چالش‌های هوش مصنوعی در نظام پتنت

چالش‌های هوش مصنوعی در نظام پتنت، در آینده توسعه این فناوری انقلابی اهمیت زیادی دارد. در دنیای امروز که سرعت تحولات تکنولوژیک سرسام‌آور است، هوش مصنوعی (AI) دیگر فقط یک واژه پرطمطراق در اسلایدهای ارائه‌های استارتاپی نیست؛ بلکه به موتور محرک نوآوری تبدیل شده است.

به عنوان یک مدیر مارکتینگ همواره نیم‌نگاهی به استراتژی‌های توسعه محصول و محافظت از دارایی‌های فکری دارم  و تلاش می‌کنم ابعاد گوناگون هوش مصنوعی در کسب‌وکار و سیاست‌گذاری را بررسی کنم. در این میان به نظرم می‌رسد که چالش‌های هوش مصنوعی در نظام پتنت، در آینده توسعه این فناوری انقلابی اهمیت حیاتی پیدا کرده است.

هوش مصنوعی اکنون نقشی دوگانه بازی می‌کند: از یک سو به عنوان ابزار قدرتمند کمک به محققان و پژوهش‌گران عمل می‌کند و فرآیند کشف را تسریع می‌بخشد، و از سوی دیگر برای ارزیابان در دفاتر ثبت اختراع به یک دستیار هوشمند تبدیل شده است. اما این همزیستی مسالمت‌آمیز ظاهری، در بطن خود سوالات بنیادین حقوقی و فلسفی را بیدار کرده است.

ما در این مقاله قصد داریم به عمق این چالش‌ها نفوذ کنیم و سه سوال کلیدی را که خواب را از چشمان حقوق‌دانان و مدیران فناوری ربوده، بررسی کنیم:

• آیا هوش مصنوعی می‌تواند مخترع باشد؟
• تاثیر هوش مصنوعی در ارزیابی گام ابتکاری چیست؟
• اختراعات هوش مصنوعی می‌توانند شرط افشای کافی را تامین کنند؟

در ادامه به بررسی این سوالات می‌پردازیم:

آیا هوش مصنوعی می‌تواند مخترع باشد؟

سوالی که شاید در نگاه اول علمی-تخیلی به نظر برسد، امروز به یک چالش حقوقی تمام‌عیار تبدیل شده است. سیستم‌های هوش مصنوعی مولد (Generative AI) اکنون قادرند طرح‌های صنعتی جدید خلق کنند، ترکیبات دارویی تازه پیشنهاد دهند و حتی کدهای پیچیده بنویسند. اما آیا خالق این آثار، خودِ الگوریتم است یا انسانی که دکمه “شروع” را فشرده است؟

بررسی اینکه آیا هوش مصنوعی می‌تواند به عنوان مخترع در دفاتر ثبت اختراع به رسمیت شناخته شود یا خیر با پرونده ثبت اختراع به نام هوش مصنوعی دابوس (DABUS) گره خورده است. دابوس، سیستمی است که توسط استیون تالر ساخته شده بود. دابوس بدون دخالت مستقیم انسانی دو اختراع (یک ظرف غذا با هندسه فراکتال و یک چراغ هشداردهنده عصبی) را طراحی کرد. در این پرونده، تیم حقوقی تالر درخواست ثبت اختراعاتی را داشتند که در آن صراحتاً نام DABUS به عنوان مخترع قید شده بود. نتیجه چه بود؟ دفاتر ثبت اختراعات کشورهای متعدد از جمله ایالات متحده، بریتانیا و اداره ثبت اختراع اروپا (EPO) این درخواست‌ها را رد کردند. استدلال آن‌ها ساده اما قاطع بود: قوانین فعلی، مخترع را صرفاً یک «شخص حقیقی» (انسان) تعریف می‌کنند.

