第四章 專利法下人工智慧發明物之地位
第二節 電腦與人工智慧參與發明實例
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
此人工智慧擔任發明人之發明之專利權適格以及相關權利歸屬問題，在各國法院、
立法機構或是行政機關皆未明確地說明立場，直到2016 年在日本最新人工智慧 創作物立法討論上亦將人工智慧創作產物列入議案範圍。以下將簡要介紹人工智 慧創作發明機器以及其如何進行發明。
第二節 電腦與人工智慧參與發明實例
使用人工智慧自動化解決問題一直都是人工智慧技術發展的目標之一，透 過專家系統亦或是機器學習，逐漸在產業利用上人工智慧可以達成探索發現新 的結果可能性、協助科學家進行發明，甚至可自行產出發明性創作等創舉，其 中能進行發明性產出的人工智慧早在20 年之前就已經出現，而以下列舉四項人 工智慧進行發明或參與發明的例子。
第一項 創作機器（The Creativity Machine）
「創作機器」就是其中一個典型的案例，發明者Steve Thaler 利用兩個人工 神經網路—來源機器（the source machine）以及評價機器（the evaluation machine）。 最初只有一個來源機器的神經網路，Thaler 採取隨機調整神經網路的連結或消除 其強度的方式調整權重，透過對連結製造「干擾」、「搔癢」像是對人類注射腎 上腺素或是對大腦產生微小的電擊一般，這些「雜音」（noise）使人工神經網路 發生變異產生新的創意點子。例如如要產生汽車形狀的輪廓，Thaler 提供神經網 路汽車剖面圖突出點的位置如擋風玻璃的頂點和底部。當神經網路已經經過訓練，
其部分節點（nodes）表現出車子形狀的特定元件，而同時連結上的權重（weight）
代表這些元件組合的方法。到達此階段後，Thaler 開始隨機改變連結上的權重，
當增加太多干擾時，神經網路將會隨機拼揍元件製造出奇怪的形狀、元件不在應 在的位置等異乎尋常的設計；如果只增加一點干擾，則神經網路會製造出與其曾 經在訓練時看過的車子非常相似的設計。因此在這兩個極端中間，神經網路會將 元件以新的方式組合，但是原則上還是符合汽車的基礎概念324。
324 Levy, supra note 2, at 216-218.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
然而「來源機器」只是單純產出不同的點子，但是無法控制品質，因此另外 又加入第二個人工神經網路「評價機器」，擔任創作品質控管工作並拒絕品質不 良者，這兩個人工神經網路正是模仿人腦主要的認知迴路（cognitive circuit）—
丘腦皮層環（cortical loop）。透過模仿人類大腦，創作機器有能力可以產出新訊 息模式而非僅僅是相關模式，且可以在無人類額外輸入下適應新的情景。創作機 器被用於創作出新編舞、歌曲、設計咖啡馬克杯、Oral-B 交叉刷頭牙刷的交叉刷 毛設計、汽車設計圖、可從網路上搜尋恐怖份子訊息的設備，以及發明新式超級 硬的（ultra-hard）建築材料且僅需類似成分的現有材料的一半價格。此外，創作 機 器 還 可 以 提 供 幾 種 未 經 嘗 試 的 元 素 結 合 ， 因 此 Advanced Refractories Technology 公司向 Thaler 取得授權後利用創作機器協助公司發展新型超硬材料 以及高溫超導體325。
以 Oral-B 交叉刷頭牙刷的交叉刷毛設計為例，說明創作機器設計的過程。
Thaler 並未做任何傳統認為設計牙刷應該做的行為，如勾畫不同設計、建立樣板，
而 是 搜 集 既 有 的 牙 刷 並 測 試 它 們 以 編 譯 客 觀 的 刷 洗 性 能 數 據 （brushing performance datat），並將這些既存設計以及刷洗性能數據投入創作機器中，創作 機器經過「來源機器」學習既有的設計，並經過上述的過程對既有設計進行隨機 的修改，再經「評價機器」透過「刷洗性能數據」學習「好的牙刷」的性能，並 對於來源機器產生的結果進行篩選，最後產出發明結果326。
第二項 發明機器（The Invention Machine）
發明機器起因於TRIZ，TRIZ 由蘇聯科學家 Genrich Altshuller 所設計的發明 式問題解決理論。Altshuller 以當時所得取得的 20 萬份專利申請中所包含的知識 中尋找共通規則，是一個可以幫助任何發明人發明的理論。其背後的哲學為，發 明的問題主要來自於兩個或多個發明元素間的矛盾與權衡，例如當增加好處的同 時，壞處也可能隨之增加的「技術上矛盾」（technical contradictions）；以及可
325 Clifford, supra note 230, at 1680; Ryan Abbott, I Think, Therefore I Invent: Creative Computers and the Future of Patent Law, 57 B.C.L. Rev. 1079, 1084-1085 (2016), available at:
http://lawdigitalcommons.bc.edu/bclr/vol57/iss4/2 (Last visited: 2017/1/6)
326 Robert Plotkin, The Genie in The Machine: How Computer-Automated Inventing is Revolutionizing Law and Business, 53-54(2009)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
