人工智能技术作为人类的一项发明创造，本身具备了一定的创造力。无论是专利法治实践还是理论研究均无法否认，在弱人工智能时代，人工智能技术兼具发明创造工具和发明创造方案的提供者的双重身份。由此导致人工智能技术对“创造性判断”“本领域普通技术人员”“隐性知识”等专利要素产生了实质性影响。鉴于人工智能技术的飞速发展，我国专利法有必要在制度设计层面，围绕“创造性”“本领域普通技术人员”以及“深度学习技术下的发明创造”等要素，重新思考人工智能的法律定位问题以及整个专利法体系的重构方向。

整个知识产权制度都是为保护人类的智慧成果而设，而专利制度正是对于人类智慧成果中的重要组成部分——科学技术的发明创造——进行保护的制度。这一制度的有效运行，有赖于保障有价值的专利获得授权，这一功能是通过“创造性”条款实现的。因此现代专利制度，无一例外都对创造性提出了要求，欧美日韩以及中国莫不如此。创造性已经成为专利制度中重要的条款之一，它是技术经由检验和筛选上升为专利的过滤器。然而，人工智能的创造能力远比我们想象的更为发达。例如：新晶体的获得一直被认为偶然因素和不可控因素太多而难以预期，晶体生长的条件与晶体结构之间并不存在显而易见的关联性。随着人工智能技术的发展以及作为学习素材的源数据的积累，人工智能的创造能力会不断增强，人类在发明创造上相对于人工智能的优越地位似乎也将动摇。或者乐观地说，人类的发明创造将在人工智能助力之下更加容易。2016年，美国科学家通过运用人工智能机器学习算法，对近4000次不同反应条件下合成晶体实验的数据来训练机器学习算法，进而成功预测了新的有机模板化无机产品的形成条件。实验结果表明，机器学习算法建议的反应条件的成功率达到89%，而材料化学家的成绩也只有78%。由此可见，机器学习算法比有经验的材料化学家的水平还要高。虽然这一实验仍然无法证明人工智能具备了独立的创新能力，却毫无疑义地证明了人工智能可以辅助人类进行更有效地发明创造。在人工智能技术的飞速发展下，我们可以预想到，未来的人工智能技术将深入推进事物的发展与创造，甚在很大程度上挑战各国的专利权保护体系。

但人工智能作为具有智能算法的科技成果，已经可以辅助人类进行发明创造（前文所引的制备晶体的实例已经证明这是已经发生的事实）。远期来看，随着人工智能技术的发展，一旦人工智能可以独立地进行某些发明创造，人工智能将成为人类的后的发明。当然，强人工智能的出现尚需时日，笔者暂不做深入分析，而弱人工智能技术在发明创造中的使用已经成为“正在发生的历史”的当下，其对于专利的创造性标准的挑战亟待讨论。如果人工智能技术在创新能力上逼近甚超越人类，它无疑将改写人们对专利制度的现有认知。面对这一重大变革，我国专利制度有必要明晰人工智能在推动专利制度变革上存在哪些论争，梳理人工智能技术对专利制度的哪些方面构成具体挑战，进而明晰我国专利制度的改革方向。

一 、人工智能技术推动专利制度变革的论争：实践与理论的双重碰撞

一般认为，专利制度旨在通过对发明创造授予专利权激励发明创造，从而推动社会的技术进步。该制度伴随人类技术的进步而产生，并随着技术的进步不断发展。专利制度与技术的发展具有天然的联系。但是，人工智能对于专利制度的挑战却是根本性的。人工智能出现之前的发明创造得到的技术仅是发明的客体。一旦人类完成了发明，其仅以产品本身发挥作用。而人工智能则不同，它固然是人类智慧的结晶，但其发明创造作用的发挥并不是仅仅体现在产品本身，更体现在它输出的创造结果。简单来说，在人工智能时代，人工智能技术不仅仅是发明创造活动的工具，还是发明创造方案的提供者。与传统的专利发明相比，人工智能技术在一定程度上脱离了人类创造活动的智力局限，它不仅是人类的发明物，同时还要扮演发明人的角色。在此意义上，人工智能不是人类手足耳目的替代或延伸，而是对于人类脑力的延伸甚某种程度上的替代。这一根本性的特征，恰恰击中了专利制度核心的要害——鼓励创造与保护创造。目前看来，人工智能技术在推动专利制度变革上已然引发了以下实践与理论论争。

