Dzisiaj na blogu LGL gościmy Grzegorza Gwardysa, Lead Data Scientist w Spółce Promity. Spotkaliśmy się, aby porozmawiać o tym, co LGL kocha najbardziej, a w czym specjalizuje się Promity, czyli o innowacjach i własności intelektualnej. Dokładniej zaś, dzisiejsza rozmowa rozpoczyna cykl wspólnych rozważań LGL i Promity na temat sztucznej inteligencji.

Dorota Pielak – LGL: Grzegorzu, jako Lead Data Scientist w Spółce Promity na co dzień wspierasz projekty wykorzystujące Sztuczną Inteligencję (Artificial Intelligence – AI). Porozmawiajmy o tym, czym dla Ciebie, jako inżyniera, jest AI? Z tym określeniem spotykamy się obecnie prawie na każdym kroku; czy faktycznie sztuczna inteligencja jest wszechobecna?  

Grzegorz Gwardys – Promity: Niestety, sam termin „Sztuczna Inteligencja” nasuwa wiele problemów i pułapek. O ile definiowanie Sztucznej Inteligencji jako zbioru różnych dziedzin wiedzy (np. takich jak logika rozmyta, obliczenia ewolucyjne, sieci neuronowe, czy robotyka) jest poprawne na pewnym poziomie ogólności, to nie wystarcza, aby zrozumieć istotę zagadnienia. Jako inżynierowie i informatycy mamy problem z precyzyjnym określeniem, w którym miejscu zaczyna się rozumiana dosłownie Sztuczna Inteligencja.

Obecnie triumfy święcą usługi i urządzenia oparte na AI, które np. pozwalają robić lepsze zdjęcia, rozpoznawać mowę czy dokonywać personalizacji oferty w oparciu o cechy lub zachowania klienta. Warto jednak przywołać pojęcie Efektu Sztucznej Inteligencji (tzw. “AI Effect”), sformułowane przez Pamelę McCorduck, autorkę kilku książek poświęconych tej tematyce. Według niej, jeśli określony problem jest rozwiązany, to nie jest już częścią zagadnień z zakresu AI. Podążając za rozumowaniem McCorduck, należałoby więc stwierdzić, że zwycięstwo komputera w szachach nad Garym Kasparovem w 1997 roku odniosła nie tyle Sztuczna Inteligencja, ile po prostu program wyszukujący najlepsze rozwiązanie.

Warto też wspomnieć, że zdaniem pionierów tej dyscypliny z lat 60-tych XX wieku, Sztuczna Inteligencja jako zbiór technik miała już pod koniec zeszłego wieku imitować ludzką inteligencję, jednak w prognozowanym czasie jedynie wspomniane zwycięstwo szachowe okazało się spełnioną przepowiednią.

Powiedziałbym więc, że

obecnie żyjemy więc w erze tzw. Słabej Sztucznej Inteligencji (ang. Narrow AI), czyli takiej, która nie jest świadoma, czująca czy napędzana emocjami.

Imitacja ludzkiej inteligencji ogranicza się tu do działania w zakresie wcześniej zdefiniowanym przez człowieka. Na tzw. Silną Sztuczną Inteligencję (ang. General AI), przewyższającą możliwości ludzkiego umysłu, musimy jeszcze poczekać.

LGL: Dziękuję, to bardzo ciekawe. Wiem, że Promity specjalizuje się projektach wykorzystujących techniki Deep Learning do analizy obrazu. Czy mógłbyś przybliżyć,

na czym polega Deep learning?

Promity: Zacznijmy od tego, że to, co dla nas jest oczywiste, czyli zdolność identyfikacji i kojarzenia przedmiotów, słów czy bytów, dla maszyn siłą rzeczy oczywiste nie jest. Maszynę trzeba nauczyć ich rozpoznawania i tym zajmuje się uczenie maszynowe (Machine Learning – ML). Stosowane obecnie w systemach rozpoznających obrazy techniki uczenia maszynowego wykorzystują tzw.  dane oetykietowane. Celem tego procesu jest nauczenie komputera tworzenia modeli statystycznych „odgadujących”, jakie obiekty są widoczne na zdjęciu. Danymi, na których pracuje Sztuczna Inteligencja są więc zdjęcia, a zawarte w dodatkowym pliku tekstowym etykiety, to informacje o obiektach przedstawianych na fotografiach.

