撰寫與人工智能相關(guān)的發(fā)明專利時如何避免出現(xiàn)客體問題

#文章由作者授權(quán)發(fā)布，未經(jīng)作者允許，禁止轉(zhuǎn)載，不代表IPRdaily立場#

原標題：撰寫與人工智能相關(guān)的發(fā)明專利時如何避免出現(xiàn)客體問題

隨著近幾年人工智能技術(shù)的興起和發(fā)展，與人工智能相關(guān)的發(fā)明專利的申請量也越來越多，涉及的應用領(lǐng)域也越來越廣泛。由于人工智能技術(shù)本身較為抽象，又涉及到計算機程序的執(zhí)行，在撰寫與人工智能相關(guān)的發(fā)明專利申請時，如何避免被審查員判定為不符合專利法所保護的授權(quán)客體，這是代理人需要思考和探究的問題。

首先，簡單了解下什么是人工智能技術(shù)。

人工智技能技術(shù)通常指的是利用計算機或計算機控制的裝置模擬人類進行感知、比較、選擇、規(guī)劃、推理、學習、判斷、溝通、決策等一組技術(shù)的統(tǒng)稱?；谌斯ぶ悄芗夹g(shù)，能夠不經(jīng)人類干預即可在復雜多變的環(huán)境下完成任務(wù)，能夠通過一系列嘗試完成認知任務(wù)，能不斷地通過機器學習不斷優(yōu)化決策和行動。回到技術(shù)實現(xiàn)的底層，實際上大多數(shù)的人工智能技術(shù)本質(zhì)上還是利用算法對已有數(shù)據(jù)進行學習，再對一些未知情況作出判斷和預測。

而目前與人工智能技術(shù)相關(guān)的專利申請幾乎全部都是以計算機程序處理流程為基礎(chǔ)實現(xiàn)的，都是種通過計算機執(zhí)行按上述流程編制的計算機程序本身，對計算機外部對象或者內(nèi)部對象進行控制、引導或處理的解決方案。具體的，例如常見的圖像分析、搜索引擎、語義識別、面部識別等等。

由于上述介紹的人工智能技術(shù)本身所具有的特殊性，在技術(shù)實現(xiàn)層面上往往涉及到的是算法的修改，在應用實現(xiàn)層面上又需要依賴虛擬、抽象的計算機程序通過計算機的執(zhí)行來實現(xiàn)的。導致與人工智能技術(shù)相關(guān)的發(fā)明專利在審查時，很容易會被審查員判定為是一種人的思維活動或者一種數(shù)學方法，或者符合專利審查指南第二部分第一章第4.2節(jié)所述的情形，即不符合專利法第二十五條第一款第（二）項的規(guī)定，不屬于專利保護的客體。

那么，如何能夠在保護與人工智能技術(shù)相關(guān)的發(fā)明同時，又可以有效地避免專利申請被判定存在上述客體問題呢？

首先，我們可以回到專利法第二條第二款的規(guī)定，即：專利法所稱的發(fā)明是指對產(chǎn)品、方法或者其改進所提出的新的技術(shù)方案。

可見計算機實現(xiàn)的發(fā)明專利只有構(gòu)成技術(shù)方案才能成為專利保護的客體。再結(jié)合專利法中對技術(shù)方案的定義，即需要同時包含技術(shù)問題、技術(shù)手段和技術(shù)效果三個要素。因此，如果計算機執(zhí)行的計算機程序所解決的問題為技術(shù)問題，在計算機上通過運行計算機程序?qū)ν獠繉ο蠡蛘邇?nèi)部對象進行控制、引導或處理的過程中所采用的技術(shù)手段包含遵循自然規(guī)律的技術(shù)手段，并且由此獲得的技術(shù)效果包含符合自然規(guī)律的技術(shù)效果，則符合專利法第二條第二款所說的技術(shù)方案，顯然屬于專利保護的客體的。

結(jié)合上述分析，為了使得我們撰寫的關(guān)于人工智能技術(shù)的發(fā)明專利的權(quán)利要求所記載的方案符合專利法所規(guī)定的技術(shù)方案，在撰寫與人工智能相關(guān)的發(fā)明的權(quán)利要求時，可以先回歸到并從該人工智能技術(shù)所應用的具體業(yè)務(wù)場景中，尋找確定出涉及人工智能技術(shù)的方案在該業(yè)務(wù)場景中所要真正解決的實際的業(yè)務(wù)問題作為技術(shù)問題。進而可以基于該業(yè)務(wù)場景，從為解決該技術(shù)問題在對外部對象或者內(nèi)部對象進行控制、引導或處理的實施過程中進一步有針對性地區(qū)提取出相與該業(yè)務(wù)場景相關(guān)的技術(shù)屬性特征，再將上述技術(shù)屬性特征和與應用了相關(guān)人工智能技術(shù)的載體，例如，程序或者模型等，相結(jié)合來描述方案撰寫對應的權(quán)利要求。從而可以使得所撰寫出來的權(quán)利要求中記載的方案在包含有想要保護的人工智能技術(shù)的同時，也包含了必要的技術(shù)手段，并且基于該方案所涉及的人工智能技術(shù)能夠解決某個具體的技術(shù)問題，達到相應的技術(shù)效果，從而使得該方案構(gòu)成技術(shù)方案，符合專利保護客體的要求。