（一）弱人工智能背景下的发明创造

根据人工智能与发明的关系，从机器在发明创造活动中的应用场景出发，可以把人工智能技术在终发明成果中的作用划分为两类：人工智能技术独立完成的发明和将人工智能技术作为创造工具的发明。前者被视为“强人工智能”下的发明创造；后者则被称为“弱人工智能”下协助发明创造。以此为区分标准，笔者目前所探讨的人工智能发明创造活动主要是指“弱人工智能”下协助发明创造。

“弱人工智能”尤指具有推理和解决问题能力但并不具备自主意识的人工智能，其往往聚焦于单一任务本身，只能输出结果但并不理解待处理的问题。一般认为弱人工智能具如下特点：（1）对于结构化数据的依赖。目前几乎所有的人工智能系统都需要首先进行人工形式化建模，转化为一类特定的计算问题（如搜索、自动推理、机器学习等）进行处理。（2）环境迁移能力和自适应能力弱。大数据的出现和深度学习算法的提出与应用，推动了很多特定领域机器智能水平的快速发展（如语音识别和图像分类性能的快速正是得益于深度神经网络和基于海量数据的训练），带动了新一轮智能技术研究和创新的热潮。然而，深度学习的优越性能仍然限于特定领域，其实现依赖大量标记样本，而且主要是离线学习，它的环境迁移和自适应能力较差。（3）没有自我意识和想象力。不能够自动地认知自我、体验自我，并产生对主体自身、外部的情感意识及价值行为。

目前我们对人工智能技术的实际应用，只能处于弱人工智能时期伴生式发明创造。例如：2016年5月，谷歌的DeepMind团队开发的“神经编程解释器”（NPI）。这个神经网络能够自己学习并且编辑简单的程序，可以取代部分初级程序员的工作了。这表明人工智能研究超越了简单模仿人类的阶段，具备了初步的智能思考的能力，其自主性大为增强。人工智能已经作为科技研究中的一种高效工具，逐渐出现了人工智能替代发明人进行发明创造的萌芽。以创新难度风险的生物医药领域为例，2007年剑桥大学生物学家Steve Oliver利用人工智能机器人分析文献数据，预测了酵母菌基因的新功能，正确9个，仅错误1个。该团队2018年1月又利用人工智能发现了牙膏中成分三氯生可以靶向DHFR酶治疗疟疾。在化学合成中人工智能也大放异彩，德国威斯特法伦威廉大学与上海大学团队报道了用深层神经网络及人工智能算法规划新的化学合成路线。它可以达到合成化学家的水平，被誉为化学合成领域的“AlphaGo”。对于上述领域的发明创造活动，现行专利法多是将“弱人工智能技术”作为一种发明工具来对待。实际上，弱人工智能技术对发明创造的作用与日俱增，甚在某些情况下，发明创造的产生在某种程度上依赖于人工智能技术的独特优势。故此，在人工智能时代，弱人工智能技术的功能将改变专利制度的实际治理方式。

（二）超越专利范畴的影响：来自人工智能的发展

人工智能的思想早来源于图灵，1950年他提出了图灵测试，如果一台机器能够与人类展开对话（通过电传设备）而不能被辨别出其机器身份，那么称这台机器具有智能。1956年，美国达特茅斯学院的约翰·麦卡锡与10位相关领域的专家讨论了两个月后，次正式使用了人工智能这一术语，标志着人工智能这一新兴学科的正式诞生。但在现代法治视阈下，人工智能技术的法治化，要求我们必须清晰地界定其概念，以保证立法范围的明确性。为此，关于“人工智能技术”范畴的界定，就成为我们明晰人工智能技术与专利制度关系的出发点和依据。

2016年3月，谷歌旗下DeepMind公司研发的人工智能机器人AlphaGo以4:1战胜了围棋冠军、职业九段李世石；2017年5月，AlphaGo又以3:0的*战绩战胜中国棋手职业九段柯洁。自此，人工智能的超高计算能力引起了全社会的广泛关注，甚在某些密集劳动领域和大数据分析领域已然超越了人类大脑的运算能力。例如：工业机器人替代初级人类劳动力的现象已经普遍发生；华尔街的股票分析师也正在被人工智能分析软件所代替（后者可以在数秒之内完成股票分析师数月的工作）；人工智能应用于法律咨询业务可以代替律师完成80％的咨询业务；人工智能应用于语音识别可以近乎自然语言的形式与人类交流；人工智能应用于自动驾驶，谷歌、百度都已经有车型问世并进行了道路试验。对此，有人为此欢呼，认为人工智能开启了新的时代。有人为此忧虑，人类作为生物的优越感正在被人工智能机器人所取代。也有论者从现象伦理学的角度，认为“人工智能技术的伦理讨论不仅涉及一般性的技术伦理问题，而且涉及未来可能具有自主意识和行为能力的人工智能体所产生的特殊伦理问题”。但不管对人工智能持何种态度，人类已经不可逆转地迈向了人工智能时代。但是，上述现象仅仅在阐述一种工具性竞争的结果。这如同人类以往的发明一样，汽车是对人类脚力的替代，电动工具是对人类双手的替代，下棋、法律咨询、语音对话和驾驶汽车都是人工智能对人类的模仿。可以说，人工智能只是在效率上更高一筹，并不能改变事物的本质，更无法像人类思维发明、创造出新的事物。因此，人工智能机器人仅仅旨在人类常规脑力劳动，进而工作效率。但发明创造需要大量的创新性思维、发散思维和跳跃性思维，甚诉诸多年的经验和模糊的直觉，这些都是人工智能难以企及的领域。