چرا پرونده دابوس برای مدیران و استراتژیست‌های حوزه پتنت مهم است؟

این پرونده نشان داد تاکنون اکثر این دفاتر صرفا یک انسان را به عنوان مخترع شناسایی می‌کنند. اما پیامد این تصمیم برای کسب‌وکارها چیست؟

خلاء مالکیت:

اگر نوآوری توسط AI انجام شود و نتوان آن را به نام AI ثبت کرد، و از طرفی نقش انسان هم در آن ناچیز باشد، این اختراع ممکن است در “دامنه عمومی” (Public Domain) قرار بگیرد و غیرقابل محافظت شود.

ریسک سرمایه‌گذاری:

شرکت‌هایی که میلیون‌ها دلار روی ابزارهای تحقیق و توسعه مبتنی بر AI (مانند کشف دارو توسط AI) هزینه می‌کنند، اگر نتوانند خروجی نهایی را پتنت کنند، مزیت رقابتی خود را از دست می‌دهند. این موضوع می‌تواند پارادایم استراتژی‌های R&D را تغییر دهد. آیا شرکت‌ها باید برای حفظ مالکیت فکری، نقش انسانی را در فرآیندهای خودکار به صورت مصنوعی پررنگ‌تر نشان دهند؟ این یک چالش اخلاقی و حقوقی جدید است.

تاثیر هوش مصنوعی در ارزیابی گام ابتکاری چیست؟

یکی از پیچیده‌ترین بخش‌های حقوق ثبت اختراع، معیار «گام ابتکاری» است. به زبان ساده، یک اختراع نباید برای کسی که در آن حوزه تخصص دارد، «بدیهی» (Obvious) باشد. اما ورود هوش مصنوعی این معادله را برهم زده است. برای ارزیابی گام ابتکاری، ممتحنین پتنت خود را به جای «فرد دارای مهارت متعارف در آن رشته» قرار می‌دهند و می‌سنجند که آیا اختراع برای چنین فردی بدیهی بوده است یا خیر.

تأثیر AI در گام ابتکاری: 

یک سیستم هوش مصنوعی می‌تواند به تمام دانش فنی پیشین موجود در جهان (مقالات، پتنت‌ها، کتاب‌ها) در چند ثانیه دسترسی پیدا کرده، الگوهای پنهان را شناسایی و آن را تحلیل کند. این توانایی بسیار فراتر از ظرفیت پردازشی و حافظه یک انسان متخصص است. هوش مصنوعی می‌تواند ترکیباتی را پیشنهاد دهد که یک انسان شاید در طول عمر کاری خود هرگز به آن‌ها نرسد.

پارادوکس نوآوری و سؤال کلیدی درباره هوش مصنوعی در گام ابتکاری:

آیا معیار «فرد دارای مهارت متعارف» باید بازنگری شود؟ آیا اکنون باید این معیار را به «یک فرد متخصص مجهز به ابزارهای هوش مصنوعی» تغییر داد؟ اگر پاسخ مثبت باشد، عواقب سنگینی در انتظار نوآوران خواهد بود. اگر فرض کنیم که هر متخصص به ابزارهای AI دسترسی دارد، پس بسیاری از اختراعاتی که قبلاً نوآورانه محسوب می‌شدند، حالا بدیهی تلقی می‌شوند. چون AI به راحتی می‌توانست آن‌ها را پیش‌بینی کند. در این سناریو، سطح نوآوری مورد نیاز برای کسب پتنت به شدت بالا خواهد رفت و ثبت اختراع بسیار دشوارتر خواهد شد. این امر می‌تواند استارتاپ‌های کوچک را که توانایی رقابت با غول‌های مجهز به ابررایانه‌ها را ندارند، از بازار حذف کند.

اختراعات هوش مصنوعی می‌توانند شرط افشای کافی را تامین کنند؟

الزام قانونی شفافیت در برابر انحصار، یکی از ستون‌های اصلی نظام پتنت است. یکی از شروط اصلی دریافت پتنت این است که متقاضی باید اختراع خود را با جزییات کافی در پرونده ثبت اختراع شرح دهد، به طوری که یک فرد متخصص دیگر بتواند آن را بازسازی و اجرا کند (اصل افشای کامل).

