李宗輝

(南京航空航天大學 人文與社會科學學院，江蘇 南京 211106)

從科學理論研究的視角來看，人工智能歸根結(jié)底是對人類智能的模擬、延伸和擴展，而對于人類智能本質(zhì)的不同認識，使得研究者們采取了迥然有別的理論體系和技術(shù)路徑來構(gòu)造智能機器，進而形成了人工智能發(fā)展中的三個不同流派：符號主義，強調(diào)以符號邏輯表征人類智能；聯(lián)結(jié)主義(又稱連接主義)，探索神經(jīng)網(wǎng)絡(luò)間的聯(lián)結(jié)機制和學習算法；行為主義(又稱進化主義)，以控制論為基礎(chǔ)研究人的“感知-行為”模式。在半個多世紀的歷史發(fā)展過程中，研究如何模擬人類智能的人工智能不同流派與保護人類智力創(chuàng)造成果的知識產(chǎn)權(quán)法之間產(chǎn)生了或遠或近、或強或弱的聯(lián)系，值得加以梳理和關(guān)注。

一、符號主義人工智能與知識產(chǎn)權(quán)法

(一)符號主義人工智能的歷史沿革與基本理念

人工智能研究的第一個流派是符號主義，也被稱為邏輯主義、心理學派或計算機學派，主要依據(jù)物理符號系統(tǒng)(即符號操作系統(tǒng))假設(shè)和有限合理性原理[1]。在符號主義人工智能流派看來，所有與智力相關(guān)的工作都可以歸結(jié)為對符號的操縱。數(shù)學家在解方程時，會移動符號，然后根據(jù)預(yù)先定義的規(guī)則，用其他符號來代替這些符號。邏輯學家進行推論時也是同樣的道理。根據(jù)這個假設(shè)，智力是獨立于基質(zhì)的[2]113。從這個意義上講，計算機與人的大腦和心靈之間的區(qū)別并不重要，它們都是通過符號處理來解決問題，只不過計算機是“二進制”數(shù)字代碼符號，而人腦處理的是更多樣的其他符號。

1965年之前，符號主義人工智能的研究主要是尋求搜索和表達的階段，即借助離散符號系統(tǒng)的功能實現(xiàn)知識的獲取、表達和處理，從而揭示計算機如何解決特定領(lǐng)域的問題。1965-1975年，符號主義人工智能進入了建構(gòu)微型世界的階段。因為與證明幾何學定理、弈棋不同，日常生活中的大多數(shù)問題無法歸入少數(shù)幾種因素的形式組合，通過簡單的邏輯演算就可以解決，所以，必須針對這些問題建構(gòu)一個簡化真實世界并可以嵌入智能機器的“微型世界”。換言之，這一時期的符號學派認為，只要抽象出真實世界中那些對求解問題非常重要的特征，機器就能給出這個抽象世界足夠的背景信息，并智能地思考簡化了的人工世界中的對象及其關(guān)系，從而實現(xiàn)模擬真實世界的目的。然而，這種理想化的孤立的微型世界實際上是沒有意義的。因此，1975年以后，符號主義人工智能進入了尋求極小常識知識集合的階段。人們寄希望于從盡量少的知識集合出發(fā)，通過形式化手段演繹出整個知識系統(tǒng)[3]。

符號、規(guī)則、計算和邏輯推理構(gòu)成了“物理符號系統(tǒng)”的核心要素。以此為基礎(chǔ)，通過對計算機的編程，符號主義人工智能在問題求解(包括定理證明、機器博弈等)、專家系統(tǒng)、模式識別、自然語言理解、自動程序設(shè)計、機器人學和知識庫的智能檢索等多個領(lǐng)域都開拓出了廣闊的應(yīng)用前景[4]。符號主義人工智能在今天仍有延續(xù)和應(yīng)用，但這一流派的人工智能占據(jù)主導地位的歷史時期主要在20世紀80年代之前[5]，它也被稱為經(jīng)典的人工智能或老式的人工智能。

(二)符號主義人工智能與知識產(chǎn)權(quán)法的關(guān)系

1.符號主義人工智能的知識產(chǎn)權(quán)客體化

從知識產(chǎn)權(quán)法的調(diào)整對象和調(diào)整范圍來看，符號主義人工智能誕生之初并未引起立法者乃至理論界的關(guān)注，人們幾乎不會直接討論人工智能的知識產(chǎn)權(quán)保護問題。這主要有幾方面的原因：一是當時人工智能科學與知識產(chǎn)權(quán)法學的理論研究都處于相對“幼稚”和粗獷的階段，兩者盡管分別在技術(shù)建構(gòu)和制度規(guī)范層面上涉及人的“智力創(chuàng)造”問題，但彼此之間要發(fā)生研究者的興趣交融和知識匯流仍缺乏足夠成熟的條件。二是在19世紀末20世紀初的美國司法實踐中，“智力活動的方法”不能被授予專利權(quán)已經(jīng)成為一項默認的原則，而符號主義人工智能主要擅長的恰恰是定理證明、下棋這樣一些無論從外觀還是實質(zhì)都被認為是純粹智力活動的算法。三是那個時代的知識產(chǎn)權(quán)法重點保護的仍然是傳統(tǒng)工業(yè)中含有知識產(chǎn)權(quán)的機械設(shè)備、化學物質(zhì)、工藝流程和圖書音像等產(chǎn)品或方法，符號主義人工智能乃至更為傳統(tǒng)的計算機軟件都尚未形成具有一定顯示度和規(guī)模的產(chǎn)業(yè)應(yīng)用。例如，1959年的時候，共計只有20家美國公司相互競爭計算機訂單。1960年10月的《電子技術(shù)》月刊介紹了當時世界范圍內(nèi)主要的28家公司提供的72種計算機型號，其中，美國18家、德國4家、英國2家、法國2家、荷蘭1家、日本1家。由于研發(fā)周期長、調(diào)試維修難和更新?lián)Q代快，計算機產(chǎn)業(yè)在初始的年份虧損了約5億美元，其中有一家公司單獨就虧損了1.3億美元。1959年的統(tǒng)計顯示，在所銷售的計算機中，大型計算機的累計價值占到了57%，中型計算機占39%，小型計算機只占4%。這些數(shù)據(jù)表明，20世紀50年代，美國的計算機產(chǎn)業(yè)尚遠未普及到私人生產(chǎn)部門，只有政府部門和有限的大公司有購買的需求和足夠的財力，而以計算機為基礎(chǔ)的人工智能則更是缺乏真正的產(chǎn)業(yè)應(yīng)用。

