最新消息 | 國際實務

 澳洲聯邦法院判決人工智慧系統DABUS得為專利發明人

【資料來源:澳洲聯邦法院官網】

【案號】

FEDERAL COURT OF AUSTRALIA

Thaler v Commissioner of Patents [2021] FCA 879

Stephen L. Thaler [2021] APO 5

VID 108 of 2021

人工智慧(artificial intelligence,以下簡稱AI)所完成的發明,是否能以AI作為專利發明人,或者要以擁有AI的權利人作為發明人,一直有爭議。澳洲聯邦法院於2021.7.31做出判決:AI 應可作為專利發明人。這是個有歷史里程碑意義的判決,因為過去法律只承認只有人類才可以成為發明人,本案則是法律上首次承認AI可作為專利申請案的發明人。

【事實】

DABUS是美國企業Imagination Engines創始人Stephen Thaler開發的AI系統,DABUS一共發明了兩項新技術,一個是分形食品容器,另一個是能引起更大注意力的警示燈。

DABUS全稱是「device for the autonomous bootstrapping of unified sentience」(統一感測自動引導設備),本質上是經過編程獨立發明的電腦系統。從技術來說,這是一群各自獨立的神經網路,可不斷產生「思維過程」與「記憶」;隨著時間推移,思維與記憶就會演繹出新的創造性。

法院從人工神經網絡的背景技術出發,對DABUS的功能作釐清,再提到AI在藥物研究中的使用,說明科學在涉及AI可專利的發明項目。這是為了要證明過去那些有關發明人、發明可專利性的觀念已經過時了,如果「製造方式」也可以作為一種發明,那麼「發明人」的觀念似乎也應該與時俱進?

法院對AI不提供任何定義,也不是只把AI當成是一個超級計算機;可以說法院將AI當成是一個具有演繹推理、歸納推理和模組識別能力的系統,至於是否有意識或自我感覺等,暫且不論。

此外,法院從自動化系統(automation systems)和半自主式系統(semi-autonomous systems)、非自主式系統(non-autonomous systems)的角度來討論自主性(autonomy)的概念。法院認為自動化(automation)和自主性(autonomy)之間有區別,因此DABUS應該是半自主性的,而非只是Stephen Thaler博士意識的延伸,DABUS在人工網路操作方面的輸出某種意義上是自動生成的,也就是說已經能自行演繹而具創造能力。

人工神經網路(Artificial neural networks

AI系統包含人工神經網路或由人工神經網路組成,這種人工神經網路可以在機器內實施並以模擬人腦處理和生成資訊的方式自我組織(self-organise)。人工神經網路是機器學習項目下的一個子領域,機器學習涉及從數據中學習的計算機系統,共分為監督學習、無監督學習和強化學習三類。人工神經網路是一種模仿自然神經網路的數學模型,人類是透過複雜網路連結的數十億個神經元構成,而智力(intelligence)是神經元之間互相連結的結果,一個神經元的輸入由其他神經元的輸出信號所組成,然後該輸入神經元可能會被激發,產生輸出信號,再將其作為其他神經元的輸入信號,以此類推,大量神經元的連續放電模式則是非線性的。

人工神經網路的軟體結構和數學元素可以說是模擬人類的自然神經網路,但是是一種更複雜的機器學習形式。人工神經網路由數千甚至數百萬個緊密連結的簡單處理節點組成,神經網路被組織成節點層,一般來說數據是單向通過,一個單獨的節點可能連結到前一層的數個節點,它從中接收數據,後一層的幾個節點則發送數據。

節點為每個傳入的連結分配一個權重(weight)的數字,當網路處於活動狀態,節點透過每個連結接收不同的數據項,產生不同的數字,並將其乘以相關的權重,然後將結果乘積相加,產生一個數字,如果這個數字低於閥值,則節點就不會將數據傳遞到下一層,反之節點就會被觸發。

在訓練人工神經網路時,其所有權重和閥值最初都設置為隨機值,訓練數據被送到輸入層,通過後續層,以複雜的方式相乘相加,直到它以轉換的形式到達輸出層。在訓練期間權重和閥值會不斷調整,直到有相同標籤的訓練數據始終產生相似的輸出為止。