Przed erą Deep Learning, zastosowanie uczenia maszynowego w rozpoznawaniu obrazów polegało na łączeniu technik przetwarzania obrazu z algorytmami uczenia maszynowego. Za pomocą technik przetwarzania obrazu dokonywano ekstrakcji jego rozmaitych cech, takich jak np. tekstura i kolor. Następnie, algorytmy uczenia maszynowego, na podstawie zadanych im cech obrazu miały za zadanie zaklasyfikować, co znajduje się na zdjęciach.

Ten paradygmat został zburzony w 2012 r., który można uznać za rok przełomu w myśleniu o uczeniu maszynowym. Wtedy bowiem zastosowano po raz pierwszy tzw. sieci neuronowe. W konkursie ImageNet Large Scale Visual Recognition Challenge 2012 (ILSVRC2012) zespół z Toronto zastosował wydajną implementację sieci neuronowej, działającej na kartach graficznych. Pozwoliło to na zajęcie pierwszych miejsc w dwóch z trzech konkursowych zadań, ale dodatkowo na znaczne zdystansowanie konkurentów pod względem precyzji wyników w zakresie klasyfikacji obrazu, co należy uznać za istotne nowatorstwo techniczne. Rok 2012 był rokiem przejścia w uczeniu maszynowym na stosowanie sieci neuronowych nie tylko w wizji komputerowej, ale również w przetwarzaniu języka naturalnego czy audio.

Uczenie głębokie – Deep Learning – jest więc zatem pod-dziedziną uczenia maszynowego i opiera się na wykorzystaniu sieci neuronowych.

Kluczowa różnica w stosunku do poprzedniego paradygmatu uczenia maszynowego polega więc na tym, że wcześniej to specjaliści musieli głowić się nad możliwie najlepszymi cechami obrazu, aplikowanymi następnie maszynie. Metoda Deep Learning przenosi ten ciężar na samą maszynę, a ściślej na sieci neuronowe, które same muszą takowe cechy wyznaczyć, ucząc się poprzez analizę niezliczonej ilości danych w warstwach neuronów. Jak pokazują wyniki, sieci neuronowe są w tym lepsze od ludzi! Jednak, podobnie jak w poprzednim paradygmacie, Deep Learning także wymaga oetykietowanych danych. A sieci neuronowe co do zasady wymagają tych danych jeszcze więcej.

To zaś rodzi wyzwania zarówno natury procesowej, jak i kosztowej czy operacyjnej, ponieważ nagromadzenie właściwej ilości przydatnych danych to tylko część zadania. Kluczowe jest następnie zapewnienie ich należytej jakości. Jeśli posiadamy przykładowo 10 milionów plików z rozszerzeniem jpg i nie wiemy, co na tych zdjęciach się znajduje (ponieważ brakuje im etykiet), to najpierw trzeba przeprowadzić żmudny proces przygotowania danych (m.in. poprzez adnotację zdjęć), aby można je było zastosować do uczenia sieci neuronowych.

LGL: Rozumiem. O danych jako niezbędnym elemencie sztucznej inteligencji porozmawiamy szerzej już wkrótce, w kolejnej części naszego cyklu, ponieważ jest to sam w sobie obszerny i wielowątkowy temat.

LGL: Czy widzisz jeszcze inne wyzwania, jakie napotyka branża technologiczna zajmująca się Sztuczną Inteligencją?

Promity: Powiedziałbym, że są to wyzwania natury biznesowej. Apetyt klientów na tego typu rozwiązania jest olbrzymi; jednocześnie dość często oczekiwania bywają wygórowane, a nawet mało realistyczne, jeśli weźmie się pod uwagę aktualne możliwości techniczne rozwiązań AI. Przykładowo: obecne rozwiązania klasyfikacji obrazu dobrze działają dla tysiąca różnych typów obiektów. Natomiast biznes oczekuje często np. 10 tysięcy klas i 100-procentowej poprawności działania.

