人工智能生成发明的专利保护
文|最高人民法院知识产权法庭何隽
2020年7月7日至9日，世界知识产权组织（WIPO）在线举办“知识产权与人工智能对话会”第二届会议。本次会议是WIPO继2019年9月首次举办“知识产权与人工智能对话会”后，再次举办相关会议。会议旨在通过WIPO牵头与各成员国和其他利益攸关方进行对话，更好地理解知识产权与人工智能之间的关系，帮助法律和政策制定者在人工智能日益重要的背景下界定所面临的最紧迫问题。
本次会议为期三天，采用在线会议形式举行，来自130个国家的2000多位专业人士参加会议，分别围绕人工智能生成和辅助完成的作品和发明的知识产权保护、人工智能发明的可专利性、公开和指导原则、数据的著作权、数据和商业秘密的进一步权利等议题展开讨论。WIPO的成员国、政府间组织、行业协会、学术和科研机构、私营机构等的50多位代表进行了发言。
“知识产权与人工智能对话会”的特点
会议得到WIPO、各成员国和其他利益攸关方的高度重视。WIPO总干事弗朗西斯·高锐全程参与，除第一天发表开幕致辞外，三天的会议中均作总结发言。会议由法国常驻联合国和日内瓦其他国际组织代表弗朗索瓦·里瓦索大使担任会议主席主持讨论。中国最高人民法院、美国联邦巡回上诉法院和德国联邦法院均有法官发言。中国、美国、日本、德国、英国、瑞士、俄罗斯、芬兰、西班牙、澳大利亚、新加坡、厄瓜多尔等国的国家知识产权局，乌干达科技与创新部及欧盟知识产权主管部门均派出代表发言。阿联酋人工智能国务部长发言。此外，国际知识产权保护协会（AIPPI）、国际图书馆协会联合会（IFLA）、国际药品制造商协会联合会（IFPMA）、国际商会（ICC）、知识生态国际（KEI）、日本知识产权协会（JIPA）、知识共享组织（CC）、版权用户权利全球专家网络（GENCUR）、国际独立电影制片人协会（IFPI）和欧洲卓越研究联盟（EARE）等行业协会、学术和科研机构均派代表发言。腾讯公司、IBM公司、塔塔集团等私营机构也派代表阐述各自的观点。
会议提出诸多开放性问题，以各方阐述观点和充分对话为目标，现阶段不对相关议题作出结论或决策。例如，会议讨论中指出，对于人工智能辅助完成的发明，与其他由计算机实施的发明之间并不存在显著差异。但是，随着人工智能在发明过程中的作用不断提升，已经出现了申请人在专利申请中将人工智能列为发明人的案例。人工智能生成的发明是否需要专利保护？是否应允许将人工智能列为发明人？谁应被登记为涉及人工智能的专利的所有人？这些问题亟需得到回应。同时，会议讨论中指出，目前评估发明的创造性是以其所属技术领域的技术人员为标准展开的。如果发明是由人工智能生成的，是否要考虑由指定技术领域的特定数据训练的人工智能来替代该领域技术人员？由人工智能取代该领域技术人员对于判断现有技术基础有何影响？就公开而言，是否应在专利申请中公开或说明训练算法所使用的数据？这些问题都将是人工智能发明专利审查中将要面对的问题。
除专利和著作权等传统知识产权外，会议高度重视为人工智能技术发展提供数据权利和商业秘密的保护。会议讨论中指出，人工智能技术的基础是使用数据进行训练和验证的机器学习技术，数据是人工智能的关键组成部分，具有潜在经济价值。现有知识产权法、隐私法、反不正当竞争法及合同制度和技术措施等已经对数据提供了相应的保护。但是，法律和政策制定者仍需考虑现有保护是否充分，是否需要针对数据设立新的知识产权？同时，需要考虑目前的商业秘密法是否在保护人工智能领域的创新和第三方获取特定数据和算法的合法权益之间实现了适当平衡？另外，由于商业秘密可能会增加人工智能的不可复制性和不可解释性，需要考虑商业秘密是否会导致人工智能的使用产生偏见或其他可预见或无法预见的后果。