人工神經網路有多種重要特徵:1.神經元同時儲存並處理資訊;2.神經元具有雙重功能,同時可以當作存儲器和信號處理器;3.具有數據表示的分布式特性;4.知識(knowledge)分佈在整個網路中;4.具有網路從經驗中學習的能力。

分層網路由許多層組成,1.輸入層,由每個網路輸入的神經元組成;2.隱藏層,由一層或多層由神經元組成的隱藏層或中間層組成;3.輸出層,由每個網路輸出的神經元組成。此外,還可能有回饋架構(feedback architecture),在同一層或前一層的神經元之間存在連結。

若使用反向傳播演算法(backpropagation algorithm),允許以最小化誤差函數的方式修改連結權重,為了使誤差函數最小化,可以用梯度下降算法。反向傳播演算法可以分為兩個步驟,有前向步驟和向後步驟,其中網路產生的錯誤就會向後傳播,並適當地更新權重。

DABUS

DABUS的前身是將第一種人工神經網路和第二種人工神經網路結合而成。第一種人工神經網路生成輸出,以回應網路連結的自我刺激(self-stimulation),它可以被看作是一個發電機,受到內部和/或外部干擾的無序刺激,以創造「潛在記憶」(potential memories)。第二種人工神經網路感知輸出流中的價值,第一種人工神經網路產生的潛在記憶由第二種人工神經網路評估或預測其新穎性、效用或價值,第二種調節第一種網路內的突觸擾動水平,以選擇性加強最重要的,並削弱其他,這樣的結合就產生了一個AI系統。在擾亂AI神經網路內的連結後就會產生新的想法,這兩個人工神經網路模仿了人腦的主要認知迴路--丘腦皮質迴路:大腦皮層產生輸出流,丘腦引起人對其感興趣的想法的關注。

DABUS的設計就是為了克服這些複合人工神經網路中的問題,它是早期概念設計的延伸,使用了複合生成器(multiple generator,相當於前述的發電機),也就是上面提到的第一種人工神經網路,它們並行運行,可讓生成組件擴充到數萬億個計算神經元。因此,DABUS是一種神經計算,允許機器生成新的概念,這些新的概念在人工神經網路中被編碼為鏈接的聯想記憶chained associative memories),由人工神經網路的集合組成,其中各個網路代表語言或視覺概念。對加入人工神經網路連結的隨機干擾促進了替代鏈拓樸(alternative chaining topologies)的形成,經由觸發隨機擾動的撤回,該系統能將特定的拓樸結構作為人工神經網路內的記憶永久保存並加強。

DABUS結合了監督和非監督學習進行訓練,最初不斷介紹基本概念,語言個人網路專注一組同義詞和各種常見的技術術語的直接關聯,其他個人網路則專注於圖像,當各個網路相互連結時,該系統就可以累積知識,剛開始是概念的二元和三元組合,然後是更長的概念鏈,後來系統開始生成結果,再由人類決定這結果是否被核准,繼而允許系統自由運行,就進入了無監督的學習階段。

當這些新穎的拓樸被歸納為重要的網路時,因為它們包含了某些被預先特定的網路,也就是所謂的「熱鍵」(hot buttons),例如快樂,系統就會觸發隨機干擾的撤回以加強這些拓樸作為其人工神經網路中的記憶。一個「見證」(witness)的神經網路就包含了一個或多個熱鍵的拓樸,透過上下文輸入,可以從見證網路以自然語言的格式報告這些記憶。

綜上,法院將DABUS看作是自我組織演算協同生成複雜結果的累積,可以生成新的資訊模組,而不是只有簡單的關聯模式。DABUS能在無需額外人工輸入的情況下適應新的情境,AI的軟體可自行組建,因此DABUS不僅僅是一個人工生成的軟體程式,而是可以為了一個問題生成一系列可能的解決方案,並結合過濾演算再加以優化的結果。從某種意義上來說,DABUS可以說是全方位模仿人類大腦功能,現在Stephen Thaler博士已經斷言DABUS可以像人類一樣感知並思考。