进入21世纪以来，人工智能技术获得了巨大进步。但人工智能今尚无统一的定义。蔡自兴认为，人工智能技术应当从三个方向加以界定：在物理层面，人工智能技术是指能够在各类环境中自主地或交互地执行各种拟人任务的机器；而在学科分类领域，人工智能学科是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能并开发相关理论和技术；在人工智能能力优化方面，它是智能机器所执行的通常与人类智能有关的功能如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。“人的智能的核心在于知识，智能表现为知识获取能力、知识处理能力和知识运用能力。”但是，上述关于人工智能的界定，只是技术层面的概念处理。实际上，人工智能技术总是与具体领域相关联而产生具体的技术特征。尤其在知识产权领域，学者们也对人工智能技术的概念界定作出了贡献。吴汉东教授认为，人工智能是一门关于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的科学技术，其研究领域主要涉及机器学习技术、自然语言处理技术、图像处理技术和人机交互技术。而朱雪忠教授认为，人工智能的不同类型、特征决定了它的具体含义。它可以通过被赋予认知、创造、学习、进化和交流的能力，来完成之前由人类所完成的工作。智能不是一维的，而是一个结构丰富、层次分明的立体空间，具备各种信息处理能力。因此，人工智能技术与专利权的碰撞，实际上是在改变专利技术内在创新结构的具体构成。人工智能技术概念的上述分歧，迫使我国推进人工智技术的标准化统一。2018年1月，中国电子技术标准化研究院等单位在《人工智能标准化白皮书（2018版）》中对人工智能作出如下界定：利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得结果的理论、方法、技术及应用系统。

上述定义从不同角度对人工智能范畴进行描述，侧重各有不同，但上述人工智能的定义中都包含了“人工智能是模仿人类智能，输出智能结果的技术”这一核心要素。为避免这一基本概念问题上产生不必要的纷争，笔者涉及的“人工智能技术”将紧扣这一核心要素，并将清晰地证明人工智能的发展历史实际上就是人工智能模仿人类智能的过程。

（三）人工智能技术影响专利制度的理论论争

关于人工智能对于专利制度的挑战与影响，国内学者们较多地将注意力聚焦于两个方面：一是智能机器人的主体资格问题；二是人工智能生成物的知识产权客体范围问题。对这一问题，王迁认为，对于人工智能生成的成果，尽管在表现形式上是与人类创作的作品类似的作品，但由于应用算法、规则和模板的普适性，不能体现成果的独特性，因而不能构成作品。我国法律保护作品之间的创意性和差异性，“作品是一个客观存在，不能因为产生作品的主体具有特殊性，而否决作品本质。”因此，鉴于人工智能所创作的作品符合上述两个特征，我国应当认可人工智能创作的作品之版权。而在专利领域，也存在人工智能产生的技术成果是否能够获得专利的问题，并由此产生一个附随式疑问——人工智能是否可以作为发明主体的问题？朱雪忠认为，只要人工智能的技术成果符合专利法关于新颖性、创造性和实用性的要求，其就是专利的适格标的。但我国现行专利法仅承认生物体意义上的人以及单位作为发明人，而未赋予人类之外的人工智能技术作为发明人的法律资格。因此，人工智能技术发明创造的专利权只能归属于人工智能技术的实际*作者、发明团队或单位。

