知識產權專門法可以為模型結構與參數提供相應的知識產權保護。如果涉案模型結構與參數能夠滿足專門法的保護條件，則應當獲得相應專門法的保護。如果涉案模型結構與參數因不滿足專門法的保護條件而未能獲得保護的，不應再適用反不正當競爭法第二條對使用涉案模型結構與參數的市場競爭行為予以規制，否則將違背法律規范解釋及適用的‘禁止冗余規則’。”
結構與參數是人工智能模型的核心要素，知識產權法可以提供相應法律保護。筆者認為，探討人工智能模型結構與參數的知識產權保護問題，應當從人工智能模型結構與參數的特性出發，確定人工智能模型結構與參數能否獲得知識產權專門法的保護，然后討論是否可以適用反不正當競爭法提供保護，但應當運用體系化思維妥善處理知識產權專門法與反不正當競爭法之間的適用關系。
1、人工智能模型結構與參數的技術概要
（一）人工智能模型的結構
結構決定人工智能模型的計算方式和處理能力。人工智能模型的結構多種多樣，其核心思想都是通過特定架構和海量數據學習構建輸入數據和輸出數據之間的關系。針對不同的執行任務和功能需求，人工智能模型的結構不盡相同，但大都包含輸入層、處理層、輸出層、損失函數、優化算法等核心組件。
輸入層可以視為一套復雜且精巧的預處理流水線，其核心任務是將人類可理解的非結構化原始數據轉換為模型可理解的數值化、結構化的初始向量表示。通過輸入層，雜亂無序的原始數據被轉化為模型能夠消化和理解的機器數據。
處理層的功能是將輸入層傳來的初始向量表示，逐步轉化為富含豐富語義信息的高層表示，并為最終輸出內容做好準備。模型的處理能力在很大程度上取決于處理層的層數，因此模型結構就是從底層處理層到高層處理層組成的多個處理層的堆疊。通過層層遞進的處理，模型逐步構建對輸入數據從淺層表示到深層抽象的復雜理解，最終賦予模型強大的理解、推理和生成能力。
輸出層是模型流水線處理的最后一環，核心職責是將處理層產生的、富含語義信息的高維隱藏狀態轉換為符合需求的最終形式。輸出層是連接模型內部表示與外部任務的橋梁，具體設計取決于模型面向的具體任務。不同的生成策略可以控制模型的輸出行為，使輸出內容在確定性、創造性和連貫性之間取得平衡。
損失函數通過衡量預測值與真實值之間的損失(差距)，引導模型的學習方向。模型數據訓練的目標就是實現損失函數的最小化。不同類型的模型的損失函數的設計不盡相同，但是絕大多數模型的損失函數的核心思想都是讓模型預測數據分布盡可能接近真實數據分布。
優化算法決定模型如何根據損失函數的反饋更新模型參數，以提高其性能。在預訓練階段，模型通過海量無標注數據學到通用表示和知識，因此這一階段的優化算法需要高效、穩定并能處理巨大計算。完成預訓練后，為適應特定任務或對齊人類價值觀，模型參數需要進行微調，這就是微調對齊階段的算法優化。目前，高效微調策略是主流方法，其核心思想就是凍結預訓練后絕大部分已經確定具體數值的參數，只訓練和更新額外引入的新參數。
（二）人工智能模型的參數
參數也是模型的核心組成部分，直接決定模型如何根據輸入數據生成輸出內容。參數是在模型數據訓練過程中通過優化算法從海量數據中學到的。模型數據訓練的目的就是為模型參數找到一組最佳值，使模型的損失函數最小?？梢园涯Ｐ蛥迪胂鬄槟Ｐ蛢炔勘姸鄮в锌潭鹊?ldquo;旋鈕”。模型數據訓練就是通過不斷地調整這些“旋鈕”的刻度，使模型在給定輸入數據時，能夠盡可能生成符合預期的輸出內容。模型數據訓練完成后，其參數就被固定為一系列具體數值。模型參數及其具體數值體現了模型在數據訓練過程中學到的所有表示、知識等。