人工智能生成发明的专利保护
应WIPO邀请，经最高人民法院批准，笔者参加了对话会，并在第一天的会议中就人工智能生成发明的专利保护问题发表了自己的观点。
人工智能技术应用的推广和深入已经对世界产生深远影响，并深刻改变了人类的创新创造方式和过程。特别是，随着人工智能技术的发展，人工智能在发明创造中的作用已经由辅助完成发展到自主创造。人工智能生成的发明，是指在没有人类干预的情况下，由人工智能生成产出的发明，等同于人工智能自主创造的发明。对于由人工智能辅助完成的发明，需要人类的大量干预和引导，在专利保护上适用现行专利制度并不存在争议。
但是，对于人工智能生成的发明，能否给予专利保护？如果给予专利保护，谁是发明人？专利权授予谁？这些问题急迫需要全球知识产权行政和司法机构作出回答。2019年底至2020年4月，英国专利局、欧洲专利局和美国专利商标局分别对将人工智能系统DABUS作为发明人的专利申请作出驳回决定。三家机构的理由基本相同，即专利申请指定的发明人只能是人类，而不能是机器，人工智能系统或机器不具有法律人格，不能享有相应的发明人的权利。那么，中国专利法对人工智能生成的发明采取怎样的态度？
第一，人工智能生成的发明能否给予专利保护？
必须意识到，技术的发展势不可挡，对于人工智能生成的发明，如果不给予专利保护，就极有可能发生通过伪造出一个“人类发明人”来获得专利保护的情况。为了人工智能技术和产业的健康发展，笔者认为，必须在法律层面给予回应。中国专利法规定的发明，是指对产品、方法或者其改进所提出的新的技术方案，并没有对完成发明创造的主体作出任何限定。因此，对于人工智能生成的发明，只要符合法律规定，不能被排除在专利保护之外。
第二，谁是人工智能生成的发明的专利权人？
根据中国专利法的规定，对于职务发明，申请专利的权利、专利申请权和专利权均属于职务发明人所在的单位。对于人工智能生成的发明，可以参照职务发明的规定，由人工智能的所有者享有申请专利的权利，进而履行专利申请权，在专利获得授权后享有专利权。
第三，人工智能能否享有发明人身份？
在专利法关于主体的规定中，发明人和专利权人是可以分离的。根据中国专利法实施细则，专利法所称发明人，是指对发明创造的实质性特点作出创造性贡献的人。通常认为，这里的“人”只能是自然人。即使对于职务发明，专利权人可以是法人或其他组织，但发明人只能是自然人。同时，中国专利法要求，在专利申请文件中要写明发明人的姓名，发明人有权在专利文件中写明自己是发明人。上述法律规定均暗含了人是发明创造的主体的理念。
值得注意的是，发明创造是智力劳动的结果，不受民事行为能力的限制。实践中，无论完成发明创造的人是否具备完全民事行为能力，只要其完成了发明创造，即可被认定为发明人。此外，在发明完成后，如果专利申请的权利和专利申请权由他人享有，那么根据中国专利法的规定，发明人并不需要履行其他义务（根据美国专利法，发明人需要宣誓或声明）。因此，认定人工智能为发明人在法律层面和实践层面均不存在障碍。至于类似职务发明的发明人所享有的获得报酬权，可以同样转移给人工智能的开发者，这并不影响赋予人工智能以发明人的身份。
另外，理论上，只要通过法定程序，法律可以拟制出新的法律主体并赋予其相应的权利，如法人。因此，即使对发明人中的“人”作狭义解释，也存在为人工智能拟制法律人格或法律意义上主体地位的可能性。
对知识产权审判相关工作的几点思考
