一、AI行为体生成的内容和发明创造

二、AIGC的版权问题

三、AI生成发明创造的专利问题

四、AIGC的合规问题

本文题目中的“AI输出”是指人工智能生成的内容（AIGC）和AI生成的发明创造。本文认为应当用行为体（agent）来指称当今AI的载体、指称AI与法律交叉领域未来可能存在的法律主体，并研究AIGC的版权问题、AI生成的发明创造的专利问题、AIGC的合规问题。

一、AI行为体生成的内容和发明创造

以图像识别、自然语言处理为代表的AI技术近年来在产业界得到广泛应用，尤其是生成式AI技术取得突破，既能生成诸如文本、图像、音频、视频这样的内容，也能生成发明创造，这就开辟了AI技术发展的新路径，同时也给传统的知识产权制度带来挑战。AI生成的内容是否应受版权保护，AI生成的发明创造是否应授专利权，已成为相关各界关注的问题。

在哲学社会科学各学科与AI的交叉领域研究中，国内相关论著往往只是笼统地用“人工智能”这四个字指称当今AI的载体，用“人工智能”这四个字指称各该交叉领域未来可能的主体（如认识主体、伦理主体、法律主体等），却没有进一步说明所称的“人工智能”究竟是指什么——是指AI学科，还是指AI系统？是泛指所有AI产品，还是特指某个AI产品？是泛指所有AI服务，还是特指某种AI服务？是泛指AI的所有应用场景，还是特指AI的某种应用场景？这样笼统的称呼没有准确说明当今AI的载体究竟是什么，也没有准确说明各该交叉领域未来可能的主体究竟是什么。实际上，AI是对行为体的研究。行为体是在环境中感知和行动的任何事物。AI中的agent应译为“行为体”。[1]

拉塞尔和诺维格的教科书《人工智能：现代方法》给出了通过传感器和执行器与环境相互作用的行为体示意图（如图1）[2] 。在行为体与环境之间，通过传感器和执行器互相联系。传感器可以感知环境的状态；执行器可以给环境施加行动。在行为体内部有一个“？”方框，它代表行为体内部从传感器接收输入信息、到执行器发出输出信息的中间环节即内部的决策机制。

图1 通过传感器和执行器与环境相互作用的行为体

该决策机制至少包括三种情况：（1）如果决策机制提供的是以物理符号系统假设为基础的符号模式的处理过程，就对应于功能模拟方法，即符号主义技术路线，主张用公理和逻辑体系搭建AI系统；（2）如果决策机制提供的是人工神经网络的学习能力，行为体就具有学习能力，对应于结构模拟方法，即连接主义技术路线，主张模仿人类的神经元，用神经网络的连接机制实现AI；（3）如果决策机制提供的是一系列“条件-动作规则”，行为体就成为感知-动作系统，对应于行为模拟方法，即行为主义技术路线，生成的只有动作、而没有内容（如文本、图像、音频、视频、合成数据等）。这样，就以行为体为载体，通过决策机制的内部变化，将三种方法作为三种特例，将AI的三大流派统一在行为体的基础上。

每个这样的行为体实现把感知序列映射到行动的功能。行为体是可以被视为通过传感器感知其环境并通过执行器对该环境起作用的任何事物。至少有三种行为体：（1）人类行为体有眼睛、耳朵和其他器官用作传感器，并有手、腿、声道等用作执行器；（2）机器人行为体可能有摄像头和红外测距仪用作传感器，并有各种电机用作执行器；（3）软件行为体接收文件内容、网络数据包和人类输入（键盘/鼠标/触摸屏/语音）作为传感输入，并通过写入文件、发送网络数据包、显示信息或生成声音作用于环境。环境可以是一切，即整个宇宙。实际上，这个环境只是在设计行为体时我们关心其状态的那一部分宇宙，即影响行为体的感知并且被行为体的行动所影响的那一部分宇宙。[3]

AI旨在构建可以展示各方面智能行为的行为体。行为体概念是AI的核心。AI行为体，可以是实体，如机器人行为体；也可以是非实体，如软件行为体。我们指称当今AI的载体，应当用“行为体”来囊括AI所有的实体行为体和非实体行为体。当AI行为体达到“智能”行为体的标准时，在哲学领域就可以讨论它作为“认识主体”可能采取的“认识行为”；在伦理学领域就可以讨论它作为“伦理主体”可能采取的“伦理行为”；在法学领域就可以讨论它作为“法律主体”可能采取的“法律行为”；在哲学社会科学其他学科领域，亦复如是。因此，通常所称的AI生成的内容和发明创造应该说是AI行为体生成的内容和发明创造。

