能否为自己的AI系统申请专利？
大多数AI都可以被视为软件。在许多司法管辖区，软件无法获得专利保护。为了理解其中的细微差别，我们需要剖析这一领域的关键术语。
软件是一种计算机程序，它向硬件（即计算机的物理设备）发出指令，使其执行特定任务。计算机程序是一种算法，而算法是一系列用于执行计算的指令。
算法通常是用一种编程语言编写的，比如Java、C++或Python，这种语言类似于自然语言。这种编程语言被称为源代码。随后，源代码通常会被编译成机器语言（目标代码），该语言由二进制值（0和1）组成，这些值提供了计算机可以直接执行的操作。
欧洲专利局（欧专局）认为计算机程序不属于可授予专利的客体（并认为“软件”一词含义模糊）。具体而言，欧专局在其2018年发布的“审查指南”年度更新中指出，AI和机器学习基于具有“抽象”性质（因此不可授予专利）的算法，无论是否经过训练，均不可授予专利。然而，欧专局可能会允许对计算机实施发明（CII）授予专利，这实际上允许对某些软件（包括AI应用）授予专利。
CII“涉及使用计算机、计算机网络或其他可编程设备，其中一项或多项功能完全或部分通过计算机程序实现。”符合条件的专利权利要求必须具有技术性，这可能涉及要求保护一种计算机实现的方法而非一种算法。权利要求还必须对创造性作出技术贡献。
例如，一种由计算机自行生成随机数的方法不具备可专利性，但欧专局发现，当该方法用于以特定方式模拟电路时，则具备可专利性。欧专局的指南还列举了其他可获得专利的AI技术应用示例：在心电监测设备中使用神经网络来识别心律不齐，或者基于低级特征（例如图像中的边缘或像素属性）对数据进行分类。如果AI是专门为在计算机上运行而设计的，且“数学方法的设计是出于对计算机内部运行机制的技术考量”，则该AI也可能受到保护。
与所有专利一样，CII需要满足一般的可专利性标准：发明必须具有新颖性、具备创造性、提供“解决技术问题的技术方案”，并且具有工业实用性。
美国也允许某些软件专利。在AI时代到来之前，美国最高法院曾裁定，某些软件专利属于在计算机上实现的“抽象概念”，不符合专利条件。此后，下级法院虽维持了少数软件专利的有效性，但尚无明确规则来区分可授予专利权的客体与不可授予专利权的客体。美国专利商标局的指南指出，若要以“抽象概念”为由驳回CII专利申请，专利审查员必须从事实层面证明相关权利要求属于“公知、常规且惯用的”。
专利一旦成功获得，有时即使处于申请状态，也能为企业带来巨大价值。尽管如此，由于获得专利的成本相对较高，通常只会在关键司法管辖区有选择地寻求专利保护。这意味着专利权人只能在某些司法管辖区内阻止第三方使用专利权人的发明。即便是对于大型企业而言，“全球范围”的专利保护通常既成本高昂，又没有必要。目前，在那些竞相争夺AI全球领导地位的国家中，最重要的司法管辖区有美国、法国、德国、联合王国、日本、大韩民国和中国。
能否利用版权来保护自己的AI模型或AI系统？
版权是软件的重要保护途径，根据《产权组织版权条约》（WCT）第4条和《与贸易有关的知识产权协定》（《TRIPS》）第10条，软件作为“文学作品”受到保护。就机器学习和神经网络而言，版权仅保护代码。该模型将受到版权法和专利法的双重保护，也可能受到商业秘密的保护。
究竟哪些内容符合版权保护的条件，因司法管辖区而异。在英国，准备性设计工作若能在后续阶段生成计算机程序，则其有资格获得保护。
在欧盟，软件的保护受“软件指令”规范，该指令规定，只要作品是“作者自身的智力创作”，就享有保护。