以最常見的神經網絡模型為例，權重和偏置是主要參數類型。當輸入數據進入模型時，數據在神經網絡中逐層傳遞。在每一層，數據會與權重相乘并加上偏置，然后通常經過一個非線性激活函數生成該層的輸出，并作為下一層的輸入。這個過程逐層持續進行，直到產生最終輸出內容。簡言之，參數的數量及其具體數值是決定模型性能和能力的關鍵因素，共同決定輸入數據如何被組合、變換并最終產生預測結果。
2、知識產權法對模型結構和參數的保護
（一）專利法對模型結構與參數的保護
包括中國在內的世界主要國家的專利審查授權機構已經授權大量涉及人工智能模型結構的專利。這些專利包括產品（裝置）專利和方法專利，涵蓋模型結構的設計、改進及應用等。這說明模型結構本身、模型結構的優化方法等可以獲得專利權保護。同樣，這些專利審查授權機構也授權了大量涉及人工智能模型參數的專利。這些專利主要為方法專利，聚焦于模型參數的優化、壓縮、更新、管理等，涉及參數高效訓練、動態調整、量化壓縮等核心方向。這說明模型參數的訓練、調整等方法可以獲得專利權保護。因此，與硬件或應用場景結合的模型結構本身及其改進、涉及模型參數的方法等都屬于技術方案，滿足可專利性要求。如果這些技術方案具備專利法所要求的新穎性、創造性和實用性，則可以獲得專利權保護。
（二）著作權法對模型結構和參數的保護
人工智能模型開發人員是運用人類可讀編程語言的源代碼來定義模型結構的層結構及層與層之間的連接關系的，最終形成模型結構的源程序?？梢姡_發人員編寫的計算機源程序定義了模型結構，計算機源程序是模型結構的表達形式和載體。定義模型結構的計算機源程序顯然屬于著作權法明確保護的“計算機軟件”。同時，依據《計算機軟件保護條例》，計算機軟件包括計算機程序及其有關文檔，并且同一計算機程序的源程序和目標程序為同一作品。因此，定義模型結構的源程序、目標程序以及有關開發文檔都可以獲得著作權法保護。
模型參數是模型通過優化算法自動調整得到的一系列具體數值。模型完成數據訓練后，模型的每個參數都被確定為一個具體數值并保存到一個數據文件中。這個數據文件中的具體數值精準對應模型的每一個參數。由此可見，保存模型參數的數據文件，既不體現開發人員的思想，也不是開發人員智力勞動成果的表達。因此，這個數據文件不屬于著作權法上的作品，不能獲得著作權法的保護。
需要特別指出，模型執行任務需要同時運行模型結構與模型參數，缺一不可。否則就像只有積木說明書(模型結構的代碼)而沒有積木塊(模型參數)或者只有積木塊而沒有積木說明書，都無法拼出預期的積木模型。因此，定義模型結構的計算機程序與保存模型參數的數據文件共同構成一個可運行的軟件系統。
（三）商業秘密對模型結構和參數的保護
依據我國反不正當競爭法的規定，商業秘密應當是不為公眾所知悉、具有商業價值并經權利人采取相應保密措施的技術信息、經營信息等商業信息。模型結構與參數屬于與技術有關的結構、算法、數據、計算機程序及其有關文檔等信息，顯然構成商業秘密所保護的技術信息。作為技術信息，無論是模型結構，還是模型參數，如果能夠滿足商業秘密法定構成要件，則可以獲得商業秘密保護。
但是，模型結構或模型參數不滿足商業秘密的任何一個法定構成要件的，則不能獲得商業秘密保護。例如，所屬領域的相關人員普遍知悉的模型結構或模型參數，或者所屬領域的相關人員從公開渠道可以獲得的模型結構或模型參數，或者模型開發企業未采取保密措施而投放市場后的模型結構或參數，都不滿足商業秘密法定構成要件，因此不能獲得商業秘密保護。
3、關于適用反不正當競爭法第二條保護模型結構與參數的分析
