دیوان عالی ژاپن: هوش مصنوعی نمی‌تواند به‌عنوان مخترع ثبت اختراع شود

تصور کنید آزمایشگاهی داروسازی با استفاده از یک مدل هوش مصنوعی، میلیون‌ها ترکیب شیمیایی را بررسی کرده و در نهایت یک داروی نجات‌بخش را می‌یابد؛ در این سناریو، چه کسی باید نامش در سند رسمی ثبت اختراع باشد؟ طبق حکم جدید دیوان عالی ژاپن، پاسخ کوتاه این است: هرگز هوش مصنوعی.

در ۲ ژوئیه ۲۰۲۶، دیوان عالی ژاپن صراحتاً اعلام کرد که سامانه‌های هوش مصنوعی نمی‌توانند به‌عنوان مخترع در درخواست‌های ثبت اختراع (Patent) نام‌برده شوند. دادگاه در این تصمیم تأکید کرد که هوش مصنوعی فاقد «اراده» یا «شخصیت حقوقی» لازم برای شناسایی به‌عنوان یک مخترع است. از منظر حقوقی، ماشین‌ها اگرچه می‌توانند در نوآوری مشارکت کنند، اما فاقد شخصیت قانونی برای تملک حقوق مالکیت هستند. این تمایز بنیادین باعث شد تا دادگاه به طور قطع اعلام کند که مالکیت حقوقی مستلزم وجود یک شخصیت حقوقی است که هوش مصنوعی فاقد آن است.

زمینه ادغام هوش مصنوعی در ژاپن

این حکم در زمانی صادر می‌شود که پژوهش‌های مبتنی بر AI به یک استاندارد تجاری تبدیل شده‌اند. طبق گزارش سال ۲۰۲۵ شرکت مک‌کینزی، ۶۲ درصد از شرکت‌های ژاپنی در حال حاضر از هوش مصنوعی در حداقل یک بخش تجاری استفاده می‌کنند و بخش تحقیق و توسعه (R&D) سریع‌ترین نرخ پذیرش را داشته است. برای کشوری که اداره ثبت اختراع ژاپن (JPO) سالانه بیش از ۳۰۰ هزار درخواست را پردازش می‌کند، این شفافیت حقوقی حیاتی است. بخش بزرگی از این درخواست‌ها، طیفی از سامانه‌های تولید انبوه خودکار تا الگوریتم‌های پیچیده کشف دارو را شامل می‌شوند.

همان‌طور که در تحلیل‌های پیشین ما درباره‌ی مالکیت معنوی در عصر مدل‌های مولد اشاره کردیم، تضاد میان خروجی ماشین و حقوق قانونی انسان در حال شدت یافتن است. این موضوع یادآور چالش‌های مشابه در اروپا است، جایی که در پرونده تقابل گوگل با دادگاه مونیخ بر سر مسئولیت‌های حقوقی AI، مفهوم مسئولیت‌پذیری ماشین‌ها مورد بحث قرار گرفت. این تمایز در قانون پتنت بسیار سخت‌گیرانه‌تر از قوانین کپی‌رایت است؛ جایی که مثلاً اداره کپی‌رایت آمریکا در سال ۲۰۲۳ در راهنمایی‌های خود برای همکاری‌های انسان-AI انعطاف بیشتری نشان داد. اما قانون پتنت همچنان صلب و تغییرناپذیر باقی مانده است. در واقع در حالی که کپی‌رایت ممکن است با ترکیب آثار انسانی و ماشینی کنار بیاید، قانون پتنت هرگونه ادعای مخترع بودن را تنها به انسان‌ها محدود می‌کند.