20世紀60年代中期以后，隨著計算機產(chǎn)業(yè)的發(fā)展，包括符號主義人工智能在內(nèi)的計算機軟件技術(shù)對知識產(chǎn)權(quán)法的影響開始引起立法者和決策者的重視。從1965年開始，美國政府和國會組織的專家委員會先后對計算機軟件的專利和版權(quán)保護問題進行了深入調(diào)研，結(jié)合專利和商標局的審查實踐探索，到1980年，美國事實上關(guān)閉了人工智能軟件專利保護的大門，而為其開啟了版權(quán)保護的窗戶。同一時期的英國也采取了與美國類似的立法模式，例如，其在1988年的《版權(quán)、外觀設(shè)計和專利法案》中規(guī)定：在計算機產(chǎn)生文字、音樂、戲劇或藝術(shù)作品的情形，對作品的創(chuàng)造做出必要安排的人應(yīng)當被視為作者。時至今日，這仍然是為數(shù)不多的接近于人工智能創(chuàng)作物版權(quán)問題的法律規(guī)定。但總體而言，由于符號主義人工智能在設(shè)計上的簡單性和形式化，偏重于對規(guī)律性較強的固定問題的解答，尚未展現(xiàn)出接近人類智能的“創(chuàng)造性”潛能，因此，這一時期的立法者基本還是將其作為純粹的知識產(chǎn)權(quán)“客體”看待和審視的。

2.知識產(chǎn)權(quán)的符號化和專家系統(tǒng)化

從為知識產(chǎn)權(quán)法提供的思想借鑒來看，符號主義人工智能背后的哲學理念為知識產(chǎn)權(quán)統(tǒng)一本質(zhì)主義的追求提供了一套新的話語體系和理論邏輯。20世紀五六十年代，正值國際社會為成立世界知識產(chǎn)權(quán)組織而多方努力之時，將著作權(quán)、專利權(quán)和商標權(quán)這三種原本具有較大差異的權(quán)利統(tǒng)攝到“知識產(chǎn)權(quán)”的名義之下，除了未來相關(guān)國際事務(wù)廣泛協(xié)調(diào)的實用目的之外，需要在理論上能夠自圓其說的體系化解釋。當商標被解釋為智力成果明顯牽強的情況下，將作品、專利解釋為智力創(chuàng)造的符號是最自然不過的選擇。符號主義人工智能無疑與這種解釋路徑深深契合。符號主義人工智能細致區(qū)分符號本身、符號對象和符號對象的解釋，并強調(diào)符號本身是第一位的。符號本身的第一性就可以使各類知識產(chǎn)權(quán)獲得法律上的統(tǒng)一指稱，而這些符號對象在實質(zhì)內(nèi)容以及具體解釋上的差異則不會對它們的共同本質(zhì)產(chǎn)生影響。不過，符號主義人工智能過于簡單、機械乃至一廂情愿的事物認知方式和系統(tǒng)構(gòu)建方式?jīng)Q定了知識產(chǎn)權(quán)的符號論事實上難以解釋和處理智力成果在創(chuàng)造、應(yīng)用過程中所涉及的各種復雜因素和多方利益關(guān)系。

符號主義人工智能還為知識產(chǎn)權(quán)法的具體應(yīng)用提供了輔助工具——專家系統(tǒng)。具體的過程是，由知識工程師將知識產(chǎn)權(quán)法專家的啟發(fā)性知識在知識庫中加以符號表征和管理，并通過推理機使之以符合法律邏輯的方式工作，以及通過解釋器向用戶解釋系統(tǒng)的行為。在此背景下，20世紀80年代，美國研究者曾開發(fā)了應(yīng)用于商業(yè)秘密保護的HYPO專家系統(tǒng)[6]，20世紀90年代，我國武漢大學的趙廷光教授則與西南政法大學經(jīng)濟法系合作開發(fā)完成了“中國知識產(chǎn)權(quán)法專家系統(tǒng)”[7]。但是，由于知識產(chǎn)權(quán)法上的許多概念具有不確定性，并且整個制度的發(fā)展具有較強的開放性，加上符號主義人工智能在對法律專家的知識和推理進行符號化處理的過程中很難反映及融合不同專家的價值取向，所以，這樣一些知識產(chǎn)權(quán)法的專家系統(tǒng)實際上并沒有能夠發(fā)揮非常顯著的作用，而是在某種程度上與符號主義人工智能一樣遭受了冷落。

二、聯(lián)結(jié)主義人工智能與知識產(chǎn)權(quán)法

(一)聯(lián)結(jié)主義人工智能的歷史沿革與基本理念

聯(lián)結(jié)主義人工智能，又稱仿生學派或生理學派，主要是通過模仿人腦神經(jīng)網(wǎng)絡(luò)的活動來設(shè)計智能機器，所以，理論上往往也將人工神經(jīng)網(wǎng)絡(luò)作為其同義語。聯(lián)結(jié)主義人工智能其實與符號主義人工智能差不多是同一時期產(chǎn)生的，只不過在剛開始的二三十年里，符號主義人工智能的光芒太盛，使聯(lián)結(jié)主義人工智能難以顯山露水。

