论人工智能算法的不可专利性

张怿珺

（华东政法大学国际法学院，上海 200042）

人工智能算法是人工智能技术最核心的本质，通过算法，人工智能的“智能”才得以显现。随着人工智能的快速发展，人工智能算法不仅成为一种新型技术，而且代表着一种新的商业模式和方法。继而，人工智能算法的专利保护问题逐渐成为创新主体和学者共同的关注焦点。由于人工智能算法的抽象性和智能性，其在专利资格认定上颇具争议。2019 年6 月26 日，由谷歌提出的Dropout 算法专利申请正式生效，Dropout 算法成为目前为止唯一一例成为专利的人工智能算法。这引发了学界对人工智能算法能否进行专利保护的讨论高潮。人工智能算法能否被授予专利资格，各种人工智能算法可专利的专利制度保护途径是否可行，是否存在其他对人工智能算法保护的方案，成为一系列亟待思考和解决的问题。

一、问题的提出

目前，学界并没有针对算法的一致定义。从技术角度来看，算法可被视为一种数学结构以及这一结构转化而来的程序，或可将其视作实现特定任务的技术应用［1］。具体来说，它主要是指人工智能所采用的核心技术，如支持向量机、神经网络等机器学习模型和算法。应当注意的是，人工智能算法是从数据中学习并提出独特的解决方案，而传统算法则是在一组预定义的准则上运行以制定解决方案。因此，笔者以人工智能算法而非传统算法为讨论对象。我国现行立法未明确规定人工智能算法本身是否能够纳入专利客体范围，根据传统的审查实践，人工智能算法具有不可专利性。然而，Dropout 算法成为人工智能专利的成功，打破了传统，引起了学界对人工智能算法专利资格问题的热烈讨论。与此同时，随着人工智能算法的发展，其与专利法制度的割裂则主要表现在思维属性、非技术人文学科中的运用、权利要求说明这3 个方面。

（一）思维属性的发展

人工智能的思维属性具有发展性，其一开始即被定义为“机器做人们认为需要智能的事情的能力”［2］。人工智能的特质之一为试图模仿人类的心理步骤。因此，人工智能算法本身具有双重属性，即作为人工智能技术建构的技术属性和模仿人类心理步骤的思维属性。

当前，人类对人工智能的研究一直试图朝“智能”方向推进，研究人员正试图将人类情感融入人工智能算法的运行机制中，以替代单纯依赖计算逻辑的做法，因而有关人工智能算法的研究正在越来越接近对人类思维和心理活动本身的研究。但专利法制度的理论逻辑要求通过区别抽象思想和具体技术方案来保护权利要求对象的技术功能［3］。可见，人工智能算法是朝着与专利适格性相反的方向发展的。

（二）非技术人文学科的运用

人工智能算法不仅在其自身发展上倾向于与专利客体要求相反的思维属性，而且在与某些具体领域的结合与运用上也已扩展到经济学、心理学、文学与音乐艺术等诸多非技术性的人文学科领域。例如，人工神经网络作为一种人工智能算法，已经可以对诸多人文学科领域的模糊定义进行精确量化，它可以在区分一幅作品的内容和风格的基础上，将艺术风格转移到另外的作品中，对不同艺术家的风格进行不同程度的内容渲染［4］。由此产生的问题是，当人工智能算法与某一具体领域结合时，由于此种结合并非运用于技术领域，则其极有可能会被认为缺乏技术特征，从而被拒绝授予专利权。尽管我国目前更注重对人工智能算法的研发及其在技术领域的适用，但也应关注并把握好人工智能算法应用的未来趋势。

（三）权利要求的说明困境

在专利的实质审查条件方面，对人工智能算法权利要求的说明也存在诸多障碍。专利保护需要按照专利法的相关规定，在权利要求文件中，针对申请保护的对象的主要内容和技术要件以准确、规范的语言进行说明，如此才能使有关技术领域的技术人员能够按照给定的说明对专利重复操作。但即使是算法开发者也认为人工智能的机制常常是“无法解释”的，他们也无法掌握算法处理数据的选取标准和操作步骤［5］。究其原因，人工智能专注于模仿人类思维，从经验中学习是其主要标志和获取知识的主要途径，并且人工智能算法会通过对历史数据的训练完成参数调整和模型建构［6］。

