Можно ли запатентовать систему ИИ
Большинство систем ИИ можно отнести к категории программного обеспечения. Во многих юрисдикциях программное обеспечение не подлежит патентной охране. Чтобы понять все нюансы данного вопроса, необходимо разобраться в ключевых терминах в этой области.
Программное обеспечение — это компьютерная программа, которая дает указания аппаратному обеспечению (т. е. физическому компьютерному оборудованию) выполнить определенные задачи. Компьютерная программа — это алгоритм, т. е. последовательность инструкций по выполнению вычислений.
Алгоритмы, как правило, записываются на языке программирования, таком как Java, C++ или Python, который схож с естественным языком. Это называется исходным кодом. Затем исходный код обычно преобразуется в машинный язык (объектный код), состоящий из двоичных значений (нулей и единиц). Они определяют операции, которые компьютер может выполнять напрямую.
Европейское патентное ведомство (ЕПВ) не считает компьютерную программу патентоспособным объектом (и считает термин «программное обеспечение» неоднозначным). В частности, в ежегодном обновлении своего «Руководства по экспертизе» 2018 года ЕПВ отмечает, что ИИ и машинное обучение основаны на алгоритмах, которые носят «абстрактный» (а значит, непатентоспособный) характер, и, независимо от обучения, не могут быть запатентованы. Однако ЕПВ допускает выдачу патентов на изобретения, реализуемые компьютерными средствами (CII), что фактически позволяет патентовать некоторые виды программного обеспечения, включая приложения ИИ.
CII «предполагает использование компьютера, компьютерной сети или иного программируемого устройства, в котором одна или несколько характеристик реализуются полностью или частично с помощью компьютерной программы». Приемлемая формула изобретения должна носить технический характер, а значит может быть возможным заявить не алгоритм, а реализуемый компьютерными средствами метод. Также формула изобретения должна вносить технический вклад в изобретательский уровень.
Например, метод, позволяющий компьютеру самостоятельно генерировать случайные числа, не подлежит патентованию. Однако ЕПВ могло бы признать тот же метод патентоспособным, если он используется для моделирования схемы определенным образом. В руководстве ЕПВ приводятся и другие примеры патентоспособных технических применений ИИ: использование нейронной сети в устройстве мониторинга сердечной деятельности для выявления нерегулярных сердечных сокращений или классификация данных на основе признаков низкого уровня (например, границ объектов или характеристик пикселей на изображениях). ИИ также может подлежать охране в тех случаях, когда он специально адаптирован для работы на компьютере, причем «разработка математического метода обусловлена техническими соображениями, связанными с внутренним функционированием компьютера».
Как и в случае с любыми патентами, реализованное компьютерными методами изобретение (CII) должно соответствовать общим критериям патентоспособности: изобретение должно обладать новизной и изобретательским уровнем, представлять собой «техническое решение технической проблемы» и быть промышленно применимым.
В США также допускается патентование определенного программного обеспечения. До наступления эры ИИ Верховный суд США признал некоторые конкретные патенты на ПО не подлежащими патентной охране, поскольку они представляли собой «абстрактные идеи», реализованные на компьютере. Впоследствии суды нижестоящих инстанций подтвердили патентоспособность лишь ограниченного числа изобретений в области ПО. При этом четкого правила, позволяющего отличить патентоспособные изобретения от непатентоспособных, не существует. Как указано в руководстве Ведомства по патентам и товарным знакам США, для отказа в выдаче патента на CII на основании того, что оно представляет собой абстрактную идею, патентные эксперты должны обоснованно доказать, что формула изобретения является «хорошо известной, рутинной и традиционной».
В случае получения патента, а порой даже на стадии рассмотрения заявки патенты могут представлять значительную ценность для бизнеса. При этом, ввиду относительно высокой стоимости получения патентов, охрана обычно испрашивается выборочно в ключевых юрисдикциях. Это означает, что владельцы патентов могут запретить третьим лицам использовать свои изобретения лишь в определенных юрисдикциях. Даже для крупных предприятий «всемирная» патентная охрана, как правило, является одновременно слишком дорогой и ненужной. На данный момент, учитывая страны, которые ведут гонку за лидерство в области ИИ, наиболее важными юрисдикциями являются США, Франция, Германия, Соединенное Королевство, Япония, Республика Корея и Китай.
