浅析人工智能生成内容的保护路径
原标题：浅析人工智能生成内容的保护路径随着人工智能技术的成熟，越来越多的行业开始将这项技术运用于商业生产中，如利用人工智能技术进行自动的图像、符号信息处理，进而产生有欣赏价值的绘画、文学内容等。那么，这些内容是否符合我国著作权法中对作品的定义？相关主体是否可以通过著作权法来进行保护？这些问题在司法实务界和理论学界均存有一定的争议。在笔者看来，分析这些问题应把握两个原则：第一，不能因为保护某些行业而采用功利主义来论断适用某项法律，即对人工智能投资者、使用者的保护不一定要通过著作权法的路径来实现；第二，在大陆法系中需要保障法律的稳定性，不能因出现新事物而轻易改变既有法律规则，因此不宜为人工智能创设新的民事主体类型。
功利主义分析的误区
作品的构成要件包括“属于智力成果”“具有独创性”“表达相对完整”等要素。笔者认为人工智能自动生成的内容难以符合第一个要件，即智力成果是由民法上的自然人或法人创作而产生。但是，从外在表现上看，人工智能生成内容有的难以和自然人或法人创作的作品相区分，如果有人把它当成自己的作品使用、寻求著作权法保护，能否得到支持？这就引发了人工智能生成内容是否应该获得著作权法保护的问题。部分学术和司法观点认为：人工智能生成内容从外在表现上难以与人类的作品区分开来，如果有人将其冒充为人类所创作的作品，事实上很难识别出来，因此区分是没有意义的。另外，如果不给予人工智能生成内容著作权保护，人工智能生成物的投资者就缺少对该内容的垄断性，这可能会损害其利益。基于上述理由，如果人工智能生成物外在表现上类似于人类的创作，那么该内容应该被认定为作品。但笔者认为这种推论存在一定逻辑缺陷，需要加以厘清。
思考人工智能生成内容是否应该获得著作权法保护，需要从两个层面思考问题：一是从本质主义的视角，人工智能生成内容是否满足作品的实质性要求；二是从功利主义角度，给予人工智能著作权有无必要。回答第一个问题，需要厘清我国法律对于作品的实质判断要件。其中，著作权法实施条例第三条所称的“创作”和人工智能生产过程是否等价？如果人工智能生成过程属于著作权法实施条例第三条所称的“创作”，那么人工智能生成物可以被认定为作品，但谁才是这一作品的作者和著作权人？这仍然是法律要解决的问题。从功利主义出发，则需要厘清人工智能生成内容是否值得保护。如果回答是肯定的，则需要研究应采取什么路径来进行保护。如果采取著作权法保护路径，该如何确定著作权归属？此时，无论从本质主义还是功利主义层面，都要解决人工智能的法律地位问题。
具体而言，人工智能生成内容的使用涉及人工智能研发者、人工智能使用者、生产内容使用者之间的利益平衡。例如，媒体斥资购买人工智能软件，使用人工智能生成新闻稿件或股市和金融市场快报，若其他媒体未经同意擅自使用该文稿，此类行为无疑会分流前者的受众，损害前者的商业利益。此时，如果将人工智能生成的新闻稿认定为作品，则前者的利益可以获得著作权法的保护。如果新闻稿的独创性较低，无法被认定为作品，还可以通过反不正当竞争法来保护前者的利益，因此，著作权法保护并非是唯一路径。功利主义分析常见的误区是：以保护人工智能使用者的利益来证明人工智能生成内容应当受著作权法保护，这在逻辑上是有缺陷的，两者不是必然的因果关系。
人工智能的法律属性
将人工智能生成内容认定为作品，还面临一个难以逾越的理论难题：人工智能生成的内容不是人类智力创作成果，不满足作品必须是由自然人或法人所创作、具有创造性这两个条件。为此，有人提出可以扩大受著作权法保护的主体的范围，将人工智能作为“赛博人”，即拟制的人加以保护，并且这方面有法人制度可供借鉴。然而，这种思路不仅会导致知识产权法的重大变化，而且也将影响民法有关主体的规定。
根据有关法律规定，法人和自然人一样，具有独立的民事权利能力和民事行为能力，法人以其独立的财产作为民事责任的承担。如果将“赛博人”拟制为新的民事主体，其权利由谁享有？义务和责任由谁负担？如果为其创设新的民事主体规制，那么法人制度的存在还有什么意义？显然，在可以预见的时期内，“赛博人”是无法自行负担其权利和义务的。但是“赛博人”产生的后果，需要由对应的自然人或法人来享受权益承担义务和责任，如此，为什么不采用类似动物致人损害、产品责任这样的传统民法制度来解决有关问题？
具体而言，在权利方面，将人工智能视为“无体物”，其生产的内容视为由“无体物”产生的“孳息”，由人工智能的投资者享有对于“孳息”的利益。责任方面，因人工智能进行的文本和数据挖掘、算法自动生成文字等内容，由此造成的民事责任、知识产权责任由财产的所有者、使用者承担无过错责任。因此，引入“赛博人”作为新的法律主体的必要性要画个大大的问号。更核心的问题是人工智能生成内容也不具备创造性，因为就目前的“弱人工智能”而言，其可以进行运算但是不会进行思考，遵循数理逻辑但不具备自然人或法人的理性。除此之外，人工智能更没有自然人非理性的情感机制。因此，人工智能不具备著作权法上作者的“人格”特质，其生成的内容也不具备创造性，而创造性是人类特有的能力，是人区别于物的根本属性之一。
“工具论”的合理性