国外有学者对人工智能对于专利制度的影响进行了更为细致的研究。瑞安·艾伯特认为，人工智能机器人以及人工智能技术在发明创造中的作用，在某种程度上类似于普通技术人员的功能，因此，即便无法将人工智能视为发明人，但可以将人工智能视为普通技术人员来进行创造活动。本·哈滕巴赫和约书亚·格鲁考塔在动态层面上审视了人工智能发明创造所引发的专利权问题，例如：人工智能技术所创造的专利权的具体归属，以及该专利对后续发明创造的实际影响等。对于这两个问题，各国专利权尚未形成制度性建议和意见。除学者的研究之外，引人注目的是欧盟已经进行了立法论证尝试。欧盟议会法律事务委员会在2017年1月12日通过的决议，就人工智能问题提出了具体的立法建议，为确定人工智能在版权法上“独立智力创造”的标准，拟赋予复杂的人工智能法律地位的可能性。马德琳·布宁加强调，当下的人工智能技术已经不需要人的干预，即可创造出更好的机器人版本和计算机程序，因此，欧盟现行知识产权立法应当接纳人工智能机器人作为发明创造的主体。

综上所述，国内外专家学者对于人工智能与知识产权制度的研究，均聚焦于人工智能是否具备知识产权法上的主体资格问题，而弱人工智能对于专利创造性判断规则的影响尚未见深入研究。尽管强人工智能在知识产权中的主体资格问题是一个*重要的问题，但对于当下法治建设而言，由于弱人工智能会对人类在推理和解决问题的能力上提供巨大支持，所以，弱人工智能对专利创造性判断、发明人主体资格的影响更加值得深入讨论。

二、人工智能技术对专利制度的三重挑战

人工智能技术的发展对专利领域“创造性判断”“本领域普通技术人员”“隐性知识”等诸要素都产生了实质性影响，从而对专利法体系形成了以下挑战。

（一）技术领域的挑战

为本领域普通技术人员设定技术领域限制的初衷在于，限制其技术视野的范围，通过有限的边界为真正的技术创新和简单的拼凑划定清晰的界限，排除“事后诸葛亮”的误判。例如跨技术领域的技术要素的迁移是产生发明创造的一个重要途径，严格限定本领域普通技术人员的技术领域才能准确判定这一类转用发明的创造性。但是，人工智能具有强大的数据存储能力，它可以比人类的大脑“记忆”更多的知识，而人工智能的设计者或发明者在制造人工智能产品之时，并不会有意地自我限定人工智能的知识范围，而是根据需要，为人工智能提供相关的知识。这些集成了多学科知识的人工智能产品，作为一个不可分割的产品本身被使用的时候，其自然就打破了专利法中对本领域普通技术人员对于技术领域的限制。

实际上这种因工具的进步导致跨学科技术进入本学科是*普遍的。例如在19世纪，费歇尔作为糖化学的奠基人，使用纯化学方法测定葡萄糖的结构，将葡萄糖与苯肼反应得到苯腙，前后耗时达数年之久，而这一工作在核磁共振仪以及质谱仪出现之后，可以*轻松地在极短时间内完成。这种效率的有赖于化学领域之外的技术的发展与介入，而化学家并不需要掌握核磁共振仪和质谱仪的工作原理，只需要增加如何解读图谱的知识即可。但是，不同于核磁共振仪和质谱仪的是，人工智能产品作为科学研究的工具，不是仅仅提供解决某一具体技术问题的手段因而不能产生根本性的广泛的影响，而是藉由人工智能存储的海量跨学科技术知识，为发明人提供强大的支撑。从而从根本上，以一种全新的性的工具，大大增强了发明人的“发明能力”，根本是改变了发明创造产生的基础土壤，使得评判创造性必要预设“技术领域”这一限制变得困难，甚成为不必要，也无可能。

《专利审查指南》中对于本领域普通技术人员在判断创造性过程中的技术领域设定为与解决技术问题密切相关的领域，如果有必要，也会从相关或相近的技术领域中寻找启示。从上述规定中可知，技术领域有基本稳定的范围，那就是与解决技术问题密切相关的领域，这是一种相当狭窄的规定；当然，指南也规定了拓宽技术领域的可能性，但是这需要前提，即由技术问题本身的性质导致，这种拓宽领域范围是必要的。而弱人工智能工具本身可以自带跨领域知识，当它作为一个产品特别是作为商业化的产品供人们研究的时候，使得研究人员无法对其已经具备的多学科知识视而不见装作不知。例如，在上述结晶案件中，人工智能自动地将数据用化学家并不掌握的算法知识进行运算，来预测结晶的条件参数。又如，前述人工智能涉及化学合成的案例中，软件存储了大量化学反应的数据，并预装了效果良好的算法，其对新设计反应路线具有极大的预测力。这种预测力必然使用了跨领域的化学知识，以及根本不在化学家知识范围内的计算机算法。

