人工智能辅助发明权利要求构建及其解释初探
作者 | 孟睿 国浩律师（南京）事务所合伙人、专利代理师、法学博士
编辑 | 布鲁斯
人工智能辅助发明是指人类将人工智能机器作为研发工具，辅助人类进行研发创新进而获得的发明创造。在《人工智能辅助发明专利保护实践与探索》一文中，作者探讨了人工智能辅助发明获得专利保护的条件是，该发明成果必须包括人类重大贡献。本文借助权利要求构建及其解释，继续讨论如何将人工智能辅助发明成果转化为专利保护对象，形成具有禁止他人实施相同发明成果的排他性法律权利。
一、人工智能辅助发明权利要求构建的前提：人类重大贡献的识别
实施专利挖掘和布局是提升专利质量、形成有效专利池或专利网的主要手段。传统专利挖掘和布局的重要工作在于，从技术研发成果中识别、挖掘出适于运用专利保护的技术方案及其创新点，规划权利要求保护的主题、范围、层次、类别，从而将技术研发成果转化为专利保护对象，形成具有禁止他人实施相同发明成果的排他性法律权利。鉴于使用专利保护的人工智能辅助发明应当包括人类因素，且这些人类因素要使得人类对发明成果的取得具有重大贡献，在对人工智能辅助发明进行专利挖掘和布局时，正确识别和确认人类重大贡献将是人工智能辅助发明权利要求构建的基础。
（一）人工智能辅助发明中人类重大贡献的主要表现形式
美国PTO发布的《人工智能辅助发明之发明人身份指南》（以下简称《发明人身份指南》）列举了两个示例以说明何种情况下人类对辅助发明成果具有或者不具有重大贡献。[1]在这两个示例中，虽然人类使用人工智能机器的方式各不相同，但均可以从输入端、模型构建和训练以及输出端三个阶段来讨论，人工智能辅助发明中可能存在的人类重大贡献。
1、人工智能机器输入端，人类重大贡献的主要表现形式
在遥控玩具车变速驱动装置示例中，研发人员Ruth和Morgan准备使用免费的生成式人工智能系统Puerto5设计一款用于遥控玩具车的变速驱动装置。Ruth和Morgan向Puerto5输入的提示词为“为一辆模型汽车创建一个变速驱动装置的初步设计，包括变速驱动装置的原理图和文字描述。”Puerto5响应于该提示词，输出了变速驱动装置的初步设计方案，包括变速驱动装置的基本组成部件和原理图。PTO认为，Ruth和Morgan仅仅提出了一个总体需求，没有对任何解决方案进行构思，就Puerto5输出的初步设计方案来说，系生成式人工智能Puerto5独自完成的成果，Ruth和Morgan对该初步设计方案没有做出任何贡献。
在治疗癌症化合物的示例中，研究人员Marisa在治疗前列腺癌药物的研发过程中，使用基于神经网络的药物-靶标相互作用预测系统DTIP寻找潜在的、与突变AR具有高亲和力的化合物。Marisa为预测系统DTIP选定了约20,000种相关化合物作为输入数据集和目标蛋白序列，并将突变AR作为唯一的靶蛋白。DTIP从这20,000种相关化合物中筛选出6种对突变AR最具亲和力的化合物。Marisa对这6种化合物作进一步实验和改进后，获得最终想要的治疗药物CID_1-mod。PTO认为，Marisa为获得最具亲和力的化合物，为DTIP选定潜在的备选化合物作为输入数据，是确定人类具有重大贡献的主要考量因素之一。
通过上述示例可以看出，在人工智能机器的输入端，如果为了引导人工智能机器针对具体技术问输出特定的解决方案，人类构建、选定人工智能机器输入语句或数据集的方式，有可能会体现人类重大贡献。如果人类仅限于向人工智能机器提出作为最终目标或结果的总体需求，没有对解决方案的构思做出贡献，通常不能被视为具有重大贡献。
2、在人工智能机器构建和训练过程中，人类重大贡献的主要表现形式
在遥控玩具车变速驱动装置示例中，Maverick是Puerto5的开发者和维护者，Puerto5是通用性人工智能系统，Maverick在开发Puerto5时并没有考虑使用Puerto5针对任何特定技术问题形成任何特定解决方案。PTO认为，由于Maverick没有针对遥控玩具车变速驱动装置这一特定技术问题开发Puerto5系统，就Puerto5输出的初步设计方案来说，Maverick对Puerto5的研发、维护活动与该解决方案无直接关系，不体现人类贡献。