人工智能不具备独立的民事主体资格，人工智能自动生成的内容不满足作品的“智力成果”要件，但是，这并不能排除人工智能生成内容可能受到著作权法的保护，只是著作权主体仍为自然人或法人，而该类人工智能生成内容是作为人利用技术辅助生成的作品加以保护的。创作作品是人的主体性的实现，是人的自由意志的运用，人可以直接创作作品，也可以借助一定的工具完成、甚至通过委托他人实现创作目的。就部分“弱人工智能”生成内容而言，本质上是创作者借助人工智能这一工具进行创作，而生成物是人意志发动的结果，是人的自由意志的实现，因而是人的意志的产物。人工智能生成内容的过程是运用一定的算法进行信息加工选择的过程，因此算法体现程序设计者的主体意志和选择，而程序的使用者某种程度上承认、接受了该算法，创作方向和人工智能设计方向有着高度的契合，这种对算法的接受也是使用者自由意志的选择。所以人工智能生成内容归根结底是人的自由意志的运用和实现。人工智能使用者运用人工智能生成的表达可以作为使用者的作品加以保护。
通过以上分析可得出初步的结论：人工智能不宜被视为独立的作者或著作权人，但部分内容可以作为人工智能使用者的作品得到著作权保护，也即有人参与创作的人工智能生成物可以被认定为作品。
从功利主义出发，论证人工智能生产内容应该以著作权法保护是有逻辑缺陷的。除此之外，部分观点反驳“工具论”的理由是：既然从内容本身无法分辨一项表达究竟出于人工智能还是自然人或法人，那么在司法实践中还有必要去进行分辨吗？但笔者认为，这实际上是一个证据的问题，应该从举证角度去考虑。即便一项表达事实上出自于人工智能，但由自然人对其进行署名并登记，那么如果无相反证据，法律应推定该表达属于人类智力成果，构成作品。以证据来推定事实是法律制度对现实生活的简化，追求法律的形式正义就需要接受应然层面和实然层面的一定脱节。
因此，在无法举证证明作品不是由人创作而是由人工智能生成的情况下，只能认定该表达构成作品，受到著作权法的保护。在总体上不对人工智能自动生成内容提供著作权保护的情形下，这将导致部分人工智能生成内容实际上可以冒充人类的创作而得到著作权保护，但并不能因此说明所有人工智能生成内容都可以作为作品受到保护，只要它形式上看起来类似人类的创作，这就好比某些假冒商标的商品无法被识别出来，不能因此主张所有的假冒该商标的商品都应该被认定为真品。（华东政法大学龙文懋龙明明）
（本文仅代表作者个人观点）
(责编：林露、李昉)分享让更多人看到
人工智能合理使用版权的两难与出路
原标题：人工智能合理使用版权的两难与出路人工智能时代序幕的开启，为知识产权保护带来了崭新的课题。知识产权保护是科技创新驱动发展的刚需，其制度设计并非纯粹的法理逻辑推演，而应充分体现科技创新和产业发展的需要。就人工智能的知识产权保护而言，技术与产业发展需要与现行知识产权制度之间存在着一定的紧张关系，这突出表现为人工智能正在颠覆人们对传统知识产权哲学的既有认知，挑战着独创性概念，引发机器人能否成为作者的广泛争议。相比之下，人工智能作为读者所引发的版权侵权问题尚未获得应有的关注，却同样亟待解决。因为该问题也对传统的合理使用制度提出了挑战，该问题的不确定性会加重人工智能的研发成本，减缓科研进展和社会进步。
人工智能是一种使机器智能化的活动，实现智能化的关键在于机器学习，即从数据中学习，通过输入并分析海量信息来“训练数据”，形成数据模型。在这一阶段，版权作品等信息作为输入数据被无数次地完全复制，甚至更改。这可能侵犯被利用作品的复制权或汇编权等。人工智能“训练数据”是否必然构成版权侵权，抑或能否受到合理使用制度的庇护，这个问题关系到人工智能技术的未来发展。过于严苛的版权保护会阻碍人工智能技术研发；而宽松的版权保护又可能改变版权利益格局，抑制人类作者的创作动力。
两种类型
人工智能根据输出内容的不同可以区分为“表达型”与“非表达型”。“非表达型”人工智能在使用作品时，并不涉及作品的独创性表达，而是以作品的事实性信息为对象或将作品作为数据看待，着重分析其原始数据文本的物理特征。例如，在“AuthorsVSGoogle”案中，谷歌搜索引擎复制图书的目的仅在于向用户提供图书出版的事实信息，而非图书内容，法院裁定该复制行为属于合理使用。在该情形下，利用作品的目的是通过分析作品表达背后的“思想”来构建数据模型，而非生成“表达性”的可能替代被利用作品的内容，属于“非表达性合理使用”。根据“转换性使用”规则，作品使用目的越具有“非表达性”，则“转换性”程度越高，越可能认定为合理使用。这类合理使用在国际上已基本形成共识。例如，欧盟委员会2016年提出的《单一数字市场版权指令草案》第三条规定，成员国应当对作品的复制权提供例外，允许对合法获取的作品进行复制，但以研发等非商业目的为限。
关于“表达型人工智能”是否构成合理使用的问题，尚未形成定论。在这类人工智能开发中，输入并分析作品的目的在于，通过分析作品的独创性表达来训练人工智能的表达技巧以创作新作品。例如谷歌的“下一个伦勃朗计划”，人工智能将伦勃朗所有的画作输入到数据模型中进行分析，从而“创造”出更多伦勃朗风格的作品。尽管风格属于思想，而非表达，但人工智能生成物可能会对被使用作品形成市场替代效应。而无论是“合理使用三步法”还是“转换性使用”，都要求作品使用行为不能对该作品的市场产生不合理的影响。知识产权保护的边界是不断变化的，随着电视节目模式和计算机字体的独创性标准逐渐放宽，作品表达的规律也可能具有独创性，而基于该规律产生的人工智能生成物就可能因与被利用作品具有实质性相似而构成侵权。可以想象，如果伦勃朗在世，他很可能起诉谷歌侵犯其版权。
解决路径
然而，若由此否定合理使用，则人工智能技术发展将受阻。因为海量的被复制作品意味着高额的版权许可费，开发者要么很难以承担成本而放弃开发，要么倾向于使用已过版权保护期的作品，但基于过时信息开发出的技术可能并不实用，信息的片面性还可能形成带有偏见性的数据模型，即所谓的“数据歧视”。