反不正當競爭法第二條是反不正當競爭法的一般條款。如前所述，專利法、著作權法和反不正當競爭法中的商業秘密條款對于符合條件的模型結構與參數可以提供相應保護。為此，下文將結合上文的分析結果，就如何適用專利法、著作權法、反不正當競爭法的商業秘密條款和第二條一般條款保護模型結構與參數進行具體探討。
（一）關于反不正當競爭法與專利法之間的適用關系
如前所述，模型結構及其改進、涉及模型參數的方法及其改進都屬于可專利客體范圍。但是，可專利性只是某一技術方案獲得專利權的門檻性條件，發明創造人還需就該技術方案向國家專利審查部門提出專利申請。如果模型的發明創造人向國家專利審查部門提出專利申請并被授予專利權，他人未經許可使用受專利權保護的模型，原則上構成專利權侵權。專利權人可以依據專利法要求模型使用人承擔專利侵權責任。
如果模型的發明創造人未提出專利申請或者提出專利申請但未獲得專利授權，發明創造人將模型投入市場后，他人使用該模型不構成專利侵權。在這種情況下，如果適用反不正當競爭法第二條對使用該模型的市場競爭行為予以規制，實際上是保護發明創造人未提出專利申請的技術方案或者提出專利申請但未獲專利授權的技術方案。
這種做法顯然將架空專利法，因為就一項技術方案來說，不申請專利或者不能獲得專利授權，投入市場以后仍然可以獲得類似專利法的保護。因此，從專利法角度來看，模型發明創造人未提出專利申請或者提出專利申請但未獲得專利授權，該模型投入市場后他人使用該模型的，不應再適用反不正當競爭法第二條予以規制。
（二）關于反不正當競爭法與著作權法之間的適用關系
如前所述，模型結構表現為模型開發人員設計和編寫的源程序，屬于著作權法明確保護的“計算機軟件”，定義模型結構的源程序及目標程序以及有關開發文檔可以獲得著作權法保護。模型結構表現為源程序。對于兩個結構相同或實質相似的模型來說，如果系采用同一編程語言進行定義的，那么定義這兩個模型結構的源程序也應當相同或實質相似。對于這種情況，按照著作權侵權判定原則，可能構成著作權侵權，也可能不構成著作權侵權，需要具體分析。
兩個模型的結構雖然相同或實質相似，但都是獨立開發完成的，那么無論開發時間是否存在先后，按照著作權法的基本原理，開發者都各自基于其定義模型結構的源程序分別獲得著作權。對于這種情況，不能因兩個模型的結構相同或實質相似而認為在后開發者侵犯在前開發者的著作權。同樣，對于這種情況，也不能因兩個模型的結構相同或實質相似，適用反不正當競爭法第二條對在后開發者的使用模型行為予以規制，否則將有悖著作權法的基本原理。
模型A和B的結構相同或實質相似，但是B模型是其開發者從公開渠道提取A模型后直接得到的或者提取A模型而稍作修改后得到的。對于這種情況，定義A模型的源程序及目標程序與定義B模型的源程序及目標程序應當相同或實質相似。換言之，B模型開發者從公開渠道提取A模型，實質上是復制了定義A模型結構的源程序(開源狀態)或目標程序(閉源狀態)。因此，B模型開發者提取A模型的行為侵犯了A模型開發者的著作權，至少侵犯A模型開發者的復制權。對于這種情況，適用著作權法足以妥當保護A模型開發者的合法權益，無需適用反不正當競爭法第二條。當然，如果A模型開發者對于定義A模型的源程序及目標程序并不享有著作權，那么B模型開發者的復制行為則不侵犯A模型開發者的著作權。對于這種情況，也不應再適用反不正當競爭法第二條，否則也將違背著作權法的基本原理。
（三）關于反不正當競爭法第二條與商業秘密條款之間的適用關系