این تصمیم اکنون به‌عنوان یک الگو برای سایر حوزه‌های قضایی، به‌ویژه در سراسر آسیا، عمل می‌کند؛ چرا که چارچوب قانونی ژاپن اغلب به‌عنوان معیار برای قوانین فناوری‌های نوظهور در منطقه شناخته می‌شود. برای شرکت‌هایی که میلیون‌ها دلار در R&D مبتنی بر AI سرمایه‌گذاری کرده‌اند، این حکم یک بازنگری جدی را تحمیل می‌کند: چگونه باید دخالت انسانی را مستند کنند، وقتی AI به‌طور خودکار راهکارهای بدیعی را تولید می‌کند؟ این فشار حقوقی باعث می‌شود شرکت‌ها مجبور شوند فرآیندهای داخلی خود را برای ثبت هر مرحله از تعامل انسان و ماشین تغییر دهند.

پیشینه حقوقی پرونده DABUS

ریشه این نبرد حقوقی به سال ۲۰۲۰ بازمی‌گردد. استارتاپی به نام StaGen Co. در توکیو، درخواستی برای ثبت اختراع یک مدل یادگیری ماشین جهت بهینه‌سازی چیدمان تراشه‌های نیمه‌هادی ارائه داد. آن‌ها DABUS (Device for the Autonomous Bootstrapping of Unified Sentience) — سامانه‌ای که توسط دکتر استیون تالر توسعه یافته — را به‌عنوان تنها مخترع معرفی کردند.

اداره ثبت اختراع ژاپن (JPO) این درخواست را رد کرد چون «مخترع انسانی» نداشت. استارتاپ مذکور استئناف کرد و استدلال نمود که اگر سامانه‌های AI به‌طور خودکار اختراعاتی را ابداع کنند، باید به‌عنوان مخترع به رسمیت شناخته شوند. اما دیوان عالی در نهایت با این استدلال مخالفت کرد و ژاپن را با روند جهانی همسو کرد:

• ایالات متحده (۲۰۲۱): دادگاه مدار فعال (Federal Circuit Court) حکم داد که AI طبق قانون پتنت نمی‌تواند مخترع باشد.
• بریتانیا (۲۰۲۲): دیوان عالی اعلام کرد مخترع باید یک «شخص طبیعی» (Natural Person) باشد.
• اداره ثبت اختراع اروپا (EPO): درخواست‌های تالر برای DABUS را به‌طور پی‌درپی رد کرد.

سیستم حقوقی ژاپن پیش از این مستقیماً به این مسئله نپرداخته بود. این حکم اکنون هرگونه ابهام را از بین برد و بر بنیاد «انسان‌محور» قانون پتنت در سراسر جهان تأکید کرد. این تصمیم در واقع آخرین قطعه از پازل جهانی بود که نشان داد تقریباً تمام قدرت‌های حقوقی دنیا، هویت انسانی را شرط لازم برای ثبت اختراع می‌دانند.

مکانیسم جدید تعیین مخترع

دادگاه با تفسیر ماده ۲۹ قانون پتنت، تأیید کرد که واژه «شخص» منحصراً به انسان اشاره دارد. این تفسیر به معنای آن است که نه سامانه‌های هوش مصنوعی و نه شخصیت‌های حقوقی (مانند شرکت‌ها)، نمی‌توانند در لیست مخترعان قرار گیرند. شرکت‌ها می‌توانند «مالک» پتنت باشند، اما «مخترع» باید حتماً یک فرد حقیقی باشد.

در این قانون، هیچ «اعتبار جزئی» برای AI وجود ندارد. حتی اگر یک سامانه راهکار را به‌طور کاملاً خودکار تولید کند، یک انسان باید به‌عنوان مخترع نام‌برده شود. دادگاه صراحتاً این استدلال را که AI می‌تواند «مخترع مشترک» (Co-inventor) باشد، رد کرد. این یعنی هیچ جایگاهی برای اشتراک اعتبار بین انسان و ماشین در اسناد رسمی وجود ندارد.