在首届会议和本次会议中，WIPO和各参与方针对人工智能与知识产权提出了诸多开放性议题，现阶段各方表述的意见还存在较大差别。但是，从参会人数和各方参与度可以看出，世界各国均承认在人工智能与知识产权领域展开对话的重要性，同时已经出现未来达成国际层面共识的可能性。我们要积极参与后续会议及相关议题的讨论，充分阐述中方意见并发挥引领作用，为将来的谈判和达成新的知识产权国际公约做好准备。
我们要高度重视和准确研判人工智能领域知识产权保护的影响。人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关能否抓住新一轮科技革命和产业变革机遇的战略问题，是赢得全球科技竞争主动权的重要战略抓手。通过会议中各成员国和利益攸关方的发言，可以发现全球主要创新国家对人工智能领域的知识产权保护问题均高度重视。在当前世界经济前景不确定的情况下，人工智能技术的快速发展和深入应用将带来重要的战略发展机遇，必须对相关领域知识产权司法保护的影响作出准确研判。
同时，要对人工智能领域的知识产权诉讼作出风险预判和应对预案。欧洲和美国已经相继出现以人工智能作为发明人的专利申请，欧洲专利局和美国专利商标局均以人工智能不能作为发明人为由对专利申请予以驳回，相关决定引发了全球科技界和法律界的广泛关注和争议。可以预判的是，相关专利申请和由此引发的知识产权诉讼风险在我国同样存在，国外专利申请人对我国针对人工智能的知识产权司法保护态度极为关注。因此，我们需对可能出现的知识产权诉讼作出应对预案。
本期封面及目录
《中国审判》杂志2020年第15期
中国审判新闻半月刊·总第253期
人工智能与智能制造
人类发明计算机的初衷是帮助人们进行数据计算。由于人的很多思维过程都可以转化成计算问题，所以计算机往往被俗称为电脑。计算机可以计算很多问题，但只有一部分算法被称为人工智能算法。
国内曾有著名专家学者提出：智能制造就是人工智能加制造。这种观点会对推进智能制造带来思想混乱。为此，我们有必要澄清这两个概念的关系。
人工智能的两个经典学派
谈到智能制造，人们很容易联想到各种高级算法，如机器学习和逻辑推理。事实上，人工智能技术在最近十几年最重要的进展就是深度学习技术，这也是人工智能最近成为热点的原因。
人类发明计算机的初衷是帮助人们进行数据计算。由于人的很多思维过程都可以转化成计算问题，所以计算机往往被俗称为电脑。计算机可以计算很多问题，但只有一部分算法被称为人工智能算法。
一般来说，人工智能的算法往往有两个特点：一是普通的算法不容易解决，二是与人的思维接近。因此，算术、方程求解、排序等常见算法一般不被算作人工智能算法，只有涉及复杂逻辑推理和知识学习等问题时，才被称为人工智能算法。
计算机在解决逻辑推理问题时，往往先将其转化为搜索问题。人工智能关注的搜索问题往往会面临组合爆炸，计算机也难以求得最优解。下棋就是这种典型问题。但是，面对这类组合爆炸问题，人类往往有能力用有限的搜索找到相对较好的办法。这就是体现智能的地方。有人把智能算法的特点描述为能够从一个巨大的搜索空间中迅速找到比较好解的算法。因此，谷歌公司建立之初就定位为“做人工智能的公司”。
要把人的想法变成计算机代码，前提是必须能用计算机语言精确地表达出来。但是，人的很多认识恰恰是难以用语言表达清楚的。例如，我们很容易认出一个熟人，也很容易识别梨的味道，但这些认识不容易说出来。再如，棋手对“棋势”有一种直觉的认识，这种直觉能够帮助人们把注意力聚焦在个别重要的棋子上。但是，这种直觉同样难以用精确的语言来描述。这些一般被称为“默会知识”。