Z drugiej strony, to nawet dobrze, ponieważ te oczekiwania wymuszają ścisłą współpracę pomiędzy środowiskiem naukowym, a przemysłem. Musimy jednak pamiętać, że AI (a raczej, jak będą się upierał, Machine Learning i Deep Learning) nie zawsze będzie najszybszym rozwiązaniem problemu biznesowego lub operacyjnego opartego na danych. Póki co, żyjemy w erze Słabej Sztucznej Inteligencji, której zakres działania jest zawężony. Dlatego konieczne jest wzajemne zrozumienie, z jednej strony potrzeb biznesowych przez inżynierów AI, a z drugiej strony, obecnych możliwości AI przez zarządzających jednostką biznesową.

LGL: Podobnie jest w branży usług prawnych. Prawnik musi rozumieć potrzeby biznesowe swojego Klienta i dobrze poruszać się w jego branży, z kolei Klient korzystający z pomocy prawnej musi zdawać sobie sprawę z tego, na czym polega rola doradcy i prawnika. Ten wątek nasuwa mi kolejne pytanie: odchodząc od warstwy technologicznej tematu, czy w ramach prowadzonych przez Promity projektów z obszaru Deep Learning pojawiają się zagadnienia, które chcielibyście omówić z prawnikami?

Promity: Dziękuję za to pytanie. Owszem, ja osobiście zastanawiam się nad tym, czy istnieją rozwiązania prawne pozwalające chronić rozwiązania AI jako własność intelektualną firmy.

Pytam o to, ponieważ projekty z zakresu Machine Learning i Deep Learning, potrafią być bardzo czasochłonne oraz wymagają zaangażowania wysokiej klasy specjalistów, nie tylko z zakresu AI, o których obecnie trudno jest na rynku, ale także tzw. ekspertów domenowych.

Szczególnie wyraźnie widać to przy naszym projekcie CalfCam (projekt współfinansowany przez Unię Europejską ze środków Europejskiego Funduszu Rozwoju Regionalnego w ramach Programu Inteligentny Rozwój 2014-2020), w którym zajmujemy się stworzeniem urządzenia służącego poprawie dobrostanu bydła poprzez automatyczną analizę zachowań zwierząt. Urządzenie będzie konglomeratem zarówno dedykowanych sieci neuronowych działających na wydajnych układach wbudowanych (tzw. edge), jak i rozmaitych sensorów, których działanie udoskonali rozpoznanie obiektu i jego cech lub zachowania. Uważamy, że będzie to unikalny system detekcji “pozy krowy” na skalę co mniej ogólnopolską.

Zastanawiam się, czy i w jaki sposób można zapewnić ochronę takiego projektu przed kopiowaniem, a przez to zachować przewagę konkurencyjną. Dodam, że dzięki pracy naszych inżynierów projekt ten co do zasady powstaje od zera w Promity.

Promity: Czy w ogóle możliwe jest określenie naszego “systemu rozpoznawania pozy krowy” mianem wynalazku i zapewnienie mu ochrony prawnej? Czy warto starać się o taką ochronę?

LGL: O tym, czy opisany przez Ciebie system może być wynalazkiem, nie powinniśmy rozmawiać na łamach bloga. Zaraz wytłumaczę, dlaczego.

Zacznijmy jednak od tego, że co do zasady rozwiązania informatyczne mogą podlegać ochronie prawnej i potencjalnie wchodzą tu w grę różne systemy ochrony. Aby wyjaśnić, na czym dokładnie może ona polegać, konieczne jest zidentyfikowanie i zrozumienie rozwiązania technologicznego stojącego za AI.

Pomimo wspomnianej przez Ciebie niedoskonałości pojęcia sztucznej inteligencji na gruncie techniki, z prawnego punktu widzenia od niedawna możemy w zasadzie uznać, że system sztucznej inteligencji doczekał się definicji, która jest zawarta w przedstawionym w 2021 roku przez Komisję Europejską projekcie Rozporządzenia Parlamentu Europejskiego i Rady Europejskiej w sprawie Sztucznej Inteligencji, o czym pisaliśmy na blogu tutaj.

System sztucznej inteligencji z prawnego punktu widzenia jest przede wszystkim programem komputerowym, oczywiście szczególnym, bo posiadającym określone cechy, które zresztą zdefiniowane są we wspomnianym projekcie Rozporządzenia.