（二）创新方式的挑战

现行《专利法》对专利创新的认知，严重依赖于普通技术知识的增长与发展。但是人工智能技术改变了创新方式的具体结构，并在以下三个方面塑造出普通技术知识和人工智能创造性技术的差异：（1）存储差异。普通技术知识是储存于本领域普通技术人员头脑中的该领域的常规知识。对此相对应的是，人工智能需要储存并学习大量的知识。由于大数据、云计算等技术的发展，人工智能可以从云端调用的数据是*惊人的，并且其处理数据的能力和速度是远远超出人类的能力的。（2）形成方式的差异。人类知识就是由跨越时空的个体，借助媒介技术的记录、汇聚、复制、传承、批判等过程生产形成的，并藉由文字实现代际传递。但是人类的知识积累，有赖于个体的学习，时间和精力有限，而机器则不然，其所调用的知识可以是人类创造的所有知识。实际上为了弥补个体知识的欠缺，通行的本领域普通技术人员也可以是一个团队，具有超越个人的知识和能力。但无论如何都不足以与人工智能调用的海量数据相比。（3）数据量的差异。普通技术知识和人工智能创新技术的区分，主要在于是否将其视为人脑本来就已记忆和存储的知识，并在实务中用于分配举证责任和设定举证期限。但在弱人工智能参与的发明创造中，这种区分已经没有必要。因为人工智能的知识储备并不存在*的物理边界，其与云端的数据相连，数据量几乎是无限的。

如果说在人工智能兴起之前，计算机仅能被动地静态地存储数据，尚不足以挑战人类的智力的话，随着算法的进步和专家系统的改进，人工智能机器人及人工智能技术运用信息解决问题的能力大增。足够大的信息量，特别是异质异域的信息的综合分析，会产生创造性的效果。这种大量的知识以及对知识运算的算法的改进，直接导致人工智能具备少在表观上是具有创造力的行为的出现，同时也极大地改变了当下专利创新的方式。例如，AlphaGo的发明人、设计者在观看其对阵李世石的过程中，对于AlphaGo作出的许多惊人决策深表意外，就已经说明，AlphaGo并非仅仅从现成的棋谱中搜索结果用于对弈。由此观之，人工智能技术对专利创新方式的变革，实质性地影响了我国的专利法体系。

（三）人工智能对专利领域隐性知识的挑战

隐性知识在人类的发明创造中扮演了*重要的角色，其以人所不察的方式为人类的发明创造提供支撑。迈克尔·波兰尼认为，隐性知识是人们在行动中所蕴含的未被表述的知识。

其本质的特征是默会性，不能通过语言、文字、图表或符号明确表述与逻辑说明，它是人类非语言智力活动的成果。除默会性这一本质特征之外，还具有非理性、整体性的特征，即缺少逻辑结构，诉诸直觉、领悟，不是经过逻辑推理获得。它是本领域普通技术人员对于普通技术知识的常规运用的能力。例如某个物质在某个具体压力和温度下的溶解度，文献中未必有具体的记载，但本领域普通技术人员获取该数据并不需要特别的实验设计，只需要按照常规的方法即可获得。这本质上是一种不具有创造力的行业经验。但隐性知识还具有相对性。这里的相对性有两层含义：一是隐性知识在一定条件下可以转化为显性知识，二是相对于一个人来说是隐性知识，但是同时对另一个人来说可能已经是显性知识，反之亦然。隐性知识并不会因其神秘而完全无从琢磨，人工智能本身就是对人的模仿，它可以具备表观上看是隐性知识的能力。人工智能获取知识数量巨大，与人类个体所能掌握的完全不在一个数量级，量变引起质变，对于知识的处理，能够产生超出人类显性知识之外的结论。例如，前文所述的人工智能可以提取出“风格”等难以言传的东西进行艺术创作的实例。又如上述晶体结晶的实验中，对于杂乱无章的结晶条件与能否生成晶体的关联，人类的科学家可以凭多年的经验和直觉达到78%的预测准确率，而电脑则可以达到89%。这种能力在特别依赖经验的技术领域，例如化学的领域表现尤为突出。化学领域缺少类似物理定律那种、定量和宽阔的适用范围，常常是模糊的、结论不稳定的经验。例如相似相溶原理，很多时候是正确的，但又有很多反例，相似程度如何定量，相溶到什么程度，则一概依赖人的经验和直觉。有经验的科学家给出的预期往往更准，但作为预测依据的“经验”却是难以描述的。这种“经验”“直觉”就像一个黑箱，能够执行一定功能但却对其内在结构一无所知。而人工智能则可望借助大数据以及基于大数据发现的唯象规律作出预测，虽然并不能揭示，或者不必揭示“黑箱”的结构，但其效果就类似于人工智能具备了“隐性知识”的经验。当人工智能作为商品化普及化的工具来取代人类经验的时候，这种依赖专家经验的工作变得没有创造性。