人类语言表达不清楚的东西，往往无法直接变成计算机代码。机器学习就是用来解决这个困难的。所谓机器学习，一般是用数学函数模拟人或动物的神经系统，通过数据不断修正这个模型，从而形成类似感性认识的知识。这样就避开了“默会”知识“难以编码”的困难。
然而，让计算机获得“感性认识”并不容易。例如，模型识别的错误比例往往太高。导致这类问题的原因很多，有数据的原因、模型的原因，也有训练算法的原因。随着计算机计算和存储能力的增强，积累的数据越来越多。在这样的背景下，出现了深度学习技术并在多个领域取得了巨大的成功。于是，人工智能成为近期的热点。
人们可以从很多角度认识人工智能，由此产生了很多的学派。其中，两个经典的主流学派分别是模拟逻辑推理的符号学派和模拟神经系统结构的连接学派。这两个学派的方法可以结合在一起进行应用。例如，阿尔法狗需要进行逻辑推理，但为了解决搜索中组合爆炸的问题，又需要模拟棋手的感性认识，而这种感性认识就是通过深度学习得到的。
自动化与人工智能的控制论学派
除了上述两个经典学派外，人工智能还有一个重要的学派被称为控制论学派。控制论是自动化和智能化的理论基础。多年以来，自动化学科比人工智能更成熟、应用范围更广和影响力也更大。因此，学术界谈论人工智能时，指的往往是上述两个学派，而不是控制论学派。但是，这个学派的思想恰恰是智能制造主要的理论基础。
20世纪40年代，控制论之父诺伯特?维纳(NorbertWiener)想到一个问题：机器和动物(或人)到底有什么区别?维纳认为，机器一般只能按既定的步骤和逻辑运行，而动物能通过信息感知到外部世界的变化，并根据新的信息进行决策、采取行动。例如，一只正在吃草的山羊突然看到了一只狼，它会马上停止吃草，奔跑逃命。自动化就是要把感知、决策和执行3个要素统一起来，这3个要素类似于动物的感觉器官、大脑和四肢的功能。这就是自动化的本质特征。事实上，自动化系统一般由传感器、控制器和控制对象构成，分别用于信息获得、决策和执行。
与人工智能的两个经典学派不同，控制论关心的是效果和作用，往往不在乎算法和逻辑是不是复杂。事实上，自动化用到的一些算法和逻辑可能相当简单。
最近几十年来，自动化应用的范围越来越广，但也有局限性。一般来说，自动化系统能够应对的都是“预料之中”的变化。当出现设备故障、生产异常等预料之外的问题时，还是需要人来处理。这是因为计算机处理问题都是有预案的，其灵活处理问题的能力远远不如人类。
智能制造的概念
智能制造技术是信息通信技术的发展带动的，是信息通信技术在工业的广泛、深入应用。德国的工业4.0和美国的工业互联网都属于智能制造的范畴。
从整体效果来看，智能制造能够加强企业快速响应变化的能力。市场或用户有了新的需求，能够尽快设计并制造出来以供应市场;供应链发生变化时，能尽量避免对生产经营产生的不利影响;生产设备或产品质量发生问题时，能尽快找到问题的根源和解决问题的办法。
从业务角度来看，推进智能制造的主要作用是要促进多方协同、资源共享和知识复用。通俗地讲，协同就是多方协作时“不掉链子”，不耽误彼此的工作;资源共享有利于低成本地获得优质资源;知识复用则可以提高研发和服务的效率，降低获得知识的成本。当企业中的物质、知识和人力资源都能用数字化描述时，互联网就容易促进协同、共享和复用。
计算机的运算能力很强但灵活处理问题的能力很弱。这是限制自动化技术广泛应用的重要原因。为了解决这类问题，先进的制造企业普遍采用了信息化技术。信息化系统能够为管理者收集信息、帮助管理者决策和管理企业的生产和经营。与自动化系统相比，信息系统把决策的工作交由人类完成。
