觀點綜述->其他->實務探討->北京知識產權律師-中國知識產權律師網-專利律師-商標律師-版權律師-商業秘密律師-不正當競爭律師-徐新明律師"/> 觀點綜述->其他->實務探討->北京知識產權律師-中國知識產權律師網-專利律師-商標律師-版權律師-商業秘密律師-不正當競爭律師-徐新明律師"/>
13910160652
010-52852558
| |EN
首頁 > 實務探討 > 其他 > 觀點綜述

人工智能數據帶來的知識產權法律問題

日期:2019-09-10 來源:《中國知識產權》雜志總第150期 作者:許嘉航 瀏覽量:
字號:

當下人工智能的開發已經上升到國家戰略的高度,它的應用正在滲透到社會生活中的各種領域中,包括交通運輸、金融、醫療、制造業等。人工智能正在給人類社會帶來全方位的變革,毫不夸張地說,人類已經進入了人工智能的時代。


人工智能的大多數應用需要“大數據”支持。沒有大數據的積累,機器就沒有學習的對象,就無法進行分析、判斷,也就無法模擬人的思維決策。換言之,沒有高質量、豐富的學習數據,就會影響人工智能的開發。日本學者岡本義則也指出:“對于供AI學習用的數據,能夠收集到多數品質良好的信息,直接關系到人工智能的性能。”[1]人工智能所立足的數據信息含有豐富的商業價值,未來發展潛力巨大。


不過,目前人工智能數據的權屬、域外立法經驗都沒有得到充分研究,這不僅為司法實踐帶來了巨大的困難,也為人工智能技術的發展和人工智能數據的開發與利用帶來隱患。我們有必要通過立法來保護開發者制作優質的數據,進而促進人工智能的發展。否則,當人工智能開發者面臨其所依托的數據被盜取時,盜用者往往通過鉆法律空子,剽竊到有價值的數據,這將損害開發人工智能團隊或個人的原動力。因此,以何種法律來保護人工智能數據,已成為今天我們所面臨的熱點問題。


人工智能數據到底是物權、知識產權,還是創設的新型“數據產權”?本文嘗試結合域外相關經驗考察,對我國知識產權相關法律制度應做如何應對作初步探討。文中所定義的人工智能數據(簡稱AI數據)是指人工智能訓練和深度學習時所依托的數據,[2]它既包括未經加工處理的最早產生的裸數據,也包括運用算法、計算機系統等技術生成的衍生數據,不包括未經處理的個人數據信息。


//人工智能數據理論捉襟見肘//


(一)人工智能數據與物權


法學定義的物權要符合三大特征,即稀缺性、有用性和可控制性。人工智能數據在商業領域中具有商業價值,符合物權定義,是一種稀缺資源。為了保有人工智能數據的價值,企業通常會采取技術安全措施來阻止競爭對手獵取其已收集的數據信息,以保持數據的商業價值,因此它具有稀缺性。從物理性質上看,AI數據可以為人類所支配與控制,具有可控制性。因此,人工智能數據是一種無形的物權,但這樣的認識存在一個重大缺陷。AI數據保護的范圍則僅限于以電子格式收集、處理、存儲和呈現的內容,而非信息本身。如數據屬于無形物權,那么當人工智能數據被非權利人控制后,權利人主張AI數據的返還,即可實現權利救濟。然而,由于數據的無形性,一旦數據被他人非法占有,將會變成無法更改的事實。數據的虛擬性、無形性將導致返還的數據財產價值落空。因此,當人工智能數據被他人非法侵占后,按照物權來保護數據,無法將其恢復到數據未被侵占前的狀態。


(二)人工智能數據與知識產權


1992年,國際保護工業產權協定(AIPPI)東京大會將知識產權劃分為“創造性成果權利”與“識別性標記權利”。基于此,學者們對定義對象做了新的概括,代表性的觀點主要有三種:第一種,知識產權是基于創作性智力成果和工商業標記依法產生的權利的統稱;第二種,知識產權是人們對自己的智力活動創作的成果和經營管理活動中的標記、信譽依法享有的權利;第三種,知識產權是民事主體依據法律的規定,支配其與智力活動有關的信息,享受其利益并排斥他人干涉的權利。[3]由此可概括:知識產權具有創造性、非物質性和公開性的特征。