人工智能不但能够逐步取代人类隐性知识和经验的位置，更重要的是，由于隐性知识的相对性，随着科技的进步，人工智能还可以将隐性知识显性化。专家系统是典型将隐性知识显性化的方式。隐性知识显性化之后就具有了可以语言描述的逻辑结构，更加有利于本领域普通技术人员明确地运用。不论隐性知识是否被人工智能明确地表述出来，都不妨碍其在问题的解决中的运用。而这一运用，即使其内部机理仍然如黑匣子般不解其详，而其运用者——本领域普通技术人员——只需要按下开关即可输出结果，这一过程看不出有创造性可言，却对现行专利法体系带来了严峻的挑战。

三、人工智能时代专利制度变革的可能路径

人工智能究竟能否成为现代法治意义上的发明人，现行专利法体系无法给予正面的支撑。但在人工智能技术的飞速发展下，专利法却需要在制度设计层面重新思考人工智能的法律定位问题以及整个专利法体系的重构方向。目前来看，专利法体系能够接受人工智能的方式有三个：创造性、本领域普通技术人员以及深度学习技术下的发明创造。前者反映的是人工智能技术与专利法之间的内在关联性，后者则体现出人工智能技术与发明人之间的主体连接方式问题，而深度学习技术下的发明创造则反映出未来专利制度的变革方向。有鉴于此，我们可以围绕“创造性”“本领域普通技术人员”以及“深度学习技术下的发明创造”等要素来重新检视人工智能时代专利制度的变革方向。

（一）人工智能作为“本领域普通技术人员”的法律拟制

从上述欧洲、美国、日本以及我国关于创造性的相关规定来看，不论创造性鉴别采取什么具体方式，不论是直接规定在专利法中，还是规定在专利审查指南中，都离不开“本领域普通技术人员”这一要素的具体鉴别。它是法律拟制的、用于评价发明创造性的主体。我国《专利审查指南》规定，“本领域普通技术人员”是一个假设的人，他知晓申请日或者优先权日前发明所属技术领域的所有的普通技术知识，能够获知该领域所有的现有技术，并且具有应用该日期前的常规实验手段的能力，但不具备创造力。而欧洲专利局则规定，“本领域技术人员”假想为一名具备本领域一般知识和能力的有经验的从业者，知晓相关日时的普通技术知识，可以获知所有现有技术（尤其是检索报告中所引用的对比文件），并且具备应用常规实验手段的能力。如果技术问题促使本领域技术人员在另一技术领域寻找解决问题的方法，那么该领域的专家也是适合解决该问题的人。技术人员的能力在其技术领域应当不断提高。如有提示，他可以在相邻或一般领域甚偏僻技术领域去寻找启示。而判断解决方案是否具备创造性应当基于专家的知识和能力。在某些情形下，将其视为一群人（如一个研究或生产团队）而不是一个人更为恰当。其对评价创造性和充分公开具有相同能力水平。日本特许厅对于所属领域的普通技术人员规定，所属领域的普通技术人员也称为本领域技术人员，是一个假想的人，他知晓申请日前所属领域的普通技术知识，具有应用研发工作的一般技术的能力，具备对材料进行选择和对设计进行更改的普通创造力，能够获知申请日之前所属领域的所有现有技术，能够获知与发明所要解决的技术问题相关的所有现有技术，在某些情形下，可以将其视为“一组人”而非“一个人”更为恰当。

归纳上述各国或组织的相关规定可以发现，人工智能技术成为“本领域普通技术人员”要素受到以下几个方面的影响：

（1）技术领域。发明都是在特定的技术领域中进行的。实际的创新主体都不可能全知全能。有些人知识视野更加丰富，了解的技术门类比较多，有些人仅专注于极小的技术学科，技术领域*狭窄，为了统一尺度，将技术领域作为本领域普通技术人员技术视野的界限。虽然在实务中针对具体案情，技术领域如何限定，技术领域限定到多大的范围都是可能引起争议的问题，但作为一个原则，将评判专利创造性的本领域普通技术人员限定到特定的技术领域则是毫无争议的，这一设定是为了合理地配置本领域普通技术人员的能力，同时避免了“事后诸葛亮”的问题。