生成式AI在技术层面包括很多种类型，其发展也分为不同阶段。从技术本质上来说，早期的问题系统仅具备最基础的模式，即基于规则的问题进行回答。随着技术的不断改进，问答系统才逐渐具备对提问问题的语义理解能力，回答内容也变得更为丰富。随着生成式AI的发展，问答系统进一步演化为包括生成器和判别器的模式。生成器接收一个输入，通常为启动文本或提示语（Prompt），然后利用深度学习模型，如循环神经网络（RNN）或变换器，将输入信息转换为高度语义关联的内容如文本、图像、音频、视频等。生成器的任务是生成高质量的虚拟数据，使其尽可能地与实际训练数据相似。与此同时，判别器是另一深度学习模型，其任务是区分虚拟数据和真实数据。它接收来自生成器的虚拟数据和来自真实数据的样本，目标是准确识别哪些数据是虚拟生成的，哪些数据是真实的。通过反复迭代训练，生成器和判别器之间形成了一种对抗性关系，生成器努力生成虚拟数据，判别器提高对真实和虚拟数据的区分能力。这种生成与判别的对抗过程称为生成对抗网络（GAN），是生成式AI技术的核心机制。最近，LLM通过更大规模的语料库和更复杂的模型参数进行训练，进一步提高了生成式AI的性能。这些模型不仅考虑词汇的语义关系，还引入了多头注意力机制和位置编码等技术，从而实现更为高级的自然语言处理能力。采用生成器和判别器模式的生成式AI，生成的内容都是逐字逐句生成，而不是简单的查询和拼凑，与人类的创作方式很像，更容易被理解为AI行为体。

综上所述，AI行为体生成的内容和发明创造是AI的软件行为体接收外部信息输入，通过算法模型将外部输入处理为计算机可理解的形式，再根据系统中的模型生成内容并输出，这就是先接收信息、在内部处理、再输出结果的过程。

二、AIGC的版权问题

在AI的主要技术路线中，符号主义AI具有可解释性，连接主义AI则具有不可解释性。AI系统采取何种技术路线，这种技术路线是否具备可解释性，与AI系统的输出是否具有可版权性是相关的。在行为主义AI情形，生成的只有动作、而没有内容。因此，在讨论应用生成式AI技术所得到的结果即AIGC版权问题时，无需考虑行为主义技术路线的情形。

版权理论中的创意/表达两分法（idea/expression dichotomy）的成立是自然人创作作品的可版权性成立的前提条件。可以引入并定义可预测性、确定性、可解释性三个概念，对创意/表达两分法原则进行深入阐释，进而探讨在不同AI技术路线之下的创意/表达两分法和可预测性、确定性、可解释性情况。[4]

可版权性和创意/表达两分法本来是适用于自然人作者的。自然人从创意到表达有可预测性、在创意与表达之间有确定性、从表达到创意有可解释性。自然人作品创作过程中的可预测性、确定性、可解释性三者之间具有一致关系，即可预测性、确定性、可解释性三者是同时成立的。符号主义AI具有可解释性，对应于符号主义系统运行结果的可预测性。从作品创作过程看，符号主义系统中的创意/表达的可预测性、确定性、可解释性是成立的。连接主义AI具有不可解释性，对应于连接主义系统的运行结果的不可预测性。从作品创作过程看，连接主义系统中的创意/表达的可预测性、确定性、可解释性是不成立的。

在AI的三种技术路线融合情况下的可版权性的决定因素的优势顺序是：连接主义 > 符号主义 > 行为主义。由于连接主义技术路线在当今AI技术发展中显示出极大的优势，所以当今所称AIGC通常是专指单纯的连接主义系统和包含连接主义的三种混合系统（即连接主义+符号主义两者相结合的混合系统、连接主义+行为主义两者相结合的混合系统、连接主义+符号主义+行为主义三者相结合的混合系统）的生成内容。这四种系统可以合称为“涉连接主义的AI系统”。生成式AI属于连接主义AI，AIGC是应用生成式AI技术的结果。