1943年，美國心理學家邁克庫勞奇和數(shù)理邏輯學家皮茨在《數(shù)學生物物理》雜志上發(fā)表了名為《神經(jīng)活動中內(nèi)在觀念的邏輯運算》的文章，創(chuàng)建了首個神經(jīng)網(wǎng)絡(luò)模型——MP模型，可以被看作是聯(lián)結(jié)主義人工智能研究的起源[8]。1982年和1984年，霍菲爾德發(fā)表了兩篇重要論文，提出了用硬件模擬神經(jīng)網(wǎng)絡(luò)，聯(lián)結(jié)主義人工智能才沖破霧霾，重見天日。1986年，魯梅哈特等人提出多層神經(jīng)網(wǎng)絡(luò)中的反向傳播(BP)算法，宣告了聯(lián)結(jié)主義人工智能的徹底復蘇[1]；2006年，杰弗里·辛頓開發(fā)了深度信念網(wǎng)絡(luò)，奠定了聯(lián)結(jié)主義人工智能騰飛的基礎(chǔ)。2012年，深度學習神經(jīng)網(wǎng)絡(luò)領(lǐng)域取得了里程碑式的成就，亞歷克斯·克里澤夫斯基與其他幾位多倫多大學辛頓研究組的同事在一篇深度卷積神經(jīng)網(wǎng)絡(luò)方面的研究論文中證實：在深度學習訓練期間，當處理完2 000億張圖片后，深度學習的表現(xiàn)要遠勝于傳統(tǒng)的計算機視覺技術(shù)[9]。

聯(lián)結(jié)主義認為智能的基本單位是神經(jīng)元，認知過程是由神經(jīng)網(wǎng)絡(luò)構(gòu)成的，表現(xiàn)為信息在神經(jīng)網(wǎng)絡(luò)的單元(神經(jīng)元)中的并行分布和特定的聯(lián)結(jié)方式，而不是符號的運算。聯(lián)結(jié)主義的理論主張，最好將人腦視為一個“自組織”系統(tǒng)，人腦中發(fā)生的組織和學習應(yīng)被視為一個“演進”過程，而不是類似計算機程序的操作過程。人工神經(jīng)網(wǎng)絡(luò)更接近于人腦的構(gòu)造和運作狀態(tài)[10]。

聯(lián)結(jié)主義人工智能與符號主義人工智能的基本區(qū)別主要集中在兩點。一是符號主義人工智能假定了一種“思維語言”，而聯(lián)結(jié)主義人工智能沒有。符號主義人工智能假設(shè)的“思維語言”簡言之即為句法和語義相結(jié)合的符號系統(tǒng)。在聯(lián)結(jié)主義人工智能中，單個神經(jīng)元和部分神經(jīng)元都不形成某一表征。表征只能在神經(jīng)網(wǎng)絡(luò)整體層面顯現(xiàn)，而這種表征又因為認知過程的權(quán)重變化是動態(tài)的，無法固定和存儲，更不必說進行預(yù)設(shè)。二是符號主義人工智能用符號表述方式的結(jié)構(gòu)定義了它們所適用的計算運作方式，聯(lián)結(jié)主義則否認存在這種簡單的“上下貫通形式”計算。聯(lián)結(jié)主義人工智能的計算則是對多個神經(jīng)元信息狀態(tài)及它們之間聯(lián)結(jié)權(quán)重變化的解釋。因此，魯梅哈特和麥克萊蘭形象地將符號主義人工智能與聯(lián)結(jié)主義人工智能比喻為牛頓力學與量子力學之間的關(guān)系，認為前者是可以在宏觀上描述和預(yù)見智能系統(tǒng)的行為，后者則是在微觀上說明那些智能系統(tǒng)行為的直覺的、有點難以捉摸的實際作用力[11]。

(二)聯(lián)結(jié)主義人工智能與知識產(chǎn)權(quán)法的關(guān)系

1.聯(lián)結(jié)主義人工智能對知識產(chǎn)權(quán)法的促進作用

如果說符號主義人工智能與知識產(chǎn)權(quán)法的聯(lián)系還比較間接和“遙遠”，那么，聯(lián)結(jié)主義人工智能與知識產(chǎn)權(quán)法的聯(lián)系則要直接和緊密得多。這主要是因為在聯(lián)結(jié)主義人工智能興起的20世紀80年代，計算機產(chǎn)業(yè)尤其是軟件產(chǎn)業(yè)的發(fā)展已經(jīng)取得了顯著的進步。美國英福公司的市場調(diào)查報告顯示，1979-1984年，世界范圍內(nèi)個人電腦軟件的銷售額年均增長達70%，僅美國在1984年的軟件銷售額就達16億美元。日本的軟件產(chǎn)業(yè)同樣發(fā)展很快，從1972年僅有5種普及應(yīng)用軟件發(fā)展到1984年已有7 585種[12]。在這種情況下，產(chǎn)業(yè)界對軟件僅能獲得版權(quán)保護不甚滿意，于是繼續(xù)通過各種渠道尋求對軟件的專利保護，1981年的“戴蒙德訴迪艾爾”一案便是他們最早取得的突破。在該案中，美國聯(lián)邦最高法院認定，包含有軟件成分的橡膠硫化方法屬于可專利之客體[13]。20世紀90年代中期，美國聯(lián)邦巡回上訴法院接連就數(shù)起軟件發(fā)明專利案件作出判決，均沿襲了該案的傳統(tǒng)，為美國軟件發(fā)明的可專利化增添了不少底氣。這段時期，美國的軟件專利授權(quán)量也有明顯的增長，到1995年，軟件專利申請量達9 000件，是1980年的9倍；授權(quán)量占專利授權(quán)總量的9%，比70年代的不足2%有很大的提升。1996年，美國專利商標局頒布了《計算機軟件相關(guān)發(fā)明的審查指南》，全面將軟件專利申請納入審查的軌道[14]。日本和歐盟也都分別在20世紀90年代和21世紀初提出了自己的軟件專利審查法律框架[15]。這些對于當時正在發(fā)展中的聯(lián)結(jié)主義人工智能而言都是利好的消息。