（2）普通技术知识。普通技术知识在本领域普通技术人员的知识结构中处于基础性的地位，普通技术知识是本领域普通技术人员掌握的，储存于大脑中应当形成深层的记忆，并且能够熟练地随时可以调用的知识，所以各国的措辞中一般用的是“知晓”。在创造性的评判中常常构成该领域的技术公知常识。虽然法律进行了这样的拟制，但实际上没有人可能同时记住那么多东西。所以为了将实际的技术人员向虚拟的本领域普通技术人员尽可能地逼近，在实务中往往表现为记载在教科书、工具书、辞典中的基本的技术知识，这些记载了普通技术知识的教科书、工具书以及辞典中就形成了具有“知晓”能力的普通技术人员的脑外存储器，可以随时调用。

（3）现有技术。普通技术知识之外的现有技术，被视为不必存储于本领域普通技术人员头脑之中，但存在于本领域普通技术人员的视野之内。本领域普通技术人员知道有该技术的存在并且能够获得。这里的措辞往往是动态的“获取”“获知”，强调了本领域技术人员具有根据需要检索现有技术文献的能力。

（4）常规实验手段的能力。这一能力使得本领域普通技术人员可以随时运用本领域的普通技术知识，以获得不超出现有技术所能揭示的范围的数据、信息。本领域技术人员的这一实验能力，不可过度地使用，而是应当“限于有限的实验”。所谓有限的实验并非指实验的次数*少，否则将以实验次数的数量作为衡量创造性的尺度，这将与各国所秉持的“创造性与技术方案提出的途径无关，与付出的劳动量无关”的理念相悖。这里的有限的实验着眼于本领域技术人员在实验的过程中是否具有明确的实验方案或者实验规则的指引。换句话说，本领域技术人员并不具有动脑设计实验的能力，而仅有动手*作实验的能力，其动脑的作用在于理解已经设置好的实验方案。与有限的实验相对的一个概念叫作“过度劳动”。过度劳动的含义是当本领域技术人员没有实验方案时，特别是面临多因素交织的情况下，无从简洁地完成实验方案，只能以近乎无法预期何时能够完成的穷举式的方式进行实验的情形。当本领域技术人员需要付出过度劳动的时候，他实施的一定不是有限的实验；当本领域技术人员通过有限的实验即可完成一个技术方案的时候，其一定不必付出过度的劳动。

（二）建立法治化的“创造性”规则及鉴别标准体系

西方专利制度建立初期只规定了新颖性条件，而没有规定创造性条件。随着专利制度的发展，逐渐将创造性条款作为专利鉴别的重要要素。1850年，美国联邦法院就已经在Hotchkiss v. Greenwood案中确立了“非显而易见”（即创造性）标准。该案涉及粘土或陶瓷把手专利，与现有技术的区别在于把手的材料，现有技术使用的材料为木头、金属，联邦法院认为该区别特征仅仅是材料的替换，缺少超越本领域普通技师的灵感或技能。该案可以视为专利创造性要素确立的标志，首次明确提出了非显而易见性的标准。随后，美国在1952年《专利法》修订中增加了“非显而易见性”（即创造性）规定。该法第103条规定：一项发明，虽然并非本编第102条所规定的已经有人知晓或者已有叙述的情况完全一致，但申请专利的内容与其已有的技艺之间的差别甚为微小，以致在该项发明完成时对于本具有一般技艺的人员是显而易见的，不能取得专利。同时，取得专利的条件不应该根据完成发明的方式予以否定。该规定在1966年Graham v. John Deere Co.案中得到了鲜明体现，并确立了鉴别创造性因素的方法“Graham”，即现有技术公开的范围，申请发明与现有技术之间的区别，相应领域的普通技术水平，以及考虑辅助性考虑因素，包括商业上成功、长期渴望解决的需求、他人的失败等。

受美国专利制度的影响，其他纷纷增加了“创造性”规定，《欧洲专利公约》第52条第（1）款规定，欧洲专利奖授予技术领域中具备新颖性、创造性和工业实用性的发明。公约第56条规定，如果一项发明相对于现有技术而言，对所属技术领域的技术人员来说是非显而易见的，则该发明具备创造性。尤其是在创造性要素的鉴别上，欧洲专利局通过一系列判例（如T01/80、T20/81、T409/91、T435/91、T465/92、T939/92等）确立了以“问题解决法”来鉴别创造性的基本思路。而《日本特许法》（专利法）第29条规定，特许申请之前，具备该发明所属技术领域的普通知识者，依据载于前项各号中之发明，容易实现其发明时，不拘同项的规定如何，对其发明不能给以特许。上述思路为我国《专利法》所借鉴。我国《专利法》第22条第3款规定：创造性是指发明应当具备突出的实质性特点和显著的进步。专利审查指南规定按照三步法的规则进行判断。即首先确定接近的现有技术，然后找出发明与接近的现有技术之间的区别技术特征并确定实际解决的技术问题，后判断要保护的发明对本领域技术人员来说是否显而易见，即确定现有技术在整体上是否给出了技术启示。

