第二十七卷 目录

编者的话

“人工智能”为什么在知识产权法学研究中成为一个“热点”？       张鹏

主题研讨

人工智能生成数据的知识产权问题                            宋红松

人工智能法律及知识产权实务热点问题的几点建议                 高非

数据生产者权利与机器生产数据保护                 余家明著 陈璐译

信息法研究

十年来知识财产的发展及中国面临的挑战                   彼得.德霍斯

中国民法典中的数据保护——欧洲的观点                 托马斯.霍伦 斯蒂芬.皮内利

新闻出版商邻接权效用研究——以欧洲立法为视角               唐丹蕾

《反不正当竞争法》一般条款在网络爬虫案件中的适用              王建英

研究生论坛

自动摄影照片的著作权认定标准                            潘雪菲

临摹作品的相关法律问题研究                              尹琦瑜

我国专利权无效制度的困境与解径                          宗倩倩

药品专利链接制度在中国建立之可行性研究                     庄小琼

从促进数字技术创新角度谈专利的充分公开

    ——以小i机器人案为切入点                       李文红 张振军

商标在先使用抗辩“原使用范围”的适用问题研究                胡巧璐

司法前沿

论知识产权侵权警告“正当警告人”标准之构建               邓玲

涉计算机软件纠纷类型案件的裁判要旨分析              吴月琴 何鑫

知识产权惩罚性赔偿制度之功能辨析                          江波

书评

《机器人法》如何建构人类未来新秩序？                    杨延超

征稿启事

稿件体例

英文摘要

编者的话

“人工智能”为什么在知识产权法学研究中成为一个“热点”？

张 鹏※

“科技革命”一词反映了新技术发展的普遍性和破坏性。虽然前几次科技革命也导致某些领域人类重复体力劳动的自动化程度不断提高，但以大数据、人工智能和物联网技术为代表的的第四次科技革命则加速推进了这一过程，引领了整个工业活动的大规模自动化，甚至包括以前只能由人类执行的智力劳动。

第四次科技革命可以显著提高生产过程的效率性和灵活性，并增加产品和服务的价值。向人工智能的过渡已成为政策制定者面临的重大挑战。现实中，在运输（自动驾驶车辆）、能源（智能电网）、城市、医疗保健和农业等领域中都深刻地改变了这些部门的组织方式[1]。

因应底层生产力的变革处于上层的法律制度也应作出相应的调整，其中不同法律分野的学者会就不同的问题展开分析。例如民法学者就智能机器人的主体地位；商法学者就智能投顾的法律监管；行政法学者就算法歧视的规制；刑法学者就人工智能导致的新的社会风险；国际法学者就人工智能武器的交战规则……。而具体到人工智能对知识产权法治的影响，笔者认为主要集中于以下四类涉及人工智能成果的保护问题：一类是对人类和机器生成和收集的大数据是否以及如何给予保护；另一类是对通过机器学习生成的已学习模型是否以及如何给予保护；再一类是对利用人工智能在某一特定领域进行创造活动是否以及如何给予保护；最后一类是对人工智能作为一种创新工具参与研发过程所完成的生成物是否以及如何给予保护。

本卷以“与人工智能相关的知识产权法治问题”为主题发表的三篇论文，恰好也是集中于上述四类问题分别进行的专题探讨。

其中宋红松教授的文章集中于第四类问题，即人工智能创造成果物的保护。相比于“弱人工智能”环境（人工智能创造的人工干预方式），作者更加关注“强人工智能”环境（纯粹“人工智能创造”）下成果生成物的保护。也就是随着人工智能技术的发展，在脱离了人的参与而自律地进行创新活动的强人工智能环境下，如何评价人工智能生成物的可保护性与权利归属。

从原理上看，这需要解决在激励理论之下是否有必要改变现有制度，如在专利领域，仅将自然人评价为发明人，进而认定专利权的归属，而在“强人工智能”环境下将人工智能拟制为发明人，使得不存在“人”参与的发明创造活动所取得的生成物获得专利保护。