AI應用於藥物研究

參考歐盟委員會20209月發行的AI的趨勢與發展最終報告,AI已經被應用於尋找分子靶點(molecular targets),也就是一種分子結構,活性藥物和該分子結構相互作用藉以觸發其作用。大多數藥物靶點是蛋白質,例如受體、酶、轉運蛋白和離子通道,核酸和結構蛋白也可以;但科學家最近開發了一種機器學習演算法,能夠預測潛在藥物分子的生物靶點。例如用於確定藥物相互作用標靶的Bayesian分析,它主要是使用任何潛在藥物的所有可用數據來預測它與細胞中的哪種酶或受體或標靶可以相互作用,以實現其治療效果,Bayesian可以透過將可能性限制為只有一到兩個目標來簡化目標識別過程,然後對其進行研究。

其次,AI已經被應用於尋找藥物作用靶點(hit)或先導化合物(lead),自動高通過量篩選(Automated high-throughput screening)是一種用於尋找藥物作用靶點並找出先導結構化合物的方法。先導化合物在藥物設計過程中是作為候選藥物(drug candidate)的起點進行研究的一種化學物質,其在體外已經顯示出所需要的生物反應,但在效力、選擇性和藥物動力學方面尚不具備原料藥(drug substance)所需要的品質。先導化合物和高通過量篩選所找出的靶點不同,因為先導化合物的結構允許合成類似分子,例如鉛是一種天然物質,但其藥理特性必須透過化學修飾(chemical modifications)來改善。

第三,AI已經被用於老藥新用(drug repurposing),許多藥物是小而靈活的分子,不僅可以與最初確定的目標結構相互作用,還可以和其他生物結構相互作用,這種關聯可以協助老藥找出新的應用。

第四,AI可以透過篩選現有的數據庫來幫助識別候選物質,科學家可以應用機器學習模式來識別全新的抗生素活性物質(antibiotically- active substances),機器學習模式可以分析分子結構並將其與某些特性,例如殺死細菌的能力相關聯,並將其轉換為演算法。

第五,AI已經被用於多藥理學(polypharmacology),近幾十年來的藥物開發一直遵守「一種藥物/一種藥物結構/一種疾病」的指導原則,但許多嚴重的疾病,例如癌症、精神障礙或心血管疾病,通常不能用單一的生物學缺陷來解釋,只能用複雜且通常是網絡般的相互作用,共同產生臨床表現,AI可以對這情況提供幫助。

第六,AI是開發疫苗的有用工具,可以幫助進行基因測序,從而解碼病毒的遺傳物質,還可以幫助模擬疫苗,在模擬中針對病毒釋放(released)可能的疫苗。有關病毒和疫苗性質的數據,足以模擬它們之間的反應,甚至在實際測試開始之前,就可以排除不太有希望的疫苗。

第七,AI可以幫助確定蛋白質的立體結構,包括其折疊形式。因為疫苗的抗體必須精確地作用於病毒的蛋白質才能中和它,所以利用機器學習來根據蛋白質的基因序列生成3D模型,對於預測病毒蛋白質結構並找出抗體很重要。

第八,有很多數據庫可用於整合分子途徑、晶體結構、結合親和力、藥物靶點、疾病相關性、化學特性和生物活性的各種資訊,AI可用於從這些數據庫中獲取訊息,以設計用於單一目標和多藥理學的新化合物。

第九,AI還可以透過檢測患者疾病、識別基因標靶和預測設計分子的效果,以及靶內和靶外效果來支持臨床試驗。此外,患者選擇是臨床試驗中的關鍵過程,在臨床研究中,人類生物標記物(human biomarkers)與體外表型(in vitro phenotypes)之間的關係至關重要。它允許對特定患者的治療反應的不確定性,進行更可預測、可量化的評估,用於識別和預測人類相關疾病生物標記物的AI方法的開發,能夠在第二期和第三期臨床試驗中招募特定的患者群體。因此,可以透過使用AI選擇患者群體的預測建模來提高臨床試驗的成功率。

從以上說明得知,這些案例可以倍數增加,這一切都表示「不應該狹隘地看待發明人」,否則會抑制電腦科學領域的創新,還會抑制所有其他可能受益於AI系統輸出的科學領域的創新。