但这也并不意味着该选项的反面（允许合理使用）是更优的选择。如果支持合理使用抗辩，则吸收了海量作品智慧而产生的机器生成物可能会挤占人类作品市场，从而对人类创作起到反激励作用。此外，网络时代的版权格局正在从传统的以作者利益为核心转向以使用者为中心。历史上，版权和技术的历史性叙述主要表现为强势的版权人和弱势的使用者之间的对立。如今这一形势发生了翻转：人人都可以通过媒体技术成为作者，网络公司则成为用户创作作品（例如自制视频、博客或邮件中的信息等）的使用者。在平台经济中，价值并非来源于数据上的知识产权，而来自于通过授权而使用数据的能力，因此使用者反而成为了版权利益格局中的强势一方。假如作为使用者的人工智能开发者（以大型网络公司为主）仍然受到合理使用的庇护，作者的利益空间就会进一步被压缩。
在公共政策层面，合理使用制度具有重新分配公共福利的功能，它通过限制权利人的经济利益而使特定群体获得补贴。通过对经济权力和表达权利进行再分配，合理使用制度使公众能够自由地从事有益于社会的活动，同时又防止权利人的“垄断权”无限扩张。如果合理使用为机器学习提供侵权庇护，那么公共利益再分配会逆向发展：以牺牲弱势的用户的利益为代价，让作为既得利益者的大公司获得更多经济利益。
合理使用制度的这种困境难以通过自身的制度完善加以解决，因为作者的版权利益与使用者所代表的技术进步价值难以在该制度下得到调和。笔者认为，以法定许可为主，并搭配公共许可的做法是比较适宜的解决方案。首先，人工智能开发者无需事先获得许可就可以使用作品，但需要向版权人支付费用，海量作品许可费收取可以由集体管理组织来负责。其次，由于表达型人工智能的生成物可能替代被利用作品，从而影响作者的市场收益，有必要允许作者享有随时退出法定许可的权利。法定赔偿制度中的“权利保留”，即权利人的“选择退出”机制，可满足这一需要。最后，网络用户作为非职业的创作者难以与集体管理组织形成稳定的交易模式，这一缺陷可以由公共许可来弥补，即释放部分版权权利以换取网络效应收益或搭售服务收益。（西南政法大学民商法学院胡晶晶）
（本文仅代表作者个人观点）
(责编：林露、李昉)分享让更多人看到
人工智能“作品”，著作权谁属
原标题：人工智能“作品”，著作权谁属树影压在秋天的报纸上/中间隔着一片梦幻的海洋/我凝视着一池湖水的天空……
这么优美的诗句不是出自哪个诗人之手，而是来自人工智能――微软“小冰”。2017年5月，“小冰”创作的诗集《阳光失了玻璃窗》正式出版，这部诗集是“小冰”在学习了519位诗人的现代诗、训练超过10000次后创作完成的。
除了微软“小冰”，其他公司也开发了众多人工智能产品用于创作各类文学和艺术“作品”。例如，谷歌开发的人工智能DeepDream可以生成绘画，且所生成的画作已经成功拍卖；腾讯开发的DreamWriter机器人可以根据算法自动生成新闻稿件，并及时推送给用户。这些由人工智能创作的成果从外观形式来看，与人类创作的成果没有任何区别，而且也很难被察觉并非由人类所作。可以说，与以往技术创新相比，人工智能技术对著作权法提出的挑战是最根本，也是最全面的――
一是人工智能的主体资格问题。根据我国著作权法的规定，作者包括自然人作者以及法人作者；前者是指创作作品的公民，后者是指作品在由法人主持，代表法人意志创作，并由法人承担责任时，将法人视为作者。要承认人工智能是作者，事实上也就意味着要在著作权法上创设一种新的独立法律主体，这将遇到极大的法律和伦理障碍，在相当长的一段时间内恐怕都难以实现。
二是人工智能生成物的作品资格问题。著作权法基本理论认为：作品应当是人类的智力成果，也只有人的智力活动才能被称为创作。在人工智能生成物的著作权问题引起广泛关注之前，法学界曾讨论过动物产生的内容可否构成作品的问题。例如：在美国，一只黑猕猴使用摄影师的相机拍摄了几张自拍照，其著作权问题甚至引发了两起诉讼。为此，美国版权局还专门发布相关文件，强调只有人类创作的作品才受保护。有学者认为，人工智能生成物并非人类作者的智力成果，因此不构成作品。也有学者认为，人工智能生成物是由人类作者设计的作品生成软件产生的成果，实际上是人机合作的智力成果，并没有违背著作权法的人格主义基础。
三是人工智能生成物的权利归属问题。目前提出的方案主要有3种。第一种方案是承认人工智能生成物是作品，但是不给予保护，将其投入公有领域。主要理由是著作权法的立法目的在于鼓励作品的创作和传播，而机器无须激励。第二种方案是创设一种新的邻接权制度，以区分人工智能生成的作品与人类创作的作品。第三种方案是在现行著作权法框架下，通过法律解释的方式作出适当的法律安排。至于是将著作权归属于人工智能的所有者、研发者还是使用者，意见尚未统一。
四是人工智能生成物的侵权问题。人工智能在进行“机器学习”过程中，需要使用大量已有作品。例如，“小冰”是在学习了众多现代诗之后创作的诗集，其中必然会有一些作品仍然处于著作权保护期内。那么，在未经作者授权的情况下，对其作品进行商业性利用是否构成侵权？普遍观点认为，为了促进人工智能发展，应当将“机器学习”过程中使用他人作品的行为作为例外处理。
对于上述问题的争论，以往都处于纯理论层面。让人振奋的是，在今年4月26日世界知识产权日当天，北京互联网法院对国内首例人工智能作品争议案作出了一审判决，为理论探讨提供了新鲜的实践素材。