由此观之，人工智能算法仿生的思维逻辑设计和决策过程使得对其具体描述和解释存在障碍。人工智能算法越发展，其无法解释的问题会越严重，而如果无法在权利要求书中完整地呈现被保护对象，又何谈对该对象的保护。

因此，笔者以人工智能算法与专利法制度之间的矛盾为逻辑起点，讨论人工智能算法专利客体资格的问题。首先，讨论国内学者尝试化解此种矛盾的专利法途径的不可行性。其次，从比较法视野论证人工智能算法不可专利性的可行性和必要性，发现人工智能算法本身无法符合专利法制度的规定。最后，立足我国人工智能算法的发展现状和现行法律规范，提出人工智能算法保护的合理方案，从而完整证成人工智能算法的不可专利性。

二、人工智能算法专利资格争议的理论聚焦

对于人工智能算法能否成为专利权的客体，一直以来争议不断。笔者通过聚焦学界关于人工智能算法专利资格问题的理论争议，对国内学者支持人工智能算法可专利性的3 项主要理论依据进行分析，即人工智能算法属于具体应用、符合专利“三性”的判断、成为专利符合社会利益。这3 项理论依据，互相独立、互不归属，皆是从不同角度出发讨论人工智能算法的专利资格问题。同时，笔者从人工智能算法的运行机理和创新机制入手，论证人工智能算法本身不符合专利法制度的规定，不应当授予其专利客体资格，因而认为人工智能算法具有不可专利性。

（一）抽象思想与具体应用的判断

一直以来，由于人工智能算法的设计基于一定的数学算法、数学公式和数学模型，其与数学法则和人类的思维步骤密切相关，因此被视为“抽象思想”或《中华人民共和国专利法》（以下简称《专利法》）所称之“智力活动的规则与方法”，进而被排除在专利客体范围之外。部分学者支持我国立法实践，认为应当坚持人工智能算法属于抽象思想的判断，而只有在特定的技术领域结合人工智能算法生成涉及算法的发明，即符合了专利法对发明的要求，才能被纳入专利保护范围［7］。部分学者则认为，人工智能算法是一种具体应用，而非抽象思想。他们或追溯传统专利理论审查标准变化的历史，得出算法本身是操作机器的过程和具体方法步骤的结论［8］；或从知识生产的价值追求出发，得出人工智能算法其实是在应用生物学理论与数学运算方法的结论［9］；或考察人工智能算法与智力活动的规则与方法等不可专利主题的区别，得出人工智能算法本质上就是一种具体应用的结论［10］。

笔者认为，人工智能算法虽以开源代码和数学模型为基础设计而成，但其结果是通过数学法则、逻辑规律等推理而得出的，这并不代表人工智能算法就成为了对这些法则、规律等的具体应用。之所以对抽象思想的具体应用能够成为专利法上的授权对象，是因为专利法强调运用抽象思想涵盖的内容能够生成技术方案，使所发明的系统得以运行或达到预期效果［11］。而人工智能算法本身，甚至因其抽象性，导致人们在实践中引入描述工具来辅助理解。自然语言描述存在的字句歧义以及流程图仅适用简单流程表述的缺陷，使得人们一般将伪代码作为更实用的描述算法的工具［12］。因而，人工智能算法实质上是对数学法则、逻辑规律的进一步整合，但这种整合仅在于对法则、规律的进一步表征，在被运用到某一具体领域之前则并不具备任何技术效果。认为人工智能算法是一种具体应用的观点，只是将人工智能算法对数学法则、数学规律的利用形式化地理解为一种具体应用，并不契合人工智能算法本身的性质和运用特点，也不符合专利法制度的价值内涵。