法律部分

接下來再回頭檢視法律對發明人的相關規定。相關法案中都只有定義「發明」,但沒有定義「發明人」,但也沒有任何條款將發明人排除在非人類的AI設備或系統之外。PCT沒有定義發明人,但也不排除發明人可以是AI

澳洲專利局在審查理由則提到:「發明人」沒有定義,但是字典中寫著「inventor is a person who invents.」。所以發明人是自然人,機器是發明人可以使用的工具。然而,現在機器可以做的已經不只這些,所以有理由認為AI可以成為發明人。雖然無法提出「發明人」的涵義,但是以現今來看,發明人是否可以是一個機器人?澳洲專利法第15條規定:「專利權人的權利來自發明人,如果沒有讓與,發明人將成為專利權人」。那麼我們可以得到以下結論:

A.        發明人應該指的是真正從事發明的人,沒有從事發明但從發明人獲得知識(knowledge)的人,其本身並不是發明人。

B.         其他人有多種方式可從發明人那裏獲得所有權。

C.        所有權的來源必須來自發明人。權利的受移轉人(communicatee)的權利也應該被認為是從發明人那裏獲得的。

ü   澳洲專利局

澳洲專利局認為:目前法律不承認AI機器人有被賦予財產(assign property)的能力,也看不出有規定能讓機器的所有權人直接被視為AI的權利被移轉人,就算可以為申請專利的目的而移轉權利,AI機器人也不能對任何財產擁有實際權益。法條文字中排除了「自動授予所有權」(ownership automatically vests),也不能用「概念上自動將所有權從AI機器人移轉給機器人的所有權人」。因此,若發明人是AI機器人的話,完全無法確定誰是可以被授予專利權的人,所以澳洲專利局認為沒有必要考慮再用「目的性條款(the object clause)」來解釋。

現在問題是:法律規定一個人(a person)所提出有效的專利申請,就算這個人最後沒有資格取得專利權,但這申請案中所填具的「發明人」,是否符合PCT申請案的規定?Stephen Thaler博士認為發明人欄位填寫「DABUS」已經滿足了專利申請案的要求,因此專利局應該進行審查;但審查委員認為僅是在發明人欄位填寫一個名字是不夠的,這並不能賦予「發明人」這個詞實質性的內容。

審查委員認為:發明人一般來說本質上必須要是個「人(human)」,尤其是設計新工藝、設備、機器或物品,必須是「人類」才能當發明人,日常語言所說的「發明」蘊含了人類的獨創性品質,辭典中解釋inventor這個字也用了devisecontrivecontrivanceconceiveconception來定義(以下引用了許多字典字根佐證,略)。Inventor這字的意義也可能隨時代而不同,就像computer的定義,過去是指進行計算的人,而後變成計算機,現在則是根據一系列存儲指令以電子方式執行數學計算的裝置。專利局並非不承認科技創新,未來可能立法認為AI機器人可以為專利制度之目的從事發明,而AI機器人的所有權人則因這些AI機器人的發明而獲得獎勵,但這情況在現行法令中尚未存在,著作權對此也是採取同樣的立場,亦即必須是人類智力得到的成果,才能給予智慧財產權的保護。15(1)(b)的規定必須是以「inventor」為前提,無論是核准前或核准後,本案中沒有其他法律行為,也沒有所有權以外的法律關係,可以讓Stephen Thaler博士「從發明人那裏取得對發明的所有權」。

ü   Stephen Thaler博士

Stephen Thaler博士則主張:按現行法律規定,發明人可以是AI系統或設備。他可以同意DABUS無法擁有或讓與專利權,但就算不存在僱傭合約的情況,受僱人都能用第15(1)(b),本案的情況可以援用第15(1)(c),他再從DABUS取得專利權。就算DABUS只是AI系統而非法人,不能轉讓發明,但這不表示不能從DABUS取得權利。