این موضوع بار مستندسازی جدیدی را بر دوش تیم‌های R&D می‌گذارد. برای تضمین ثبت اختراع و جلوگیری از ابطال، شرکت‌ها اکنون باید موارد زیر را به‌طور صریح ثبت کنند:

• تعریف مسئله: مسئله مشخصی که انسان برای حل توسط AI تعریف کرده است.
• پارامترهای فنی: پارامترهای طراحی‌شده توسط انسان یا داده‌های آموزشی مورد استفاده.
• شناسایی نوآوری: چه کسی کاربردی بودن و نوآوری خروجی AI را تشخیص داده و تأیید کرده است.

استدلال‌های حقوقی دادگاه

تصمیم دیوان عالی بر سه پایه اصلی استوار است:

۱. شخصیت حقوقی: AI ظرفیت قانونی برای داشتن حقوق یا پذیرش تکالیف را ندارد. از آنجا که پتنت‌ها حقوق انحصاری اعطا می‌کنند، این حقوق تنها توسط یا علیه «اشخاص حقوقی» قابل اجرا هستند. بدون شخصیت حقوقی، AI نمی‌تواند مسئولیتی بپذیرد یا حقی را مطالبه کند.

۲. ساختار انگیزشی: سیستم پتنت برای پاداش دادن به تلاش و خلاقیت انسانی طراحی شده است تا دیگران را به نوآوری ترغیب کند. از آنجا که AI به انگیزه‌های اقتصادی پاسخ نمی‌دهد و نیاز به پاداش مالی یا شهرت ندارد، اجازه مخترع بودن به آن، کل سیستم انگیزشی ابتکارات انسانی را تضعیف می‌کند.

۳. همسویی جهانی: ژاپن با همسویی با آمریکا، بریتانیا و اتحادیه اروپا، از تکه‌تکه شدن قوانین (Legal Fragmentation) جلوگیری کرد تا فرآیند ثبت پتنت‌های بین‌المللی پیچیده نشود. این یکپارچگی باعث می‌شود شرکت‌های ژاپنی در بازارهای جهانی با ابهامات حقوقی کمتری روبرو شوند.

تأثیرات عملی بر توسعه‌دهندگان

توسعه‌دهندگان باید با هوش مصنوعی نه به‌عنوان یک همکار، بلکه به‌عنوان یک ابزار برخورد کنند. این امر مستلزم ثبت دقیق و سخت‌گیرانه پرامپت‌ها و نسخه‌ها از طریق ابزارهایی مانند Git است تا تاریخچه تغییرات و مداخلات انسانی به دقت ثبت شود.

برای مثال، هنگام مستندسازی یک پرامپت برای اختراعی قابل ثبت، توسعه‌دهنده باید درخواست‌های خاص را ثبت کند؛ مثلاً: «طراحی یک شبکه عصبی برای تشخیص کلاهبرداری با تأخیر کمتر از ۱۰۰ میلی‌ثانیه و نرخ مثبت کاذب کمتر از ۰.۱ درصد برای دستگاه‌های Edge با رم کمتر از ۲ گیگابایت». سپس باید به‌وضوح ذکر شود که این انسان بوده که محدودیت‌ها را تعریف کرده و در نهایت خروجی را اعتبارسنجی نموده است.

اگر AI ۱۰۰ ترکیب شیمیایی تولید کند و یک شیمی‌دان یکی از آن‌ها را پالایش کند، آن شیمی‌دان مخترع است. اگر AI چیدمان یک مدار را بهینه کند، مهندسی که محدودیت‌ها را تعیین کرده و معیارهای ایمنی را تأیید کرده است، مالک پتنت است. تمرکز دادگاه بر «تصور» (Conception) — یعنی عمل ذهنی ابداع — است، نه عمل مکانیکی اجرا. در واقع، هر چه عملیات اجرایی توسط ماشین باشد، اهمیت کمتری دارد و آنچه اهمیت دارد، هدایت ذهنی بشر است.

