生成式AI帶來的法律與專利挑戰

※如欲轉載本文，請與北美智權報聯絡

吳碧娥╱北美智權報　編輯部

AI已成為各國重點發展的戰略目標，加上ChatGPT帶動生成式AI大爆發，AI對於法律實務及專利制度所帶來的衝擊與挑戰已不容忽視。

AI法律的規範進展

由經濟部智慧財產局、工業技術研究院、全國工業總會、5G產業創新發展聯盟所共同舉辦的「2023智權系列研討會」，今年將AI人工智慧之專利與法律挑戰列為重點主題。

資策會科法所所長蕭宏宜指出，台灣的AI法制建構主要分為AI基本法草案和公務機關使用生成式AI兩大層面，生成式AI參考指引草案的重點在於禁止使用生成式AI寫機密文書、公務員不得向AI提供公務機密，各機關若使用生成式AI執行業務應揭露相關資訊。

由於AI技術發展太快、應用面太廣，將延後立法時程。國科會原先預計於2023年9月推出「人工智慧基本法草案」，包括AI法律名詞定義、隱私保護、資料治理、風險管控、智慧財產權，倫理規範、產業推動等七大重點，以及AI應用法遵與合法性等面向，不過國科會主委吳政忠日前表示，ChatGPT的生成式AI問世後，歐盟、美、日都有意訂定專法監管，雖然歐盟開出第一槍，但草案要經過三關目前只通過第一關，其他國家仍在研議尚未定案，台灣必須密切觀察國際上對生成式AI法律規範的情況及變化，以免因法律限制太大，壓抑各產業的發展空間。

ChatGPT與Transformer模型演算法

台灣資訊智慧財產權協會理事長陳家駿指出，這半年多來，美國OpenAI所開發的ChatGPT聊天機器人在全世界夯到不行，ChatGPT是一種基於生成式預訓練轉換模型（Generative Pre-trained Transformer，簡稱GPT），但其中核心關鍵的Transformer模型演算法，其實非OpenAI或微軟自己所原創。

最早是由推出Bard聊天機器人的Google，率先開發出Transformer模型，而該模型係緣自於Google 2017年所推出的原始論文“Attention Is All You Need”而來，之後幾家AI業者也陸續投入基於Transformer模型為基礎而改良或更進一步的應用，但沒想到，OpenAI和微軟在商用上卻後來居上，威脅到Google推出的Bard，至於OpenAI和微軟是否用到Google所發表的Transformer模型專利有待考證，但可以確定的是，Transformer模型是ChatGPT成功推出的重要推手，讓AI得以邁入新的深度學習技術框架並創下里程碑。

OpenAI利用Transformer模型研發出眾所皆知的ChatGPT後，2023年3月更推出基於GPT-4為基礎的新一代的GPT引擎，且放眼研究未來GPT-5的技術，期望透過增加模型規模和參數，擴展自然語言處理能力，並降低大語言模型可能帶來的不實資訊、提高模型的可解釋性，讓人類更好理解AI技術的應用模式。

AI的智慧財產權保護趨勢

過去人類才具有創造能力，隨著AI不斷發展，如今已可自動生成出新聞報導、小說、劇本、音樂、繪圖，對於AI生成物是否受到智財保護的討論也越來越多。今年OpenAI發表GPT-4時，已不再是一個開放的人工智慧模型，OpenAI並未公布訓練該模型的資料、計算集、訓練方法，除了希望保持一定競爭的優勢，也凸顯出開源將使GPT- 4語言模型面臨數據洩露的安全隱憂，因此OpenAI不再「Open」。

蕭宏宜認為OpenAI不採取開源，涉及三個關鍵問題。首先是競爭者可透過還原工程了解產品的營業秘密內容，並搶先申請專利，若反過來起訴企業侵害其專利，恐將面臨訴訟風險。其次是面對競爭者提起的專利侵權訴訟，企業將因沒有專利而無法提起反訴，或透過交互授權（cross-licensing）避免訴訟。第三，如未對員工於工作上使用開放式的ChatGPT做出限制，反覆提問的結果，可能導致ChatGPT掌握資訊內容，並提供給其他提問者，導致原本可主張營業秘密保護的資訊，不再滿足保護要件。

生成式AI應用的法律疑義

此外，在生成式AI實際應用的過程中，也可能衍生諸多法律疑義。蕭宏宜指出，在訓練大型語言模型（LLM）時，可能會使用python程式爬取資料，過程中有刑法妨害電腦使用罪的疑慮，若後續衍生著作，也要注意是否有可能侵害他人的著作權。圖形、聲音、影像等非結構性資料，相較於文字資料更不易監督且危險；而機器學習的過程中被餵了哪些資料也難以掌控，可能造成著作權法架構下的付費與授權機制崩解。

而在LLM模型完成後，使用過程中也會浮現各種問題：演算法是自動化組件的驅動關鍵，如因判斷錯誤而造成人身傷害，行為主體是誰？有故意或過失嗎？此外，模型生成的「著作」權利人是誰？一方面，即使自然人聲稱是以模型為「工具」，自然人背後的公司組織仍在著作過程中居於主體地位，但這樣自然人還符合著作權法上的著作權利人嗎？另一方面，模型訓練過程中可能侵犯他人著作權，問題是，模型訓練採元件化處理，幾乎不可能逐一檢視，告訴人可能會因舉證困難而導致敗訴。

蕭宏宜強調，模型和演算法未必擁有著作權，也未必能、未必願意申請或登記專利，因此對企業而言，加強營業秘密保護成為AIGC時代的重中之重。對於是否應強化對於生成式AI的監管，國際間還在擺盪，若主管機關能識別風險和減少風險，建立更加透明和穩健的監管機制，加強風險管理和監測，使人工智慧在有益於社會的同時，減少其帶來的損害。畢竟人工智慧最大的風險並非機器或系統本身，而是設計系統的人類。

AI與美國專利適格標的

陳家駿指出，AI或機器學習常以演算法為中心，透過類神經網絡進行深度學習，不斷地訓練電腦系統模型。如僅以單純AI演算法要申請專利，可能會遭遇適格性的困難，此類專利申請多年來在美國聯邦法院和專利商標局，常衍生專利適格標的問題而頻受質疑，因為AI常包含如分類（classification）、迴歸（regression）、分群（clustering）、降維（dimensionality reduction）等，若僅以單純涵蓋軟體演算法的權利請求，可能會被視為是不適格之心智行為或抽象概念，而有無法通過的風險。

陳家駿觀察到，雖然USPTO審查委員曾駁掉多項AI相關發明的專利申請，但近年PTAB則是支持好幾項涉及AI相關發明的專利適格，包括與機器學習和神經網路技術等相關專利。

PTAB認為，即使一權利請求落入抽象組別，只要AI能提供實際應用，而在相關領域賦予技術改進時即屬適格。所謂的技術改進包括加強電腦的處理能力，並增進其功能；反之，如僅單純使用AI，並不足以提供實際的應用或發明概念。當通用或標準（generic or standard）的機器學習方法用於自動化流程，而未能以其他方式促進技術時，專利申請即被拒絕。

資料來源：

1. 2023/9/15，2023智權系列研討會-AI人工智慧之專利與法律挑戰，陳家駿簡報。
2. 2023/9/15，2023智權系列研討會-AI人工智慧之專利與法律挑戰，蕭宏宜簡報。

延伸閱讀&電子報訂閱連結：

【更多內容請見《北美智權報》342期；歡迎訂閱《北美智權報》電子報】