與此同時，20世紀80年代，隨著集成電路(芯片)技術(shù)尤其是半導體集成電路技術(shù)的飛速發(fā)展，集成電路產(chǎn)業(yè)對國民經(jīng)濟和國家科技發(fā)展的影響力也與日俱增。世界各主要發(fā)達國家都紛紛尋求通過知識產(chǎn)權(quán)立法來保護集成電路技術(shù)。在否定了版權(quán)保護的思路以后，1984年，美國正式通過了以保護“布圖設(shè)計”為中心的《半導體芯片保護法》。繼美國之后，日本、歐共體、瑞典、德國、英國等也先后通過專門立法來實現(xiàn)對集成電路的知識產(chǎn)權(quán)保護。1989年，WIPO通過的《華盛頓條約》更是以國際公約的形式，第一次系統(tǒng)、全面地規(guī)定了對集成電路的知識產(chǎn)權(quán)保護[16]。盡管當時的芯片主要是用于電視機和普通計算機等傳統(tǒng)的電子設(shè)備，但不可否認的是，對集成電路布圖設(shè)計的特別知識產(chǎn)權(quán)保護十分有利于促進芯片的研發(fā)，而以人工神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的聯(lián)結(jié)主義人工智能恰恰對芯片具有較高的要求。

面對日益興起的人工智能技術(shù)，WIPO在1991年組織了專門的論壇討論其知識產(chǎn)權(quán)問題，當時的討論既涉及符號主義人工智能，也涉及聯(lián)結(jié)主義人工智能，并討論了“計算機生成的創(chuàng)造物”以及“人工智能對知識產(chǎn)權(quán)法的影響”，其中迸發(fā)的智慧火花直到今天仍有重要借鑒意義[17]。此后，隨著1992年《人工智能與法律》等一系列計算機與法律交叉領(lǐng)域?qū)W術(shù)期刊的創(chuàng)辦，人工智能的知識產(chǎn)權(quán)法問題逐漸成為理論研究的常規(guī)主題。

以上是20世紀末的知識產(chǎn)權(quán)司法、審查、立法實踐以及理論研究在外部條件方面對聯(lián)結(jié)主義人工智能發(fā)展的積極影響。而從內(nèi)在機理來看，聯(lián)結(jié)主義人工智能的“機器學習”行為也與知識產(chǎn)權(quán)法“鼓勵學習”的根本宗旨深度契合?！叭绻粋€機器人掌握了人類所有的技能，但就是沒有學習能力，那么人類不久就會把它扔在一邊?！嬎銠C會在我們更少的輔助下做更多的事情。它們不會不斷重復同一些錯誤，而會像人一樣，從實踐中學習經(jīng)驗?！辛藱C器學習的輔助，經(jīng)理會變成超級經(jīng)理，科學家會變成超級科學家，工程師會變成超級工程師。未來屬于那些深深懂得如何將自己的獨特專長與算法的擅長結(jié)合起來的人。”[2]45-57進一步來說，一些機器學習系統(tǒng)已經(jīng)“發(fā)展出自己的直覺力”，然后按照直覺來行動，而不只是“按照編好的程序來工作”。從某種意義上可以認為，它們展現(xiàn)出了人類學習的神韻，并且能夠幫助人類更好地“學習”。概言之，聯(lián)結(jié)主義人工智能與知識產(chǎn)權(quán)法分別從算法開發(fā)與制度供給的角度激勵著人類的學習和創(chuàng)新活動，并且前者自身作為科技創(chuàng)新活動的組成部分，同時又受到后者的激勵。

2.聯(lián)結(jié)主義人工智能對知識產(chǎn)權(quán)法的挑戰(zhàn)

聯(lián)結(jié)主義人工智能在對知識學習和智力創(chuàng)造活動的認知、模擬、擴展方面更契合知識產(chǎn)權(quán)法的同時，也給后者的解釋、適用和發(fā)展帶來了不少新的挑戰(zhàn)。

首先是聯(lián)結(jié)主義人工智能是否適于作為專利保護客體的悖論?，F(xiàn)階段的聯(lián)結(jié)主義智能系統(tǒng)具有明顯的“人工”性，是發(fā)明的產(chǎn)物，作為專利的客體并無疑問，而當其越來越接近還原人類大腦的時候，就越落入了科學發(fā)現(xiàn)的范疇，從而被排除在專利保護之外。這就會形成智能水平越低的人工神經(jīng)網(wǎng)絡(luò)反而越容易獲得專利法保護的尷尬局面。

其次是技術(shù)領(lǐng)域交叉帶來的困惑。最近的神經(jīng)科學表明，由于化學物質(zhì)在大腦中擴散，生物學回路有時能夠改變神經(jīng)元的計算功能。因此，越來越多的人工智能研究人員正在設(shè)計能同時體現(xiàn)模擬功能和數(shù)字功能的神經(jīng)網(wǎng)絡(luò)。模擬功能模擬生物神經(jīng)元的解剖結(jié)構(gòu)和生理機能，包括穿過細胞膜的離子通道。有些專家甚至走得更遠，他們不是純粹在硅上建立人工神經(jīng)網(wǎng)絡(luò)模型，而是構(gòu)建由微型電極和真實神經(jīng)元組成的網(wǎng)絡(luò)[18]。這也就使得專利審查實踐中不易界定此類人工智能的所屬技術(shù)領(lǐng)域和對其進行創(chuàng)造性評判[19]。

再次是學術(shù)界至今仍爭論不休的人工智能創(chuàng)造物的知識產(chǎn)權(quán)保護問題。聯(lián)結(jié)主義人工智能的自主學習特點使其可以自動生成在客觀表現(xiàn)形式上完全符合知識產(chǎn)權(quán)保護要件的結(jié)果，然而知識產(chǎn)權(quán)法的基本價值立場是保護“人”的創(chuàng)造成果，因此，在法律上采取何種制度安排或設(shè)計來消除這一矛盾就產(chǎn)生了很多認識上的分歧[20]。這一問題在聯(lián)結(jié)主義人工智能的研發(fā)者、機器學習的監(jiān)督者和使用者等人類主體的智力活動與機器的智能行為交織在一起時，變得更加復雜難解。當然，聯(lián)結(jié)主義人工智能自主學習和自動決策的行為也會帶來更高的知識產(chǎn)權(quán)侵權(quán)風險[21]。