对于主体资格问题，北京互联网法院认为，尽管随着科学技术的发展，人工智能生成物在内容、形态，甚至表达方式上日趋接近自然人，但根据现实的科技及产业发展水平，尚不宜在法律主体方面予以突破。就人工智能生成物可否构成作品问题，法院强调指出：虽然由人工智能生成的分析报告具有独创性，但是自然人创作仍应是作品的必要条件。在该案中，分析报告既不是由人工智能的研发者（所有者）创作，因为其并未输入关键词来启动程序；也不是人工智能的使用者创作，因为该报告并未传递其思想、感情。分析报告是人工智能利用输入的关键词与算法、规则和模板结合形成的，应当被认定为是由人工智能“创作”的。然而，构成作品的前提条件必须是自然人创作，因此，该分析报告不是著作权法意义上的作品。不过，法院也认为，应给予人工智能生成物以一定的法律保护，因为其具备传播价值。
笔者认为，对于人工智能生成物的著作权定性这一极具争议的问题，作为社会稳定器的法院采取相对保守、平衡的立场，是合适的。需要指出的是，如果人工智能生成物不被承认是作品，相关主体出于利益最大化的考量，很有可能会采取隐瞒相关成果是人工智能创作的事实，因为从外观形式上无法区分文学艺术作品究竟是人类还是人工智能创作。
有关人工智能生成物的著作权问题，有的国家已积累了一些经验。英国《1988年版权、外观设计和专利法案》规定，对于计算机生成的文字、戏剧、音乐或艺术作品而言，作者应是对该作品的创作进行必要安排的人。对计算机生成作品进行“必要安排”的人，可能包括人工智能的投资者、程序员、使用者，也可能是上述主体共同构成。因此该条款具有一定的开放性，赋予了法院较大的自由裁量权。
从历史来看，知识产权法领域一些重大的理论突破与制度创新，都是通过法院经由个案，通过不同观点的交锋、碰撞，甚至结论“反转”，最终达成共识来推动的。笔者相信，人工智能生成物的法律性质问题也将如此。未来，将有更多相关争议进入法院，让业界有更多的机会展开讨论，毕竟“真理越辩越明”。
（作者：万勇，系中国人民大学法学院教授）
(责编：龚霏菲、王珩)分享让更多人看到
《人工智能的知识产权法挑战与应对》
关于人工智能知识产权法律问题的现有研究大部分集中在人工智能生成物的知识产权问题上，并在可版权性、可专利性和权利归属等方面提出了一些有价值的观点。但是，对于人工智能从研发、应用到市场竞争等完整产业链过程中的知识产权法律问题，尤其是人工智能本身的知识产权保护问题，我们还缺乏系统的思考、分析和认识，需要结合人工智能最新发展的特点，进行理论上的深度、细致挖掘和探讨。因此，本书将从以下六个方面对人工智能的知识产权法律问题展开整体性研究。
一是人工智能的历史演变及其与不断发展的知识产权法律制度之间在价值目标、基本原理等方面的交织和冲突。具体而言，我们将研究：①人工智能的基本概念及其在知识产权法视域下的关键要点。②符号主义人工智能与知识产权“符号论”之间的暗合之处，以及知识产权法对计算机技术领域的早期关注。③联结主义人工智能的发展与知识产权法保护技术创新成果的多元路径，以及集成电路布图设计和计算机软件知识产权保护立法的初步兴起。④行为主义人工智能与行为主义法学对知识产权法的影响，以及网络时代的知识产权法演进。⑤人工智能技术发展的统一和综合趋势，以及知识产权法应对新兴技术挑战时的整体思路。
二是人工智能本身的知识产权保护问题，包括以下三方面内容：①人工智能的版权保护问题。现行法律体系下的人工智能对软件著作权的保护有较大程度的依赖。一款人工智能产品往往是由多个相互协调、相互作用的知识库、智能软件等系统组合而成的，这种内部的协调作用可能恰恰是人工智能快速自我学习、适应新的外部环境的关键所在，因此我们需要厘清人工智能中受著作权保护的作品及其权利归属。②人工智能的专利保护问题。我们将研究作为人工智能技术核心内容的“创造性算法”如何突破“智力活动的规则和方法”限制，成为可专利性主题，并从理论和各国最新专利审查实践的视角探讨人工智能技术的“三性”要求，以及取得专利保护的关键因素。③人工智能的商业秘密保护。当下的人工智能大多是与大数据、云存储等紧密相连的信息识别、采集、分析、过滤、计算、优化和处理系统，所以其必然涉及数据库权益的法律保护问题。除此之外，人工智能作为目前科技精英主义的产物，在开发和升级过程中会有不少值得保护的技术秘密及相关的经营秘密，需要我们结合《中华人民共和国反不正当竞争法》关于商业秘密保护的规定认真思考其特殊性。
三是人工智能创造物的知识产权保护问题，包括以下两方面内容：①人工智能创作物的可版权性。现在人工智能已经在一定程度上被应用于文学、音乐和美术等作品的创作，因而我们的法律制度必须对此作出回应和表明态度。人工智能创作的作品是否可受版权保护需要仔细考量“独创性”的内涵与标准，对文学艺术创作和文化产业的影响，实践中尤其是司法实践中区分判断人工智能创作作品与人类创作作品的可能等因素。初步来看，我们可能不得不承认人工智能创作作品的可版权性，但是需要思考是否在著作权法上建立专门的制度，将其与人类创作的作品区别对待。②人工智能生成发明创造的可专利性。我们将简单总结人工智能生成发明创造的几种类型，分析对其授予专利权的哲学观念、法律要件和制度实施障碍，并从法律根本宗旨、动态解释原则和客体本身特点的角度阐述授予其专利权的正当性。
四是人工智能应用中的知识产权侵权风险及其法律规制。人工智能一旦被投入使用，就必然会存在自我搜索和处理信息的过程，在此过程中，人工智能主要遵循的是“有用性”原则，而不会考虑信息上是否存在他人的知识产权。如此一来，为解决技术问题而使用的人工智能就存在侵犯他人专利权的风险，为创作作品而使用的人工智能也可能在高度模仿人类的过程中构成著作权侵权。那么，人工智能的知识产权侵权是适用现行法律体系的标准还是需要单独作出规定，其侵权责任具体如何承担，都是需要研究的问题。