在结论上，作者对此问题持较为审慎的态度，也就是认为通过给予结构化数据与人工智能程序本身一定程度的知识产权保护（类似商业秘密或反不正当竞争法上的权利），已然可以实现对于创新活动的激励，无必要一定要针对人工智能自律性质的创新活动再给予更多的激励，同时强人工智能环境下的生成物上的专利可能导致就同一主题产生大量发明活动，造成申请量过大，审查迟延等问题，并对于先申请制度下，最先申请的主体获得过度的保护，诱发“圈地”现象发生。

余家明教授的文章集中于第一类问题，即对人类和机器生成和收集的大数据是否应该以及在何种程度给予保护的问题。大数据是人工智能产业得以发展的基石，很难想象在缺乏大数据“训练”的情况下，人工智能可以产出任何有益于产业发展的学习模型。这样伴随着数据财产性价值的提升，数据服务提供者日益要求给予其更加灵活的利用空间与更加周延的产权保护。面对这一诉求，各国实践给出了不同的答案。其中尤以数据财产权化与不当利用行为规制两种进路为代表，体现出了不同国家对于数据保护的不同看法。“客体进路”即将数据作为独立的财产权客体，创建类似于知识产权的数据产权体系；“行为进路”主要是指并不构建一个具有可交易性的独立产权客体，而仅仅是明确规定集中他人不得从事的行为，在该行为之外留存他人自由利用数据的空间。

与近年中国学术界广泛呼吁创设数据产权的实践不同[2]，作者在文章中呼吁政策制定者应该拒绝为机器生成的非个人的匿名数据创设数据生产者权利。这也令人想到三十年前欧盟指令中对数据库通过“专门立法”（sui generis）予以保护的实践。在欧共体1996年有关数据库指令[3]中对于持续性投资下形成的数据库实质性部分给予了保护。也就是说即使不满足作品的独创性要求，也可以获得某种程度上的保护。但是这一立法自其诞生之日其就受到不少批评，同时从实证研究的角度看，经过该立法下三十年的实践可以发现欧洲在世界范围具有竞争力的数据企业远不及不存在该种“专门立法”的美国。我想这也是作者对大数据产权立法如此警惕的原因之一吧。

高非主任的文章则集中于专利领域讨论了人工智能算法本身以及计算机执行执行的人工智能算法或模型的可专利性问题。也就是上文所述的第二类和第三类问题。由于该文是对 WIPO 就人工智能与知识产权政策公开征询意见的一个回应，因此作者仅对上述两类问题从企业实务的角度给出了一个简单的结论。尽管笔者赞同作者的相关结论，但是考虑到这两类问题的重要性，笔者认为值得进一步展现论证过程。

具体来说，就第二类问题，也就是人工智能算法的可专利性问题。人工智能和机器学习基于用于分类、聚类、回归和降维的计算模型和算法，例如神经网络，遗传算法，支持向量机，k均值，核回归和判别分析等。这些计算模型和算法本身具有抽象的数学性质，而不管它们是否可以基于数据的“训练”[4]。其中较为典型的机器学习过程（模拟神经网络下生成具有不同权重的参数）是一个类似于矩阵方程求解的过程。而机器学习的过程就是机器不断通过试错找到代表不同权重的参数k的过程。这在中国专利法上构成“智力活动的规则和方法”（《专利法》第25条第1款第2项）。

由于计算机程序算法作用的对象往往是抽象的数据信息，与人类的思维步骤有着紧密的联系，并往往是利用纯粹的数学模型进行的设计，因此，在审查所要求保护的主题是否具有整体技术特征时，诸如“支持向量机”，“推理引擎”或“神经网络”之类的表达通常属于缺乏技术特征的抽象模型。这样各领域通用的单纯已学习模型作为一种广义的算法，属于专利法不保护的“智力活动的规则和方法”范畴。