（二）专利“三性”的判断挑战

除应然层面外，在审查实践角度分析专利申请的实质条件时，人工智能算法同样具有不可专利性。发明专利和实用新型专利授权的实质性条件为新颖性、实用性和创造性。其中，新颖性要求发明和实用新型在申请日之前未曾公开且不存在抵触申请；创造性要求发明和实用新型具有智力创造水平；实用性要求可稳定地重复实施［13］。人工智能算法具有的表达语言的高度模糊性，以及利用自然规律和模拟人类思维的特性，使得对于人工智能算法是否符合专利授予实质性条件的审查陷入困境。

有学者强调，人工智能算法的运行独立于人脑而通过机器实施，它是机器如何“思考”的问题［14］。在通过机器实施后，人工智能算法已经转化为可作为专利主题的技术方案，而技术方案是否符合专利“三性”，则可以分别予以对比审查。还有学者认为，应当对人工智能算法所具有的智力创造水准予以充分关注，可明确将人工智能算法纳入专利法保护范围，而专利法上的审查标准和权利要求撰写条件都可以随之进行相应调整［15］。尽管人工智能算法设计的目的确实在于解决技术问题并产生技术效果，但目的并不意味着必然有实现的可能性，也并不意味着因为该目的而达到了满足专利授权的实质条件。

首先，复合性和跨域性是人工智能算法本身的显著特征。这意味着在人工智能算法的生成过程中，结合了随机性或其他可变特征，加之人工智能算法自动学习的特性，可延伸出无穷无尽的新算法。如果现有文献中存在的实际检索数量与生成的人工智能算法实际数量之间的差距越来越大，新颖性的评估不仅在理论上无法成立，而且在实践中也难以操作。退一步而言，若只要求新生成的人工智能算法与原有的人工智能算法在结构上略有不同，则会大大降低新颖性的审核标准，亦不可取。

其次，在模型架构保持原形的基础上，就本质上而言，人工智能算法自我生成的技术方案都是一样的，因此难以判断人工智能算法产生的技术方案是否对技术产生了有益的影响。以人工神经网络为例，它是一种旨在模拟人脑结构及其功能的信息处理系统［16］，因此其连接和构造同样极其复杂。人工神经网络的中间层次并不确定，改变其参数设置，就可以变化出成千上万种不同的人工神经网络。调参好比搭积木，搭建几层、每层搭建几块均由人为自主决定，只有合适的参数设置才能使人工神经网络的运算效率和结果的准确率保持高水准。人工神经网络的运用效果需要结合其在具体技术领域的表现来进行检验和判断，当处于不同的技术领域时，则需要重新调参并检验效果。然而，何谓合适的参数以及如何调参，目前缺乏明确的理论论证，实践中一般凭借人为感觉和经验来处理。因此，人工神经网络的输入和输出之间具有复杂的关系，人类无法聚合和诊断中间层次之间的细节，即便是开发者，也无法完全解释神经网络在某种参数下的内在运行机理，以及为何在该种参数设置下能够产生好或坏的技术效果。

最后，就实用性即可稳定重复地实施并达到相同的实施结果而言，人工智能算法由于其自身属性，在很大程度上无法满足此要求。人工智能算法本身，不存在任何数据，也未限制任何可适用领域，好比一座空的框架，需要具体的砖瓦充实才能发挥效用，一旦缺失了砖瓦便无法衡量并发挥框架的作用，而数据即是砖瓦。虽然人工智能算法的自主学习过程需要大数据的支撑，即一开始就需要利用有特征以及标签化的数据生成和选择模型，但是对此类数据的利用，仅属于人工智能算法已经设计完成后通过学习的自我优化，其效用仍需在具体的领域中才能发挥。由此可见，机器运行仅为人工智能算法运行的载体，人工智能算法实用性的发挥离不开对具体技术领域数据的利用。因此，笔者认为，不应将人工智能算法本身和它对历史数据的训练行为混为一谈，而认为人工智能算法本身具备实用性。

综上所述，人工智能算法不具备专利审查要求的新颖性、创造性和实用性，具有不可专利性。当然，部分学者看到了人工智能算法在客体资格和审查实践上证成可专利性的困难，转而从实际出发，提出为了促进人工智能算法的创新而将其纳入专利权的客体的建议［15］。