版权保护的是表达形式，而不涵盖思想、程序、操作方法或数学概念。这意味着，版权不会阻止竞争对手编写能够像受保护代码一样运行的自有代码。如果竞争对手能够访问受保护的代码，他们或许能够重写代码，使其不再构成侵权，但仍具备相同的功能。即使无法直接访问受保护的代码，竞争对手也可能通过观察软件的行为来开发出类似的程序。如果他们编写自己的代码，且该代码不包含受保护的源代码或目标代码，该行为通常就不构成侵权。事实上，竞争对手的代码届时将受到其自身版权的保护。
能否利用商业秘密来保护自己的AI创新成果？
软件可能受益于商业秘密的保护或机密信息的保护。如果竞争对手无法访问源代码，也无法通过其他方式确定如何重现该软件的功能，则商业秘密保护可能有效。对于AI而言，如果第三方无法直接访问该AI系统，且仅AI的输出结果向组织外部分享，则商业秘密保护可能会特别有效。例如，AI模型的权重和参数可作为机密信息加以保护。
商业秘密保护需要时刻保持警惕，因为它依赖于保密性。在知识产权框架下构成“商业秘密”需满足以下条件（需注意，不同司法管辖区有不同的规定）：
该信息因其尚未被公众所知而可能具有经济价值；以及
权利人必须采取合理措施对信息保密。
这就是保密协议（NDA）普遍且必不可少的原因之一，特别是在与员工及独立承包商签订的合同中。如果一家公司未能采取合理措施（包括技术措施）来保护信息，且在未签订任何保密协议的情况下公开了该信息，那么该信息通常从一开始就无法获得商业秘密保护，或者会丧失该保护。
如果一家公司采取了合理措施来限制公开其依法控制的信息，且该信息因其保密性而具有价值，那么就有可能防止该信息在未经其同意的情况下，以违反诚信商业惯例的方式被公开、获取或使用。实际上，这意味着如果信息因黑客攻击或违约等原因泄露，则可通过法律补救办法来限制信息的使用或寻求赔偿。
在知识产权和AI领域，开源许可发挥着什么作用？
使用开源软件（OSS）时需特别注意。OSS通常指公开可用的源代码，第三方可以免费使用。然而，尽管OSS通常无需支付费用，但在代码的使用方面通常会存在一些限制。
使用OSS可能需要遵守相关许可协议，该协议禁止用户修改源代码或将其用于商业目的。OSS许可协议还可能限制任何人将源代码整合到其他软件中，除非其同意将整个程序开源，此举实际上消除了该程序的专有地位。
目前存在数千种不同类型的OSS许可协议，其中许多会限制任何采用OSS的产品所能享有的知识产权保护。这既适用于代码库的使用，也适用于可能被整合到更广泛代码库中的代码片段。
关于开源AI的讨论仍处于起步阶段。根据开放源代码倡议组织（Open Source Initiative）的定义，开源人工智能是指在允许用户自由使用、研究、修改和分享系统的条款下提供的系统。
就目前的情况来看，开源人工智能的开放程度从完全开放到完全封闭不等，具体取决于根据开源许可公开提供哪些组件。此类组件可包括文档、软件代码、训练数据、权重因子和模型架构。《欧盟人工智能法案》将“自由开源人工智能”定义为根据开源许可提供的人工智能组件，不过该定义存在局限性，且未明确规定有多少组件必须开源。这一点很重要，因为《人工智能法案》对发布“开源人工智能”的利益攸关方规定了较宽松的要求（不过，高风险系统和商业化服务除外）。一些批评者认为，这会助长“开源洗白”行为，以规避透明度义务。
总而言之，开源人工智能因其复杂性和多组件特性，所需的概念不同于传统开源软件。关于“开源人工智能”的更明确定义和法律框架，目前仍在逐步形成之中。未来，对开源框架的依赖可能会成为提升AI透明度的关键来源，前提是必须将整个开源系统纳入考量，并横向采用开源标准。用户应注意，不同的人工智能OSS许可可能附带各自的条款和限制。
能否使用受版权保护的材料来训练AI模型？