從次是對知識產(chǎn)權(quán)法所保護之“創(chuàng)新”本質(zhì)的反思。為防止思想的壟斷和妨礙社會整體的創(chuàng)新步伐，知識產(chǎn)權(quán)法上設(shè)有版權(quán)保護的“思想與表達二分法”以及專利不保護科學規(guī)律等基本原則，而聯(lián)結(jié)主義人工智能一般正是通過對海量人類既有成果學習后抽取共性規(guī)律所進行的“創(chuàng)造”。其創(chuàng)造物具體到何種程度才可以獲得知識產(chǎn)權(quán)保護，以及其對既有智力成果的利用在何種程度和范圍內(nèi)是合法的[22]，都需要仔細審視。

最后是聯(lián)結(jié)主義人工智能在建構(gòu)過程中可能面臨的法律倫理問題。為了盡可能接近生物大腦的組織結(jié)構(gòu)，研究者會選擇動物(例如小鼠)的大腦進行全腦測繪和仿真，甚至將小鼠大腦中的神經(jīng)元替換成人工合成的電子基質(zhì)。終極意義上的人工神經(jīng)網(wǎng)絡(luò)則是對人腦的全腦仿真，并且也存在這種神經(jīng)元替換的可能[23]。那么，這樣的發(fā)明是否合乎公序良俗原則就會存在很大爭議，并且在法律上，我們?nèi)绾蚊鎸Α叭斯どw”也頗為棘手[24]。

三、行為主義人工智能與知識產(chǎn)權(quán)法

(一)行為主義人工智能的歷史沿革與基本理念

行為主義人工智能在思想上起源于20世紀初興起的行為主義心理學派。行為主義心理學派認為，一切復雜的行為，都可以用環(huán)境的作用加以說明，由于環(huán)境的結(jié)果養(yǎng)成各種習慣。本能也好，意識也罷，在說明行為上，都不需要了，因為思想也是一種對外界的反應(yīng)，同其他反應(yīng)無異。概言之，行為主義以研究人類及其動物機體的行為為主導，摒棄一切主觀經(jīng)驗，竭力反對研究人的主觀意識和內(nèi)部結(jié)構(gòu)[25]。在研究方式上，行為主義反對內(nèi)省的研究方法，主張采用客觀的觀察和實驗的研究方法，因而也被稱為客觀心理學[26]。

1948年，在吸納行為主義心理學理論的基礎(chǔ)上，維納創(chuàng)立了“控制論”?？刂普撏ǔ１徽J為是第一次將行為主義與人工智能聯(lián)系在一起?！皥D靈測試”事實上遵循的也是行為主義的邏輯。它并不要求接受那臺接受測試的思維機器在內(nèi)部構(gòu)造上與人腦一致，而僅僅要求從外部功能或行為上看，思維機器能夠同人腦保持一致[27]。20世紀80年代，以美國麻省理工學院人工智能實驗室的青年科學家布魯克斯為代表的一批研究人員開始將行為主義理論正式付諸于人工智能的研發(fā)實踐。1986年，布魯克斯成功開發(fā)出第一個基于“感知-行為”模式的輪式機器人Allen。1999年，波利等人發(fā)表文章，闡述了基于“感知-行為”模式的多機器人系統(tǒng)在戰(zhàn)場掃雷中的適用[28]。直到今天，眾多科技公司摩拳擦掌而要開發(fā)的人工智能，不少也是行為主義理念之下的“自適應(yīng)學習機器”。

行為主義人工智能學派認為，人工智能的研究應(yīng)當走出簡單、抽象模型的象牙塔，而以復雜的現(xiàn)實世界為背景，讓人工智能理論、技術(shù)先經(jīng)受解決實際問題的考驗，并在這種考驗中成長[29]。布魯克斯指出，智能無需知識的表示，無需推理，只是在與環(huán)境的交互中表現(xiàn)出來，實現(xiàn)這種人工智能的基本步驟包括：(1)到現(xiàn)場去；(2)物理實現(xiàn)；(3)初級智能；(4)行為產(chǎn)生智能。具體而言，復雜的行為可以通過分解成若干個簡單的行為加以研究。主體根據(jù)環(huán)境的刺激產(chǎn)生相關(guān)的反應(yīng)，同時通過特定的反應(yīng)來陳述引起這種反應(yīng)的情景或刺激。因此，它能以這種快速反饋替代傳統(tǒng)人工智能中的精確的數(shù)學模型，從而達到適應(yīng)復雜、不確定和非結(jié)構(gòu)化客觀環(huán)境的目的[30]。行為主義認為，感知和動作可以緊密地耦合在一起而不必引入抽象的全局表征，而人工智能則可以像人類智能一樣逐步進化[31]，因此，行為主義人工智能也被稱為進化主義人工智能。

行為主義人工智能實現(xiàn)像人類一樣在各種已知乃至未知環(huán)境中行為的方法主要是強化學習和遺傳算法。遺傳算法會在每一步中考慮整個群體的假設(shè)，由于交叉行為，這些假設(shè)可以從這一代跨到下一代。除了通用式以外，遺傳算法不會對它們即將學習的結(jié)構(gòu)進行預(yù)先假設(shè)。因此，遺傳算法陷入局部最優(yōu)值困境的可能性比較小，而且原則上也更有可能找到真正新穎的東西。強化學習的優(yōu)點則是能夠根據(jù)與環(huán)境交互作用中的得失進行學習績效的累積，與人類真實的學習機制相似。行為主義人工智能的缺點是將人的行為過程看得過于簡單，實驗中往往只是測量簡單的獎懲反饋過程，有些結(jié)論不能遷移到現(xiàn)實生活中，所以外部效度不高。另外，行為主義將意識與行為對立起來的思想，也限制了人工智能的縱深發(fā)展[32]。