Можно ли обеспечить охрану модели или системы ИИ с помощью авторского права
Авторское право является важнейшим средством охраны ПО, которое охраняется как «литературное произведение» в соответствии со статьей 4 Договора ВОИС по авторскому праву (ДАП) и статьей 10 Соглашения по торговым аспектам прав интеллектуальной собственности (ТРИПС). Что касается машинного обучения и нейронных сетей, то авторское право охраняет только код. Охрана модели будет обеспечиваться с помощью комбинации авторских прав, патентов и, возможно, коммерческих тайн.
В разных юрисдикциях действуют разные критерии в отношении того, что именно подлежит авторско-правовой охране. В Соединенном Королевстве подготовительные работы подлежат охране, если на их основе на последующем этапе может быть создана компьютерная программа.
В ЕС охрана ПО регулируется Директивой о программном обеспечении, которая устанавливает, что охрана действует в том случае, если произведение является «собственным интеллектуальным творением автора».
Авторско-правовая охрана не распространяется на идеи, процессы, методы функционирования или математические концепции. Это означает, что авторское право не препятствует конкурентам в создании собственного кода, который может функционировать аналогично охраняемому коду. Если конкурент получит доступ к охраняемому коду, он может переписать его таким образом, чтобы он не нарушал авторские права, но при этом сохранил ту же функциональность. Даже не имея прямого доступа к исходному коду, конкурент может создать аналогичную программу, наблюдая за поведением ПО. Если он напишет свой собственный код, который не будет содержать охраняемый исходный или объектный код, то, как правило, нарушения прав не будет. Более того, код конкурента в таком случае будет охраняться его собственными авторскими правами.
Можно ли обеспечить охрану инновации на основе ИИ с помощью коммерческой тайны
Программное обеспечение может охраняться в виде коммерческой тайны или конфиденциальной информации. Если конкурент не имеет доступа к исходному коду или иным образом не может определить, как воссоздать функционал ПО, то охрана в виде коммерческой тайны может оказаться эффективной. В случае ИИ это может быть особенно эффективно, если третьи стороны не имеют прямого доступа к системе ИИ, а за пределы организации передаются только результаты работы ИИ. Например, веса и параметры модели ИИ могут охраняться как конфиденциальная информация.
Охрана с помощью коммерческой тайны требует постоянной осторожности, поскольку основана на секретности. Чтобы информация квалифицировалась как «коммерческая тайна» в рамках системы ИС (с учетом того, что в разных юрисдикциях действуют разные правила):
информация должна обладать экономической ценностью в силу того, что она не является общеизвестной; и
владелец должен принять разумные меры для сохранения секретности информации.
Это одна из причин, по которой соглашения о неразглашении (NDA) являются распространенной и необходимой практикой, особенно в рамках договоров с сотрудниками и независимыми подрядчиками. Если компания не принимает разумных мер по защите информации (включая технические меры) и раскрывает ее без заключения какого-либо соглашения о конфиденциальности, то такая информация, как правило, с самого начала не получает охрану в качестве коммерческой тайны или теряет такую охрану.
Если компания принимает разумные меры для ограничения раскрытия информации, которая на законных основаниях находится в ее распоряжении, и если эта информация представляет ценность в силу своей конфиденциальности, то можно предотвратить раскрытие, получение или использование этой информации без согласия компании способами, противоречащими добросовестной коммерческой практике. На практике это означает, что в случае утечки информации, например, в результате хакерской атаки или нарушения договора, могут быть доступны правовые средства защиты для ограничения использования информации или для взыскания убытков.
Роль лицензирования по модели открытого исходного кода в сфере ИС и ИИ
Использование программного обеспечения с открытым исходным кодом (OSS) сопряжено с рядом особых соображений. Под OSS обычно понимается исходный код, который находится в открытом доступе и может использоваться третьими лицами бесплатно. Однако, хотя OSS, как правило, не требует денежных затрат, оно обычно сопровождается ограничениями в отношении способов использования кода.