在涉连接主义的AI系统情况下，人类通过LLM的用户接口操作运行LLM，操作者输入提示语（包含选择各种参数等）就是人类输入创意但却无法预测输出的表达的过程。在已经得到第一次的输出表达的基础上，如果第二次输入创意的微调、得到第二次的输出表达，则仍然是人类输入创意但却无法预测输出的表达；这个微调过程可以持续、不断细化。在这个持续过程中，输出表达与输入创意之间的可预测性、确定性、可解释性关系，在第一次得到输出表达时就已经不成立；在第二次对上一次得到的输出表达进行输入创意的微调时仍然不成立；从第三次到第N次，总是对上一次得到的输出表达进行输入创意的微调，如此持续进行微调，每一次都还是不成立。

从LLM操作者的输入到LLM的输出，AIGC对应的是一个由（对应于无穷多种“表达”可能性的）无穷多个元素组成的、其中元素是可数的“特定集合”。这是一种可数无穷集。该“特定集合”的“特定性”是由操作者所给出的提示语限定的。操作者对提示语的每一次输入或者微调，对应的AIGC都是一个（对应于无穷多种“表达”可能性的）可数无穷集。AIGC所对应的并不是该“特定集合”中（对应于某种具体“表达”的）某个特定元素。即使操作者进行提示词的x次微调，AIGC每一次所对应的都是一个（对应于无穷多种“表达”可能性的）可数无穷集，而不是该可数无穷集中（对应于某种具体“表达”的）某个特定元素。但是，适用于自然人创作作品的创意/表达两分法原则本来应该是由创意对应于“特定集合”中的具体某个元素。

对于AIGC，在仅输入提示语的情形，从人类给出的创意（即多模态输入）到涉连接主义的AI系统给出的表达（即多模态输出），创意/表达关系都具有不可预测性、不确定性、不可解释性，无法体现本来适用于自然人的创意/表达两分法的可预测性、确定性、可解释性，因此，本来适用于自然人的创意/表达两分法在AIGC情况下并不成立。因为创意/表达两分法的成立是可版权性成立的前提条件，所以，AIGC并不具有可版权性，人类对其通过LLM用户接口进行操作（即给出创意）后运行所得的结果（即所得的表达）就不能享有版权。

过去所称的“人工智能生成物”，通常是指在符号主义AI技术路线下的生成物。现在如果用“人工智能生成物”来统称两种技术路线下的生成物，则需要进一步分为符号主义AI生成物和连接主义AI生成物两种情况进行讨论。这两种不同技术路线下的生成物不能混淆。

行为体的概念是AI的核心；AI旨在构建智能行为体。在人类不能享有AIGC的版权的情况下，在将可版权性从自然人创作作品拓展到AIGC情形之后，AI行为体在一定条件下就是所生成内容的潜在的版权人。一旦法律主体延伸到AI行为体，AI行为体就可以确定为AIGC的版权人。

2025年1月29日，美国版权局发布《版权与AI》总报告的第二部分《可版权性》，[5]就AIGC的可版权性问题给出如下结论和建议：（1）可版权性和AI的问题可以根据现行法律解决，而不需要立法变革。使用AI工具来协助而不是代替人类的创造力并不影响对（AI生成）输出的版权保护的可用性。（2）版权保护由人类作者创作的作品中的原创的表达，即使该作品也包含AI生成材料。（3）版权并不延及纯粹的AI生成材料，也不延及人类对有表达力的元素控制不足情况下的材料。（4）人类对AI生成输出的贡献是否足以构成作者身份，必须逐个案件分析。（5）基于当前普遍可用的技术的功能，仅有提示语并不能提供足够的控制。（6）人类作者有权对其（具有）作者身份的作品享有版权，这种作者身份既是在AI生成输出中可感知的，也是在AI生成输出的材料的创造性选择、协调或编排中可感知的，或者是在AI生成输出的创造性修改中可感知的。（7）尚未出现（需要）为AIGC提供额外的版权保护或自成一类的保护的案例。

对于仅靠提示语来使AI系统输出的情况，该报告给出的结论是，“鉴于当前普遍可用的技术，仅靠提示语并不能提供足够的人类控制来使AI系统的用户成为其输出的作者。提示语本质上是传达不受保护的创意的指令。高度详细的提示语虽然可能包含用户期望的有表达力的元素，但是目前它们并不控制AI系统在生成输出时如何处理这些提示语。”该报告同时说明，“相同的提示语可以生成多个不同的输出，这一事实进一步表明缺乏人为控制。”“反复修改提示语不会改变这一分析，也不会为主张输出的版权提供足够的依据。”“无论提示语被修改和重新提交多少次，最终输出都反映了用户对AI系统解释的接受程度，而不是它所包含的表达的作者身份。”“在许多情况下，如果AI是被用作工具，并且人已经能够决定这些输出所包含的有表达力的元素，那么这些输出的或者全部或者部分将是可版权的。然而，在现阶段，仅靠提示语是不太可能满足这些要求的。”