在治疗癌症化合物的示例中， Marisa发现大多数与输入靶点具有良好亲和力的化合物在临床前和临床试验中失败了，因为它们不具有理想的ADMET（与吸收、分布、代谢、排泄和毒性相关的不良特性）指标或属性。于是，Marisa和人工智能专家Raghu合作训练基于生成神经网络的分子优化器MO（Molecule Optimizer），使用分子优化器MO将DTIP筛选出的化合物优化为既与突变AR具有足够亲和力、又具有理想的ADMET属性的化合物。为此，Raghu构建了MO的基本模型架构，选定训练数据集，设定三个优化阶段来优化输入至MO的化合物的结构；Marisa确定了五种ADMET相关指标，并基于这些指标为MO设定目标函数；Marisa根据MO的输出结果，与Raghu一起对MO模型进行微调。PTO认为，Raghu和Marisa针对ADMET指标不理想这一特定问题开发了人工智能系统MO，以生成具有良好ADMET属性的新型化合物。Marisa和Raghu对分子优化器MO的设计、构建和训练体现了人类重要贡献。
通过上述示例可以看出，在人工智能机器构建和训练过程中，如果针对特定技术问题设计、构建或训练人工智能机器以引出特定解决方案，则这些设计、构建或训练人工智能机器的活动可能体现人类重大贡献。而对于通用人工智能机器而言，由于开发者对解决方案的构思无关，不体现人类贡献。
3、在人工智能机器的输出端，人类重大贡献的主要表现形式
在遥控玩具车变速驱动装置示例中，针对Puerto5输出的初步设计方案存在的缺陷，Raghu和Maris对初步设计方案做了进一步测试和改进。对于改进后的方案，PTO认为， Raghu和Marisa的改进活动体现了人类重大贡献。在治疗癌症化合物的示例中，Marisa对DTIP删选出的化合物结构做了进一步改进，从而获得最终化合物。PTO认为，Marisa对人工智能系统输出方案的改进体现了人类对发明构思的重大贡献。
通过上述示例可以看出，在人工智能机器输出端，如果人类对人工智能机器输出成果进行实验和改进，就改进后的方案而言，这些实验和改进活动可能会体现出人类重大贡献。
（二）人类重大贡献的类型化特点
对前述人类重大贡献的主要表现形式进一步分析可以发现，由于人工智能机器的任务属性、人类参与方式等不同，人类重大贡献呈现出不同的类型化特点。
1、人工智能机器类型不同，人类重大贡献展示的阶段或方式不同
根据执行任务的性质，人工智能机器可以分为判别式人工智能与生成式人工智能。判别式人工智能执行判别任务，判别任务涉及对输入数据的决策，将输入数据分成不同的类别，例如识别文本中的名称或分割图像。生成式人工智能执行生成任务，生成任务涉及在给定输入数据的情况下创建新的数据样本，通常用于翻译文本、生成图像、总结文本或回答问题。判别式人工智能在分类方面表现出色，但不能生成新数据。生成式人工智能也可以处理判别性任务，但准确性低于判别性人工智能。[2]由于任务性质不同，研发人员使用人工智能机器的方式或场景各不相同。在前述示例中，Puerto5 属于生成式人工智能，具有创建新数据的能力，技术人员仅仅提出了一个总体需求，Puerto5输出了初步设计方案。DTIP为判别式人工智能系统，可以对化合物与靶标关系进行判别，在输入数据集中根据筛选条件判别出筛选目标，这就需要研发人员根据具体需求来选定输入的数据集，而不是仅仅提出需求。