(二)行為主義人工智能與知識產(chǎn)權(quán)法的關(guān)系

1.行為主義人工智能對知識產(chǎn)權(quán)法信息革命的促進

行為主義人工智能與聯(lián)結(jié)主義人工智能差不多都是在20世紀80年代中期反思符號主義人工智能的過程中開始發(fā)展起來的，但是行為主義人工智能到20世紀90年代中期才有所成就，并且在今天也不像聯(lián)結(jié)主義人工智能那樣光彩奪目。不過，行為主義人工智能對于自適應(yīng)環(huán)境行為的認知以及對于智能系統(tǒng)輸入輸出信息之間關(guān)系的重視，實質(zhì)上都與互聯(lián)網(wǎng)時代的知識產(chǎn)權(quán)法律變革息息相關(guān)。

20世紀90年代，以美國“知識產(chǎn)權(quán)和國家信息基礎(chǔ)設(shè)施”白皮書為代表，日本、歐盟、加拿大、澳大利亞、德國、俄羅斯等國家和地區(qū)都提出了相似的知識產(chǎn)權(quán)報告或者進行了相應(yīng)的立法[33]。1996年，《世界知識產(chǎn)權(quán)組織版權(quán)條約》和《世界知識產(chǎn)權(quán)組織表演和錄音制品條約》得以通過。隨后不久的1998年，美國頒布了《數(shù)字千年版權(quán)法案》，2001年，歐盟也制定了《信息社會版權(quán)指令》。從理論上看，行為主義人工智能與網(wǎng)絡(luò)時代的知識產(chǎn)權(quán)立法都是從人們適應(yīng)各種復雜新環(huán)境的“進化”行為中去考察智能或法律，都追求一種類似于自然科學的客觀、量化體系，都否認完全基于理性或預(yù)設(shè)的結(jié)構(gòu)、制度，都強調(diào)相關(guān)主體的行為是反饋輸入信息后而進行的信息輸出，并在一種不斷試錯的過程中強化學習。

具體來說，行為主義人工智能邏輯下的知識產(chǎn)權(quán)本質(zhì)已經(jīng)不再拘泥于某一主體對其創(chuàng)造物的“對物關(guān)系”，而是全面著眼于外部世界圍繞著這一創(chuàng)造物所發(fā)生的各種“對人關(guān)系”。有學者就認為，作為知識產(chǎn)權(quán)對象的信息是控制論意義上的信息，是與物質(zhì)、能量并駕齊驅(qū)的存在，是“我們適應(yīng)外部世界，并使這種適應(yīng)為外部世界所感到的過程中，同外部世界進行交換的內(nèi)容的名稱”[34]。隨著技術(shù)、經(jīng)濟和社會的不斷發(fā)展演進，無論是知識產(chǎn)權(quán)的客體還是控制客體利用的權(quán)利內(nèi)容，乃至基于公共利益需要限制知識產(chǎn)權(quán)的情形，都存在著窮盡列舉、抽象概括之不能，以及完全合理的類型化劃分、體系化建構(gòu)之困難。對于那些缺乏清晰結(jié)構(gòu)和確定利益范圍的創(chuàng)造性信息，必須借助于知識產(chǎn)權(quán)法上的兜底規(guī)定、一般條款以及反不正當競爭法、反壟斷法的補充，通過對市場主體競爭行為的控制來實現(xiàn)其保護或限制。即便是那些已經(jīng)通過知識產(chǎn)權(quán)表征的信息，用于表征它們的知識產(chǎn)權(quán)在權(quán)利內(nèi)容上同樣體現(xiàn)為一種對他人行為的控制。誠然，以“行為規(guī)制”為中心的知識產(chǎn)權(quán)法實踐模式會在一定程度上犧牲法律的明確性和穩(wěn)定性價值，并具有滋長司法任性的風險，但在當下信息技術(shù)發(fā)展日新月異、商業(yè)應(yīng)用模式層出不窮和知識產(chǎn)權(quán)糾紛形態(tài)千奇百怪的時代背景下，這或許至少是我們在網(wǎng)絡(luò)和人工智能等新興科技領(lǐng)域不得不做出的選擇。

2.行為主義人工智能的知識產(chǎn)權(quán)法規(guī)制挑戰(zhàn)

從行為主義人工智能理念對知識產(chǎn)權(quán)法的影響回到知識產(chǎn)權(quán)法對行為主義人工智能的調(diào)整來看，主要存在以下幾方面的問題和挑戰(zhàn)。

第一，既然行為主義人工智能強調(diào)環(huán)境的決定作用，認為智能行為是對周圍復雜因素構(gòu)成的環(huán)境的映射，那么，在權(quán)利保護上就存在著環(huán)境提供者或參與者的個人信息權(quán)、數(shù)據(jù)財產(chǎn)權(quán)、既有知識產(chǎn)權(quán)與人工智能本身的知識產(chǎn)權(quán)之間的博弈和張力。

第二，行為主義人工智能遵循的是從失敗中不斷汲取教訓并自然進化的發(fā)展路徑，由此所帶來的問題是：不斷進化升級后的人工智能是否還是最初的作品或?qū)＠?？其跟傳統(tǒng)軟件的版本升級之間有何差異？

第三，并非所有的智力創(chuàng)造活動，哪怕是技術(shù)發(fā)明活動，都存在行為主義人工智能所追求的絕對意義上的“最優(yōu)解”，即便在某個局部或細小的問題上存在著理論上的最佳技術(shù)方案，作為人類主體的專利審查員也很難確認行為主義人工智能是否真的發(fā)現(xiàn)了該技術(shù)方案。再退一步來說，如果我們承認了行為主義人工智能的“發(fā)明”是某一領(lǐng)域的最佳技術(shù)方案，是否就意味著其在進化過程中所否棄的難以計數(shù)的技術(shù)方案都喪失了新穎性和創(chuàng)造性，任何人類主體都不能就此獲得專利授權(quán)[35]？