对单纯的学习后生成的权重是否可以受到专利保护的问题，由于已学习后生成的各参数权重仅可作为信息的提供与陈述，因此被排除出专利权保护的客体。已学习后生成的各参数权重仅可在与人工智能程序的结合基础上获得专利保护，但是此种情况下无法禁止他人单纯的抽出作为数据的“已学习后生成的权重”进行利用。“已学习后生成的权重”可以成为独立于人工智能程序而单独进行交易，并在其他载体上实现“移植”的情况下，对其财产价值的保护将成为重要的课题。事实上，现实中通过不断机器学习的过程更新不同参数的权重所生成的新的数据对于不断提高企业的生产效率有着十分巨大的影响，因此这些数据通过独立的传输和交易可以产生巨大的市场价值，在此种情况下，尽管存在有必要针对其创设一种“专门立法”保护的呼声。但是从恰当的给予该种创新活动的激励角度看，可能通过商业秘密的途径进行保护更加妥当[5]。

而对第三类问题，即人工智能和机器学习在各种技术领域中得到的应用，比如利用人工智能程序研制新药，是可以作为计算机程序获得专利法保护的，即为解决发明提出的问题，以人工智能算法为基础，由此编制计算机程序，对计算机外部对象或者内部对象（某一具体技术领域的应用）进行控制或处理的技术方案。

“信息法研究”是本刊的特色栏目，本卷推介了四篇论文。其中德霍斯教授的论文借助政治学理论分析了中美贸易摩擦下中国知识产权发展所面临的挑战。尽管在TRIPS协议缔结的时代，中美就知识产权的保护标准达成了共识，但是TRIPS协议下的共识是在上世纪90年代的技术环境下达成的，远远早于云计算、大数据和机器学习等关键的技术变革。在这些技术以惊人速度融合的新时代，旧的标准明显不敷所用，但旧的体系又不具备创设具有普遍共识的新标准的能力，因此美国绕过多边主义，意图通过单边主义来实现国家安全利益。在具体的实施路径上作者指出商业秘密保护规则将会大幅更新，并成为新技术环境下对于信息进行保护的主要工具。这一趋势从2020年1月签订的《中美第一阶段经贸协议》有关商业秘密与保密商务信息新规则中就已显现。霍伦与皮内利两位教授的论文在对照欧盟《通用数据保护条例》的基础上，就中国《民法典》人格权编第六章中与个人信息有关的五个方面问题进行了分析，指出中国《民法典》对个人信息的保护是具有积极意义的，但是距离建立全面成熟的的信息保护体系还有进步空间。接下来的两篇文章则聚焦于两个具体问题，其中唐丹蕾的论文向我们展现了2019年欧盟《数字化单一版权指令》第15条中为新闻出版商创设的邻接权的制度全貌。王建英的论文则从我国《反不正当竞争法》下一般条款的适用角度探讨了网络爬虫案件的处理。