2023年8月，美国联邦地区法院法官Beryl A. Howell在一起著作权纠纷案件中作出AI生成的艺术品（如图2）不能获得著作权的判决。该法官认为人类是要求著作权的必要部分。目前该案还在上诉中。[6]

图2 涉案AI生成的艺术品图片

三、AI生成发明创造的专利问题

（一）AI生成发明创造的发明人和专利权归属问题

关于自然人之外的其他主体能否成为发明人的问题，中国《专利审查指南》指出“发明人应当是个人”，发明创造的发明人必须提供个人身份证明。可见，中国专利法体系并没有给自然人以外的主体成为发明人留出空间。2024年12月，中国国家知识产权局发布《人工智能相关发明专利申请指引（试行）》，明确规定发明人自然人，AI不具备发明人主体资格。[7]在美国专利法体系中发明人也只能是人类，专利申请时发明人必须签字，自然人以外的主体无法完成这一操作。2024年，美国专利商标局发布《AI辅助发明的发明人资格指南》，明确发明人只能是自然人。[8]英国1977 年颁布的专利法规定，“发明人必须为自然人”。美国科学家Stephen Thaler博士开发出AI发明系统DABUS，并以DABUS名义申请几项发明，但相关的专利申请都被审查机构驳回，理由是“发明人只能是自然人”。因此，目前尚无法律依据将AI视为发明创造的发明人。

关于AI生成的发明创造的专利权归属问题，中国专利法规定专利权人只能是个人或单位。AI无法成为发明人，也无法成为专利权人。

为了维护已取得的专利权，专利权人需要按时缴纳年费和充分公开发明创造的内容。为了行使专利权，专利权人需要对他人授权实施专利技术或禁止他人未经许可实施自己的专利技术，以及转让自己的专利技术。对于专利侵权行为，专利权人还可以请求专利执法部门或司法部门予以打击相应的侵权行为。这些都是AI本身无法做到的。例如前述DABUS案件，也是由其开发者Thaler博士代为申请的专利。因此，AI在成为专利权人、维护和行使专利权等方面都存在难以克服的困难，尚无明确的解决方案。

（二）AI生成发明创造的可专利性问题

AI不能成为发明人和专利权人的现状，并不影响对AI生成的发明创造是否具有可专利性的探讨。在可专利性的审查标准方面，AI生成的发明创造与一般的发明创造实质上没有区别，必须具有新颖性和创造性。

关于新颖性问题，从实践看，AI生成具备新颖性的发明创造相对容易。根据专利法，新颖性是指一项发明或实用新型不属于现有技术。现有技术是指申请日以前在国内外为公众所知的技术。审查员在审查新颖性的时候，会将权利要求中的技术特征与在先的对比文件进行比较，如果发明创造中具有在先对比文件没有披露的技术特征，则其具备新颖性。在专利审查中，新颖性的对比是单独对比，也就是评价发明创造的新颖性，只和一篇对比文件进行对比。如果在一篇对比文件中没有找到完全披露权利要求中的技术方案，相关的专利权利要求就具备新颖性。对于AI来说，可以设置很多组合领域类相关的技术特征，很容易制造出具有新颖性的技术方案。例如AI将两篇现有的文献中的技术方案进行组合，在审查中审查机构就不大可能在一篇现有的文献中完全找到AI生成的全部技术方案，AI生成的发明创造就具备新颖性。

关于创造性问题，中国专利法规定，发明的创造性是指与现有技术相比，该发明具有突出的实质性特点和显著的进步。突出的实质性特点，是指对所属技术领域的技术人员来说，发明相对于现有技术是非显而易见的；显著的进步，是指发明与现有技术相比能够产生有益的技术效果。创造性的判断直接反映了一项发明创造的技术含量，也是发明创造的智慧亮点。发明人必须具有高于本领域一般技术人员的水平，提出了创造性的构思，该构思所形成的技术方案能够解决一般技术人员解决不了的问题，或者相关技术方案具有本领域一般技术人员意想不到的技术效果。但AI生成的发明创造在满足创造性方面目前是存在挑战的。例如AI系统DABUS提交的两件专利申请在欧洲专利局的公开号分别是EP3564144A1和EP3563896A1。