在数字化、网络化时代，成千上万的设备可以实时、高速地采集数据并汇集到一起。人类可以得到更多的信息，但处理信息的能力受到了生理极限的约束。为了解决这个矛盾。美国通用公司发布的《工业互联网》白皮书就提出了解决办法。该白皮书指出，工业互联网有3个要素：智能的机器、高级算法和工作中的人。智能机器指的是可以实时接收和发送数据的机器。但是，人类并不直接处理这些数据。高级算法就像人的秘书一样，帮助人们处理实时数据，从海量数据中找出那些需要人类关注和处理的问题，交给“工作中的人”来处理。
另外，对于常见的问题，可以把专家处理问题的逻辑和方法变成计算机代码，让机器按照人类的想法进行决策。这就是人类知识的数字化。通过这种办法，可以进一步减少人类处理问题的负荷，提高决策的自动化水平——这其实就是智能化。
从某种意义上来说，智能化是自动化和信息化的融合。自动化和信息化融合的思想很早就有了，但在信息通信技术不够发达的时候，技术上很难实现。于是，机会留在了智能化的时代。
智能化对工业企业的意义非常巨大。从企业生态的层面来看，智能化能促进企业之间的分工细化并在企业间建立新的生态关系。“分工促进生产力的发展”是一条非常重要的经济规律。由于互联网能够提高企业之间的协同能力、降低分工的负面影响，这为促进分工的细化奠定了基础。总之，从企业间的关系来看，智能化能够促进社会资源的优化配置。从企业自身的层面来看，智能化能提升企业的管理能力。在我国很多企业中，“技术水平低”的本质往往是管理水平差。某些企业的管理问题所导致的成本损失会超过企业的利润。通过推进智能化，人类的很多决策工作可以交给机器去做，也可以在机器帮助下或“监督”下去做，通过提升企业的管理能力，大大减少因管理不善导致的问题。从现实效果来看，智能化往往能够有效地推动企业整体利益实现最大化。
智能化与人工智能
智能化是一场决策革命，即通过数字化的方法代替人决策、帮助人决策、“监督”人决策。对工业过程来说，决策所需的知识往往是工业人多年积累的结果。这些知识的逻辑往往是清晰的、能够被准确表达的。推进智能制造的时候，容易把这些知识转化成计算机的代码，但智能制造未必用到人工智能的典型算法。因此，“智能制造等于人工智能加制造”的观点是错误的。
但是，经典的人工智能技术确实能够促进智能制造技术的发展。在一些场景下，传感器采集到的信号并不容易转化成语义明确的信息。例如，摄像头可以采集到产品表面的图像信息，但不能把图像信息与质量缺陷的类型和级别对应起来。如果这类问题解决不了，质量管理的逻辑就难以自动地实现，智能化的进程就会受阻。
深度学习等典型的人工智能技术特别善于解决图像识别问题。事实上，图像识别是人工智能算法在工业界最典型也是最主要的应用领域。缺乏人工智能技术，智能制造的体系往往是不完整的。
从某种意义上来说，人工智能是技术问题也是学术问题，这也是学术界特别喜欢研究的问题。现实中，自动化往往只是技术问题，并不是学术问题，因为工程师一般喜欢用最简单的办法解决问题。推进智能化的过程不仅涉及技术问题，往往还涉及企业组织流程的重构、商业模式的创新。从这种意义上讲，智能化的问题往往可以看作企业的管理甚至战略问题。
郭朝晖，博士，教授级高级工程师，优也信息科技有限公司首席科学家，走向智能研究院首席研究员。
文/郭朝晖
本文来自《张江科技评论》
微生物+人工智能：开启新一代生物制造
光明图片/视觉中国
新闻事件
近期，中国科学院微生物研究所的吴边团队通过使用人工智能计算技术，构建出一系列的新型酶蛋白，实现了自然界未曾发现的催化反应；并在世界上首次通过完全的计算指导，获得了工业级微生物工程菌株，取得了人工智能驱动生物制造在工业化应用层面的率先突破。成果发表在学术期刊《自然·化学生物学》杂志上。