第四，在由行為主義人工智能所構(gòu)成的“萬物互聯(lián)”世界中，大量人工智能體之間的行為相互牽連、相互影響，極大地加劇了人工智能知識產(chǎn)權(quán)侵權(quán)和其他侵權(quán)行為法律規(guī)制的難度[36]。

四、不同流派人工智能與知識產(chǎn)權(quán)法的融合路徑

面對不同流派人工智能對知識產(chǎn)權(quán)法提出的諸多方面挑戰(zhàn)，我們需要穿越技術(shù)的迷霧和表象，以統(tǒng)一恰當?shù)闹R產(chǎn)權(quán)法理念來正確認識和分析其共同的本質(zhì)問題，實現(xiàn)知識產(chǎn)權(quán)法對人工智能及其生成物的良好調(diào)整和規(guī)制，既促進人工智能科學研究、技術(shù)開發(fā)和產(chǎn)業(yè)實踐的發(fā)展，又防止對人工智能應(yīng)用過程中相關(guān)利益的過度保護以及人工智能技術(shù)的濫用。從另外一個角度來看，不同流派的人工智能不僅是知識產(chǎn)權(quán)法的調(diào)整對象，而且是完善知識產(chǎn)權(quán)法的有力工具，我們十分有必要根據(jù)不同流派人工智能的特點來考慮它們?nèi)绾卧谥R產(chǎn)權(quán)法治運行體系中發(fā)揮積極的作用。概言之，不同流派人工智能與知識產(chǎn)權(quán)法的深度融合無論對人工智能的發(fā)展還是知識產(chǎn)權(quán)法的完善都具有重要的理論意義和實踐價值。

(一)應(yīng)用知識產(chǎn)權(quán)法合理規(guī)制人工智能的發(fā)展

從知識產(chǎn)權(quán)法對人工智能調(diào)整的角度來看，我們應(yīng)當堅守“人類中心主義”的價值立場，同時兼顧擬制智能“創(chuàng)造”活動和應(yīng)用實踐的特點。

首先，我們應(yīng)當理性認識人工智能中的“智能”。馬克思主義哲學理論認為，智能就是人在認識和改造自然的過程中用腦力勞動表現(xiàn)出來的能力。人工智能作為模仿人類思考和行動的“機器”，與火車頭、鐵路、電報、自動綿紡機等人類歷史的機器一樣，都是由人類的手所創(chuàng)造的人類頭腦的器官，都是物化的智力[37]。作為人類智能的物質(zhì)化，人工智能在與人腦功能相互聯(lián)系、相互促進的過程中延伸了人類思維器官、強化了人類智力作用，構(gòu)成了人類智能的必要補充。但是，與人類智能相比，人工智能的局限性是顯而易見的。從計算智能的角度來看，盡管聯(lián)結(jié)主義、行為主義或者統(tǒng)一人工智能的絕對計算能力都超越了人類個體，但是，這些人工智能在面對常識問題時經(jīng)常會犯低級錯誤，應(yīng)對復雜局面和解決綜合問題的能力也遠遠不如人類。從心理智能的角度來看，各類人工智能的“情緒”都是為實用目的而進行的解構(gòu)、模仿或設(shè)計，并非內(nèi)在真實的直覺、感受和情感。由此可見，無論是符號主義人工智能對知識信息的形式邏輯表征、聯(lián)結(jié)主義人工智能模擬人腦的神經(jīng)網(wǎng)絡(luò)學習或行為主義人工智能依據(jù)環(huán)境的自主決策行動，還是這三者的各種結(jié)合模式，都無法真正等同于知識產(chǎn)權(quán)法所要回報和保護的人類“智力創(chuàng)造勞動”。人工智能始終只能作為知識產(chǎn)權(quán)的客體而非知識產(chǎn)權(quán)的主體存在[38]。

其次，我們應(yīng)當充分肯定人工智能中的“人工”。盡管人工智能與人類智能之間有著非常大的差距，并且人工智能達到甚至全面超越人類智能的水平幾乎是不可能完成的任務(wù)，但為這一目標而努力的科學研究和技術(shù)開發(fā)令人贊賞并具有現(xiàn)實意義。借助于人工智能的研發(fā)，人類一方面在認識自身腦部結(jié)構(gòu)、思維認知和行為方式的道路上不斷前進，另一方面也通過各種智能機器不斷地提高著生產(chǎn)生活的質(zhì)量，逐漸從“必然王國”走向“自由王國”。因此，在總體上我們可以確信，人工智能中的“人工”是充滿創(chuàng)造性的工作。符號主義人工智能設(shè)計者的創(chuàng)造性主要體現(xiàn)在要將某一特定領(lǐng)域的知識系統(tǒng)地轉(zhuǎn)換為計算機代碼符號，并能夠使其在形式邏輯的運行下即可回答和解決問題；聯(lián)結(jié)主義人工智能設(shè)計者的創(chuàng)造性主要體現(xiàn)在對神經(jīng)網(wǎng)絡(luò)整體、神經(jīng)元及其聯(lián)結(jié)方式的建構(gòu)；行為主義人工智能設(shè)計者的創(chuàng)造性主要體現(xiàn)在對智能機器基于功能的“感知-行為”模式和自然進化算法設(shè)定；統(tǒng)一的人工智能則不僅要體現(xiàn)各流派人工智能的創(chuàng)造性，而且要在它們之間的結(jié)合上費盡思量。因此，當這些人工智能設(shè)計從科學理論的層面落實為具體的技術(shù)形態(tài)時，知識產(chǎn)權(quán)保護一般沒有理由將其拒之門外[39]。