（三）创新的动力源和利益诉求

即使承认人工智能算法不符合可专利的客体资格，难以满足专利审查的实质条件，也有学者认为，对专利保护的客体的限制可以与时俱进，正如逐渐承认商业方法的可专利性那样［17］。故而他们强调从务实的角度出发，一方面承认人工智能算法本身的技术功效；另一方面认为基于产业的利益诉求和创新主体对合法垄断、有力保护人工智能算法的迫切需求，有必要考虑打破人们对于算法不可专利的传统认知［18］。

和软件创新相类似，算法创新并不是竞争性的，而是高度渐进的、累积的和协作的。一种能够适用于专业领域的优秀的人工智能算法，必然经过了层层推进的设计和改进。在人工智能技术快节奏发展的当下，过长的发明专利排他期对优良算法开发的阻碍值得考量，应当尽可能尝试在不过度保护的情况下促进人工智能算法创新。

此外，对发明专利的理解是宽泛还是狭窄，是在促进和抑制创新之间保持平衡的一个关键。若一项发明专利的权利要求过于狭窄，保护要求极其具体，则无法充分保护这项发明，因为他人能够通过轻微的修改，轻松规避侵权。这会在一定程度上干扰发明者创新的动机，也会促使他们申请一系列不同角度轻微修改的专利以构成“专利丛林”。这些情况本质上均是由于专利所提供的保护微不足道而导致的。但若不对专利的权利要求范围加以限制，则容易在很大范围内形成垄断，从而限制相关产业下游的创新。现实中，软件和互联网相关领域专利范围过广的问题已经尤为普遍且难以控制［19］。专利法政策考量最需解决的问题，就是如何平衡知识创新与独占以及潜藏的个人利益与公共利益之间的关系。许多人工智能算法是核心且通用的，因此在考虑是否应将人工智能算法纳入专利保护范围时更需审慎。主张从务实和利益诉求角度考虑人工智能算法可专利的学者，逃避了人工智能算法与专利法制度逻辑不自洽的难题，转而关注人工智能时代背景下的多方利益诉求［20］。他们认为，应放宽人工智能专利标准，重视企业等创新主体的专利保护诉求，然而这些都不利于人工智能算法的创新和人工智能相关产业的发展。

综上所述，在我国现行专利法制度框架下，无论是支持人工智能算法属于具体应用，还是解构人工智能算法特征使其符合专利“三性”的判断要求，抑或是提倡以促进人工智能算法的发展和创新为目的而授予其专利权，都忽视了人工智能算法本身的特性和运行机制，仅是片面地从可专利性角度反推人工智能算法的专利适格性。但实际上，可以将目光投向比较法领域，寻找可供借鉴的坚持人工智能算法不可专利性的立法和审查实践。

三、人工智能算法不可专利性的比较法考察

为进一步论证人工智能算法不可专利性，笔者从比较法视野考察了欧洲和美国的相关立法和司法实践，得出其均不授予人工智能算法专利客体资格的结论。但在具体立法和司法实践上，欧美的细节性规定和标准更为明确，我国可以在一定程度上予以借鉴，从而弥补现行专利法审查规范过于框架性的不足。

（一）欧洲审查标准的细化

首先应当明确的是，各国的专利法制度都对“人工智能算法”和“涉及人工智能算法的发明”这两者进行了区分。人工智能算法，是指具有“智能”的解决问题的方法本身。涉及人工智能算法的发明，则是指在利用人工智能算法的基础上，结合具体技术领域，解决技术问题，产生技术效果的一个整体，即人工智能算法是其整体中的一部分。

在欧洲，根据欧洲专利局的审查指南和《欧洲专利公约》（以下简称《公约》）的规定，人工智能算法本身由于包含抽象的数学特征，因此不能授予专利客体资格，但是涉及人工智能算法的发明，则有可能授予专利客体资格。具体而言，与明确定义的“发明”不同的是，《公约》明确列出不可专利的对象，其中与人工智能算法有关的，是不属于“发明”主体的“数学方法”和“执行智力行为、进行比赛游戏或经营业务的计划、规则和方法，以及计算机程序”。