根据应用领域，人工智能机器可以分为通用人工智能和专用人工智能。通用人工智能是一种具备学习、推理、感知、理解等人类智能的全面智能系统，不局限于某一领域或任务，可以在多个领域表现出类似于人类的智能水平。专用人工智能只能执行特定任务，如：语音识别、图像识别、自然语言处理。在前述示例中，Puerto5 属于通用人工智能，其设计、构建和训练不针对特定技术问题，为了获得特定解决方案，使用者主要通过构建提示词来引导人工智能的输出。DTIP和MO属于专用人工智能，其设计、构建和训练不针对特定技术问题，为了获得特定解决方案，使用者主要通过专门的模型构建和训练来引导人工智能的输出。
简言之，根据执行任务的性质和应用领域不同，人类使用人工智能机器的方式不同，人类在输入端、模型训练或输出端做出重大贡献的阶段和表现形式也就各不相同。在识别人类的重大贡献时，可以根据这些不同的特点进行针对性挖掘。
2、人工智能机器输出成果是否作进一步改进不同，最终发明成果是否直接包括人类提出的技术手段不同
传统发明创造中，人类的贡献直接体现在最终发明成果中，针对具体问题提出的解决方案中的具体技术手段，均由人类提出。在人工智能辅助发明下，这一情况有所变化。在前述示例中，在输出端，既包括人类对人工智能机器输出成果进行改进，将改进后解决方案作为最终发明成果的情况，例如研发人员Ruth和Morgan对Puerto5输出的初步设计方案进行改进后获得的方案，也包括对人工智能机器输出成果进行验证后直接作为最终发明成果的情况，例如Marisa对MO优化后化合物的验证和确认。对于前者，由于人类对人工智能输出成果进行了改进，最终发明成果包括人类提出的技术手段，也包括人工智能机器输出的技术手段。对于后者，由于人类没有对输出成果进行改进，因此，最终发明成果中的技术手段由人工智能机器输出。此时，人类贡献在于，如何引导人工智能机器针对具体技术问题，输出特定解决方案。或者说，人类使得人工智能机器针对具体技术问题输出对应性的解决方案的方式、方法、手段等体现了人类贡献，但这种引导方式、方法、手段本身并不是最终解决方案中的技术手段。在挖掘和识别人类重大贡献时，需要根据不同情况进行针对性的挖掘和识别。
换言之，人工智能辅助发明中体现人类重大贡献的技术手段可以分为两类，第一类为直接由人类提出的技术手段；第二类由人工智能机器输出，并非人类直接提出，但其输出来自于人类对人工智能机器的引导。在识别人类的重大贡献时，可以对这两类体现人类重大贡献的技术手段进行全面挖掘。
二、人工智能辅助发明权利要求构建中的若干问题
（一）如何在权利要求中设置体现人类重大贡献的技术特征
挖掘、识别出技术方案和创新点之后，接下来的工作是，如何构建权利要求。一项发明的权利要求包括独立权利要求和从属权利要求，独立权利要求保护范围最大，实践中为了争取较大的保护范围，往往在独立权利要求中限定较少的技术特征。但是，独立权利要求又需要记载发明所要解决的技术问题的必要技术特征，从整体上反映发明的技术内容，且还需在争取较大保护范围与尽可能满足新颖性、创造性等授权条件之间取得平衡。人工智能辅助发明必须包括人类重大贡献，是独立于客体适格性、新颖性、创造性的独立授权条件，因此，在构建权利要时还需考虑，如何在权利要求中设置体现人类重大贡献的技术特征。对此，本文从就以下两个问题展开探讨。
1、体现人类重大贡献的技术特征是否必须设置在独立权利要求中，每一项权利要求是否都需要包括体现人类重大贡献的技术特征？
《发明人身份指南》指出，应当对每项权利要求进行单独审查，每项权利要求都应当体现人类重大贡献。本文认为，此规定符合专利法基础理论。一件专利申请可以包括多项权利要求，权利要求至少包括一项独立权利要求，一项独立权利要求可以具有一项或多项从属权利要求。从法理上讲，每项权利要求，无论是独立权利要求还是从属权利要求，都具有独立的、不同的保护范围，各自对应一项独立的发明创造。在授权确权阶段对客体适格性、新颖性、创造性等授权条件进行审查时，均是对每项权利要求进行独立审查。在对人工智能辅助发明是否包含人类重大贡献进行审查时，同样应遵循每项权利要求独立审查的规则。如果独立权利要求不包括人类重大贡献，仅将人类重大贡献设置在某一从属权利要求中，则独立权利要求不符合授权条件，该从属权利要求符合条件。如果独立权利要求包括人类重大贡献，则基于引用关系，其从属权利要求也包括了人类重大贡献，从属权利要求的附加技术特征此时可以不包括人类重大贡献。