Использование OSS может требовать наличия лицензии, запрещающей пользователям создавать модифицированные версии исходного кода или использовать его в коммерческих целях. Лицензии на OSS также могут ограничивать право на включение исходного кода в другое ПО, если оно не является открытым, что фактически лишает такое ПО статуса проприетарного продукта.
Существуют тысячи различных типов лицензий на OSS, многие из которых ограничивают меры охраны ИС, доступные для любого продукта, включающего OSS. Это касается как использования библиотек кода, так и фрагментов кода, которые могут быть включены в более обширную базу кода.
Обсуждение вопросов, связанных с ИИ с открытым исходным кодом, пока находится в зачаточном состоянии. Согласно организации Open Source Initiative, ИИ с открытым исходным кодом — это система, предоставляемая на условиях, которые позволяют пользователям свободно использовать, изучать, изменять систему и распространять ее.
В настоящее время ИИ с открытым исходным кодом существует в диапазоне от полностью открытого до полностью закрытого, в зависимости от того, какие компоненты доступны общественности по открытым лицензиям. К таким компонентам могут относиться документация, программный код, обучающие данные, весовые коэффициенты и архитектура модели. Закон ЕС об ИИ определяет «свободный и открытый ИИ» как компоненты ИИ, доступные по открытым лицензиям, хотя это определение имеет ограничения и в нем не уточняется, сколько именно компонентов должны быть открытыми. Это важно, поскольку Закон об ИИ предусматривает менее строгие требования к заинтересованным сторонам, выпускающим «ИИ с открытым исходным кодом» (хотя это не распространяется на системы с высоким уровнем риска и коммерческие услуги). Некоторые критики утверждают, что это создает стимулы для «имитации открытости» с целью уклонения от обязательств по обеспечению прозрачности.
Подводя итог, можно сказать, что ИИ с открытым исходным кодом требует иных подходов, чем традиционное ПО с открытым исходным кодом, ввиду его сложности и многокомпонентного характера. Более четкие определения и нормативно-правовая база того, что составляет «ИИ с открытым исходным кодом», все еще находятся на стадии формирования. В будущем использование систем с открытым исходным кодом может стать важным источником прозрачности в сфере ИИ при условии, что будет учитываться вся система с открытым исходным кодом, а открытые стандарты будут применяться повсеместно. Пользователи должны иметь в виду, что различные лицензии на ИИ с открытым исходным кодом могут предусматривать собственные условия и ограничения.
Можно ли использовать охраняемые авторским правом материалы для обучения модели ИИ
Как отмечалось в главе 1, недавние стремительные достижения в области машинного обучения стали возможны благодаря широкой доступности больших объемов цифровых данных, которые часто называют «исходным материалом». Этот материал может иметь различные формы: от статистической информации, такой как числовые данные, использование которой не вызывает вопросов в сфере авторского права, до текстов, изображений, видеозаписей и аудиозаписей, использование которых стало предметом серьезных споров.
В некоторых случаях исходные материалы собирают в качестве материалов для обучения системы ИИ с помощью интеллектуального анализа текста и данных (TDM), представляющего собой высокоавтоматизированную обработку больших объемов данных для получения новых знаний. (Снова обратимся к примеру из главы 1: десятки миллионов записей о покупках в розничной сети непонятны человеку из-за огромного объема данных, однако машинное обучение можно использовать для точного прогнозирования тенденций продаж.)
Как правило, операция TDM включает следующие этапы:
Извлечение информации из доступных онлайн-источников с помощью ботов или других автоматизированных систем. Этот процесс часто называют «краулингом» или «скрейпингом».
Форматирование собранных данных.
Сканирование исходных материалов для выявления корреляций, тенденций и закономерностей.
Обработка и анализ данных.
Хранение данных в целях их валидации.
Основная проблема здесь заключается в том, что каждый из этих этапов может предполагать воспроизведение в той или иной форме, а право на воспроизведение является одним из исключительных имущественных прав, принадлежащих владельцам авторских прав во всех юрисдикциях, и основным правом, затрагиваемым в рамках этих процессов.