在审查时，需要根据权利要求中是否还包含其他技术特征，来判断这一个整体是否具有技术性。首先，要求将算法结合到某一特定技术领域；其次，需要使用技术手段，解决客观的技术问题［21］。因此，若想在欧盟获得专利保护，仅靠人工智能算法本身是做不到的，需要将其技术特征赋予计算机程序，产生一个包含人工智能算法的整体，才能实现技术效果。

（二）美国审查步骤的明确

根据《美国法典》第35 编第101 条规定，专利权的对象必须针对“物质的工艺、机器、生产或组成”［22］。在此基础上，通过司法判例的方式，美国将抽象概念、自然现象和自然规律排除在专利权的客体范围之外，这被称为“司法例外”。审查实践中，为进一步明确对专利客体的审查，美国专利商标局于2019 年1 月7 日发布《专利主题适格性指南》，重新规定对专利客体的审查，而这一规定也适用于涉及人工智能算法的专利申请审查。

专利审查实践中，专利审查员大多拒绝授予人工智能算法专利权，而对涉及人工智能算法的发明则放宽了专利授予的限制。他们认为，人工智能算法是人类活动的一种特定方法，而涉及人工智能算法发明的权利要求，是将人工智能算法运用到具体技术领域，应当视为一个整体，有理由认为这种做法并非是在试图垄断不可专利的算法，而是通过对算法进行限制来使用算法。

（三）欧美审查制度的经验

考察欧美对于人工智能算法的立法规定和审查实践可以发现，在结论上，欧美与我国均坚持人工智能算法的不可专利性，但在具体的规范中，欧美各有侧重和不同的细节性规定。

欧洲强调人工智能算法的抽象数学特征，从而明确了人工智能算法的不可专利性。在审查标准上，其首先排除非“技术特征”对创造性的贡献，设置较低的可专利性标准，其次细化可专利性标准，明确权利要求应包括“其他技术特征”，最后审查作为一个整体方案的专利申请是否完全符合专利标准。

美国坚持人工智能算法不可专利性的关键在于，人工智能算法本身被视为人类活动的一种特定方法。与此同时，美国的专利审查步骤更为细化，要求阐释人工智能算法具体数据应用的细节，并注重与人工智能算法结合的具体应用发明，而非垄断人工智能算法的基础性创新。

在我国，根据2021 年1 月15 日起实施的新版《专利审查指南》，人工智能算法因属于“智力活动的规则和方法”而被排除在专利保护之外；涉及利用人工智能算法的发明，只有其构成《专利法》第2条第2 款规定意义上的技术方案，才能被授予专利。当下，我国主要通过制定相关纲领性文件对人工智能算法进行规范。这些文件在强调科技伦理的同时，也重点关注具体功能和应用场景，并多为系统性和战略性的描述［23］。因此，在立法和司法实践中，我国目前缺乏对人工智能算法本身的关注和具体规制。

由是观之，针对人工智能算法的审查制度规范，欧美关注和规制的是人工智能算法本身，并对审查标准和审查步骤进行了进一步的细化和阐明，这是我国现行专利法审查规范可以借鉴之处。

四、我国人工智能算法不可专利性的证成

人工智能算法的不可专利性具有可行性和必要性。在分析论证现有理论和实践的基础上，结合我国人工智能算法发展的痛点，立足我国现行法规，合理借鉴比较法以及商业秘密制度，可提供针对人工智能算法保护的可行方案。本质上而言，人工智能算法无需通过专利制度进行保护，通过其他方法更有利于人工智能算法的保护和创新。

（一）人工智能产业基础层薄弱的现实原因

社会的经济环境对“发明”的产生起着至关重要的作用，同时也推动着专利制度的发展。发明活动只存在于宏大的社会经济背景下，任何具有创造性的发明活动都或多或少受到经济环境的影响［24］。因此，在任何特定时期，不同的经济条件可能会影响不同的专利趋势和相关法律框架的建构。另外，专利保护不变的核心在于，必须权衡创新动机和促进创造力的信息流［25］，而此种核心权衡亦应当结合不同的经济环境予以考量。