W każdym razie, punktem wyjścia jest oprogramowanie. Oczywiście, Tobie nie muszę tłumaczyć, czym ono jest. Wyjaśnijmy to jednak naszym czytelnikom w celu lepszego zrozumienia istoty AI na gruncie prawnym.

Program komputerowy to ciąg instrukcji dla komputera, napisany przez człowieka – programistę, w określonym języku programowania. Taka instrukcja jest kodem źródłowym. Jest to w pewnym sensie tekst instruujący komputer, co i jak ma robić. Aby program działał, kod źródłowy przekładany jest na kod wynikowy napisany w wewnętrznym języku komputera.

Tak rozumiany program komputerowy może być do zasady utworem chronionym prawem autorskim. Oznacza to, że twórca programu, czyli programista, posiada prawa autorskie do napisanego kodu, w tym wyłączne prawa majątkowe do korzystania i rozporządzania utworem na określonych polach eksploatacji. Nieco inaczej sytuacja wygląda w przypadku utworów pracowniczych; zgodnie z art. 74 ust. 3 prawa autorskiego, prawa majątkowe do programu komputerowego stworzonego przez pracownika w wyniku wykonywania obowiązków ze stosunku pracy przysługują pracodawcy, o ile umowa nie stanowi inaczej. Ochrona prawno-autorska powstaje z mocy prawa, przez fakt stworzenia utworu, nie wymaga rejestracji itp. Jeśli programistów było wielu, przysługuje im współautorstwo programu. Co istotne z punktu widzenia producenta rozwiązania AI, lub podmiotu komercjalizującego system, to, że musi on zadbać o skuteczne nabycie uprawnień od wszystkich twórców, aby móc korzystać i rozporządzać utworem.

Objęcie rozwiązania programistycznego ochroną prawnoautorską ma podwójne znaczenie. Po pierwsze, wyłączność praw majątkowych daję ochronę przed naruszeniami, zwłaszcza przed kopiowaniem kodu przez osoby trzecie. Po drugie, podmiot autorsko uprawniony może osiągać przychody z licencji, czyli udzielanych innym podmiotom zezwoleń na korzystanie z programu.

Jeśli zaś chodzi o ochronę patentową, o której wspomniałeś, to w odróżnieniu od praw autorskich nie jest ona automatyczna. Przyznaje ją określony urząd patentowy (np. Urząd Patentowy RP czy Europejski Urząd Patentowy – European Patent Office EPO) po dokonaniu weryfikacji zgłoszenia, wydając w tym zakresie decyzję administracyjną. Należy też podkreślić, że patent co do zasady nie jest łatwy do uzyskania.

Patent może być przyznany na wynalazek. Wynalazkiem jest rozwiązanie techniczne, które jest nowe, posiada poziom wynalazczy i nadaje się do przemysłowego zastosowania. To, że wynalazek musi być nowy, oznacza, że nie może być znany dotąd technice. Pod uwagę bierze się wszystko, co było podane na dany temat do powszechnej wiadomości. To bardzo ważne, ponieważ oznacza, że jeśli nasze rozwiązanie ujawnimy światu, np. na targach branżowych, albo chwaląc się nim na stronie internetowej, stracimy szansę na uzyskanie patentu !! Potencjalny wynalazek należy więc koniecznie zachować w ścisłej poufności przed dokonaniem zgłoszenia o udzielenie patentu i dlatego właśnie nie możemy rozmawiać o szczegółach Waszego produktu 🙂

Warunek poziomu wynalazczego wynalazku to ciekawa cecha. Inaczej nazywa się ją przesłanką nieoczywistości. Rozwiązanie nie może w sposób oczywisty wynikać dla znawcy ze stanu techniki. Znawcą jest tutaj specjalista w danej dziedzinie, ale będzie to raczej praktyk dysponujący przeciętną, ogólnie dostępną wiedzą z danej dziedziny. Nieoczywistość można określić jako zaskoczenie dla osoby biegłej, rozwiązanie problemu dotąd nierozwikłanego przez technikę czy zaspokojenie nowej potrzeby społecznej, lub poprawę efektywności.