مشکل جعبه سیاه (Black Box Problem) چیست؟

بسیاری از مدل‌های پیشرفته هوش مصنوعی (مانند شبکه‌های عصبی عمیق و یادگیری عمیق) مانند یک جعبه سیاه عمل می‌کنند. ما ورودی را می‌بینیم و خروجی را دریافت می‌کنیم. اما فرآیند میانی در لایه‌های پنهان شبکه عصبی رخ می‌دهد که حتی برای سازندگان آن نیز کاملاً شفاف نیست. ممکن است یک مخترع انسانی بتواند بگوید که چه ورودی‌هایی (مثلاً داده‌های ژنتیکی) به مدل داده و چه خروجی‌ای (مثلاً یک مولکول دارویی جدید) دریافت کرده است. اما نمی‌تواند به طور دقیق توضیح دهد که AI چگونه و چرا به آن نتیجه خاص رسیده است.

مشکل جعبه سیاه (Black Box Problem): بسیاری از مدل‌های پیشرفته هوش مصنوعی (مانند شبکه‌های عصبی عمیق) مانند یک جعبه سیاه عمل می‌کنند. ممکن است یک مخترع انسانی بتواند بگوید که چه ورودی‌هایی به مدل داده و چه خروجی‌ای دریافت کرده، اما نتواند به طور دقیق توضیح دهد که AI چگونه و چرا به آن نتیجه خاص رسیده است.

پیامد حقوقی: رد درخواست پتنت و کاهش سرمایه‌گذاری در هوش مصنوعی: 

اگر مخترع نتواند عملکرد درونی و منطق رسیدن به اختراع را به طور کامل افشا کند، ممکن است درخواست پتنت او به دلیل «عدم افشای کافی» (Insufficiency of Disclosure) رد شود. این یعنی اگر دیگران نتوانند با خواندن پتنت شما به همان نتیجه برسند، قرارداد اجتماعی پتنت نقض شده است. ماهیت احتمالی (Probabilistic) بسیاری از سیستم‌های AI با ماهیت قطعی (Deterministic) مورد نیاز در اسناد حقوقی در تضاد است.

در نتیجه این مسئله از چالش‌های هوش مصنوعی در نظام پتنت به شمار می‌رود. چون شرکت‌های حوزه هوش مصنوعی به دلیل عدم حمایت قانونی و مشکلات در بازار از صرف هزینه‌ برای توسعه این محصولات اجتناب می‌کنند و کاهش سرمایه‌گذاری در حوزه AI توسعه فناوری را با مشکل مواجه می‌کند.

چالش کپی رایت در داده‌های آموزشی هوش مصنوعی

وقتی چالش‌های هوش مصنوعی در نظام پتنت را بررسی می‌کنیم نمی‌توانیم به بحث داغ داده‌های آموزشی (Training Data) نپردازیم. اما اول باید نگاهی به ماهیت هوش مصنوعی مولد و مدل‌های زبانی بزرگ (LLMs) بیندازیم. وقتی از LLMs صحبت می‌کنیم باید بدانیم که این سیستم‌های تولید تصویر، با بلعیدن حجم عظیمی از داده‌های موجود در اینترنت یا اصطلاحا داده کاوی و متن کاوی (TDM) آموزش دیده‌اند. در بسیاری از موارد آموزش مدل‌های هوش مصنوعی مولد (GENAI) بدون اجازه و پرداخت حق کپی‌رایت به صاحبان داده انجام شده است.

بنابراین در نظام پتنت مسئله این است که  آیا چنین کاری قانونی است؟ یا باید منجر به پرداخت غرامت به صاحبان حقوق مولف شود؟ کشورهای مختلف در این باره دیدگاه‌های متفاوتی دارند. در نتیجه سازمان جهانی مالکیت فکری (WIPO) هنوز به جمع‌بندی و قانون‌گذاری در این حوزه نرسیده است.  دیدگاه‌های گروه‌های مختلف در باره این مسئله شامل موارد زیر است:

دیدگاه حامیان حقوق مؤلفان (اروپا، بریتانیا و غیره):

این گروه تأکید دارند که استفاده از آثار (متن، تصویر، کد) برای آموزش، نوعی کپی‌برداری و تکثیر است و باید مشمول اجازه صاحبان اثر و پرداخت حق‌الزحمه باشد. آن‌ها بر لزوم شفافیت شرکت‌های توسعه‌دهنده AI در مورد داده‌های مورد استفاده تأکید می‌کنند. قانون هوش مصنوعی اروپا (EU AI Act) گام‌هایی جدی در این راستا برداشته است.