人工智能數據系依照算法、程式、規則而產生的智力成果,符合知識產權的構成和特性,應被納入知識產權的法律范疇。不過,還有人工智能數據可能無法被納入到知識產權范疇內的情形,比如說被匿名化的非結構性數據,部分群體上傳到手機等設備中的跑步數據,它只是純粹的數據信息。對此,是否要對這些數據信息進行法律保護,取決于人工智能開發者的意志,即有無進行數據挖掘、訓練的必要。如認為有必要,人工智能數據開發者則可用商業秘密法律制度予以保護。如認為無必要,該數據則作為“開放數據”可以對外公開、共享。對此我國的法律制度沒有明確的回應。目前人工智能數據流通市場上,人們通過訂立協議,比如說數據許可使用協議或依靠“以物易物”進行交易,盡管短期內企業可以各安其事、各取所需,但長期看,這不利于人工智能數據保護的合法化,不利于人工智能技術發展。


盡管現行的法律制度沒有對人工智能數據以及相應的法律問題進行有效回應,但當下是否有必要將其定性或創設新的權利類型,比如說數據財產權、數據產權等,以更好確立地確立人工智能數據的法律邊界?我個人認為是沒有必要的。首先,過早地將AI數據作為一種法定權利予以保護,會影響數據的正常流程,一般受法定保護的數據保護期限都較長,不利于人工智能的發展。其次,人工智能產品和形式還在不斷發展變化,現在設定無法達到預期的效果;當人工智能產品發育成熟后,AI數據的法律屬性會越來越明晰,到時再予以界定會更為恰當,更能實現它與其他相關法律制度的自洽與共榮。最后,誠如李琛在《論人工智能的法學分析方法——以著作權為例》所述,技術有變,法理有常。法律不能領先于社會現實,以猜想為基礎、對人工智能的法律規制提出過于瑣細的規則設計,沒有太大價值。要評估人工智能對法律的影響,先要返回制度原理,研究現行制度蘊含的回應能力。


 //法律制度應對人工智能數據保護的域外經驗//


(一)美國的立法現狀


美國沒有關于人工智能數據或與大數據相關的專門立法。2016年10-11月,美國連續發布了《為人工智能的未來做準備》《國家人工智能研究與開發戰略規劃》《人工智能自動化和經濟》3份白皮書。從這些報告中可以看出,人工智能數據或大數據不是人工智能研究或相關法律制度研究的重點。2017年12月,美國提出《人工智能未來法案》,從該法案可以看出,未來美國對人工智能數據的關注點更多在于實現人工智能領域數據和研究的共享與開源,促進數據開放,而非人工智能數據的私有化保護。是否可以由此得出人工智能數據的法律保護在美國并不受到重視呢?答案是否定的。


實際上,1979年,美國統一州法全國委員會(The National Conference of Commissioners On Uniform Statelaws)出臺了《統一商業秘密法》(Uniform Trade Secrets Act,簡稱UTSA)。時至今日,美國超過四個州都已采用UTSA。1996年美國總統克林頓簽署了《美國經濟間諜法》,這是美國第一部聯邦商業秘密法,該法主要是對商業秘密進行刑事保護。為制裁商業秘密侵權行為,商業秘密權利人可以向法院申請簽發立即停止侵害的相關禁令。由于美國有如此完善、成熟的商業秘密保護制度,當面臨人工智能數據被他人盜取或以不正當手段獲得時,美國企業或個人完全可以運用現有的商業秘密、刑法以及反不正當競爭法律來予以保護。


(二)歐盟立法現狀


當下,隨著物聯網(IoT)的發展,歐洲高度重視AI和大數據技術相關的數據財產利益的保護問題,賦予數據類似知識產權的財產權保護之呼吁也日益增多,但人工智能數據如何保護仍是未決難題[4]。如果AI數據符合版權法中的作品要求,比如存儲在電腦或手機中的圖片、語音、視頻等數據,則受到版權法相關法律制度的保護。如AI數據在選擇、編排上有獨創性,符合數據庫的可版權性要求,則可按照歐盟于1998年通過的《數據庫指令》予以保護。


歐盟委員會法律事務委員會于2016年5月31日提交一項動議,要求歐盟委員會把正在不斷增長的最先進的自動化機器“工人”的身份定位為“電子人(electronic persons)”,并賦予這些機器人依法享有著作權、勞動權等“特定的權利與義務”。該動議也建議,為智能自動化機器人設立一個登記冊,以便為這些機器人開設涵蓋法律責任(包括依法繳稅、享有現金交易權、領取養老金等)的資金賬戶。如果此項法律動議通過,歐盟將成為首個通過立法手段賦予人工智能法律身份的地區。這將給確立人工智能數據的歸屬問題提出挑戰。人工智能數據是由人工智能所有,還是人工智能開發者所有?如果人工智能享有對作品的版權,那么作品所依照的素材(人工智能數據)是否也同樣地享有版權?如果人工智能對其創作物享有版權并由此獲得報酬,人工智能數據開發者是否能獲得相應報酬,畢竟人工智能使用了其提供的數據才使得創作完成?如果法律賦予“機器人”人工智能主體身份,將會給人工智能數據帶來新的法律問題。