能同時需要某物增加或減少的「物理上矛盾」（physical contradictions）。而從檢 視龐大數量的專利文件中，歸納出什麼類型的矛盾是以什麼方式解決，發展出40 項發明原則並延伸為「矛盾矩陣」，矛盾矩陣是透過將39 個彼此影響的因素列 表以分類矛盾要素（如速度、形狀、易於修理等），並對應到40 項發明原則。
而在1987 年，Altshuller 的學生 Valerei Tsourikov 立基於 TRIZ 之上發起「發 明機器」計畫，於1991 年他將「發明機器」帶到美國，並透過建立發明機器公 司進行商業化，包含IBM、奇異公司（general electric）、以及 Motorola 在內約 有500 多位客戶。「發明機器」是由「以知識為基礎的系統」以及「以邏輯為基 礎系統」所組成，提供概念以及建議，在概念層面上解決問題。在發明機器的知 識庫中包含超過150 條發明規則以及程序，當使用者形容其需要解決的問題，系 統將會選擇特定的規則，並作為可能的解決方向提供使用者參考。其採用 TRIZ 理論解決工程矛盾，以減少使用者通常會犧牲設計上某一項特徵，以換取設計中 其他層面的改善的自然傾向。而透過知識庫中1200 項物理、地理、化學，以及 其他曾經用於解決工程問題的影響因素，提供使用者思考可能的解決方案。此外，
發明機器亦包含技術演進和預測能力，可以協助使用者了解產品演進的動態以及 最合乎邏輯的下世代產品或其功能。透過使用發明機器，將可刺激使用者更進一 步規劃或推斷技術生命週期的動態，開始發展下一世代的技術。
綜上所述，發明機器的功能是協助使用者解決技術和工程問題，並協助工程 師、科學家和發明人更理解他們想要發明和改善的產品、過程和機器。此外，不 單僅是提升設計者解決工程、科學的問題的發明或創作能力，更透過解決問題促 使發明人思考，適用於其設計目標的新的架構以及功能概念。 發明機器本身於 1999 年取得美國的專利，專利名稱為「基於電腦之系統，以展示全動態連結概念 元件，用以產生所選擇的技術結果」（Computer based system for displaying in full motion linked concept components for producing selected technical results），此外他 也參與許多專利的發明。
其中一個成功的案例為新式Pizza 盒設計，在 1990 年代的舊式 pizza 盒具有 兩個矛盾：首先，pizza 在運送的過程中需要以隔熱的方式才能保持熱度，但同 時也不能增加盒子的體積與成本。發明機器建議使用空隙取代固體的隔熱物質，
並且推薦使用球形的（spherical）盒子。第二個矛盾是為了保溫所以保持盒子緊 閉，但是為了避免pizza 受潮，必須讓盒內的蒸氣可以散出。針對此問題發明機
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
器建議改變 pizza 或盒子的形狀，以減少 pizza 與蒸氣的接觸。因此，參考程式 所提供的建議，發明人將盒子底端凹陷，製造出一個pizza 下方的空氣圓頂，另 外考量第二個建議，將盒子內部設計一模製的金字塔從底部內側向上延伸，因此 水蒸氣將會在金字塔間凝結而不會影響 pizza 脆皮，由此一來 pizza 保溫以及保 持酥脆的時間延長至45 分鐘，較之前增長三倍之多，且成本不變。發明人以此 設計於1995 年取得兩項美國專利327。
第三項 遺傳規劃（Genetic Programming）發明機器
遺傳規劃是一種自動化方法，電腦得根據「需要解決什麼問題」這樣的高階 敘述問題自動化生成「電腦程式」解決問題，在解決問題時人類極少參與，且並 未採用過去邏輯推演或是人類知識與技術的資料庫，而是採用遺傳或演化的搜尋 方式328。其利用機器學習下遺傳演算法（Genetic Algorithm）於電腦程式中，使 用達爾文的自然選擇（natural selection，即天擇）理論，以及模擬自然演化過程 如交配（互換）、突變、基因複製、基因缺失以及發育生物學機制（mechanism of developmental biology）等方法反覆地將電腦程式群體轉變為次世代程式，並 達成機器智慧（machine intelligence）的目標—僅需要告訴機器應該完成什麼任 務而不告訴他如何完成。遺傳規劃之創始者John Koza 另外設計各種技術讓遺傳 規劃撰寫出指定電路或其他設備的物理結構，故遺傳規劃不僅可創造軟體，亦可 設計出基本卻重要的機器（nuts-and-bolts machine）329。
遺傳規劃之創始者John Koza 在文章中定義，經由機器智慧自動產生結果，
如果符合八項要件其中之一，則可認為是足以「與人類競爭」（human-competitive）
的創新發明330。而在文章中，Koza 列舉出至 2010 年 76 項經遺傳規劃製作符合
327 Levy, supra note 2, at 228-230.
328 John R. Koza, Martin A.Keane, and Matthew J. Streeter，演化，AI 的第三條路！，鍾樹人翻 譯，李國偉審定，科學人2003 年 3 月號，頁 93—94。
329 Robert Plotkin, supra note 326, at 55-56.
330 1. 是過去曾受專利發明的發明、過去專利發明的改良、或是符合今日專利要件之發明；2.
相等或優於被登在同濟評閱（peer-reviewed）雜誌上時被認同為新科學成果的結果；3. 相等或 優於被國際公認之科學專家小組保存於資料庫或檔案中的結果；4. 不受是由機器所創作的背景 所支配，結果本身就是可發表的新科學成果；5. 相等或優於最近期人類所創造解決長久存在的 問題的方法，該長久存在的問題已存在一系列由人類創造漸趨良善的解決方法；6. 相等或優於 第一次被發現時在該領域被認為是成就的結果；7. 解決在該領域中無爭議困難的問題；8. 在包 含人類參賽者（真實人類玩家或人類撰寫的電腦程式）的管制競賽中平手或贏得勝利。