我要投稿

AI是否可以作为发明人-再谈DABUS案

发布日期：2024-08-20 05:34:59 浏览次数： 2115

作者：人工智能与知识产权

微信搜一搜，关注“人工智能与知识产权”

2024年6月，德国联邦专利法院裁决[案件编号：18W（pat）28/20] 人工智能DABUS不能作为专利的发明人。主审法官西格弗里德．霍希特裁定，即使人工智能已经确定了问题和解决方案，被列出的发明人也必须是自然人。

在24年4月份，中国专利复审委员会判决：DABUS不是民事主体，不能作为专利发明人。

在23年12月英国最高法院关于DABUS案的判决中，给出了和德国法院一致的结果：即根据1977年英国专利法，专利的发明人必须是自然人，DABUS不是自然人，因而不能获得发明人身份。

在2021年2月24日,美国专利商标局(以下简称“USPTO”)在弗吉尼亚州联邦法院提交简易判决动议，关于原告当事人挑战USPTO认为的专利不能涵盖人工智能机器的发明的结论,USPTO认为专利法案定义了发明人必须是以人类作为“个体”

至此，DABUS案在世界主要的专利行政机构（中，美，欧）均迎来了结论：即AI不能作为发明人。

两年前，笔者撰文评论过DABUS （《人工智能DABUS究竟发明了什么》）。那篇文章所分析的主要是DABUS案这件专利申请并未给出任何新的发明或发现，而是一篇民科的作品。

在上面几大专利局的判决中，所持的主要观点在于：DABUS不是“人类”或合法的民事主体，故不能作为发明人。但笔者在本文中想进一步论述的是：DABUS，或者目前的任何一个AI，并不能真正“发明”任何新东西，即使看起来它们似乎能输出很多新东西。

24年7月，Nature刊发了封面文章《AI returns gibberish when trained on generated data》。该文章的主题在于：如果使用AI生成的数据训练AI，那么，不出几代，AI就会胡说八道（Gibberish），最终导致崩溃（Collapse）

下图是文中以AI模型生成狗的图像作为示例：

AI 模型会倾向于重现训练数据中最常见的狗的品种，因此可能如果随后的模型在一个 AI 生成的数据集中进行训练，而这个数据集中过多地呈现了金毛，这个问题就会加剧。经过足够多轮次的过多呈现金毛后，模型将忘记诸如法斗这样的冷门品种的存在，只生成金毛的图像。最终，模型将崩溃，无法生成有意义的内容。

为什么使用AIGC来训练AI会导致模型崩溃？研究人员在文中给出的一种解释是：模型在训练中使用自身生成的内容，会出现不可逆转的缺陷，逐渐忘记真实数据分布，从而导致模型性能下降。

这种“不可逆的缺陷”，来自什么原因呢？毕竟，在对生物的认知中，物种一代代的进化会变得更强。看起来，数据驱动的深度学习模型的表现某种程度上走向了生物的反面。

关于上述问题有很多种方向的回答，笔者认为原因之一在于：AI模型没有目的。

如今的AI模型，其训练过程是以度量向量空间中点的距离（所谓损失函数）作为基准的，其输出是以概率化的形式给出的。藉由算力的飞速发展和存储能力的增加，当训练数据足够多的时候，模型可以基于足够多的权重参数来“模拟”世界的某些方面，在大语言模型这里，就是可以输出足够以假乱真的“语言”。

但是如果跳出“下位的”模型的训练和输出过程，进一步“向上”追问AI模型整体目的是什么，则没有答案。AI模型的训练和输出规则是人类定好的，但是AI模型整体是一个自下而上的系统，它没有明确的可解释目的。

在这里，生物和目前的AI模型产生了泾渭分明的区别，生物所做的事情包括至少一个目的：生存（也可以说是延续基因）。人们可以说蚂蚁没有意识，但是蚂蚁的行为一定是有目的的。

所以，当生物在无限复杂的世界中进行“探索/行为”时，其带有明确的目的性，这种目的性关乎生死存亡，无法简单地用一个“损失函数”或者“注意力机制”之类的数学概念来定义。生物必须时刻不停地获取周围的信息，从中得到某些有利生存的“指示”，这种“指示”，可能也无法用数学函数，或者难以用语言完备地表达。

作为对比，当目前的AI模型在虚拟的、复杂度极高的数学空间中进行操作时，并无与生物类似的目的。不可否认，在强大算力的加持下，AI模型可以发现很多‘新’东西-例如AlphaGo所输出的围棋新走法、或者Alphafold输出的蛋白质折叠新模式那样。但是微妙的区别就在这里：这些新发现，其本质上是人类所定义的规则，在强大算力的加持下，在虚拟空间中所得到的结果。本质上来说，它们属于人类意识+算力放大器的产物，而不是AI模型自身所要求/追求的目的。

回到上面示出的Nature论文图，最后（d）中示出的乱七八糟图像在某种意义和大语言模型输出的“幻像（Hallucination）”是一致的。它们都是模型在广阔的可能性空间中所“发现”的新模式，并且这种新模式符合人类对模型所做的数学化的约束和限定。对人类而言，其实也可以输出类似大语言模型的“幻觉”，例如一个人可以说：“美国现任总统是克林顿”。但是人类社会的共识使得别人能判断出他在胡说。而如果这个人一直说类似的话语，大家就会认为此人可能精神有问题。在这个例子中，对于这个“精神有问题”的人而言，他说的话在语法上都是正确的，但是整体上却是不正确的。在这个例子中，人类目的性的某个侧面-言谈举止应符合社会一般准则（或许只能这么说）会使得一个“正常的人”按照社会准则和共识来谈话，而不能随意乱编。当然，在某些特定的情况下，明显的胡说也能得到大家的认可，就像“指鹿为马”的故事所描述的那样。但是指鹿为马的目的性是更明确的，赵高要借此判断谁是服从他的而谁不是。

但是对目前的AI模型而言，并无此类限制。AI模型符合人类设定的约束（例如损失函数、学习率之类），可以在广阔的可能性空间去任意探索（速度比人快得多），并得到各种各样的“结果”。这些结果中有些可以被人类认可与接受、并认为是合理的-就像AlphaGo的围棋新走法那样；而有些被认为是荒谬的。从这个意义上来说，AI模型其实并未“做错”什么，它机械地执行着人类的设定的规律，只不过这一过程没有任何目的。它的一切产出，在目前而言，必须藉由人类观察者才能赋予目的和意义。

回到文初的问题，目前的AI模型，所产出的一切“新”产物，均来自人类意识和强大算力的耦合，并且必须藉由人类进行解释才能获得意义。在目前，AI模型没有“发明”任何新东西，它们仅仅是人类所使用的手段-与算盘并无本质区别。它们不具备任何作为专利“发明人”的可能，因为它们根本未曾从目的的角度去考虑（其实对目前的机器而言，“考虑”也是一个不太恰当的词）过如何解决一个问题。