ادغام با ابزارهای متن‌باز

بسیاری از توسعه‌دهندگان از مدل‌های متن‌باز در پلتفرم‌هایی مثل Hugging Face یا PyTorch استفاده می‌کنند. اگرچه این حکم مانع استفاده از این ابزارها نیست، اما دو الزام را ایجاد می‌کند:

• انتساب (Attribution): مستندسازی دقیق نقش مدل (مثلاً: «استفاده از مدل BERT تنظیم‌شده برای تحلیل احساسات») تا مشخص شود ابزار چیست و نقش انسان در بهینه‌سازی آن چه بوده است.
• رعایت لایسنس‌ها: اطمینان از اینکه لایسنس‌های متن‌باز (مثل مفاد copyleft در GPL) با ادعاهای مالکیت در پتنت تضاد نداشته باشند. توسعه‌دهندگان باید بررسی کنند که آیا استفاده از یک مدل خاص، حق ثبت اختراع خروجی‌های آن را طبق قوانین لایسنس محدود می‌کند یا خیر.

ریسک‌های استراتژیک برای کسب‌وکارها

شرکت‌هایی که با هوش مصنوعی به‌عنوان یک «جعبه سیاه» (Black Box) برخورد می‌کنند، اکنون با ریسک‌های حقوقی شدیدی مواجه‌اند. پتنت‌هایی که AI را به‌عنوان مخترع لیست کرده‌اند، اکنون در برابر چالش‌های ابطال توسط رقباء آسیب‌پذیر هستند. یک رقیب می‌تواند استدلال کند که پتنت فاقد مخترع انسانی است و بنابراین طبق حکم دیوان عالی، غیرقابل اجراست و باید باطل شود.

این وضعیت یک دوراهی استراتژیک در مدیریت مالکیت معنوی (IP) ایجاد می‌کند. شرکت‌ها ممکن است برای اختراعاتی که اثبات دخالت انسانی در آن‌ها دشوار است، به سمت «اسرار تجاری» (Trade Secrets) حرکت کنند. برای مثال، یک مجموعه داده آموزشی اختصاصی AI ممکن است به‌جای ثبت پتنت، به صورت محرمانه نگه داشته شود تا ریسک ابطال به دلیل نبود مخترع انسانی حذف شود. یا یک فرآیند تولیدی تولید شده توسط AI ممکن است به‌جای پتنت، از طریق قراردادهای عدم افشا (NDA) و کنترل‌های دسترسی سخت‌گیرانه محافظت شود.

دیدگاه‌های کارشناسی

پروفسور هیروشی میاشیتا از دانشگاه کی‌یو اشاره کرد که این پرونده درباره «مالکیت» است، نه «توانایی». او بیان کرد: «بحث بر سر این نیست که آیا AI می‌تواند اختراع کند یا خیر؛ بلکه بحث بر سر این است که آیا AI می‌تواند مالک باشد. دادگاه یک خط قرمز کشید: ماشین‌ها نمی‌توانند دارایی داشته باشند و پتنت‌ها شکلی از دارایی هستند.»

به همین ترتیب، اتسوشی اوکادا از مؤسسه Anderson Mori & Tomotsune تأکید کرد که این حکم «قوانین بازی» را شفاف کرده است بدون آنکه نوآوری را سرکوب کند: «سیستم‌های پتنت برای تشویق خلاقیت انسانی طراحی شده‌اند، نه خروجی ماشین. AI می‌تواند اختراع را تقویت کند، اما حقوق یا مسئولیت‌های قانونی یک شخص را ندارد.»

برای توسعه‌دهندگان، این تغییر در سطح عملیاتی است. یوکی تاناکا، مهندس ارشد در Preferred Networks، پیشنهاد می‌کند رویکرد از «بگذار AI انجامش دهد» به «من چگونه AI را هدایت کردم؟» تغییر کند. او هشدار می‌دهد: «اداره ثبت اختراع، نقش انسان را زیر ذره‌بین خواهد برد، نه خروجی AI را. بنابراین هرچه مستندات هدایت انسانی قوی‌تر باشد، شانس موفقیت بیشتر است.»

