国家或地区专利审查部门已经就涉及计算机程序的发明应当满足的公开要求作了特殊规定。如欧洲专利局规定计算机程序专利说明书主要以通用语言形式撰写，可能还需附流程图或其他帮助理解的内容，从而使发明能够为本领域技术人员所理解，原因在于本领域技术人员并非某种程序语言的专家，但是他掌握通用编程技术。算法是保证计算机程序实现特定功能或目标的隐喻结构。然而包括我国在内的各国专利制度基本不要求专利申请人公开算法源代码。美国法院认为在软件相关案件中，说明书中的算法仅公开必要的起决定性作用的结构以使本领域普通技术人员能够理解即可。另外，软件专利权利要求通常由功能性特征组成，我国法院结合说明书和附图描述的该功能的具体实施方式及其等同的实施方式来确定功能性特征的内容，以此限制软件专利过于宽泛的保护范围。在诺基亚诉华勤案中，法院判定原告主张的“本领域的技术人员自然会根据公知技术选择‘性价比’最好的方式去实现（软件的集成）”难以成立。法院认为，假如在专利申请之日，所属领域技术人员已经可以根据公知技术来实现该案专利中所涉及的装置的技术方案，原告就会对装置本身的创造性贡献何在产生疑问，故涉案专利说明书公开不充分。

传统软件专利申请案普遍较低的公开程度已经受到学界质疑。对于人工智能相关发明，我国与美国、欧洲和日本等其他国家或地区均将之作为软件对待。当然，人工智能与传统软件之间存在区别，特别是在学习算法以及由此产生的模型方面明显不同。在传统软件中，程序员执行一系列规则将输入数据映射至输出；而在机器学习人工智能系统中，黑箱学习算法发现规则并让隐藏的模型显现出来。在深度学习神经网络中，技术人员解释机器学习和模型产生的过程有一定的困难，其结果也具有不确定性。人工智能相关发明专利说明书中，对算法公开的程度取决于它所使用的算法或模型是否属于本领域技术人员已知的现有技术。对于已知算法或通用模型，说明书中公开相关原理足以使本领域技术人员实施发明；对于人工智能算法的创新点，例如数学公式和计算方法的调整等，则是本领域技术人员运用自身技术知识和能力无法实现的，也是发明的创造性技术贡献之所在，更是专利法授予发明一段时期的垄断性权利的根本原因，专利申请人应采用自然语言描述、数学表达式、流程图或者伪代码等形式予以充分披露。

算法只是人工智能相关发明能否实现预期技术效果的影响因素之一，数据的数量和质量也至关重要。数据的公开包含两层含义：一是数据集的公开；二是功能性数据的公开，也就是要公开关系到人工智能相关发明技术效果的参数。无论是人工标注还是机器标注，数据标注将未经处理的初级数据转换为机器可识别的信息，使大部分人工智能算法得以有效运行。参数调整决定了通过训练获得的模型性能优劣，其中包括模型自动学习获得的参数和技术人员手动设置的超参数，尤其是超参数的选择确定方法应是专利说明书公开的重点。有观点认为就人工智能相关发明申请专利，只公开已知模型的结构不足以使本领域技术人员将该模型应用于实践，公开样本数据集和权重、系数以准确定义初始值可能是专利说明书中必要的部分。使用已知算法的人工智能相关发明，研发人员可能会根据不同应用场景和数据特点对算法进行改进，例如参数设置、公式优化等。有观点认为数据处理规则与特定应用场景之间的关联属于该发明的创造性技术贡献，本领域技术人员根据公知常识和现有技术无法实施相应的技术方案，专利说明书应当对此部分予以详细披露。日本特许厅在《人工智能相关技术审查示例》中也有类似的规定，即如果训练数据之间的相互关系并非申请时本领域公知常识技术，也没有得到专利说明书的支持，则该专利申请不符合说明书充分公开要求。可见，与传统软件相比，人工智能相关发明专利说明书更加强调功能性数据的公开。在已知数据的基础上，增加能够产生显著技术效果的新训练数据以及对其进行预处理，超出了本领域普通技术人员的知识和能力范围。

结 语

在世界范围内，人工智能领域科研论文与相关发明的数量比从2010年的8:1下降至2016年的3:1。这标志着人工智能技术由理论研究向商业化使用的重大转变，人工智能相关发明专利授权数量增长显著。人工智能技术的战略意义和商业价值使得此类发明容易引发专利授权确权纠纷。“本领域技术人员”作为法律概念，其设立目的就是为了使可专利性判断，尤其是创造性判断具有客观的标准，建立统一的“参照系”。然而“本领域技术人员”的概念始终处于待激活的状态，专利审查和司法实践中甚少解释和论述这一法律拟制人的特性，往往只是根据发明所属领域现有技术和公知常识判断发明对本领域技术人员而言是否显而易见。本领域技术人员的一般特征在专利制度中有明确规定，而且还因时间的变化以及所属技术领域的不同而表现出不同的特性，人工智能相关发明同样如此。人工智能相关发明所属领域技术人员在能够获知的现有技术范围、解决技术问题的复杂程度和创造能力高低方面具有自身的特性。除了以上特性，人工智能的发展为本领域技术人员的认定带来了诸多挑战，直接关系到客体适格性、创造性和充分公开性等专利授权条件的认定，因此有必要对其可专利性作出特殊规定。本文结合当前人工智能产业的政策和现状对此问题予以分析，希望抛砖引玉，引起更多学者的讨论和研究。