(三)日本立法現狀


日本2017年和2018年的知識產權推進計劃都將用于AI數據的知識產權保護作為重點內容。《知識產權推進計劃2017》中提出了六點構建促進數據利用的知識產權制度的建議:支持數據利用的相關契約;構建完整的數據流通基礎;確保公正的競爭秩序;宣傳數據結構的專利審查相關事例;為促進數據利用,討論相關權利的限制;厘清確保數據利用的競爭力等。[5]《知識產權推進計劃2018》又進一步指出,加強數據和人工智能等新型信息財產的知識產權保護仍然是重點戰略,具體做法是:普及不正當競爭防止法;官民合作推動信息信托認證計劃及示范;制定數據政策和數據管理計劃;利用信息和通信技術,建立可廣泛獲取、共享和利用數據的農業數據庫。[6]從中可以看出,日本已經意識到AI數據對人工智能發展的重要作用。目前,日本并沒有關于數據財產保護制度的立法,學界也一直有“率先建立數據財產權保護須慎重”的呼聲[7]。值得注意的是,日本于2018年5月30日修改了《不正當競爭防止法》,在第二條關于“不正當行為”定義的例舉中,新設了非法獲取、使用和提供受用戶賬戶和密碼等系統管理方式保護的、僅向特定使用者提供的數據之情形,并基本全盤復制關于商業秘密的保護規則,對權益受損的權利人提供申請禁令、賠償等民事救濟。[8]


通過對域外法律現狀的分析可知:(1)對人工智能數據保護,應從版權、專利法和不正當競爭法等方面著手,知識產權對人工智能數據保護強度的度量標準,各國將依據人工智能技術發展、AI產業戰略定位等情況進行調整與變化;(2)盡管歐盟、美國和日本均沒有關于人工智能數據或與大數據相關的專門立法,但是歐盟、美國和日本都高度重視人工智能數據的法律定位,現行法律制度均對人工智能數據的保護有一定的回應;(3)歐盟、美國和日本對是否建立人工智能數據保護制度均有一定的爭議,對權利人保護的對象、保護方式有不同的側重點考量,且未來也不排除隨著人工智能技術發展,關于人工智能數據保護的爭議可能會隨之增多。


//關于人工智能數據立法的初步思考//


與美國、歐盟、日本一致,我國確實也沒有創立關于人工智能專門法律。人工智能數據在實踐中多是人工智能開發者收集、整理、分析形成,是否采取保密措施,需要看人工智能數據具體使用的場景。如果沒有采取保護措施,屬于在選擇、編排上體現獨創性的數據,也可以受到版權保護。由于我們立法上對此沒有具體的規制條款,AI數據如何保護已成為司法實務中的難題。例如,著名的“新浪微博起訴脈脈抓取使用微博用戶信息案”、 淘寶訴美景公司大數據產品不正當競爭案,二級法院均通過觸發《反不正當競爭法》一般條款來保護數據權益問題——機器人抓取數據行為的合法性邊界問題。這些案例讓我們感受到為了保護人工智能數據,我國法院正在不斷擴張適用《反不正當競爭法》的一般條款,以滿足數據保護的發展需求。但是,選擇原則性條款來保護法律未明文規定的權益,不僅容易受到學界對原則性條款可能被濫用的疑慮,還容易引發法律適用存有較大不確定的爭議。由此,筆者建議,關于人工智能數據的法律保護,應從以下三個方面著手:


(一)建議盡快出臺專門的《商業秘密法》,完善人工智能數據的保護體系


從商業秘密屬性上看,數據不是一項類似于知識產權的排他性權利,只是類似于《反不正當競爭法》框架下的一種防御性權利。由于我國《反不正當競爭法》目前未設立“不當侵占”或“盜用”(Misappropriation)他人合法利益的相關條款,那些雖不符合商業秘密和作品保護條件、但經營者投入了大量資金與勞動且能帶來競爭優勢的數據信息若被“扒取”,則難以用具體的條款加以禁止。因此,建議將在《商業秘密法》中增設條款,合理擴大商業秘密的保護范圍。2018年1月1日起施行的新《反不正當競爭法》第九條第(三)款的規定,商業秘密是指不為公眾所知悉、具有商業價值并經權利人采取相應保密措施的技術信息和經營信息。將商業秘密主體限定為經營者,將會大大限制涉及商業秘密的適用范圍以及適用主體。未來出臺的《商業秘密法》有必要將人工智能數據單獨列為商業秘密保護的對象之一,同時侵犯商業秘密主體擴大到個人,如此才可以更好地制裁非法獲取人工智能數據的行為。


(二)明確規定在人工智能數據被開發、訓練過程中使用他人作品行為是合理使用行為


機器學習所依托的原始數據和衍生數據都是人工智能數據。輸入的原始數據以及被訓練得來的衍生數據發生在整體機器學習過程中,構成合理使用,該過程的復制行為應屬于不侵權行為。理由如下:首先,該過程出現在人工智能開發系統中,消費市場上并未出現同樣作品,輸入、利用行為不會影響作品的正常利用;其次,人工智能進行機器學習時,并非再現作品的獨創性元素,這些元素僅作為“數據”被用于解構與分析,挖掘人類語言與人類表達,發現人類創作規律;最后,使用行為符合轉換性使用的內涵。在不斷優化算法的“學習”過程中,使用行為符合“轉換性使用”內涵,是“創造性且以不同原作的方式或目的使用既有材料”。【9】


(三)國家行政管理部門應制定明確的人工智能相關專利審查標準


美國人工智能數據保護以專利保護和商業秘密保護為主,我國也應如此。眾所周知,商業秘密的保護存有明顯的缺陷,首先,這要求權利人對人工智能數據必須采取保密措施,人工智能社會需要大量的數據進行深度學習,如采取保密措施模式將會阻礙人工智能產業的發展;其次,采取保密措施,不利于數據的流通,造成相同資源反復收集、浪費的局面;最后,商業秘密保護無期限限制,如長期投入人、財等資源進行維護,不僅不利于數據開發,也不利于人工智能開發者自身的發展。人工智能技術應用構思只要構成一個完整的技術方案即可申請專利保護。然而,目前我國《專利法》第二、二十二、二十五、二十六、五十九條等條款的理解和適用在專利審查中存在諸多的不確定性。國內許多企業因此對用專利法保護人工智能數據望而卻步,轉而求助于商業秘密保護。如此,企業援引商業秘密也可能會導致一個意想不到的弊端——支持了企業對數據的壟斷,不利于人工智能產業的蓬勃發展。因此基于現狀,筆者建議我國專利行政管理部門盡快出臺人工智能技術方的授權和權利要求解釋標準。同時為便于把控專利申請的質量和效率,應對相關的審查標準予以明確化,例如,2017年國家知識產權局修改的《專利審查指南》中增加了“商業模式”創新的保護,但沒有明確的審查標準,對此應盡快出臺具體的細則或指導意見來引導業界認知,讓人工智能數據專利申請具有更強的可操作性。


參考文獻:


1 岡本義則.人工知能(AI)の學習用データに関する知的財産の保護[J].パテント,2017,71(10):91-96.


2 孫青山、葉雨瀟《我國數據專利制度的構建-以人工智能數據的保護為視角》,載于《福建江夏學院學報》2018年第八卷第四期。


3 載于吳海東《知識產權法》第五版,P5.


4 Thomas Hoeren. Big Data and the Ownership in Data: Recent Developments in Europe[J].European Intellectual Property Review, 2014[12]: 751-754.


5 知的財産推進計畫2017[EB/OL].

(2017-05-16)[2018-07-29].http://www.kantei.go.jp/jp/singi/titeki2/.


6 知的財産推進計畫2018[EB/OL].

(2018-06-12)[2018-0729].http://www.kantei.go.jp/jp/singi/titeki2/index.html.


7 日本公平交易委員會(JFTC)競爭政策研究中心數據與競爭政策專家組.數據與競爭政策調研報告[R].日本公平交易委員會(JFTC) 競爭政策研究中心,2017(6)。


8 管育鷹:《人工智能帶來的知識產權法律新問題》,2018年第5期,《貴州省黨校學報》。


9 黃武雙,譚宇航:《機器學習所涉數據保護合理邊界的界定》,2019年第4月,載于《南昌大學學報(人文社會科學版)》

拱趴大菠萝辅助神器