一直以来，我国人工智能专利虽然在数量上占据优势，但在类别上，则主要是应用型专利占据高比例，基础性专利大多被起步较早的外国科技企业掌握［26］。事实上，过度依赖国际开源人工智能算法和现有数学模型，是我国人工智能产业发展受阻的症结所在。而开源人工智能算法并非万能，其专业能力不足，效果往往无法满足具体任务的实际要求［27］。以谷歌现已生效的Dropout 算法专利为例，该算法目前已在人工智能领域普及并通用。而谷歌作为Dropout 算法的专利权所有者，一旦对该算法进行强制许可，甚至通过相关国际专利条约使该算法在美国以外的其他法域受到专利保护，那么该算法将无法自由使用，人工智能研发将面临“卡脖子”预警。

可见，探讨人工智能算法是否可专利，实则是为了解决我国在人工智能产业基础层实力薄弱，与欧美等发达国家差距较大，而技术层和应用层却展现良好发展趋势的现实矛盾。认为人工智能算法属于具体应用的学者，仅着眼于解构人工智能算法本身以论证其符合专利法制度框架，缺乏关照现实之理性。支持人工智能算法属于技术方案的学者，虽然关注到我国人工智能产业技术层和应用层的实力发展，但未能以全局观发现我国人工智能发展的矛盾之所在，也有失偏颇。

保护知识产权背后的经济理念，是通过对一项发明授予有时间限制的垄断，来激励创新所需要的投资风险。然而，知识产权保护是一把双刃剑，过度保护则会增加受保护发明的交易成本，从而扼杀创新。有学者认为，将人工智能算法纳入可专利主题与时代发展变化相契合，尽管考虑到了人工智能产业的利益诉求，但这种观点在衡量创新动机和促进创造力的信息流以及权衡产业利益和国家公共利益等方面存在问题，也存在对专利法制度框架轻易扩大之嫌［15］。因此，现有的支持人工智能算法可专利的3 种理论依据，均无法解决我国人工智能发展的现实矛盾。

首先，若将人工智能算法设为可专利主题，将会出现“专利丛林”、人工智能应用创新受阻等更为严重的问题。仍以人工神经网络为例，如果允许对作为人工智能算法本身的人工神经网络授予专利，将会导致不同的发明人不断重复地通过调整参数创造多种完全不同的神经网络，并以此不断申请专利。过大的专利申请量将导致专利申请积压，审查员审查时间会延长、审查效率会降低，从而导致授权的专利质量偏低等情况出现；同时，人工智能的应用和创新离不开对人工神经网络算法模型的探索，而无数人工神经网络专利构成的“专利丛林”将既不利于人工智能算法本身的创新，也不利于人工智能算法应用的创新。

其次，专利的标准不应当一味迎合产业既得利益者，对人工智能算法授予专利，将导致创新动机和促进创造力的信息流失衡，不利于人工智能算法的深入研发。在设置专利标准时纳入对产业既得利益者的考量，源于对美国Gottschalk v. Benson 案背景的关注。该案中的权利要求包括了软件背后的算法，是因为美国当时的计算机硬件行业的既得利益者并没有从软件中获得显著的利润，他们试图通过最小化软件保护，来最小化软件市场新进入者带来的破坏，因此学者提出专利标准是否应当迎合产业既得利益的疑问［28］。人工智能领域的创新是渐进的，突破性的人工智能技术建立在现有的技术基础之上。核心、基础人工智能算法的研发更是需要经过不断的优化和自主学习过程。专利具有经济价值，专利权人能够利用对专利的各种方式的许可获得经济利益。我国缺乏核心算法，若对人工智能算法授予专利权，将有可能面临两个问题。一是企业和机构将重心放在专利申请、起诉、维护、诉讼和许可上，不利于核心、基础人工智能算法的研发。二是专利制度的垄断性质使得其他主体尝试利用该算法寻求优化的成本提高，不利于推动人工智能算法的改进和创新。