五是人工智能应用中的知识产权权利限制。当人工智能在社会生产生活领域被越来越广泛应用的时候，我们就必须考虑两个方面的问题：为方便人工智能的应用，人类的知识产权应受何种限制？这种知识产权限制是通过延伸细化适用既有的合理使用和强制许可等制度即可，还是需要建立专门的制度？
六是人工智能对知识产权实践的影响，重点是研究人工智能给知识产权的技术保护、授权审查、市场应用及司法保护带来的便利。
本书将综合运用以下四种研究方法：①文献分析法。全面分析与人工智能相关的理论文献、专利文献和法律文献，从观念、技术和制度层面综合考虑人工智能带来的知识产权法问题。②比较研究法。借鉴国外知识产权立法与实践中有关人工智能知识产权的规定、做法或未来目标，使我国人工智能知识产权立法适应国际化发展趋势和国家现实发展需求。③案例分析法。对实践中发生的与人工智能及其创造物相关的知识产权争议或纠纷进行深度剖析，厘清不同法律规则下的不同后果，做出最优的立法选择和安排。④交叉学科方法。适当运用计算机科学、科学哲学、神经生理学、心理学等相关学科的理论、方法和研究成果，更加合理地建构和适用人工智能知识产权法律制度。
作者：李宗辉
出版：知识产权出版社“来出书”平台
ISBN：978-7-5130-7566-4
定价：78.00元
图书简介
本书全面系统研究了人工智能所带来的知识产权法挑战，挖掘了各流派人工智能与知识产权法律制度在理论内涵和历史发展上的深度联系，探讨了人工智能本身及其创造物的知识产权保护，分析了人工智能侵犯知识产权的法律规制，讨论了人工智能与知识产权限制制度的关系，并梳理了人工智能对知识产权法律实践的多维影响。本书可作为知识产权法学研究生和人工智能法律实务界的参考用书。
作者简介李宗辉，北京大学法学博士，南京航空航天大学人文与社会科学学院副研究员，南京航空航天大学网络与人工智能法治研究院副院长，知识产权研究咨询中心主任，中国通信学会网络空间安全战略与法律委员会委员，江苏省大数据与人工智能法学研究会副会长，江苏省互联网与信息法学研究会常务理事，江苏省法学教育研究会理事。主要研究方向：知识产权法。主持国家社科、司法部课题各一项，出版专著《历史视野下的知识产权制度》，在《中国法学（英文版）》《现代法学》《知识产权》《人民日报》《电子知识产权》等刊物上发表学术论文60余篇，参与编写数部知识产权法学教材和工具书。
如何保护人工智能技术的知识产权
在过去的几年间，得益于低成本、高功率计算（如GPU等）、近乎无限的海量大数据存储能力、智能算法以及无处不在的传感器部署（如图像和语音）等辅助技术的快速发展，人工智能技术实现了爆炸式增长。同时，基于大量数据识别模式的商业应用程序的数量也取得了增加。人工智能技术的爆炸性增长也给企业的基础知识产权保护工作带来了各种挑战。
保护人工智能技术知识产权最常用的手段是专利和商业秘密。就人工神经网络这种流行的人工智能实施形式而言，专利可用于保护网络中的节点架构、网络拓扑、特征提取和相关信号处理，而商业秘密保护可用于保护具有专利保护资格的许多主题，但相关技术必须保密。对于人工智能系统开发的规则、培训方法、数据库和业务方法来说，商业秘密保护可能是理想的选择。本文将着重介绍采用专利和商业秘密来保护人工智能技术知识产权的各项策略。
《美国宪法》第一条第8节第8款规定，“通过确保作者和发明人在有限的时间内享有各自的著作和发现的专属权利，推动科学的进步和创造有益的技术。”由此可以看出，专利指的是政府为了换取公开披露发明而向发明人授予的有限时间内的专属权利。根据《美国发明法案》（“AIA”）的规定，最先提交发明专利申请的人士将获得专利。专利的有效期限为20年，自最早的美国优先权日期起计算。
相比之下，在满足以下各项要求的情况下，几乎所有信息都可以享有商业秘密保护：信息拥有人已采取了合理的措施来保密信息；该信息因不为能够被从其披露或使用中获得经济价值的其他人所知，或通过适当的方式迅速探明，而产生实际或潜在的经济价值。需要注意的是，商业秘密只要仍被保密就没有到期日期。
专利和商业秘密是两种存在根本不同的保护知识产权的工具，因为专利侧重于促进公开披露，而商业秘密则侧重于保护自主创新。因此，鉴于这一差异，笔者建议申请主体必须仔细调整公司的人工智能知识产权保护策略，使其与所选择的知识产权保护形式协调一致。
如果很容易对产品进行逆向工程，进而发现潜在的创新，那么就不适合采用商业秘密保护。如果竞争者可以公开获得融入了人工智能知识产权的产品并对其进行反向工程，进而了解了发明的工作原理，那么这一发明就不再是商业秘密。
在选择商业秘密保护还是专利保护时，另外一个需要考虑的因素是发明带来的商业优势的耐久性。专利可能需要数年才能发布，如上所述，20年后发明专利就会到期，因此发明专利给发明提供的保护期限最多是20年。如果发明带来的商业优势期限很短（少于获得专利所需的时间）或可能很长，例如持续的时间可能比专利的保护期限还要长，那么公司开发的人工智能技术可能更适合采用商业秘密保护。
此外，还要考虑到发明的商业价值。如果发明属于对现有技术的小改进且具有的商业价值有限，甚至可能低于获得专利的成本，那么该项发明更适合采用商业秘密保护。反之则可能更适合专利保护。
另外一个需要考虑的问题是发明的主题。根据《美国法典》第35篇第101条的规定，要想具有专利资格，权利要求的主题必须指向以下四大法定类别之一：过程、机器、制造或物质组成。权利要求不得指向司法例外，除非整个权利要求包含的额外限定条件远超出司法例外的范围，包括抽象概念、自然规律和自然现象。由于许多人工智能发明通常本质上是为了复制人类活动而设计，因此现行判例法推荐公开并要求保护实施细节，以避免专利资格问题。