2、独立权利要求的必要技术特征是否必须体现人类重大贡献？
我国《专利法实施细则》第20条规定，独立权利要求应当从整体上反映发明或者实用新型的技术内容，记载解决技术问题的必要技术特征。《专利审查指南》规定，必要技术特征是指，发明或者实用新型为解决其技术问题所不可缺少的技术特征，其总和足以构成发明或者实用新型的技术方案，使之区别于背景技术中所述的其他技术方案。独立权利要求是否缺少必要技术特征，审查基准在于独立权利要求是否记载了解决专利技术问题的全部必要技术特征。但是，并非发明内容部分中的每一个技术特征或实施方式中的所有技术特征都是必要技术特征。必要技术特征需要结合发明所要解决的技术问题进行认定。如果说明书记载了多个所要解决的技术问题，则能够解决其中一个技术问题即可，无需记载解决全部技术问题的全部技术特征。在《人工智能辅助发明专利保护实践与探索》一文中，作者已经探讨，可以获得专利法保护的人工智能辅助发明在包括人类重大贡献（简称为人类贡献特征或手段）的前提下，还可以包括人工智能机器做出的重大贡献（简称为人工智能贡献特征或手段）。在大多数情况下，专利文件往往会记载多个发明所要解决的技术问题，这些技术问题的解决有可能分别对应人类贡献特征和人工智能贡献特征。可以讨论的问题是，必要技术特征是否必须为人类贡献特征，是否可以为人工智能贡献特征？
本文认为，就理想状态而言，独立权利要求应当包含体现人类重大贡献的技术特征，由于该特征的重大贡献属性，往往可以总结出该重大贡献对应的技术问题，如果专利文件撰写质量较高，说明书总结并记载了体现人类重大贡献的技术特征所要解决的技术问题，则此时不存在缺少必要技术特征的问题。但实践比理想状态复杂，实践中为了获得较大的保护范围，说明书记载的技术问题与独立权利要求技术特征不对应的情况时有发生，或者由于撰写、总结、甚至主观认识局限，如果说明书记载的技术问题对应于人工智能贡献特征，而不是人类贡献特征段，此时由于解决所要解决的技术问题的技术手段不是体现人类重大贡献的技术手段，是否会被认为缺少必要技术特征？本文认为，是否缺少必要技术特征，与是否包含人类贡献是两个不同的专利授权确权审查事项，应当分别按照各自的审查标准进行审查。只要权利要求记载了发明所要解决技术问题对应的技术特征，无论是否是体现人类重大贡献，均不宜认定为缺少必要技术特征。
（二）如何避免人工智能幻觉导致权利要求构建失去基础
1、权利要求构建以说明书披露的实施例为基础
权利要求并非凭空产生，而是来自于对说明书披露实施例的概括。在权利要求构建时，依据对说明书披露的有限量实施例，通过外推性概括或典型性概括，将它们上升为权利要求所要求保护的普遍性技术方案。作为一个完整的实施例，并不限于说明书具体实施方式部分以实施例名义记载的内容，还包括其他部分记载的内容，这些内容按照“技术问题——解决方案——技术效果”这一逻辑主线互相关联形成一个整体。权利要求构建以互相关联内容形成的实施例为基础，具体包括解决方案、技术问题及其技术效果三个方面。
2、人工智能幻觉可能导致实施例失真
人工智能幻觉主要指人工智能机器输出的信息表面上看起来语句连贯、语法正确，但内容不真实、不准确，甚至荒谬。人工智能幻觉可以分为事实性幻觉（Factuality Hallucination）和忠实性幻觉（Faithfulness Hallucination）。事实性幻觉是指人工智能生成的内容与可验证的现实世界中的事实不一致。事实性幻觉又可以细分为事实不一致（与现实世界信息相矛盾）和事实捏造（压根没有，无法根据现实信息验证）。忠实性幻觉则是指人工智能生成的内容与用户的指令或上下文不一致。忠实性幻觉由可以细分为指令不一致（输出偏离用户指令）、上下文不一致（输出与上下文信息不符）、逻辑不一致三类（推理步骤以及与最终答案之间不一致）。由于人工智能存在潜在的幻觉，人工智能机器输出内容有可能是不真实的，或缺乏合理性和科学性。例如，在法律实践中，有律师在人工智能机器的协助下撰写辩论意见书（briefs）和申请书（motions）并提交法院，后经证实，这些法律文书包括了虚构的、并不真实存在的引用条纹或文件，导致提交这些法律文件的律师受到制裁。[3]