دیدگاه حامیان نوآوری (ژاپن و نگرانی سایر کشورها):

در مقابل، ژاپن به عنوان کشوری با یکی از لیبرال‌ترین قوانین در این زمینه مطرح شد. دولت ژاپن اعلام کرده که قانون کپی‌رایت این کشور به طور کلی اجازه استفاده از آثار برای متن‌کاوری و داده‌کاوی (TDM) و آموزش ماشین را می‌دهد، فارغ از اینکه هدف تجاری باشد یا خیر. حامیان این دیدگاه نگرانند که قوانین بسیار سخت‌گیرانه کپی‌رایت، نوآوری در زمینه هوش مصنوعی را سرکوب کرده، هزینه‌های توسعه را سرسام‌آور کند و رقابت را محدود سازد.

دیدگاه ایالات متحده:

آمریکا اعلام کرد که این مسئله را از طریق دکترین «استفاده منصفانه» (Fair Use) بررسی می‌کند که یک تحلیل موردی و وابسته به شرایط است. (یازدهمین جلسه گفتگوی WIPOدر آوریل  2025)

دیدگاه انگلستان:

در انگلستان پیرو پاسخ مرکز CREATe در دانشگاه گلاسگو به مشاورهٔ عمومی دفتر مالکیت فکری بریتانیا (UK IPO) دربارهٔ تأثیرات هوش مصنوعی که موارد زیر برای سیاست دولت بریتانیا توصیه شده است: (Kretschmer, Meletti and Porangaba. 2022)

• تأکید بر سیاست‌گذاری مبتنی بر شواهد
• مخالفت با اعطای «شخصیت حقوقی به هوش مصنوعی»
• تبیین رابطه بین نوآوری فناورانه و حقوق مالکیت فکری در دوران پسابرگزیت
• ایجاد پایه نظری برای بازنگری در مفهوم استفاده منصفانه اروپایی و توسعهٔ آن در بریتانیا

نتیجه‌گیری: آینده‌ای مبهم اما هیجان‌انگیز

ما در نقطه عطفی از تاریخ حقوق مالکیت فکری ایستاده‌ایم. رشد سریع فناوری هوش‌مصنوعی و ابعاد گسترده تاثیرات آن در کسب‌وکارها و  اقتصاد، تدوین مقررات و ایجاد اجماع جهانی درباره آنرا با دشواری روبرو کرده است.

برای ما به عنوان فعالان حوزه مارکتینگ و کسب‌وکار، این تحولات صرفاً بحث‌های حقوقی خشک نیستند. بلکه مستقیماً بر استراتژی محصول، بودجه‌بندی R&D و مدیریت ریسک ما اثر می‌گذارند.

اگر قوانین سخت‌گیرانه شود، هزینه توسعه ابزارهای AI مارکتینگ بالا می‌رود؛ اگر قوانین شل گرفته شود، ریسک کپی‌برداری از کمپین‌ها و خلاقیت‌های ما افزایش می‌یابد. این یعنی تحقق فرصت‌ها و رفع چالش‌های آینده AI در حوزه دارایی‌های فکری، نه با بخشنامه‌های دستوری، بلکه از دل گفتگوهای پردامنه میان همه ذینفعان (حقوق‌دانان، مهندسان، هنرمندان و مدیران کسب‌وکار) امکان‌پذیر است. آینده متعلق به کسانی است که نه‌تنها تکنولوژی را می‌فهمند، بلکه قواعد بازی حقوقی آن را نیز درک می‌کنند.