ü   法官

法官認為:澳洲專利法並沒有AI系統不能作為發明人的明確規定。專利法和著作權法不同,著作權法涉及對人類作者的著作人格權(moral rights),所以著作權法完全排除非人類創作的情況。而發明人(inventor)在法條中沒有特別定義,只有字典上的一般意義;字尾是orer是一個行為者的意思,如果一個AI系統作了invent,那它就可以被稱為inventor既然隨著時代進步,製造方式(manner of manufacture)的概念可以不斷擴大,那麼也可以用進化的思考看待inventor。如果不把新的manufacture的含義和inventor這個字一起用進化的方式思考,就會出現承認一項可以申請專利的發明,卻因沒有發明人,所以不能准予專利的結果。我們不妨用回歸專利法的立法目的,解釋澳洲專利法是提供一種專利制度,透過科技創新和技術移轉以促進經濟福祉,在此過程中,專利制度會隨著時間使科技的創造者、擁有者、使用者和公眾之間的利益達到平衡。

以促進科技創新的角度來解釋inventor,不論這創新是否由人類所完成,是符合專利法立法精神的。電腦有發明人資格(computer inventorship)可鼓勵電腦開發更多創造性的機器,讓其他人享受這類機器輸出的便利,並帶來新的科技優勢。更何況由機器自動或半自動產生可專利性的成果已經有一段時間了,所以將AI貼上inventor的標籤,只是回歸事實。

我們不妨這樣思考:是誰為AI系統設定目標?是人類程式設計者(programmer /operator)或是系統自己?就算是人類程式設計者設定了目標,系統是否可以自由選擇方法以實現目標?此外,是誰提供或輸入相關數據?系統可以搜索並選擇自己所需的數據,當系統在人工神經網路及其交互開發的演算方面選擇越多,系統自主性越高,就像DABUS;我們已經不能將系統當成只是一個超強的計算工具,而自動化和具有自主意識這兩個概念也不能混為一談,某些能自我組織學習的機器至少可以被認定為半自主性(semi-autonomous)的。

承認電腦可以當發明人(computer inventors)可以讓這類專利公開並商業化,如果電腦完成的發明不能取得專利保護,電腦的所有權人可能會選擇將這類可專利性的發明以營業秘密的方式進行保護而不揭露。如果AI系統的輸出是發明,那麼用AI機器人自己作為發明人,不但可以反應現實,還可以避免其他的不確定性,例如AI機器人自己透過瀏覽網路取得了自己的輸入或訓練數據這類情況。如果只允許人類作為發明人,AI系統只是創造產出,那麼專利可能會沒有發明人,這類案件人類也無法申請專利。如果有一個人觀察電腦輸出內容,「發現」輸出和相應的發明,因為「發現」而成為發明人,這將會導致一個奇怪的結果。用「法條文字沒有規定」來排除這類可授予專利的發明的可專利性,也與專利法促進創新的本旨背道而馳。

有人擔心如果允許電腦生成的發明和電腦生成的專利申請也可以核准專利,那麼專利制度可能崩潰,因為電腦演算可產生更多的隨機性、可變性,也會創造出更多新穎的發明,屆時可能對創新產生嚇阻效應,所以應該要求由法人提出專利申請,人類(自然人)必須對電腦生成的應用程序擁有最終控制權,既然電腦不能成為專利申請人,那麼只有法人才能取得專利,也就是回歸現存的法律制度,只有「人」(包含自然人和法人)才能擁有發明專利權。然而,Stephen Thaler博士不是發明人,專利局也承認擁有或控制電腦的人不應該是發明人,但是這類輸出中描述的產品或方法涉及進步性(inventive step),這樣一來這件專利就不會有發明人,也不能提交PCT申請。實則專利法應該真正關注的重點是進步性而非發明人

審查委員用字典中invent相關的名詞來定義inventor,但沒有對完成發明的人作正面描述;inventor這個字和computer一樣,最初可能只用來描述人,只有人類才能進行發明,但現在應該可以描述機器也能執行相同的功能。字典定義的性質通常具有包容性和示範性,但不能錯誤地將其視為排他性的法律定義someone完成發明稱為發明人,並不表示something完成發明不能被稱為發明人。更何況字典詞彙的意思也會隨時代發展而演進,computer就是一個例子。字典不能代替法律的文義解釋,用字典定義法律中的名詞會導致錯誤。專利局一直用第15條作為駁回理由,但在申請階段只要求填寫一個發明人姓名,我們甚至沒必要考慮這個發明人是否就是實際完成發明的人。現在專利只能授予給人(person),AI系統不能是專利申請人,因為不是「人」,所以AI系統也不能擁有或合法轉讓發明,但這不表示DABUS不能當發明人,從第15條也不能得出這樣的結論。