Wreszcie, wynalazek musi nadawać się do przemysłowego zastosowania, czyli być możliwy do wdrożenia, sprawny technicznie i realizować konkretny, praktyczny cel. Ten warunek wydaje się względnie łatwy do spełnienia, jeśli weźmiemy pod uwagę, do jakich celów aktualnie wykorzystuje się systemy określane mianem AI.

Przy czym, same programy komputerowe nie są uznawane za wynalazki. Dopuszczalne jest natomiast opatentowanie wynalazku wspomaganego programem komputerowym.

Promity: A co w praktyce daje posiadanie patentu?

LGL: Podobnie, jak w przypadku praw autorskich, daje wyłączność komercyjnego korzystania z rozwiązania, a w konsekwencji również możliwość jego komercjalizacji poprzez system licencji. Patent to w praktyce monopol na korzystanie z danego wynalazku.

Trzeba jednak pamiętać, że wszystkie prawa własności przemysłowej są prawami terytorialnymi. Oznacza to, że monopol, który jest nadawany przez odpowiedni urząd patentowy dotyczy wyłącznie obszaru, na którym zgłaszający chce uzyskać ochronę. Mając patent na wynalazek udzielony przez Urząd Patentowy RP nie możesz zakazać korzystania z danego rozwiązania innego podmiotowi np. terenie Francji czy Niemiec.

Dodatkowo, ochrona patentowa jest ograniczona w czasie. Trwa przez 20 lat i nie można przedłużyć tego okresu; po jego upływie patent wygasa. Dla porównania, ochronę znaku towarowego można cyklicznie przedłużać praktycznie w nieskończoność.

Promity: Hmm, dlaczego zatem w przypadku patentu jest inaczej?

LGL: Chodzi o to, aby nie dochodziło do tworzenia trwałego monopolu na eksploatację użytecznego rozwiązania technicznego na rzecz tylko jednego uczestnika rynku. Mowa tu o rozwiązaniu naukowym, a z nauki ma prawo korzystać każdy. Ustawodawca więc zdecydował, że po okresie sprawiedliwej wyłączności na zysk na rzecz tego, kto wniósł wysiłek twórczy lub inwestycyjny w powstanie wynalazku, rozwiązanie musi wejść do domeny publicznej, aby potencjalnie przynosiło korzyści całemu społeczeństwu.

Można powiedzieć, że system patentowy jest pewną umową społeczną. W zamian za wyłączność zarobkowego korzystania z rozwiązania przez pewien czas, wnioskujący o patent zobowiązany jest ujawnić to rozwiązanie. Odmowa ujawnienia wynalazku skutkuje nieudzieleniem ochrony. Jednak korzyść, jaką uzyskuje zgłaszający w postaci monopolu na wynalazek, stanowi zachętę do ujawniania przez niego być może kolejnych rozwiązań technicznych. To zaś przyczynia się do ogólnego rozwoju techniki i postępu technologicznego. W ten sposób istnienie patentów jest realnym narzędziem wspierającym naukę. Gdyby nie patenty, wszyscy innowatorzy musieliby ukrywać swoje nowe rozwiązania, aby nikt ich nie skopiował, zaś każda próba podzielenia się z nimi ze światem, np. przez wprowadzanie na rynek produktów wytworzonych według wynalazków, prawdopodobnie kończyłoby się skorzystaniem z tych rozwiązań przez konkurencję.

Promity: Rozumiem. Ale czy to oznacza, że po 20 latach, wszyscy mogą kopiować innowacyjne rozwiązanie danej firmy?

LGL: Niekoniecznie, a w zasadzie: to zależy… Wspomniane wcześniej majątkowe prawa autorskie trwają co do zasady przez 70 lat od śmierci twórcy.

Ochrona na podstawie prawa autorskiego i ochrona z patentu (o ile uda się go uzyskać), są od siebie niezależne i nie zastępują się, ale biegną równolegle. Po wygaśnięciu patentu, element wynalazku w postaci utworu komputerowego będzie nadal chroniony majątkowym prawem autorskim. Trzeba przy tym pamiętać, że ochrona patentowa i ochrona autorska nie będą się pokrywać, jeśli chodzi o przedmiot ochrony.