就人工智能辅助发明而言，技术问题由人类提出，解决方案由人工智能机器输出，或者由人类对人工智能机器输出进一步改进获得，但包括人工智能机器输出，解决方案是否能够解决技术问题并获得预期的技术效果需要人类进行验证。如果人工智能辅助发明是人工智能幻觉的产物，将导致构建的权利要求失去其构建基础。
3、专利领域对人工智能幻觉的已有关注及启示
美国PTO已经注意到人工智能幻觉可能带来的专利法问题。人工智能系统被用于撰写专利说明书，并在说明书中引入发明人未曾提出或思考，但希望纳入专利保护的替代实施例。即人工智能系统被用于辅助扩展作为权利要求构建基础的实施例。针对此种情况，美国PTO特别提示，鉴于人工智能系统有可能遗漏、误报甚至“产生幻觉”或“混淆”信息，对人工智能机器的输出进行人工验证是必要的，必须确保专利申请文件中所有内容都是真实的，专利从业人员需要格外谨慎地验证被扩充的实施例的技术准确性，是否符合美国专利法第112条规定的公开充分要求。[4]公开充分的内涵之一为能够实施解决方案，解决发明所要解决的技术问题，获得预期的技术效果。如果人工智能机器扩展的实施例不具有技术准确性，或者不能解决发明所要解决的技术问题并获得预期的技术效果，那么权利要求将缺乏其构建基础。为避免因人工智能幻觉出现此种情况，PTO提示有必要对人工智能机器输出内容进行严谨的人工核实和验证。
我国专利法实践在某种程度上也已经对人工智能输出结果的验证给出启示。在第562899号、563247号无效宣告审查决定中，权利要求涉及一类特殊的技术特征，这些技术特征并非基于已有物理、化学知识推理而来，而是基于实验数据，采用数据拟合方式进行规律总结获得。[5]本文将之称为数据拟合技术特征。合议组认为，权利要求保护的技术方案实质上是根据实验数据归纳的经验规律，是对通过对实验进行数据拟合的方式获得的结果或建立的模型，技术方案的核心技术特征是以实验显示的效果为导向对数据进行统计分析拟合得出。专利技术方案通过实验结果总结而得，同时实验结果也是体现发明效果的性能数据，但说明书中测定方法限定不明确，本领域技术人员无法根据说明书记载重现其实验过程并得到相关数据结果，因此既不能实施权利要求限定的技术手段，也不能确定其技术效果，专利说明书无法达到本领域技术人员能够实现的要求，全部权利要求涉及的说明书内容公开不充分。上述无效案件涉及的专利文件虽然没有言明技术方案是基于人工智能模型对实验数据进行归纳，但基于数据进行归纳或推理是人工智能机器的主要应用场景。前述无效案件警示我们，鉴于潜在的人工智能幻觉，有必要对人工智能机器输出成果进行核实和验证，避免权利要求丧失其构建基础。
综上，人工智能幻觉有可能为实施例带来如下问题：第一，人工智能辅助发明本身因不符合物理、化学等科学规律而无法实施；第二，人工智能辅助发明事实上无法解决对应的技术问题，获得可以预期的技术效果。这些问题将导致权利要求失去其构建基础。针对上述问题，人类应当对人工智能辅助发明涉及的解决方案、技术问题和技术效果进行人工验证，并在专利说明书中对验证条件、过程和结果进行必要的记载和说明，以使得权利要求构建具有坚实基础，提升专利权的排他性效力。
三、人工智能辅助发明权利要求解释初探
权利要求解释的重要性在于确定专利保护范围，为专利授权确权和专利侵权判断提供基础。由于专利权利要求带有浓厚的技术色彩，并且涉及许多有别于传统法律学科的规则，权利要求解释及其复杂。实践中发展出多个权利要求解释规则，适用不同的解释规则可能会得到不同的解释结果。本文就权利要求解释中是否考虑人工智能贡献特征这一具体问题展开初步讨论。