本卷在“研究生论坛”栏目中推介了六篇论文。其中潘雪菲的论文讨论了使用自动摄影技术录像或拍摄得出照片的著作权保护问题。对于将录像机固定在某一处自动录像，拍摄者再将所得录像截图生成相片，或者设置好参数，让相机以固定的时间间隔自动按下快门生成照片，作者认为应从机器发挥了多少作用以及是否体现作者的精神、思想与个性两个要素分析是否具有独创性，对于达到独创性高度的自动摄影照片纳入作品保护；未达到独创性高度的自动摄影照片则纳入邻接权的保护范围。尹琦瑜文章所论及的“临摹创作”的著作权保护问题在三十年前就是学界争议的焦点。该文在既有研究基础上，从现实案例入手，分别从艺术创作与艺术市场两个方面，对由临摹作品所引发的法律纠纷进行深入探究。宗倩倩的的论文向我们呈现了一个极具逻辑性的论证过程，即专利权作为前国家性质的私权、作为行政确认或公证行为性质的专利授权处分行为、作为民事诉讼程序性质的无效宣告程序、宣告的是专利“权”的无效以及专利无效诉讼是民事上诉审性质的程序。在此论证的基础上提出了建立当事人型诉讼制度与遵循专利权无效诉讼的民事诉讼属性，并将国家知识产权局视为一个审级两个具体的立法建议。庄小琼的论文对于在中国建立药品专利链接制度的必要性问题进行了反思，从我国专利诉讼的民行二元分立模式下难以在遏制期内实现定分止争的效果，我国药品专利的高无效比例使遏制期赋予专利的强排他权不具有正当性，以及专利链接制度会激励原研药企的滥诉行为三个方面论证了药品专利链接制度激励新药创新和提前解决纠纷的目标在我国难以实现。作为立法建议，指出即使我国基于《中美第一阶段经贸协议》中的义务建立了专利链接制度，也应避免遏制期，或是通过缩减遏制期的长度以减少其不利影响。李文红、张振军的论文以小i机器人案为切入点，强调了在判断申请文件的披露程度是否满足充分公开时，应当充分考虑产业和技术特点的重要性。胡巧璐的论文在详尽梳理既有司法实践对在先使用抗辩中“原使用范围”认定上诸多问题的基础上，提出了以使用主体、客观方面、地域范围和使用方式来界定“原使用范围”判断标准。

在本卷“司法前沿”栏目刊载了三篇论文，均是聚焦于司法领域的争议焦点。邓玲的论文试图构建一个“正当警告人”的判断标准，具体包括警告主体、对象，警告内容的充分性，以及披露内容的清晰程度等要素。并在法律效果上排除了“正当警告人”在侵权行为不成立的情况下承担责任的可能性；吴月琴、何鑫的论文则就法院审理涉计算机软件案件的四个主要争议问题，即开发成果是否交付、交付内容是否符合约定、履行中的变更是否已经达成合意、迟延履行应当如何认定分别做出了分析；江波的论文针对学说上质疑知识产权民事损害赔偿的惩罚性理念将导致其与既存的民事制裁（法院作出的罚款等）、行政处罚（行政机关作出的罚款、没收等）、刑事责任间的区分变得模糊的观点，论证了从知识产权“公共产品”的属性出发仍有必要通过惩罚性赔偿发挥其威慑功能来补充填平性赔偿的不足。

本卷最后由杨延超教授带来《机器人法：构建人类未来新秩序》一书的前言，该文展现了作者创作该书的心路历程。相信该文可以带领我们一同领略“机器人法”的魅力。

注

※中国社会科学院法学研究所助理研究员，中国社会科学院知识产权中心研究员。

[1] European Patent Office, Patents and the Fourth Industrial Revolution –The inventions behind digital transformation, December 2017, p.14. see, http://documents.epo.org/projects/babylon/eponet.nsf/0/17FDB5538E87B4B9C12581EF0045762F/$File/fourth_industrial_revolution_2017__en.pdf<.

[2]典型的如：龙卫球：《再论企业数据保护的财产权化路径》，《东方法学》2018年第3期；许可：《数据保护的三重进路 ——评新浪微博诉脉脉不正当竞争案》，《上海大学学报(社会科学版)》2017年第34卷第 6期等。

[3] Directive 96/9/EC of the European Parliament and of the Council of 11 March 1996 on the legal protection of databases OJ L 077, 27.03.1996, p. 20-28.

[4]>European Patent Office, Guidelines for Examination, Part G–Patentability, Chapter II– Inventions, 3. List of exclusions，3.3 Mathematical methods，3.3.1 Artificial intelligence and machine learning，https://www.epo.org/law-practice/legal-texts/html/guidelines/e/g_ii_3_3_1.htm

[5]奥邨弘司：《人工知能における学習成果の営業秘密としての保護》，载土肥一史古稀纪念文集，《知的財産法のモルケンロート》，中央経済社2017年版，第217页。