该项研究不仅降低了传统化学合成中对反应条件的苛刻要求，更重要的是解决了化学合成带来的污染问题。这是人工智能技术在工业菌株设计方向的成功案例，验证了其科学理论基础，也将为人工智能与传统生物产业的互作融合打开新局面。
现代生物制造已经成为全球性的战略性新兴产业，在化工、材料、医药、食品、农业等诸多重大工业领域得到了广泛的应用，根据OECD预测，到2030年约有35%的化学品和其他工业产品来自生物制造。欧、美、日等主要发达国家都将绿色生物制造确立为战略发展重点，并分别制定了相应的国家规划。我国正处于建设创新型国家与加快生态文明体制改革的决定性阶段，紧随并引领世界科技前沿，发展新型绿色生物制造技术，支撑传统产业升级变革，关乎资源、环境、健康，符合国家重大战略需求。
近年来，人工智能技术迅猛发展，其影响开始推广到绿色生物制造领域，尤其是在其核心元件蛋白质的设计方面，发挥了巨大的作用。通过人工智能技术，预测蛋白质结构、设计蛋白质功能，可以极大地扩展人工改造生命体的应用场景，变革性地推动绿色生物制造的发展。蛋白质的工程改造正在经历了从传统实验进化到计算机虚拟设计的演变过程，计算机辅助蛋白结构预测以及新功能酶设计策略得到了前所未有的重视和发展，成为了生物学、化学、物理学、数学等多学科交叉的热点前沿领域。
人工智能“计算”新酶已成为国际热点
酶是生物催化技术中的核心“发动机”，其本质是一种蛋白质。蛋白质的生物学功能很大程度上由其三维结构决定，结构预测是了解酶功能的一种重要途径。《科学》杂志将蛋白质折叠问题列为125个最为重大的科学问题之一。
近年来，随着计算机科学、计算化学、生物信息学等多学科的联合进步，这一问题的解决看到了曙光。尤其是在CASP竞赛推动下，蛋白质结构预测方法和新功能酶计算设计策略得到了迅猛的发展。
设计蛋白质一方面可以揭示蛋白质结构与功能关系的规律，另一方面可以创造具有潜在应用价值的蛋白质。2016年，《自然》杂志发表了题为《全新蛋白质设计时代来临》的重要综述。同年，《科学》杂志也将蛋白质计算机设计遴选为年度十大科技突破之一。2017年，美国化学会将人工智能设计新型蛋白质结构列为化学领域八大科研进展之首。多个来自美国、瑞士等国的科研团队活跃在这个领域，文章发表在《自然》、《科学》等顶级学术期刊上。
我国在工业化应用上率先获得突破
目前，全球微生物酶制剂市场主要由几家跨国企业垄断。与之相比，国内企业在市场竞争中仍然处于不利的位置，以大宗普通微生物催化剂（如淀粉酶、糖化酶）为主，行业呈现出竞争白热化的态势。但我国已经注意到这个问题，并着力改善。2017年5月，《“十三五”生物技术创新专项规划》在坚持创新发展、着力提高发展质量和效益层面，提出拓展产业发展空间、支持人工智能技术等具有重大产业变革前景的颠覆性技术发展要求。
在此规划的指引下，我国的多个研究团队在该领域取得了不俗成绩。例如，中国科学院微生物研究所的吴边团队通过人工智能计算技术，赋能传统微生物资源，在世界上首次完成了工业级工程菌株的计算设计，获得人工智能驱动生物制造工业化的率先突破。该团队不仅设计了β-氨基酸这一类具备特殊生物活性的非天然氨基酸的最优合成途径，还借助人工智能计算手段，成功设计出一系列的β-氨基酸合成酶，并据此构建出能够高效合成β-氨基酸的工程菌株。