根據第15(1)(a),發明人必須是「人」(person),DABUS不是「人」,但這裡提到的「person」和「inventor」不同,所以不能導出non-human甚至non-person不能作為inventor的結論,應該說non-human可以作為inventor,只是不能授予專利。根據15(1)(b),一個person被授予發明專利後有權將專利轉讓,這種權利可以透過合約、行為或非正式方式產生,也可以透過法律運作產生。15(1)(c)則規定a person可以從inventor15(1)(b)提到的person取得發明專利權。

專利局提到「專利權人的權利來自發明人,如果沒有移轉的話,發明人將成為專利權人」(the entitlement of the patentee flows from the inventor, and absent devolution the inventor will become the patentee)。但根據15(1)就必須先證明誰才能當inventor,我認為這是不對的。Stephen Thaler博士應該可以主張適用15(1)(b)取得專利權。

首先,Stephen Thaler博士是DABUSownerprogrammeroperator,而DABUS這個AI系統完成了發明。從這個意義上來說,這項發明是屬於Stephen Thaler博士的。根據財產法規定,AI系統工作產出物的所有權類似「物之成分及其天然孳息,分離後仍屬於其物之所有人」來處理。若一個人某甲未經Stephen Thaler博士同意而將發明提出專利申請,Stephen Thaler博士有權以專利所有權人的身分直接取得授予某甲的專利權,按照15(1)(b)的規定,根本不需要發明人的任何轉讓。換句話說,15(1)(b)根本不需要發明人,只要有一個申請人,專利核准後專利權可以直接歸屬於真正權利人,如此一來就可以處理這類未來的棘手案件。審查委員認為15(1)(b)適用於受僱人的職務上發明,即使沒有合約,僱用人也可以取得受僱人的勞動成果,但AI機器人不能轉讓專利,所以不能用15(1)(b);但是15(1)(b)也適用在某乙與僱用人簽訂合約,取得受僱人所完成發明專利權的情況,此時所指的轉讓就是從僱用人移轉到根據合約有權取得專利權的人,這時候發明人就不會是讓與人。如前所述,15(1)(b)還可適用在第三人偷盜發明的情況,此時發明人的僱用人可以提起訴訟,請求第三人直接將權利轉讓,而且可以直接要求第三人將權利移轉給發明人的僱用人,這情況下發明人也不會是讓與人。因此,15(1)(b)也可適用於AI系統完成發明的情況。

再者,Stephen Thaler博士也可以用15(1)(c),他可從DABUS取得發明專利權。DABUSAI系統而非法人,不能讓與發明,但15(1)(c)法條文字承認發明人專利權的權利範圍比讓與大,包含利益。在申請專利之前,專利權可能存在於一項發明中,因為尚未核准,所以只是利益而非權利。Stephen Thaler博士身為DABUS的所有權人和控制者,就可以擁有DABUS產出的任何發明,如此專利權便可以直接源自發明人,也不用透過轉讓取得專利權。

小結:第15條涉及的是誰可以被授予專利,而不是在規定誰能當申請書上的發明人,法院認為發明人的名字可以是非人類。

 

【法院判決】

1.          撤銷澳洲專利局2021.2.9所作的申請第2019363177號專利駁回之決定。

2.          關於1990年版澳洲專利法第15(1)之規定,與AI系統或設備得被作為發明人的結論不同,該條規定不適用。

3.          2019363177號專利申請案是否符合1991年版澳洲專利法,將發回由澳洲專利局依本判決結論重新審查。

判決全文請參照:

https://www.judgments.fedcourt.gov.au/judgments/Judgments/fca/single/2021/2021fca0879

 

Top  
 
 
  11th F1., 148 Songjiang Rd., Taipei, Taiwan | Tel : 886-2-2571-0150 | Fax : 886-2-2562-9103 | Email : info@tsailee.com.tw
© 2011 TSAI, LEE & CHEN CO LTD All Rights Reserved
   Web Design by 深白設計
Best viewed with IE8.0 or higher with 1024*768 resolution