最后，我們應(yīng)當全面考察人工智能已經(jīng)得到充分應(yīng)用的知識經(jīng)濟生活。人們在知識生產(chǎn)和傳播中應(yīng)用各類人工智能主要有三種不同但也可能重疊的目的：一是節(jié)省時間和精力去從事更為復雜的工作；二是解決人類力有不逮的數(shù)據(jù)計算和信息處理工作；三是發(fā)揮智能機器的想象力和創(chuàng)造力。在這三種情形下，人工智能所收集、整理和分析的知識信息都有可能屬于他人的知識產(chǎn)權(quán)客體，考量其是否構(gòu)成侵權(quán)應(yīng)當主要看輸出的結(jié)果和知識信息的用途，而不是人工智能的行為本身。例如，聯(lián)結(jié)主義人工智能和行為主義人工智能在機器學習的過程中都必然要復制大量他人作品的信息，但這種復制一般不會體現(xiàn)到其最終生成的新作品中，所以，并沒有對著作權(quán)人的復制權(quán)產(chǎn)生實質(zhì)侵害。這也是2019年4月17日歐盟《單一市場版權(quán)和鄰接權(quán)指令》專門規(guī)定“文本和數(shù)據(jù)挖掘”版權(quán)侵權(quán)之科研例外和一般例外的原因。人工智能應(yīng)用的后兩種情形還經(jīng)常會產(chǎn)生符合知識產(chǎn)權(quán)保護要件的成果，如果相關(guān)主體之間沒有做出約定，那么，應(yīng)當從各類主體對該人工智能研發(fā)、應(yīng)用的成本投入，是否輸入信息和輸入信息對輸出結(jié)果的影響，以及控制能力、責任承擔的視角，綜合考量這些人工智能創(chuàng)造物的權(quán)利歸屬。此外，受人工智能研發(fā)資金要求、人才儲備和數(shù)據(jù)收集能力的影響，人工智能應(yīng)用領(lǐng)域極易出現(xiàn)涉及知識產(chǎn)權(quán)壟斷或濫用的行為，需要加以警惕和重視。

(二)運用人工智能研究有效促進知識產(chǎn)權(quán)法的完善

從人工智能理念和技術(shù)對知識產(chǎn)權(quán)法完善的作用來看，我們應(yīng)當充分發(fā)揮各流派人工智能的特點和優(yōu)勢，在知識產(chǎn)權(quán)立法、司法、審查實踐、戰(zhàn)略執(zhí)行和法律實施評價等方面進行更為合理的設(shè)計和安排。

具體而言，符號主義人工智能可以發(fā)揮有益作用的領(lǐng)域主要包括：(1)為各類知識產(chǎn)權(quán)的立法活動提供形式邏輯嚴謹、法律要件清晰和演繹推理順暢的規(guī)則系統(tǒng)；(2)輔助自動生成知識產(chǎn)權(quán)申請文件、權(quán)利管理信息、知識產(chǎn)權(quán)合同、侵權(quán)警告通知以及司法裁判文書等相關(guān)法律文件的基本格式；(3)促進知識產(chǎn)權(quán)法教義學體系的建立和完善，使相對年輕的知識產(chǎn)權(quán)法的教學和研究能夠有更加堅實的基礎(chǔ)；(4)開發(fā)普及知識產(chǎn)權(quán)法律知識、培育知識產(chǎn)權(quán)文化和塑造良好知識產(chǎn)權(quán)環(huán)境的專家系統(tǒng)，逐步改變與知識產(chǎn)權(quán)法律實施相關(guān)的社會觀念的深層結(jié)構(gòu)。

聯(lián)結(jié)主義人工智能可以產(chǎn)生積極影響的領(lǐng)域主要包括：(1)輔助知識產(chǎn)權(quán)主管部門的授權(quán)審查工作，例如，專利審查中的創(chuàng)造性判斷、商標審查中的圖像檢索和近似比對工作等；(2)在知識產(chǎn)權(quán)司法實踐中對個案技術(shù)事實和智力活動過程的輔助查明；(3)輔助完成知識產(chǎn)權(quán)類案的歸納、總結(jié)和梳理，使知識產(chǎn)權(quán)授權(quán)審查和司法裁判的結(jié)果在整體上變得更加公平合理；(4)輔助進行知識產(chǎn)權(quán)的價值評估和損害賠償計算等需要考慮多方面因素影響以及進行復雜數(shù)據(jù)計算的工作；(5)輔助完成知識產(chǎn)權(quán)行業(yè)數(shù)據(jù)的統(tǒng)計分析，實現(xiàn)經(jīng)濟模型的建構(gòu)等。

行為主義人工智能則可以促進以下領(lǐng)域的發(fā)展和進步：(1)輔助實現(xiàn)知識產(chǎn)權(quán)人、使用者和社會公眾之間基于環(huán)境的利益平衡制度設(shè)計或個案調(diào)整[40]；(2)就涉知識產(chǎn)權(quán)之新型不正當競爭行為的法律規(guī)制提出法律解釋的“進化”算法；(3)通過其強化學習手段輔助建立知識產(chǎn)權(quán)授權(quán)審查和司法裁判的錯案糾正機制；(4)輔助完成知識產(chǎn)權(quán)戰(zhàn)略實施中相關(guān)產(chǎn)業(yè)成敗得失的經(jīng)驗教訓總結(jié)；(5)不斷更新國際國內(nèi)經(jīng)濟社會發(fā)展環(huán)境變化下知識產(chǎn)權(quán)法變革的具體要求。

目前來看，正如一般的人工智能都有很強的專用性一樣，任何一個流派的人工智能，如果能積極發(fā)揮其在上述某一方面的知識產(chǎn)權(quán)法促進作用就已經(jīng)相當不易，能夠融合各流派機理并在多方面輔助知識產(chǎn)權(quán)法運行的統(tǒng)一人工智能系統(tǒng)還比較遙遠，但確實是值得努力的方向。