如何考量意见陈述中引用的AI大语言模型输出内容
李鹏飞 倪晓红
【案件背景】
人工智能（AI）是新一轮科技革命和产业变革的重要驱动力量，AI大语言模型已经渗透到我们生产、生活和学习的各个方面。AI的核心优势在于具有较强的学习能力，能够高效处理海量数据、执行重复性任务，利用训练后的 AI大语言模型作为辅助工具可以助力技术理解、提高检索效率，从而提升专利申请和审查的质量与效率。随着 AI大语言模型的普及和广泛应用，在当事人提交的意见陈述中已经出现了援引 AI答复意见的情形，然而，AI大语言模型生成内容在法律属性上尚无明确定义，如何看待其在审查工作中的地位和作用，是目前亟待解决的问题。
【案情简介】
复审请求人中国兵器科学研究院宁波分院对名称为“一种钨锆合金的金相制备方法”（申请号：202010182089.3）的专利申请驳回决定不服，提出复审请求。经审理，国家知识产权局作出第1927206号复审请求审查决定，驳回复审请求。
【案件分析】
本申请涉及一种钨锆合金的金相制备方法，其在说明书中指出，钨锆合金密度高、强度大，常规金相制样方法需要使用高腐蚀性的酸，抛光时间较长，且显微组织显示模糊。在本申请的整体制样方法中，不使用高腐蚀性的酸，改进对磨抛参数的控制，能够快速且清晰地显示出钨锆合金的显微组织。
驳回决定引用对比文件1作为最接近现有技术，其公开了一种钨镍铁合金的金相制备方法。对比文件1在说明书的背景技术部分指出钨合金密度大、强度高，常规的金相制样方法需要使用具有腐蚀性的强酸或强碱，其公开的金相制样方法同样无需使用强酸、强碱等有腐蚀性的化学试剂，对操作人员和环境友好。
合议组经审理后，在复审通知书中指出，权利要求1与对比文件1相比，区别特征包括：权利要求1的制备对象为钨锆合金，而对比文件1为钨镍铁合金。关于该区别，一方面，本领域技术人员知晓，金相制备方法具有一定的通用性，且一般均包括取样、镶样、研磨、抛光等主要步骤，同样的金相制备方法通常适用于多种不同材质的样品；另一方面，对比文件1公开其金相制备方法可用于密度大、强度高的钨合金，且该方法同样不需要使用具有腐蚀性的强酸和强碱，具有安全高效的特点。而钨锆合金与对比文件1公开的钨镍铁合金同属于钨合金，同样具有密度大、强度高等特性，所以，本领域技术人员容易想到将对比文件1公开的方法用于钨锆合金，从而提供一种安全高效的金相制备方法，而不需要付出创造性的劳动。即合议组认为，制备对象的转用是显而易见的。
对于该焦点问题，复审请求人在意见陈述书中认为：由于钨镍铁合金的成分和钨锆合金的成分、性能及金相均不同，故对比文件1中用于钨镍铁合金的金相制备方法不能显而易见地用于钨锆合金。此外，复审请求人还在意见陈述书中插入了一张 AI大语言模型答复内容的截图。该截图显示，复审请求人在“豆包”（下称模型1）中进行了如下提问：“钨镍铁合金的金相制备方法是否容易想到用于钨锆合金的金相制备？”模型1从材料特性差异、制备方法差异、金相显示差异等方面进行了分析，给出了如下结论：“钨镍铁合金的金相制备方法不太容易直接用于钨锆合金的金相制备。”据此，复审请求人认为，人工智能站在现在的时间节点上依然认为前述对象的转用并非容易想到，因而本申请具备创造性。