第一件专利申请EP3564144A1的主题涉及食品饮料容器（如图3），主要构思是将食品容器的外表做成雪花片的形状，这样不同的饮料容器可以用“可插拔”的方式连接在一起。[9]矿泉水瓶的瓶体做成雪花片的技术方案首先需要制作雪花片的材料要有一定弹性，这样才能直接把多瓶矿泉水全部连接在一起，如果人们需要一打或多瓶矿泉水，便可省去包装袋或者箱子的使用。其实，这个创意很简单，与儿童玩具雪花积木是一样的操作原理。

图3 DABUS提交的欧洲专利申请EP3564144A1

第二件EP3563896A1的发明创造更简单，主题是一种信号显示器，以4HZ的频率按照图4所示的波形闪烁，从而更加吸引人注意。

图4 DABUS提交的欧洲专利申请EP3563896A1

这两项由AI生成的发明创造的创意都极其简单，如果在专利检索数据库中简单检索一下，就能找到很多对比文件。欧洲专利局也的确找到了几乎一致的在先技术。这也从侧面证实了AI目前生成的发明创造的技术含量较难达到专利审查的创造性的要求。但随着未来AI技术的不断进步，AI生成的发明创造将完全可能解决更复杂的技术问题，可能产生更显著的技术效果，申请专利的技术方案可能兼具新颖性和创造性。届时AI生成的发明创造对专利制度的挑战将更显著。

四、AIGC的合规问题

生成式AI从研发到落地须要经历多个环节，包括训练数据处理、数据标注、提供服务等。在这些环节中，AI生成的内容可能存在多种法律问题。企业提前清晰界定不同环节的制度要求，将有利于降低生成式AI开发过程中的合规风险，增加开发项目的可落地性和过程安全性。

（一）AIGC的知识产权问题

生成式AI生成的内容包括文字、图像、音频、视频等，这些内容多是随机生成的，并且往往涉及广泛的信息源，很难保证不侵犯第三方的知识产权。生成式AI利用算法模型生成的文字、图片、视频有可能与在先的版权作品、商标标识、专利技术文本有内容上的重叠，因而难以避免与他人在先权利的冲突，由此形成侵权风险，且难以发现风险。生成式AI通常通过学习大量的已存在的数据来生成内容，其中可能包含受版权保护的作品。如果生成内容与受版权保护的作品过于相似，就可能触发版权纠纷。这就要确保生成式AI在生成内容时，严格遵守版权法，或者预先获得版权人的授权，尽量降低或消除AIGC侵犯他人作品版权的可能性。中国《生成式人工智能服务管理暂行办法》规定：生成式AI服务提供者应当依法开展预训练、优化训练等训练数据处理活动，遵守以下规定：（1）使用具有合法来源的数据和基础模型；（2）涉及知识产权的，不得侵害他人依法享有的知识产权；（3）涉及个人信息的，应当取得个人同意或者符合法律、行政法规规定的其他情形；（4）采取有效措施提高训练数据质量，增强训练数据的真实性、准确性、客观性、多样性；（5）网络安全法、数据安全法、个人信息保护法等法律、行政法规的其他有关规定和有关主管部门的相关监管要求。[10]

（二）AIGC的真实性问题

生成式AI生成的内容（尤其是文字）是算法生成的，可能不具备真实性、科学性、专业性。这类材料一般称为虚假材料。虚假材料在现实中会造成许多问题。例如常见疾病的治疗方法、营养食品的选择、婴幼儿基础教育之类问题，现在人们往往习惯于在网络中搜索答案，实质上是由生成式AI来给出答案。如果AI生成的内容是虚假的（不准确的），检索者又相信检索出的结果并按其建议和方法进行操作，就可能造成重大损害和不良后果。对于这种情况，企业需要考虑实施监管和验证机制，确保AIGC的真实性（包括准确性）。此外，AIGC的责任归属也需要明确，生成式AI的开发者、使用者、终端用户各自是否承担责任、如何承担责任。例如，美国纽约州法院2023年5月作出裁定，认定代理律师在一起案件中利用ChatGPT撰写诉状，所引用的案例都是虚假不存在的，存在误导陈述。在这份由律师提交的简报中，引用的六个案例全部都是不存在的，但是却有正常的案例号和信息，这些都是AI随机编造的。[11]

