Может ли искусственный интеллект быть автором изобретения

Сформулировать задачу и разложить ее на составляющие

Часто имеющаяся статистика дается исследователям с большим лагом — от полугода и более. И наша работа как раз заключалась в том, что с помощью методов NLP-моделей (алгоритмы искусственного интеллекта, предназначенные для анализа, понимания и генерации человеческого языка. — Ред.) мы собирали облако ключевых запросов, которые отражают тематики, связанные с миграционным поведением. С другой стороны, используя выбранные ключевые параметры, мы строили эконометрические модели, с помощью которых сначала анализировали связь между ними, а потом уже строили прогнозы. Здесь также используются нейросети, в том числе для обнаружения взаимосвязи между миграцией и поисковыми запросами.

С другой стороны, очень важный навык — это уметь сформулировать задачу и разложить ее на составляющие. Мы уже говорили об этом. Чтобы сформулировать задачу, нужно ее понять и передать вашему помощнику так, чтобы он тоже понял, что вы от него хотите. Это очень важная задача. Она в принципе нужна по жизни.

В конечном итоге, ответить на вопрос о способности искусственного интеллекта создавать изобретения может только практика. А она показывает, что уже сегодня искусственным интеллектом создаются технические решения, которые могут быть запатентованы в качестве изобретений. (Наиболее «нашумевший» пример 2019 года – изобретение пищевого контейнера системой искусственного интеллекта DABUS.)

Что же делать в случае создания таких объектов искусственным интеллектом? Возьмем к примеру созданное искусственным интеллектом техническое решение, которое может быть зарегистрировано в качестве изобретения (всё сказанное ниже в одинаковой степени применимо и к полезной модели, и к решению внешнего вида изделия, которое может быть зарегистрировано как промышленный образец).

Популярный пример – программа AlphaZero, обучавшаяся игре в шахматы в течение всего нескольких часов путем игры «сама с собой» на основе знания правил. После такого обучения она вышла победителем в игре с признанным «чемпионом» — программой Stockfish, которая пользовалась огромной базой данных гроссмейстерских партий и просчитывала 70 млн. операций в секунду (против 400 тысяч у AlphaZero). Из 100 партий AlphaZero не проиграла ни одной.

Искусственный интеллект сам является инструментом, созданным творческим трудом человека, и говорить о возможности указания его в качестве изобретателя не только непривычно, но и несколько странно. Но главное, что это не соответствует закону. Закон требует указания в качестве автора именно человека.

Например, в экономике ИИ может помочь нам проводить эксперименты. Мы ведь не можем экспериментировать над людьми. Новые технологии в перспективе позволят нам генерировать целые искусственные миры для проведения экономических экспериментов. Что-то подобное уже делается: это динамические оптимизационные модели, агентно-ориентированные модели. Это позволило бы экономистам проводить эксперименты, прежде чем ту или иную инициативу внедрять в жизнь.

В отношении первого и третьего пункта все вроде бы понятно: если заложить в память компьютера все известные решения в какой-то области и поставить задачу решить некоторую конкретную задачу, то (при условии установления правильных ограничений) найденные решения, с большой вероятностью, не будут пересекаться с уже известными и будут пригодны к использованию.

Студенты в GPT и риски галлюцинаций

Факультеты экономических и компьютерных наук ВШЭ реализуют образовательную программу бакалавриата «Экономика и анализ данных» с целью подготовки высококлассных специалистов в области математики, программирования и анализа данных, которые имеют при этом фундаментальные знания в сфере экономики и финансов.

Однако с появлением систем искусственного интеллекта, основанных на машинном обучении, многое изменилось. Системы, которые способны самообучаться, могут достигать большего знания, чем их создатели. Соответственно, вполне вероятно, что они могут выдавать решения, которые являются гениальными с точки зрения сегодняшнего знания, доступного изобретателю-человеку.

Этот курс для нас записывали сотрудники Банка России с учетом реальных задач, которые они в рамках своей деятельности уже решают. Сейчас в Банке России очень много таких задач, где они изучают семантику текстов, новостные индексы, социальные сети, смотрят, как на политику ЦБ реагирует население, тем самым прогнозируют инфляционные ожидания.

— Навыки работы с современными средствами должны быть, их надо развивать. Мы, наше поколение, сейчас такого навыка не имеем, и мы тоже его осваиваем. В Вышке сейчас проходит повышение квалификации преподавателей: нас учат использовать искусственный интеллект в образовательном процессе, и в том числе нас активно мотивируют применять его в своих курсах. Одно из заданий наших обучающих курсов — предложить, как мы можем использовать искусственный интеллект так, чтобы наш курс был более современен, шел в ногу со временем и обучал студентов использовать новые технологии.

Организация, в которой создано изобретение, заинтересована в получении исключительного права на него и, соответственно, в возможности его монопольного коммерческого использования. Однако при подаче заявки на регистрацию такого изобретения возникнет вопрос: кого указать в качестве автора?

Сейчас очень много исследований, которые на самом деле идут на стыке методов, когда одновременно применяются и эконометрические подходы, и методы машинного обучения. И вот такой симбиоз методов позволяет получать наиболее интересные результаты и еще более аккуратно обрабатывать данные. То есть мы часть работы с данными отдаем машинному обучению — например, когда мы изучаем семантический анализ текстов и из этих текстов пытаемся что-то вычленить, перевести в количественные измерения, а потом эти данные использовать в эконометрических моделях. Машинное обучение здесь может быть использовано для того, чтобы улучшить прогноз экономических показателей. Из примеров — работа с социальными сетями или поисковыми запросами, которые затем используются уже в эконометрических моделях.

Студентов нужно обучать новым подходам, но при этом не стоит забывать традиционные — мне кажется, они тоже очень важны, не должно одно замещать другое. Мы же, когда был калькулятор, все равно учились в первом классе считать и умножать. Если бы мы сразу прибегали к помощи калькулятора, наверное, потеряли бы что-то очень важное. Здесь примерно то же самое.

Может быть, это не за горами — эта опция появится, и искусственный интеллект лучше будет отслеживать такие вещи. Но пока мы, исследователи, имеем некоторые преимущества в этом плане перед искусственным интеллектом. Мы можем в своей экспертизе отлавливать нестандартные ситуации, применять разные подходы, разные алгоритмы.