بررسی دقیق نمونه‌های موردی

برای درک بهتر این انتقال، سه سناریوی زیر را بررسی کنید:

مثال ۱: کشف دارو

• مسیر پیش از حکم: شرکت مدل AI را به‌عنوان تنها مخترع یک ترکیب جدید ضد کووید-۱۹ لیست می‌کند. نتیجه: رد درخواست توسط JPO به دلیل نبود شخص حقیقی.
• مسیر پس از حکم: شرکت باید انسانی را شناسایی کند که هدف را تعریف کرده است (مثلاً: «یافتن ترکیبی که به پروتئین spike ویروس SARS-CoV-2 متصل شود»). آن‌ها باید استفاده از مجموعه داده‌ای شامل ۵۰,۰۰۰ ترکیب ضد ویروسی شناخته شده را مستند کنند. در نهایت، نام انسانی (مثلاً دکتر ساتو) که نوآوری را از طریق آزمایش‌های آزمایشگاهی تأیید کرده، به‌عنوان مخترع ثبت می‌شود. دکتر ساتو در اینجا به عنوان فردی که نتیجه را اعتبارسنجی کرده، مخترع شناخته می‌شود.

مثال ۲: خودروهای خودران

• مسیر پیش از حکم: یک استارتاپ، AI را به‌عنوان مخترع الگوریتم حفظ خط که از طریق شبیه‌سازی بهینه شده است، معرفی می‌کند و استدلال می‌کند AI منطق را «اختراع» کرده است.
• مسیر پس از حکم: استارتاپ انسانی را شناسایی می‌کند که تابع پاداش (Reward Function) را طراحی کرده (مثلاً: «به حداقل رساندن انحراف از مرکز خط در حالی که از موانع اجتناب شود») و محیط شبیه‌سازی را (مثلاً شبیه‌ساز CARLA با ۱۰,۰۰۰ مایل تست مجازی) آماده کرده است. مهندسی (مثلاً خانم ایتو) که مدل نهایی را بر اساس معیارهای ایمنی انتخاب کرده، مخترع شناخته می‌شود.

مثال ۳: بهینه‌سازی تولید

• مسیر پیش از حکم: یک کارخانه، چیدمانی را ثبت می‌کند که نقص‌های نیمه‌هادی را ۱۵٪ کاهش داده و AI را به‌عنوان مخترع معرفی می‌کند.
• مسیر پس از حکم: شرکت انسانی را شناسایی می‌کند که هدف بهینه‌سازی را تعیین کرده (مثلاً: «کاهش نقص‌ها تا ۱۰٪ بدون افزایش زمان چرخه») و انسانی که داده‌های تاریخی سال‌های ۲۰۲۳-۲۰۲۵ را انتخاب کرده است. مهندس فرآیند (مثلاً آقای یاماموتو) که چیدمان را بر اساس توصیه‌های AI تنظیم کرده و خروجی را به یک راهکار عملی تبدیل کرده، نامش به‌عنوان مخترع ثبت می‌شود.

باورهای غلط رایج

• باور غلط: AI هرگز نمی‌تواند در اختراعات نقش داشته باشد. واقعیت: AI قطعاً می‌تواند کمک کند، اما نقش انسان باید مستند شود. اگر AI هزاران ساختار شیمیایی تولید کند، شیمی‌دانی که یکی را انتخاب و پالایش می‌کند، مخترع است.
• باور غلط: این حکم نوآوری را سرکوب می‌کند. واقعیت: این حکم قوانین را شفاف می‌کند، نه محدود. شرکت‌ها همچنان می‌توانند از AI برای اختراع استفاده کنند، فقط باید اعتبار را درست تخصیص دهند. این اتفاق حتی ممکن است با اجبار به مستندسازی بهتر همکاری‌های انسان-AI، سرعت نوآوری را افزایش دهد زیرا فرآیندها دقیق‌تر می‌شوند.
• باور غلط: کسی که فقط «دکمه اجرا» را می‌زند مخترع است. واقعیت: مخترع بودن مربوط به «تصور» است، نه «اجرا». مخترع کسی است که مسئله را تعریف کرده و کاربرد راهکار را تشخیص داده است، نه کسی که صرفاً روی Run کلیک کرده است.