（三）AIGC的隐私数据和商业秘密问题

无论是开发生成式AI系统，还是用户使用生成式AI，都会涉及使用大数据的问题。在开发AI技术过程中，数以万计的个人信息会被收集、存储、使用、加工、传输、提供、公开、删除等。在这些环节中，很可能会因开发者和使用者的主观疏忽大意或是外来因素的误导、欺诈、胁迫等使得个人信息会在AI的开发过程中产生泄露。用户在使用生成式AI的过程中，也很可能会泄露个人信息。这些都需要作为开发者的AI企业采取措施加以应对，以防止泄露和滥用。企业需要建立严格的隐私数据和商业秘密保护标准。

（四）AIGC的合法性问题

生成式AI的生成内容可能违反伦理和法律，应受到严格约束和审查。中国《生成式人工智能服务管理暂行办法》规定，提供和使用生成式AI服务，应当遵守法律、行政法规，尊重社会公德和伦理道德，遵守以下规定：（1）坚持社会主义核心价值观，不得生成煽动颠覆国家政权、推翻社会主义制度，危害国家安全和利益、损害国家形象，煽动分裂国家、破坏国家统一和社会稳定，宣扬恐怖主义、极端主义，宣扬民族仇恨、民族歧视，暴力、淫秽色情，以及虚假有害信息等法律、行政法规禁止的内容；（2）在算法设计、训练数据选择、模型生成和优化、提供服务等过程中，采取有效措施防止产生民族、信仰、国别、地域、性别、年龄、职业、健康等歧视；（3）尊重知识产权、商业道德，保守商业秘密，不得利用算法、数据、平台等优势，实施垄断和不正当竞争行为；（4）尊重他人合法权益，不得危害他人身心健康，不得侵害他人肖像权、名誉权、荣誉权、隐私权和个人信息权益；（5）基于服务类型特点，采取有效措施，提升生成式AI服务的透明度，提高生成内容的准确性和可靠性。[12]

企业应建立有效的监管和审查机制，以确保生成式AIGC符合法律规定。

生成式AI在实践中可能引发多种法律问题。因此，需要制定明确的政策和法规，建立有效的监管机制，以确保生成式AI在应用中合法、合规、合乎伦理。开发者和用户也要共同承担责任，采取适当的措施来降低合规风险，保障社会公共利益和用户权益。

注释（上下滑动阅览）

【1】寿步.人工智能中agent的中译正名及其法律意义.科技与法律(中英文),2022(03):1-13.

寿步. 人工智能术语agent的精准译解及其哲学意义. 哲学分析,2023(03):130-143.

【2】S, Russell & P. Norvig，Artificial Intelligence: A Modern Approach, Prentice Hall, 4th Ed. 2021. Fig 2.1.

【3】S, Russell & P. Norvig，Artificial Intelligence: A Modern Approach, Prentice Hall, 4th Ed. 2021. Chap.2.

【4】寿步.人工智能生成内容：可版权性和版权人问题.科技与法律(中英文),2024(04):60-71.

【5】Copyright and Artificial Intelligence，Part 2: Copyrightability.

https://www.copyright.gov/ai/Copyright-and-Artificial-Intelligence-Part-2-Copyrightability-Report.pdf

【6】AI-generated art cannot be copyrighted, rules a US federal judge. https://www.theverge.com/2023/8/19/23838458/ai-generated-art-no-copyright-district-court

The US Copyright Office says an AI can’t copyright its art.

https://www.theverge.com/2022/2/21/22944335/us-copyright-office-reject-ai-generated-art-recent-entrance-to-paradise

【7】Inventorship Guidance for AI-Assisted Inventions.

https://www.federalregister.gov/documents/2024/02/13/2024-02623/inventorship-guidance-for-ai-assisted-inventions

【8】《人工智能相关发明专利申请指引（试行）》. https://www.cnipa.gov.cn/art/2024/12/31/art_66_196988.html

【9】EPO. EP3564144A1.

https://worldwide.espacenet.com/patent/search/family/063915228/publication/EP3564144A1?q=EP3564144A1

【10】《生成式人工智能服务管理暂行办法》.

https://www.gov.cn/zhengce/zhengceku/202307/content_6891752.htm

【11】Case 1:22-cv-01461-PKC .

https://storage.courtlistener.com/recap/gov.uscourts.nysd.575368/gov.uscourts.nysd.575368.32.1.pdf

【12】《生成式人工智能服务管理暂行办法》.

https://www.gov.cn/zhengce/zhengceku/202307/content_6891752.htm

来源：人工智能与网络空间治理

编辑：Sharon