如前所述，模型結構與參數屬于技術信息，滿足商業秘密法定構成要件的，可以獲得商業秘密保護，不滿足商業秘密任何一個法定構成要件的，則不能獲得商業秘密保護。涉案模型結構與參數不滿足商業秘密法定構成要件，他人未經許可使用涉案模型結構與參數的，則不構成侵犯商業秘密。在這種情況下，如果適用反不正當競爭法第二條對使用該模型結構與參數的市場競爭行為予以規制，實際上保護了本來不受商業秘密保護的技術信息。這種做法將架空整個商業秘密保護制度，因為就這些技術信息來說，不符合商業秘密要件卻可以獲得類似商業秘密的法律保護，甚至當事人未采取合理保密措施投入市場之后也仍然可以獲得類似商業秘密的法律保護。因此，如果涉案模型結構與參數不符合商業秘密法定要件，他人從公開渠道獲得并使用該模型的，不應再適用反不正當競爭法第二條予以規制。
4、體系化思維下反不正當競爭法第二條的具體適用
解釋及適用某一法律規范時，不能孤立地解釋及適用該法律規范而無視其法律規范。這樣才能避免法律評價矛盾或目的解釋不一致，進而避免有損整個法秩序。因此，可以說，適用某個法律規范實際上就是在適用整個法律體系。如果兩個或者多個法律規范都可以適用于某個特定的案件事實，應當運用體系化思維，依據特別法優于一般法、上位法優于下位法、新法優于舊法等沖突規則確定哪一法律規范應當得到優先適用。找到可適用的法律規范后，解釋及適用該法律規范時應當嚴格遵循“禁止冗余規則”，不能因該法律規范的解釋及適用導致另一法律規范、一項法律制度或一部法律變得多余，否則就應當避免采取這種解釋及適用。反不正當競爭法第二條的解釋及適用也應當如此。
如前所述，知識產權專門法可以為模型結構與參數提供相應的知識產權保護。如果涉案模型結構與參數能夠滿足專門法的保護條件，則應當獲得相應專門法的保護。如果涉案模型結構與參數因不滿足專門法的保護條件而未能獲得保護的，不應再適用反不正當競爭法第二條對使用涉案模型結構與參數的市場競爭行為予以規制，否則將違背法律規范解釋及適用的“禁止冗余規則”。
反不正當競爭法第二條與反不正當競爭法的商業秘密條款構成一般與特別的關系。按照特別法優于一般法的適用規則，應當優先適用商業秘密條款，不能繞開特別條款而直接適用一般條款。因此，如果涉案模型結構與參數不滿足商業秘密法定要件而未能獲得商業秘密保護，不應再適用反不正當競爭法第二條對使用涉案模型結構與參數的市場競爭行為予以規制，否則不僅違背法律規范解釋及適用的“禁止冗余規則”，還違反特別法優于一般法的適用規則。
(原標題：人工智能模型結構與參數的知識產權保護)
中企檢測認證網提供iso體系認證機構查詢，檢驗檢測、認證認可、資質資格、計量校準、知識產權貫標一站式行業企業服務平臺。中企檢測認證網為檢測行業相關檢驗、檢測、認證、計量、校準機構，儀器設備、耗材、配件、試劑、標準品供應商，法規咨詢、標準服務、實驗室軟件提供商提供包括品牌宣傳、產品展示、技術交流、新品推薦等全方位推廣服務。這個問題就給大家解答到這里了，如還需要了解更多專業性問題可以撥打中企檢測認證網在線客服13550333441。為您提供全面檢測、認證、商標、專利、知識產權、版權法律法規知識資訊，包括商標注冊、食品檢測、第三方檢測機構、網絡信息技術檢測、環境檢測、管理體系認證、服務體系認證、產品認證、版權登記、專利申請、知識產權、檢測法、認證標準等信息，中企檢測認證網為檢測認證商標專利從業者提供多種檢測、認證、知識產權、版權、商標、專利的轉讓代理查詢法律法規，咨詢輔導等知識。
本文內容整合網站：中國政府網、百度百科、搜狗百科、360百科、知乎、市場監督總局 、國家知識產權局
免責聲明：本文部分內容根據網絡信息整理，文章版權歸原作者所有。向原作者致敬！發布旨在積善利他，如涉及作品內容、版權和其它問題，請跟我們聯系刪除并致歉！