最后，结合我国人工智能发展的时代环境，坚持人工智能算法的不可专利性，更有可能解决我国人工智能算法发展的现实矛盾。目前，在我国人工智能应用快速发展的背后，是核心算法缺乏以及人工智能开源生态等方面缺陷较为明显的问题。这意味着国内几乎没有形成一定数量的原创且实用的人工智能算法，根本无法申请专利，立法也没有必要针对人工智能算法新设一个可专利主题。回归我国现实，问题不在于人工智能发明专利的缺少，而在于核心人工智能算法的缺失。在尚未研发出真正原创核心的人工智能算法的情况下，就谋求对此类算法的专利保护，会使得专利法制度的框架保护先行于人工智能算法的创造与创新，将无法驱动对于人工智能算法的深入研发，无法破解我国人工智能发展的困境。

（二）现行专利审查规范的完善

坚持人工智能算法的不可专利性，并不意味着对人工智能算法完全不保护或者保护不到位。事实上，通过借鉴欧美立法和审查实践，我国是能够进一步完善现行针对人工智能算法保护的专利法规范的。

目前，我国专利法制度坚持人工智能算法的不可专利性，但针对涉及人工智能算法的发明，则有授予专利资格的可能性。针对涉及人工智能算法发明的审查，与欧美的相关立法和司法实践相比，我国的专利法规范过于框架化。欧美坚持人工智能算法不可专利性的理由与我国有所区别，但在立法和司法规定层面，存在可供我国借鉴之处。具体而言，当人工智能算法模拟人类思维活动的属性给专利授予带来挑战时，在立法和审查实践中，可以尝试着重要求算法对数据的应用，而不仅是数据的生成，从而使得申请者将人工智能算法与其具体领域的应用结合为一个整体的发明去申请专利；同时，可以要求申请者阐述人工智能算法与具体领域结合的技术特征。由此，要注重有效落实涉及人工智能算法发明的专利审查制度，专利部门需要配备与人工智能领域有关的技术人员，申请人也应当在权利说明书中进行充分的说明并提供充分的材料。这一保护路径的合理性在于以下3 个方面。

其一，从我国《专利法》的规定来看，其第2 条第2 款明确了“发明，是指对产品、方法或者其改进所提出的新的技术方案”，对“发明”的定义较为抽象宽泛，对“技术方案”也没有明确释义，这意味着专利部门在审查与人工智能算法有关的权利要求时，需要具体情况具体分析，而对于技术问题、技术手段、技术效果的考察也需要综合多种因素，给权利要求的审查留下足够的空间。

其二，从我国企业的技术保护策略来看，实证研究表明，研发强度高的企业更倾向于选择维持先发优势策略，且避免通过复杂的流程保护其创新成果；但研发周期与维持先发优势无显著相关性。人工智能算法的研发强度高，企业作为创新主体，更希望将其创新成果转化为产品，在市场上维持先发优势，故而更倾向于在推广人工智能算法与具体技术领域结合成果的同时，对这一整体进行专利申请。

其三，从人工智能算法本身的特征来看，其犹如一座空的框架，缺乏具体技术领域的应用而无法发挥效用，也无法检测效果。概言之，我国专利法制度应积极承认，当人工智能算法与具体技术领域结合后，若符合相应条件构成发明，则可以成为专利客体。这并不限制各创新主体针对人工智能算法研究所进行的积极的信息交流，并且可以鼓励创新主体积极研发对某一具体领域的更有针对性的人工智能算法，从而在符合现实的基础上，实现对人工智能算法的有效保护。

综上所述，我国专利法规范应细化审查标准，明确审查步骤，在坚持人工智能算法不可专利性的同时，允许涉及人工智能算法的具体应用具有专利可能性。立法上的法律灵活性和司法上的理性限制，旨在使与人工智能算法有关的专利适格性判断能够按照个案具体分析。如此，虽未直接对人工智能算法进行专利保护，但能同时兼顾现在及未来我国人工智能算法的内在创新和保护需求，使得我国现行专利法规范具有应对人工智能发展的潜力，足以对当前以及未来人工智能算法进行保护并确保其发展。