不仅如此，微生物研究所还积极推进成果的落地转化。通过与企业的合作，已经建成千吨级的生产线，相关产品潜在市场规模超过30亿，有望在紫杉醇、度鲁特韦与马拉维若等抗癌与艾滋病治疗药物的生产过程中大幅度降低生产成本。中国科技大学的刘海燕团队则提出了一种新的统计能量模型，为搭建具有高“可设计性”的蛋白质主链结构提供了可行性解决方案。2017年，该团队与中科院脑科学与智能技术卓越创新中心杨弋团队合作，设计出了新一代细胞代谢荧光蛋白质探针，并将其应用于活体动物成像与高通量药物筛选，相关成果发表于《自然·方法学》。
除此之外，中国科学院天津工业生物技术研究所的江会锋团队，通过使用人工智能技术进行关键合成酶的发掘，在国际上首次实现了重要中药活性成分灯盏花素的人工生物合成，相关成果发表于《自然·通讯》，引起强烈反响。
建立适合人工智能驱动生物技术的科研环境
开展人工智能设计元件的核心算法与策略研究。人工智能技术应用于生物制造领域最为基础的部分是核心算法与设计策略的创造。考虑到基础研究的难度与特点，建议选拔一批在该领域的拔尖科学家，提供相对稳定的支持，让他们潜心研究、长期攻关、实现更多原创发现，提出更多原创理论，开辟更多领域发展方向。将人工智能技术与蛋白质结构与功能理论、合成化学理论、量子化学理论有机交叉融合，发展新型算法，搭建“高可设计性”系统策略，把控底层核心技术源头，力争实现人工智能关键技术驱动生物制造的国际领跑地位。
拓展人工智能设计元件在生物制造领域的应用场景。在发展算法的基础上，我国还应积极推进人工智能设计在生物制造领域的应用拓展。建议由优势单位组织重大项目，协同全国相关单位联合攻关；发展系统、科学的新型化学应用拓展策略，利用新型生物催化反应改造和优化现有自然生物体系，从头创建合成可控、功能特定的人工生物体系，在创造研究工具和技术方法的基础上，推动化学、生物、材料、农业、医学等多学科的实质性交叉与合作，为天然化学品与有机化工原料摆脱对天然资源的依赖，促进可持续经济体系形成与发展奠定科学基础，全面提升我国生物制造产业的核心竞争力。
推进人工智能驱动生物制造技术的产业发展。创新驱动发展战略需要落实创新成果，创造新的经济增长点。人工智能驱动的生物制造技术的最终价值也应该体现在实实在在的产业活动上，如果没有与上下游的良好生态，再出色的技术或产品也只能是死路一条。建议在技术发展与市场需求的耦合驱动下，坚持产学研多方位的开放联合，消除成果转化过程执行层面仍然广泛存在的种种屏障；重视资本对于技术和产业发展的催化作用，探索设立专项产业发展基金等市场调控手段；在国家层面，协调沟通行业监管机构，破除不合时宜的陈旧政策限制，尽快建立有利于新兴生物技术的政策法规体系；实现资源、能源的节约与替代，加快转变经济增长模式，加速推进绿色与高效低碳生物经济的产业基础格局。
（作者：向华，系中国科学院微生物研究所副所长、微生物资源前期开发国家重点实验室主任）
人工智能的现状与未来（附PPT）
来源：网经科技
摘要：人工智能引领新的工业革命，需要正确理解其技术核心、学科定位、架构演进，当前深度学习和知识图谱成其左膀右臂，象征人类智谋的智能博弈在围棋后的下一个高地在哪里？走向人机融合的未来，人工智能将向什么方向演进发展，人类社会将面临哪些变革，需要我们从不同维度不断去研究思考。
未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。
未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。
如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”