（一）权利要求解释中不予考虑部分技术特征的现象
在解释权利要求、确定保护范围时，解释主体可能会基于各种理论考量，省略或者不予考虑权利要求中的某些技术特征，大致包括以下情形：
第一，在创造性判断中是否需要考虑算法特征。单纯的算法不是专利保护的客体。关于创造性判断中是否需要考虑算法特征对技术方案做出的贡献，《专利审查指南》给出了关联考虑原则，将与技术特征功能上彼此相互支持、存在相互作用关系的算法特征与所述技术特征作为一个整体，考虑算法特征对技术方案做出的技术贡献。换言之，申请专利的发明创造可以包括算法特征，但如果算法特征与技术特征不是功能上彼此支持，不存在相互作用关系，没有紧密结合、共同构成解决某一技术问题的技术手段，即便算法有改进，也不予考虑该算法特征对技术方案创造性的贡献。
第二，在新颖性、创造性判断中，实用新型包含的方法技术特征是否需要考虑。实用新型保护的对象是产品的形状、构造，不是方法。最高法院在相关案件判决中认为，如果实用新型专利权利要求中的方法特征不会对产品的形状、构造产生影响，则该方法特征对实用新型专利权保护范围原则上不具有限定作用。在进行新颖性、创造性判断时，应当仅就除该方法特征外的有关产品形状、构造的技术特征与现有技术的相关形状、构造进行比对。[6]
第三，权利要求中写入的某项技术特征属非必要技术特征，对于完成发明目的而言是 “多余的”， 在专利侵权判定中是否可以省略该技术特征。多余指定原则曾被我国法院适用于专利侵权判定中，在解释独立权利要求和确定其保护范围时，将记载在专利独立权利要求中的明显附加技术特征（即多余特征、非必要技术特征）略去，仅以专利独立权利要求中的必要技术特征来确定专利权利保护的范围，判定被控侵权物（产品或方法）是否覆盖专利权利保护范围的原则。被控侵权的产品或方法缺少该技术特征，仍然应当认定侵权。[7]
第四，发明专利产品权利要求既包括结构特征又包括方法特征，在侵权判断中，是否需要将被诉侵权产品与涉案专利权利要求中的结构特征和方法特征均进行比较。专利主题或类型不同，专利权人可以禁止的他人实施专利行为的方式不同。最高法院在相关案件判决中认为，产品专利中采用使用方法特征的目的是为了更好地描述产品的结构、组分、位置关系等，使用方法本身并非产品专利的保护对象。本领域普通技术人员根据权利要求的表述，并通过阅读说明书及附图，能够确定涉案专利权利要求技术方案的情况下，无需将使用状态下的被诉侵权产品与涉案专利进行比对，在该案中不再对比方法特征。[8]
基于上述专利法实践，可以看出省略或不予考虑部分技术特征并非偶发现象，而是各种权利要求接解释规则的博弈。对于人工智能辅助发明而言，同样会面临这样一个问题：人工智能机器做出的重大贡献是否会因为不符合激励理论，在授权确权和侵权判断中解释权利要求、确定保护范围时，予以省略或不予考虑？
（二）本文的初步探讨
在专利授权确权程序，如果省略权利要求中某一技术特征，或不予考虑，将对专利人不利；在侵权判断中，如果不予考虑权利要求中某一技术特征，将对专利人有利，而对社会公众不利。是否可以省略或不予考虑人工智能贡献特征，本文认为，可以从以下方面考量：
第一，算法特征或实用新型包含的方法技术特征不予考虑的专利法原理在于，这些特征与专利法基本原则不符，算法特征不是适格的专利客体，实用新型包含的方法技术特征不是实用新型保护的对象。但如前所述，人工智能辅助发明获得专利保护的基本原则是，在包括人类重大贡献的前提下，还可以包括人工智能机器做出的重大贡献。权利要求包括人工智能贡献特征并未违反这一基本原则。如果在新颖性、创造性等授权条件审查中，如果不予考虑人工智能贡献特征，将与该基本原则相矛盾。