Вместе с тем во многих юрисдикциях TDM имеет значительную общественную и экономическую ценность, и поэтому законодатели стремятся сбалансировать права владельцев авторских прав и интересы пользователей, предусматривая исключения для TDM. Как отмечалось в главе 2, Япония стала первой в мире страной, которая прямо исключила TDM из сферы ответственности за нарушение авторских прав как в коммерческих, так и в некоммерческих случаях.
В США уже рассмотрено несколько дел (и еще несколько находятся на рассмотрении), касающихся вопроса о том, может ли «добросовестное использование» служить защитой от обвинений в нарушении авторских прав, если материалы, охраняемые авторским правом, использовались для обучения систем ИИ.
При решении вопроса о том, имеет ли место «добросовестное использование», необходимо учитывать четыре фактора, предусмотренные разделом 107 Закона США об авторском праве:
цель и характер использования, в том числе наличие коммерческого характера или использование в некоммерческих образовательных целях;
характер произведения, охраняемого авторским правом;
объем и существенность использованной части по отношению к размеру охраняемого произведения в целом; и
влияние использования на потенциальный рынок или стоимость произведения, охраняемого авторским правом.
В двух недавних решениях по делам «Bartz против Anthropic» и «Kadrey против Meta» суды постановили, что использование охраняемых авторским правом материалов для обучения моделей ИИ является добросовестным использованием. Эти решения были в значительной степени основаны на первом факторе («цель и характер использования»), при этом ключевым вопросом было то, носило ли использование охраняемых материалов «преобразующий характер». В обоих делах суды пришли к выводу, что обучение ИИ действительно носит преобразующий характер и поэтому представляет собой «добросовестное использование». В деле «Kadrey против Meta» суд также рассмотрел четвертый фактор: влияние на рынок и стоимость охраняемых авторским правом произведений. Суд пришел к выводу о том, что, поскольку система ИИ не может полностью воспроизвести охраняемые произведения или заменить их на рынке, такое обучение считается добросовестным использованием.
Вместе с тем следует отметить, что эти решения основаны на конкретных обстоятельствах рассматривавшихся дел, и на данный момент Ведомство по авторскому праву США по-прежнему рекомендует применять принцип добросовестного использования применительно к каждому конкретному случаю. При отсутствии более четких разъяснений целесообразно избегать использования материалов, охраняемых авторским правом, для обучения моделей ИИ или при необходимости получать разрешение владельца авторских прав.
В других юрисдикциях, например в Израиле, действует аналогичная открытая для толкования доктрина добросовестного использования. Министерство юстиции Израиля активно высказывается по вопросам на стыке ИИ и авторского права, открыто заявляя, что обучение с использованием TDM подпадает либо под исключение для добросовестного использования, либо под исключение для временного копирования.
На уровне ЕС исключения для TDM были введены в виде двух обязательных исключений, предусмотренных статьями 3 и 4 Директивы об авторском праве и смежных правах на едином цифровом рынке (Директива CDSM): одно касается научных целей, а второе — TDM, в том числе обучения ИИ. Нормативно-правовая база ЕС предусматривает, что в отношении второго исключения правообладатели вправе устанавливать договорные ограничения на TDM посредством условий использования или условий предоставления услуг. Все государства — члены ЕС должны были имплементировать оба исключения до 7 июня 2021 года, в противном случае они будут нести ответственность за несоблюдение этого требования.
Таким образом, на общий вопрос о том, можно ли использовать охраняемые авторским правом материалы для обучения моделей ИИ, нет простого ответа. Представители творческих отраслей проводят активную работу по защите своей позиции. Они добиваются того, чтобы авторы, художники, музыканты, фотографы и другие правообладатели получали вознаграждение за использование своих произведений, охраняемых авторским правом. Они утверждают, что использование TDM в отношении охраняемых авторским правом произведений для обучения моделей ИИ может представлять собой нарушение авторского права и что к правообладателям следует обращаться за получением лицензий, а также предоставлять им возможность полностью отказаться от такого использования, если они того пожелают.