گام‌های عملی برای تیم‌های R&D

برای انطباق با این شرایط، کسب‌وکارها باید فوراً درخواست‌های جاری خود را بازبینی کرده و نام AI را از بخش مخترعان حذف کنند. تیم‌ها باید یک قالب مستندسازی استاندارد را اجرا کنند:

• تعریف مسئله توسط: [نام شخص]
• ابزار AI مورد استفاده: [نام مدل]
• محدودیت‌های طراحی شده توسط انسان: [لیست محدودیت‌ها]
• تأییدیه انسانی: [نام و تاریخ]

سایر گام‌های کلیدی عبارتند از:

• آموزش: برگزاری کارگاه‌های «چگونه مخترع انسانی را در پروژه‌های AI اثبات کنیم» با بررسی موردی صنایع نیمه‌هادی و دارو تا کارکنان با استانداردهای جدید آشنا شوند.
• همکاری حقوقی: حضور وکلای مالکیت معنوی (IP) در جلسات R&D برای شناسایی اختراعات قابل ثبت و ایجاد یک ردپای مستند (Paper Trail) پیش از ثبت درخواست.
• ابزارهای AI: بهره‌گیری از ابزارهایی مانند PatSnap یا Anaqua برای جستجوی پیشینه (Prior Art) جهت کاهش ریسک رد درخواست از طریق شناسایی زودهنگام پتنت‌های موجود.

چشم‌انداز آینده

در آینده ممکن است شاهد اصلاحات قانونی در ژاپن باشیم. تغییرات احتمالی شامل تعریف صریح «مخترع» در قانون پتنت برای خارج کردن AI یا ایجاد دسته‌بندی جدیدی برای «همکاری انسان-AI» (مشابه راهنمای اداره کپی‌رایت آمریکا) است تا وضعیت حقوقی این تعاملات شفاف‌تر شود. این رویکرد «انسان در حلقه» (Human-in-the-loop) با وجود اهمیت حقوقی، در حوزه‌های عملیاتی با چالش‌هایی روبروست؛ همان‌طور که بررسی‌های اخیر درباره تغییر استراتژی ایمنی آمازون نشان داد که تکیه صرف بر نظارت انسانی همیشه راهکار بهینه‌ای برای حکمرانی AI نیست.

کنجی سوزوکی از Deloitte Japan هشدار می‌دهد که این یک زنگ خطر برای شرکت‌هایی است که از AI به‌عنوان «جعبه سیاه» استفاده می‌کنند: «شما نمی‌توانید فقط به یک AI اشاره کنید و بگویید این اختراع کرده است. شما به یک ردپای مستند نیاز دارید که دخالت انسان را نشان دهد.»

در همین حال، ماکوتو تاکاهاشی از TMI Associates پیش‌بینی می‌کند که در پنج سال آینده یک دوشاخگی رخ خواهد داد: «پتنت برای اختراعاتی با مخترع انسانی شفاف، و اسرار تجاری برای هر چیز دیگر.» شرکت‌ها باید استراتژی IP خود را هوشمندانه انتخاب کنند تا با پتنت‌های غیرقابل اجرا مواجه نشوند و سرمایه‌های خود را به خطر نیندازند.

با افزایش خودمختاری سامانه‌های AI، تنش بین خروجی ماشین و مالکیت قانونی تداوم خواهد داشت. برای حال حاضر پیام روشن است: نوآوری یک تلاش انسانی است و پتنت‌ها پاداش آن هستند. بنابراین، هر اندازه هم که ماشین‌ها پیشرفته شوند، مدیریت و هدایت آن‌ها توسط انسان، هسته مرکزی مالکیت معنوی باقی خواهد ماند.