专利保护的要求是公开发明并定义发明对应的权利要求边界。根据《美国法典》第35篇第112(a)条和第35篇第112(b)条，“专利说明书应包含发明的书面描述，采用完整、清晰、简明和准确的术语，使技术人员能够制作和使用发明，并应列明发明人或共同发明人设想的实施发明的最佳模式”。“专利说明书应总结出一项或多项权利要求，特别指明并明确要求保护发明人或共同发明人视为发明的主题”。专利说明书和权利要求必须能够满足这些要求，这样才能使用专利来保护发明。但在某些情况下，这些要求可能并不容易满足。例如，一些人工智能发明中的算法难以描述，无法提出明确的要求，这时就要优先采用商业秘密保护。
最后，如果公司计划将其人工智能技术的知识产权货币化，那么专利和商业机密都属于可许可的资产，但根据上述讨论的公开与保密因素，可能需要优先采用其中的一种保护形式。
综上所述，笔者建议相关公司可以依据上述各项考虑因素，谨慎选择最佳的法律保护形式，并维护自身的人工智能投资权益。（许燕彬弗兰克・德科斯塔）
(责编：赵春晓、吕骞)分享让更多人看到
深度学习模型知识产权保护怎么做看看IJCAI 2023这场Workshop说了什么
在刚刚结束的IJCAI2021大会上，「深度学习模型知识产权保护国际研讨会(DeepIPR-IJCAI’21)」正式举行，这场研讨会由微众银行、马来亚大学、香港科技大学、上海交通大学共同主办。
机器学习，尤其是深度神经网络（DNN）技术，近年来在诸多领域取得了巨大成功，许多科技公司都将神经网络模型部署在商业产品中，提高效益。训练先进的神经网络模型需要大规模数据集、庞大的计算资源和设计者的智慧。这具体体现在：（1）深度学习模型应用的训练模型规模巨大，以GPT-3为例，其预训练所用的数据量达到45TB，训练费用超过1200万美元，有着极高的经济成本（2）深度学习模型在训练部署到工业应用场景过程中（比如智慧金融，智慧医疗应用），需要引入金融、医疗等领域专有先验知识，因此在模型设计过程就需要引入专家的知识和经验来订制模型，这体现了人脑力的知识产权。（3）深度学习模型的训练过程，需要特定领域的海量数据作为训练资源，存在数据本身价值和知识属性。以上属性决定了经过训练的深度学习模型具有很高的商业价值和知识属性，必须将其纳入合法所有者（即创建它的一方）的知识产权。因此，从技术上迫切需要保护深度神经网络（DNN）模型不被非法复制、重新分发或滥用。
深度学习模型知识产权保护问题，是一个跨学科的综合性议题，涉及计算机安全，人工智能理论与方法、知识产权保护、法律等诸多方面。深度学习模型的盗用、非法复制、分发等，攻击者可以采用技术手段或者非技术手段；但要确认盗用且声明模型所有权，则是完全从技术端来提取证据，以便从法规的角度来认证模型所有权。具体而言，（1）从计算机安全角度出发，技术手段需要采取密码学可信的协议，来保证模型的知识产权验证和发布过程是严密可信的；（2）从人工智能理论方法角度出发，模型的所有权认证技术需要保证不牺牲模型可用性前提下，提供可靠且鲁棒的知识产权保护方法；（3）在法规层面，从技术端对模型所有权提取证据之后，这些证据能成为模型所有权的依据。最终监管方要通过法规的保护，来裁定模型所有者的知识产权，这需要相关法规来指导如何从技术判据，来判定模型所有权。据笔者所知，目前尚未有相关的立法具体到深度学习模型知识这一子领域，模型知识产权保护不仅需要科技工作者的参与，也需要知识产权保护领域工作者的关注和努力。
本次研讨会定位于深度神经网络知识产权保护研究的前沿，展示研究机构及高校实验室在此领域进行的最前沿的工作。分别来自德国、芬兰、马来西亚和中国的8位学者，就深度学习模型知识产权保护问题，从算法、协议、安全等多个角度出发，分享了他们对模型知识产权保护的思考和工作。
在Talk1中，南京航空航天大学的薛明富老师带来了《DNNIntellectualPropertyProtection:Taxonomy,AttacksandEvaluations》的主题讲座，他对深度学习模型保护方法进行了分类性的总结，从模型场景、保护机制、保护能力、目标模型等维度，对模型知识产权保护研究进行了梳理，并且总结了针对已有的方法，存在的攻击和挑战，并给出了系统评估的相关建议。这场讲座为模型保护领域总结了研究现状和发展脉络。
来自德国FraunhoferAISEC研究院的FranziskaBoenisch，同样针对神经网络水印技术分享了视角下的模型知识产权保护的综述研究工作。Franziska从神经网络水印技术的需求、算法应用、威胁模型等角度回顾了现有的研究工作，以神经网络水印技术的可用性、鲁棒性、可靠性、完整性等要求为主线，串联回顾了已有的模型水印研究，指出了现有的研究存在几大待解决的问题，包括缺乏主动保护机制，算法数据类型案例有限和司法保障和技术研究并轨。
作为深度学习模型知识产权保护的资深研究者，毕业自马来亚大学以及微众银行AI项目组算法研究员KamWohNg分享了他所提出的用数字护照保护模型知识产权的方法。KamWohNg分析了神经网络模型知识产权保护的相关研究的最新进展后发现，一种旨在通过伪造水印来对所有权验证产生疑问的模糊攻击，对多种基于水印的DNN所有权验证方法对DNN的知识产权保护构成了严重威胁。
针对上述安全漏洞，KamWohNg提出了一种新颖的基于数字护照的DNN所有权验证方案，该方案既对网络剪枝及微调等修改具有鲁棒性，又能够抵御模糊攻击。嵌入数字护照的关键在于，以一种巧妙的方式设计和训练DNN模型，从而使原DNN的工作性能在使用伪造护照时大大降低。也就是说，真正的数字护照不仅可以依据预定义的数字签名来进行验证，而且还可以根据DNN模型的工作性能来认定。KamWohNg详细分享如何使用数字护照保护DNN以及抵御模糊攻击。