对于上述援引 AI大语言模型答复截图的相关意见，合议组在复审决定中指出，AI大语言模型的输出内容“受提问方式、算法、搜索来源和大数据模型等条件的限制，其仅能作为参考，不能作为创造性的评判标准”。同时为佐证以上观点，一方面，合议组在深度求索（下称模型2）中进行了如下提问：“钨镍铁合金的金相制备方法能否用于钨锆合金？”模型2从金相制备方法本身的步骤进行分析，给出如下答复：“钨镍铁合金的金相制备方法在原则上可以用于钨锆合金，但需要根据具体情况进行调整。”并给出了在调整时的具体考量因素。另一方面，合议组在模型1中变更提问方式，提出了如下问题：“金相制样方法是否具有通用性？”模型1给出如下答复：“金相制样方法在一定程度上具有通用性，但也因材料特性和观察目的的不同存在差异。”基于以上事实，决定认为，复审请求人提供的 AI大语言模型答复内容不可靠，其陈述意见不具有说服力。据此，合议组驳回复审请求。
【案件启示】
不可否认，AI大语言模型在日常工作、生活中的应用越来越广泛，但AI大语言模型的输出内容的准确性和可靠性尚不能达到专利审查的要求。首先，AI大语言模型可能会迎合提问者的立场，截取技术事实的部分“切片”支撑相应的结论，难以真实完整还原专利法中拟制的“所属领域技术人员”的认知水平。如复审请求人提供的模型1答复意见主要基于两种合金的材料特性差异以及针对两种合金的具体方法不适于直接混用的依据，分析得出对比文件1的方法在不做任何改进的情况下不适于直接用于钨锆合金的结论；而模型2侧重于从金相制样方法本身的步骤进行分析，基于步骤的通用性给出了钨镍铁合金的金相制备方法在原则上可以用于钨锆合金的结论，可见，两个模型基于各自截取的技术事实的不同“切片”得出了不同的结论。其次，每个 AI大语言模型在训练过程中数据来源不同，提供训练数据的时间不同，模型算法或自训练的耗时不同等，使得 AI大语言模型无法准确客观回溯到申请日前的整体技术水平。在其输出内容的真实性和客观的时间维度难以满足“现有技术”以及“所属领域技术人员”认知的情况下，其仅可作为辅助工具，无法作为创造性评判的直接依据。
因此，在援引 AI大语言模型的答复内容作为事实查明的辅助，以加强意见陈述的逻辑性和说服力时，当事人应当对 AI大语言模型的答复内容是否准确进行核实。如果 AI大语言模型在给出所述答复内容时，提供了引用出处明确的原始文献，当事人应当尽可能在核实确认答复内容的准确性后，一并提交所述原始文献，并且结合所述原始文献的具体内容进行分析说明，而不是仅仅提交 AI大语言模型的答复内容；如果 AI大语言模型未提供明确的引用出处，鉴于其答复内容的真实性尚需验证，通常很难以此支持当事人的事实主张。
对于利用 AI大语言模型给出的法律判断，以支持当事人的观点如涉案专利是否具备创造性等结论的情形，无论以何种形式出现在意见陈述中，仅能作为参考。专利审查是以专利法、专利法实施细则及《专利审查指南》为依据，站位所属领域技术人员视角，准确认定申请人的技术贡献及相应的发明创造是否符合授权条件的过程。在适用法律的过程中，不仅要考虑法律构成要件和法律逻辑，还要兼顾社会影响和公平公正，谋求对于创新的长远引领，这些是依赖于算法的 AI大语言模型难以体会和做到的。相应地，当事人针对法律适用问题作出答复时，也应当对标经过系统性专业法律培训、具有专业法律思维的审查员。依赖于算法的 AI大语言模型无法代替专业法律人员作出法律判断，其提供的有关法律适用的意见也仅可作为参考。
综上，本案中 AI大语言模型生成内容的截图仅是 AI对专利申请和审查过程带来影响的“一隅”，如何正确利用 AI工具，以拓宽思路和提升效率，是值得业界长期探索的问题。
（作者单位：国家知识产权局专利局专利审查协作北京中心、国家知识产权局专利局复审和无效审理部）
（编辑：刘珊）