（三）商业秘密保护人工智能算法的合理性和可行性

商业秘密制度，不仅有利于解决我国人工智能产业发展的相关问题，而且可以通过与现行专利法规范的配合，既保护涉及人工智能算法的发明，也保护人工智能算法本身。《中华人民共和国反不正当竞争法》第9 条第4 款将商业秘密规定为“不为公众所知悉、具有商业价值并经权利人采取相应保密措施的技术信息、经营信息等商业信息”。

其一，人工智能算法符合商业秘密的3 个构成要件，即秘密性、价值性和管理性。人工智能算法的设计机制本身具有不可解释的秘密性，其与具体技术领域结合后的应用更加难以被反向工程。此外，人工智能算法可以因作为创新主体的竞争优势而具有价值性。人工智能算法的设计和形成是创新主体的劳动成果，当人工智能算法应用于具体技术领域而被发现具有良好的技术效果时，该人工智能算法的价值性则随之体现。人工智能算法的保密管理性在于，主体采取了适当的预防措施对人工智能算法加以保密。

其二，商业秘密具有保护人工智能算法的优势地位。商业秘密作为市场竞争中市场主体的一种自我保护方式，其技术信息和经营信息的认定不受法律法规的限制，是市场机构根据自身情况采用的一种较为灵活的手段［29］。并且，针对自然人设立的竞业禁止制度，能够为商业秘密的保护起补充作用。另外，由于人工智能算法本身难以解释的“黑箱”特征，使其有别于其他传统的可作为商业秘密的客体，对其采取的保密技术措施不具备足够的可破解性，即企业或机构作为商业秘密的所有权人，不会轻易陷入既想通过技术合作推动技术发展从而获取竞争力，又担心商业秘密被披露的两难境地。

其三，商业秘密的保护路径不会加大规制算法歧视的难度，因为人工智能算法是无法实现算法透明的。目前，学界主流观点认为，商业秘密使得人工智能算法歧视的规制受到阻碍，导致算法歧视受害者无法通过算法透明获得救济，因此反对以商业秘密保护人工智能算法［30］。但笔者对此有两点不同看法：一是人工智能算法本身具有难以解释的机制和自主学习的优化能力，即使通过公开训练数据或计算机源代码也无法解释算法歧视；二是人工智能算法本身与其具体应用产生的影响之间没有本质关联，算法歧视并不是由人工智能算法本身导致的，而是由算法在具体场景中的应用导致的。因此，商业秘密对人工智能算法的保护，并不会加剧算法歧视的规制难度。对此，学界也已出现针对算法透明转为算法问责的理性探讨［31］。

五、结语

人工智能算法在当今全球人工智能发展中的地位举足轻重，其研发和创新将成为人工智能时代的核心内容，并将决定各国在全球人工智能革命中的自主权与竞争力。人工智能算法自身的发展与专利法制度的日渐割裂，主要表现在思维属性、非技术人文学科中的运用、权利要求说明3 个方面。现有的针对人工智能算法可专利的理论依据均有失偏颇，没有充分、审慎地权衡创新动机和促进创造力的信息流，无法解决我国基础、核心人工智能算法缺乏，但人工智能应用发展良好的现实矛盾，并且有可能导致“专利丛林”、人工智能应用创新受阻等更严重的问题。通过考察现有的专利法制度架构和商业秘密的保护途径，笔者发现，人工智能算法在现在及未来能够得到完善的保护，其不具有纳入可专利客体范围的可行性和必要性。坚持人工智能算法的不可专利性，能在客观上顺应人工智能算法发展的未来趋势，可以保持专利法制度建构的理性和审慎，能有效权衡创新动机以及促进创造力的信息流，有利于促进我国原创人工智能算法的深入研发和创新，增强我国人工智能产业面对全球人工智能竞争的国际竞争力，从而积极回应全球人工智能革命对我国人工智能算法研发和创新的挑战。