Prawem autorskim chroniony jest wyłącznie program komputerowy, czyli kod, w jakim został on napisany. Można to porównać do ochrony utworów literackich, ponieważ kod źródłowy w istocie jest tekstem. To oznacza, że w czasie trwania praw autorskich nikt co do zasady nie może wdrożyć identycznego kodu. Jednak sam program komputerowy nie może być z kolei chroniony patentem. Dopiero zastosowanie programu jako elementu szerszego rozwiązania technicznego, o ile przez  dodanie utworu komputerowego uzyskano nowy lub ulepszony efekt techniczny, będzie mogło być opatentowane. Trzeba pamiętać, że prawo autorskie chroni indywidualną formę utworu, a nie określony sposób działania, metodę czy rozwiązanie problemu technicznego. Te ostatnie formy pracy intelektualnej można chronić poprzez patent na wynalazek lub ochronę wzoru użytkowego, bądź przez ochronę poufnego know-how firmy.

Zatem, utworem w rozwiązaniu AI jest kod programu, zaś ewentualnym wynalazkiem może być urządzenie lub układ wspomagane tym programem, jeżeli spełnia przesłanki uzyskania patentu.

Można by, dla porządku, wspomnieć jeszcze o wzorze przemysłowym, który chroniłby fizyczną postać interfejsu urządzenia (jego aspekt wizualny), o ile postać ta byłaby nowa i miałaby indywidualny charakter.

O innych sposobach „ochrony pomysłu” pisaliśmy w jednym z poprzednich wpisów natomiast o ochronie know-how jako tajemnicy przedsiębiorstwa tutaj.

Jako prawnicy na co dzień zajmujący się własnością intelektualną, kibicujemy Klientom sięgającym po nowe technologie. Wiemy, że obecne rozwiązania prawne dają szerokie możliwości, z jednej strony ochrony wytworów intelektualnych, a z drugiej są fantastycznym narzędziem do ich komercjalizacji, np. w drodze licencji. Ważne, aby wystarczająco szybko prawnicy mogli podpowiedzieć optymalne rozwiązania. Zdarza się bowiem, że przez zbyt późne zgłoszenie rozwiązania do urzędu patentowego czy wspomniane ujawnienie jego istoty np. przez publikację, zgłaszający traci szanse na przyznanie prawa wyłącznego.

Z naszego punktu widzenia, szczególnie chyba frustrująca jest swoista beztroska przedsiębiorców w udostępnianiu poufnych danych bez odpowiedniego zabezpieczenia, np. bez zawarcia dobrze skonstruowanej umowy o zachowaniu poufności. Ważne jest też podpisanie odpowiednich umów z pracownikami i współpracownikami w zakresie pozyskiwania praw IP do wykonywanych przez nich prac. Źle skonstruowana umowa może nie tylko zniweczyć uzyskanie przez firmę praw do efektów pracy współpracownika, ale także stwarza realne ryzyko „wycieku” wiedzy do konkurencji. Warto więc zaopatrzyć się w dobrą umowę pozwalającą na nabycie praw, zanim powstanie dane dobro intelektualne. Pozwoli to uniknąć sporów o IP lub co najmniej zminimalizować szanse ich powstania. A gdy firma posiada już patenty czy inne prawa wyłączne IP, to powinna wraz z prawnikami zastanowić się nad optymalną strategią ich ochrony. Nasza pomoc będzie skuteczniejsza, jeśli dokonamy przeglądu zasobów intelektualnych posiadanych przez Klienta – tak, jak wykonuje się okresowe badania lekarskie czy przeglądy samochodów. Dzięki nim można zapobiegać problemom lub zdecydowanie łatwiej rozwiązywać je, zanim urosną do rozmiaru poważnych sporów prawnych.

Promity: Oczywiście, dziękuję. Widzę, że temat jest złożony. Z pewnością będziemy musieli zastanowić się nad właściwą strategią ochrony rezultatów naszych projektów . Cieszy mnie w każdym razie, że są ku temu odpowiednie narzędzia.

Więcej informacji dotyczących praw własności intelektualnej, o których warto wiedzieć znajdziesz na naszym blogu.

Photo by Lukas on Unsplash
Udostępnij