（三）深度学习技术的法律性质与制度空间

生理学研究发现大脑具有不同的功能区域，每个区域专门负责同一类的任务，这曾经指引计算机科学家开发专用算法。但科学家们似乎低估了人类大脑的复杂程度。经研究表明，大脑实际上是一台“万用学习机器”，同样的学习机制可以用于完全不同的应用。而且，许多能力的取决于后天的训练。由此看来，人类大脑具有强大的可塑性。而且，当下的人们仍然坚信，人工智能技术无法理解人类的丰富感情，更无法理解美，无法产生具有美学价值的作品。而这些恰是法律认定专利权和专利技术的重要组成要素。

从人类大脑的逻辑思维构成来看，人类大脑在逻辑思维上主要包括归纳总结和逻辑演绎，对应着人工智能中的符号主义、联结主义以及行为主义的人工智能技术。符号主义的主要思想就是应用逻辑推理法则，从公理出发推演整个理论体系。其典型代表就是机器定理证明。它是基于公理系统的符号演算方法，形成的强烈主观意识。联结主义主要是模拟人类大脑的神经元网络。人类大量的视觉听觉信号的感知处理都是下意识的，是基于大脑皮层神经网络的学习方法。迄今为止，人工智能的发展进步主要在于人工神经网络，例如脑神经科学的研究进展、算法的改进、计算能力的空前增强以及数据的积累导致深度学习等。经过多年的发展，神经网络的智能化程度在多个方面已经超越人类。例如：在图像识别上，微软亚洲研究院（Microsoft Research Asia,MSRA）使用“深度残余学习”算法构建了深达152层的神经网络，前五个类别的识别错误率为3.57%，远低于人类的5%识别错误率。而在语音识别上，百度的英文语音识别系统接受了将近1.2万小时的语音训练，单词错误率低3.1%，已经超过正常人的识别能力（5%）。在另外一个小型汉语基准测试中，机器的识别错误率更是只有3.7%，而一个五人小组的集体识别错误率则为4%。

依照人工智能技术在深度学习领域的发展趋势，人工智能技术与相关产品很快将赶上并且超过普通人了。这些成就尚不足奇，目前人工神经网络已可以将一幅作品的内容和风格分开，同时向艺术大师学习艺术风格，并把艺术风格转移到另外的作品中，用不同艺术家的风格来渲染同样的内容，这意味着人工神经网络可以量化原本许多人文科学中模糊含混的概念，例如特定领域中的“艺术风格”，博弈中的“棋风”，并且使这些只可意会、无法言传的技巧风格显性化。从上述人工智能发展的历史可以预期，其未来发展趋势不仅在分析数据的效率上远超人类，大数据训练和深度学习正在赋予人工智能技术一定的创造力。未来人工智能将从辅助人类创造到机器人独立创造。就当下的总体技术水平而言，发明创造活动仍需人类智力为人工智能发明界定目标、参数和成功标准，但专家预测，基于人工智能系统的创造性、不可预测性、可进化性、高效率和化的特征，机器人在未来有望代替人类智慧进行技术方案优化或实施人力难以独立完成的发明。

结论

保护发明创造是专利制度的使。长期以来，在发明创造和专利制度的关系上，发明创造仅仅是以专利保护的对象存在的，科技的进步并没有冲破这一基本模式，而专利制度也具有足够的韧性和容量在这一基本模式中适应技术进步的挑战。但人工智能本身也是具有发明创造能力的发明创造，这是不同于以往人类的发明创造。创造性是专利制度中为重要的核心条款，其目的在于对发明创造进行评价，以确定是否对其进行专利保护。因此本身就具备创造能力的人工智能与专利制度形成了正面的冲击。专利制度与人工智能这一新型的发明创造的关系已经大大不同于以往的发明创造，人工智能对于专利制度基础的创造性形成了挑战。即使是弱人工智能作为人类的工具，对于专利制度中假想的本领域普通技术人员也形成了根本性的冲击。