正如第1章所述，近年来机器学习领域的快速进步，得益于大量数字数据（往往称为“输入材料”）的广泛可用性。这可以表现为多种形式：从数字等统计信息（此类信息不会引起版权问题），到文本、图像、视频和语音录音（在这几种形式中，版权问题已成为争议和讨论的焦点）。
在某些情况下，会通过文本和数据挖掘（TDM）收集输入材料作为AI系统的训练材料，即对海量数据进行高度自动化的处理以获取新知识。（再次思考第1章中的例子：由于数据规模庞大，某零售连锁企业的数千万条购买记录对人类来说无法理解，但可以通过机器学习准确预测销售趋势。）
通常，TDM操作涉及以下几个阶段：
利用机器人或其他自动化系统，从可访问的在线资源中提取信息。这通常被称为“爬取”或“抓取”。
对收集到的数据进行格式化处理。
对输入材料进行分析，以发现其中的关联、趋势和规律。
处理和分析数据。
出于验证目的存储数据。
此处的关键争议点在于，这些阶段中的每一个都可能涉及不同类型的复制，而复制权是所有司法管辖区赋予版权人的专有经济权之一，也是这些过程中面临风险的核心权利。
尽管如此，许多司法管辖区认为TDM活动具有重要的社会和经济价值，因此立法者正通过确立TDM例外，力求在版权人的权利与用户的利益之间取得平衡。如第2章所述，日本是世界上第一个在商业和非商业案件中均明确将TDM排除在版权责任之外的国家。
在美国，已有一些已判决的案件（和若干起待审案件）涉及“合理使用”是否可作为在训练AI系统时使用受版权保护材料的版权侵权抗辩理由。
在判断是否构成“合理使用”时，必须考虑《美国版权法》第107条规定的四个因素：
（1）使用目的和性质，包括此类使用是具有商业性质还是用于非营利教育目的；
（2）受版权保护作品的性质；
（3）相对于整个受版权保护作品而言，所使用部分的数量和实质性；以及
（4）使用行为对受版权保护作品的潜在市场或其价值的影响。
在最近的两项判决，即巴茨诉Anthropic案和卡德雷诉Meta案中，法院认定，在训练AI模型时使用受版权保护的材料属于合理使用。 这些判决主要基于第一个因素，即“使用目的和性质”，其中关键问题在于分析对受版权保护材料的使用是否具有“变革性”。在这两起案件中，法院均判定AI训练确实具有变革性，因此属于“合理使用”。在卡德雷诉Meta一案中，法院还分析了第四个因素：对受版权保护作品的市场及其价值的影响。 结论是，由于该AI系统无法完全再现受版权保护的作品，也无法在市场上取代这些作品，因此该训练属于合理使用。
不过，值得注意的是，这些判决仅针对案件的具体事实，目前美国版权局仍建议逐案判定是否构成合理使用。在没有进一步说明的情况下，最好避免使用受版权保护的内容来训练AI模型，或在必要时征得权利人的许可。
其他司法管辖区，例如以色列，也实行类似的、开放的合理使用原则。以色列司法部对AI与版权的交集一直态度鲜明，公开表示TDM的训练属于合理使用例外或临时复制例外。
在欧盟层面，《数字化单一市场版权及相关权指令》（即《CDSM指令》）第3条和第4条规定了两项强制性例外，以此引入了TDM的例外情形：其中一项涉及科学目的，另一项则针对TDM的目的，包括AI训练。欧盟法律框架规定，对于第二项例外，权利人可以通过其《条款与条件》或《服务条款》设定合同限制，以限制TDM。所有成员国必须在2021年6月7日前落实这两项例外，若未能将其纳入本国版权法，将因不遵守规定承担相应责任。
总之，对于是否可以使用受版权保护的材料来训练AI模型这一一般问题，并没有单一的答案。创意产业的代表们开展了广泛的游说活动，以捍卫自身立场，并确保作家、艺术家、音乐家、摄影师及其他权利人因其受版权保护的作品被使用而获得报酬。他们认为，如果将TDM应用于受版权保护的作品来训练AI模型，这可能构成版权侵权；并认为，应征得权利人的许可，且权利人可以根据自身意愿完全选择退出。