第二，适用多余指定原则的基础理由是，相对于欧美国家，我国专利制度建立时间不长、对专利制度理解不全面、撰写水平有待提升，有时难免把对实现发明目的、效果不甚重要的技术特征写入了独立权利要求，从而增加了多余限定，导致专利权保护范围大大缩小；在专利权授予后，第三人经过研究说明书和权利要求书，发现其权利要求中存在非必要技术特征，就很容易略去该技术特征进行实施；法院在侵权认定时应当按照公平原则认定被告构成侵权。[9]这种观点在当时环境下具有一定合理性，但违反了权利要求的公示公告作用，实质上损害了社会公众的利益，因此多余指定原则已经不再适用。本文认为，对于人工智能辅助发明也一样，当权利要求包括人工智能贡献特征时，不予不宜再从撰写水平有待提高的角度，以追求实质公平正义为名，省略该技术特征，否则会损害权利要求的公示公告作用。
从以上两个角度，本文认为，无论在授权确权中，还是在专利侵权判断中，不宜省略或不予考虑人工智能贡献特征。
四、余 论
人工智能辅助发明专利保护尚属前沿问题，本文前述内容仅是探索性研究。还有许多问题有待进一步深入研究。例如，在创造性判断中，人工智能贡献特征是否与人工贡献特征技术特征在功能上彼此相互支持、存在相互作用关系时，才考虑人工智能贡献特征对技术方案做出的技术贡献？在确权复审阶段，如果认为独立权利要求中的人类贡献特征没有创造性贡献，独立权利要求不具备创造性，是否应认一并认为该独立权利要求、或其未附加人类重大贡献得从属权利要求不符合人工智能辅助发明必须包括人类重大贡献的条件？对于这些问题，还有待于在更深入理解人工智能辅助发明创新机制的基础上，做更广泛的讨论。
注释
[1] USPTO：Inventorship Guidance for AI Assisted Inventions on 13 February 2024 ，https://www.federalregister.gov/documents/2024/02/13/2024-02623/ inventorship-guidance-for-ai-assisted-inventions.
[2]WIPO：Patent Landscape Report - Generative Artificial Intelligence (GenAI)，https://www.wipo.int/web-publications/patent-landscape-report-generative-artificial-intelligence-genai/en/index.html
[3]See OPINION AND ORDER ON SANCTIONS at 2, Mata v. Avianca Inc., Case No. 22-CV-1461 (S.D.N.Y., June 22, 2023)。
[4]Guidance on Use of Artificial Intelligence-Based Tools in Practice Before the USPTO，https://www.federalregister.gov/documents/2024/04/11/2024-07629/guidance-on-use-of-artificial-intelligence-based-tools-in-practice-before-the-united-states-patent
[5]详见国家知识产权局第562899号无效宣告审查决定和第563247号无效宣告审查决定。
[6]参见（2021）最高法知行终422号判决书。
[7]程永顺：专利侵权判定之“多余指定原则”的来龙去脉，https://mp.weixin.qq.com/s/Sx_EhMsLfpmd0Bo7NDvvkw
[8] 参见（2022）最高法知民终170号判决书。
[9] 龚政《专利侵权判定中“多余限定”问题探讨》，载《中国专利代理》，1996年第2期第28-30页。
相关阅读
（本文仅代表作者观点，不代表知产力立场）
封面来源 | Pixabay