KamWohNg的Passport模型保护方法提供了一大类通用的模型保护思路，在本次研讨会中，还有其他研究者也分享了模型水印方法具体应用在图像生成、图像概述等模型中的工作。
来自马来西亚马来亚大学的DingShengOng，针对图像生成深度学习模型，分享了题为《ProtectingIntellectualPropertyofGenerativeAdversarialNetworksFromAmbiguityAttacks（GAN的知识产权保护方法）》的讲座。
虽然目前已有用于卷积神经网络（CNN）的IPR保护方法，但是却不能直接使用在生成对抗网络（GANs）——另一种被广泛用于生成逼真图像的深度学习模型。因此，本文提出了一种基于黑盒与白盒的GAN模型IPR保护方法。实验结果表明，本方法并不会损害GAN本来的性能（如图像生成、图像超分辨率以及样式转换）。本方法也能够抵御去除嵌入的水印（removal）和模糊（ambiguity）攻击。分享中解说了如何基于黑盒与白盒的方式保护对抗生成网络（GANs），以及如何抵御各种水印攻击。
来自马来西亚马来亚大学的JianHanLim,针对图像标注（imagecaption）神经网络模型，带来了题为《Protect,Show,AttendandTell:EmpowerImageCaptioningModelwithOwnershipProtection》的分享。JianHanLim指出，现有的深度神经网络知识产权(IPR)保护通常i)仅专注于图像分类任务，以及ii)遵循标准的数字水印框架，该框架通常用于保护多媒体和视频内容的所有权。JianHanLim论证了当前的数字水印框架不足以保护通常被视为人工智能前沿之一的图像标注任务。作为补充，本文研究并提出了在循环神经网络中的两种不同签名水印嵌入方案。从理论和经验的角度来看，其证明伪造的密钥会产生无法使用的图像标注模型，从而阻止了侵权的违规行为。该工作是第一个对图像字幕任务提出所有权保护的工作。此外，大量实验表明，所提出的方法不会影响Flickr30k和MS-COCO数据集上所有通用字幕指标的原始图像标注任务性能，同时它能够承受去除攻击和歧义攻击。
针对深度学习常见任务和模型，已有上述所示多种神经网络保护算法案例提供算法支撑。那么如何设计可行的通信协议，指导模型所有权验证的实际执行？
来自上海交通大学的李方圻针对模型所有权验证的场景、协议和前景进行了题为《RegulatingOwnershipVerificationforDeepNeuralNetworks:Scenarios,Protocols,andProspects》的分享。
李方圻介绍说，随着深度神经网络的广泛应用，将其作为知识产权加以保护的必要性变得显而易见，研究者已经提出了许多水印方案来识别深度神经网络的所有者并验证所有权。然而，大多数研究都专注于水印嵌入而不是可证明验证的协议，为了弥合这些建议与现实世界需求之间的差距，李方圻介绍了三种场景下的深度学习模型知识产权保护：所有权证明、联邦学习和知识产权转移，展示了已建立的密码原语和人工智能设置之间的结合，这可以构成实用且可证明的机器学习安全性的基础。
已有的深度学习模型知识产权保护方法主要着眼于深度神经网络水印的算法实践和鲁棒性挑战，目前没有把模型水印算法实践到分布式神经网络训练的研究。来自上海交通大学以及微众银行AI项目组的李博闻带来了题为《联邦深度学习模型所有权保护》的讲座：考虑一个不完全信任的联邦学习系统中，假定各参与方能够按照联邦法则来进行模型更新和协同训练，但彼此不泄露私有本地数据和私密签名。在这种设定下，李博闻阐述了一种新颖的联合深度神经网络(FedDNN)所有权验证方案，该方案允许嵌入和验证所有权签名，以声明FedDNN模型的合法知识产权(IPR)，以防模型被非法复制、重新分发或滥用.嵌入式所有权签名的有效性在理论上是通过证明的条件来证明的，在这种条件下，签名可以被多个客户端嵌入和检测，而无需公开私人签名。
最后，来自芬兰Aalto大学的BuseAtli带来了题为《ModelStealingandOwnershipVerificationofDeepNeuralNetworks》的综合性分享。最近的一些工作表明，从技术的层面，人们暂时无法完全阻止深度学习模型窃取攻击，不同的模型窃取检测预防机制要么无法对抗强大的敌手，要么对模型性能和良性用户的效用产生负面影响。因此，模型所有者可以通过证明被盗模型的所有权来减少此类攻击的动机，而不是防止模型被窃取本身。已经提出的各种模型水印方案被广泛用于可靠的所有权验证，水印深度神经网络（DNN）引起了学术界相当大的研究兴趣（尤其是在图像分类方面），因为深度学习模型水印易于部署并且对模型性能的影响可以忽略不计。并且，学术界针对DNN水印技术提出了许多不同的攻击方法，从而对其鲁棒性提出了质疑。
在本次演讲中，Buse介绍了针对不同模型窃取攻击、动态对抗性水印(DAWN)作为对模型窃取的威慑以及联邦学习中模型水印技术(WAFFLE)的相关工作，以根据不同的安全和隐私要求对这些方法进行分析。
聚集顶尖学者，关注深度学习模型知识产权保护领域，DeepIPR-IJCAI’21已成为全球模型保护领域最前沿的学术动态窗口。以科技手段解决时代难题，多位行业领军者的干货分享，一定能够成为当下时代模型知识产权保护领域最有力的助推器。
讲座视频回顾及更多信息可查看研讨会官网或者B站
官网：http://federated-learning.org/DeepIPR-IJCAI-2021/
B站：https://www.bilibili.com/video/BV1PP4y1W7nS
与吴恩达共话ML未来发展，2021亚马逊云科技中国峰会可「玩」可「学」
2021亚马逊云科技中国峰会「第二站」将于9月9日-9月14日全程在线上举办。对于AI开发者来说，9月14日举办的「人工智能和机器学习峰会」最值得关注。
当天上午，亚马逊云科技人工智能与机器学习副总裁SwamiSivasubramanian博士与AI领域著名学者、LandingAI创始人吴恩达（AndrewNg）博士展开一场「炉边谈话」。
不仅如此，「人工智能和机器学习峰会」还设置了四大分论坛，分别为「机器学习科学」、「机器学习的影响」、「无需依赖专业知识的机器学习实践」和「机器学习如何落地」，从技术原理、实际场景中的应用落地以及对行业领域的影响等多个方面详细阐述了机器学习的发展。
点击阅读原文，立即报名。
©THEEND
转载请联系本公众号获得授权
原标题：《深度学习模型知识产权保护怎么做？看看IJCAI2021这场Workshop说了什么》
阅读原文
人工智能潮背后的知识产权
原标题：人工智能潮背后的知识产权人工智能（AI）将改变我们生活的方方面面――包括工作场所、家庭生活和出行车辆。人工智能在互联网搜索、具有语音识别功能的计算机和国际象棋等游戏方面的应用，已经广为人知。未来几年，人工智能在汽车、机器人和医药等各个领域的应用将变得越来越普遍。这将对我们的社会产生深远影响，因为人工智能可以执行许多迄今由人类完成的任务。今年1月，国际商业机器公司（IBM）首席执行官基尼・罗曼提（GinniRometty）在美国拉斯维加斯举行的消费电子展上发表主题演讲时预测，由于人工智能的影响，“所有的工作都会发生变化”。
那么，到底什么是人工智能？构成人工智能的技术是什么？它将应用在哪些方面？我们是否了解该领域的最新研究成果？它在哪里发生？谁在使用它？它涵盖哪些领域？
世界知识产权组织（WIPO）最近发布了一份新的旗舰报告，该报告是技术趋势系列报告中的第一份报告，它通过专利申请数据、科学出版物和人工智能专家的趋势分析，为上述问题提供了一些答案。其中提出了一种对人工智能技术进行分类和应用的方案，可用于进一步的研究。该报告还为政府和企业的政策制定者、决策者以及对这项颠覆性新技术心存疑虑的市民，提供了有关人工智能的通用信息库。
近日，WIPO总干事弗朗西斯・高锐在一份宣布上述报告发布的新闻稿中称：“人工智能对人类未来发展意义深远。为了尽量扩大推广人工智能，同时应对伦理道德、法律和监管方面的挑战，第一步就要为理解人工智能提供通用的事实依据。我们首次推出‘WIPO技术趋势’系列，同时也高兴地提供基于事实的预测，从而向全球政策制定者介绍人工智能的未来、其治理形势以及支持人工智能的知识产权框架。”
人工智能潮
报告显示，基于人工智能的创新正如火如荼。自从人工智能在20世纪60年代发端以来，创新者和研究人员已经围绕人工智能相关的发明提交了近34万件专利申请，发表了160多万份有关人工智能的科学出版物。与人工智能相关的专利申请在过去几年呈井喷式增长，已确认发明中有半数以上是2013年以后公布的。
该报告还揭示了人工智能从理论研究转向商业产品和服务方面的应用。科学出版物的激增始于2001年左右，比专利申请的激增早了12年。科学论文对发明的比例从2010年的8：1下降为2016年的3：1，标志着从理论研究向实际应用的转变。
钻研深度学习
人工智能这一术语涵盖了很多不同的技术，这些技术在报告中得到了详细的阐述，其中最突出的技术是机器学习。
机器学习――例如用于共享出行服务以尽量减少绕行的技术，就是一种以某些算法为核心的人工智能。这些算法使机器在接触到新数据时能够学习，并能够就此新数据作出预测或决策，而无需明确程序来执行该任务。机器学习，尤其是已经彻底改变机器翻译的神经网络，在1/3以上的所有已确认人工智能发明中被提及。
更引人注目的是深度学习的突出地位，这是一种机器学习技术，有可能彻底改变人工智能。深度学习是增长最快的应用类技术，相关的专利申请增加了20倍――从2013年的118件增加到2016年的2399件，年均增长175％。相比之下，同期内所有技术的专利申请量仅增长33％，年均增长率为10％。深度学习是一种机器学习形式，它通过概念层次来理解世界，并涉及多层次的数据处理。
行业趋势
与人工智能相关的专利不仅公开了人工智能的技术和应用，而且通常也涉及人工智能的应用领域或行业。WIPO的报告显示，许多领域和行业正在探索如何将人工智能商业化的方法。这些行业包括银行、娱乐、安保、工业、制造业、农业和网络。许多与人工智能相关的技术可用于不同的领域，这一点从提及多个行业的大量人工智能专利中就可以看出来。
2013年至2016年期间，与人工智能相关的专利申请增长率最高的领域为农业、银行和金融、法律、交通等，每个领域每年至少保持28％的增长率。在这些行业中，迅速崛起的领域是航空航天和航空电子设备，2013年至2016年间平均增长67％，其次是智慧城市（47％）、自动驾驶汽车（42％）、客户服务（38％）和允许机器识别人类情绪的情感计算（37％）。（詹姆斯・纽尔顿）
（本文摘自WIPO官方杂志《WIPOMagazine》，作者系《WIPO技术趋势：人工智能》编辑）
本文内容由柳鹏翻译李铎统筹
(责编：龚霏菲、王珩)分享让更多人看到