舉例說明，一個與神經(jīng)網(wǎng)絡(luò)模型相關(guān)的，涉及設(shè)備的健康情況評估的發(fā)明專利，原權(quán)利要求1記載的內(nèi)容如下：

一種卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法，其特征在于，包括：

步驟1，計算機輸入L*K個樣本，其中，L為樣本數(shù)目，k-1未輸入向量數(shù)，第K列為輸出向量；
步驟2，對所述樣本進行處理，采用均值聚類算法篩除粗差；

步驟3，以輸入列為單位，根據(jù)相關(guān)距離算法，對輸入列進行聚類劃分；

步驟4，構(gòu)建神經(jīng)網(wǎng)絡(luò)模型；

步驟5，采用L*K個樣本對構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型進行訓練；

步驟6，當神經(jīng)網(wǎng)絡(luò)模型訓練好后，輸入待評估數(shù)據(jù)，所述待評估數(shù)據(jù)為已經(jīng)歸一化處理的數(shù)據(jù)；

步驟7，采用所述神經(jīng)網(wǎng)絡(luò)模型進行評估，輸出評估結(jié)果。

針對該權(quán)利要求，在評判時被認為：由于權(quán)利要求所記載的方案執(zhí)行計算機程序處理的外部對象是抽象的樣本數(shù)據(jù)，所解決的是優(yōu)化算法的數(shù)學問題，即方案中沒有包含技術(shù)問題。該方案通過計算機執(zhí)行數(shù)據(jù)處理程序進行數(shù)值計算，也沒有解決技術(shù)問題，不構(gòu)成利用了自然規(guī)律的技術(shù)手段。該方案獲得的效果僅僅是實現(xiàn)了算法的優(yōu)化，并不包含技術(shù)效果。因此，該權(quán)利要求所記載的方案不屬于專利法第二條第二款規(guī)定的技術(shù)方案，不屬于專利保護的客體。

那么如何修改使得上述權(quán)利要求所記載的方案重新成為專利保護的客體，同時又能有效地保護與人工智能相關(guān)的方案呢？

可以按照前述方法，先回歸到該方案所針對的具體的業(yè)務(wù)場景中分析：通過訓練使用神經(jīng)網(wǎng)絡(luò)模型對系統(tǒng)中所包含的大量設(shè)備運行的健康情況進行評估。以往在該業(yè)務(wù)場景中通常訓練優(yōu)化神經(jīng)網(wǎng)絡(luò)模型時耗時會相對較長，而本發(fā)明通過改進了神經(jīng)網(wǎng)絡(luò)的訓練優(yōu)化方法，加快了神經(jīng)網(wǎng)絡(luò)模型的訓練速度，也優(yōu)化了基于模型得到的評估結(jié)果的準確度。因此，該發(fā)明基于人工智能技術(shù)在上述業(yè)務(wù)場景中所解決的技術(shù)問題實際上可以被劃定為：訓練神經(jīng)網(wǎng)絡(luò)模型速度較慢，導致基于以往的訓練優(yōu)化方法訓練得到神經(jīng)網(wǎng)絡(luò)模型評估設(shè)備的健康情況時效率低、準確度差。針對該技術(shù)問題，所涉及的對內(nèi)部和外部對象的相關(guān)處理過程包括：通過一種新的訓練方式來訓練神經(jīng)網(wǎng)絡(luò)模型，再基于通過上述方式所訓練得到的神經(jīng)網(wǎng)絡(luò)模型根據(jù)系統(tǒng)中設(shè)備的運行數(shù)據(jù)對各個設(shè)備的健康情況進行較為準確的評估。從上述處理過程中可以進一步提煉出與業(yè)務(wù)場景相關(guān)的技術(shù)屬性特征，即：通過改進的訓練方式來訓練神經(jīng)網(wǎng)絡(luò)模型；通過上述改進的訓練方式訓練得到的神經(jīng)網(wǎng)絡(luò)模型來基于設(shè)備的運行數(shù)據(jù)對設(shè)備的健康情況進行評估。再將上述技術(shù)屬性特征與相關(guān)的人工智能技術(shù)結(jié)合，撰寫出如下所示的修改后的權(quán)利要求：

一種設(shè)備健康情況的評估方法，其特征在于，包括：

通過改進的訓練方式，訓練神經(jīng)網(wǎng)絡(luò)模型，得到目標神經(jīng)網(wǎng)絡(luò)模型；

獲取設(shè)備的運行數(shù)據(jù)；

利用所述目標神經(jīng)網(wǎng)絡(luò)模型根據(jù)所述設(shè)備的運行數(shù)據(jù)確定出設(shè)備的健康情況；

其中，通過改進的訓練方式，訓練神經(jīng)網(wǎng)絡(luò)模型，包括：

步驟1，計算機輸入L*K個樣本設(shè)備運行數(shù)據(jù)，其中，L為樣本設(shè)備運行數(shù)據(jù)的數(shù)目，k-1未輸入向量數(shù)，第K列為輸出向量；

步驟2，對所述樣本設(shè)備運行數(shù)據(jù)進行處理，采用均值聚類算法篩除粗差；

步驟3，以輸入列為單位，根據(jù)相關(guān)距離算法，對輸入列進行聚類劃分；

步驟4，構(gòu)建神經(jīng)網(wǎng)絡(luò)模型；

步驟5，采用L*K個樣本設(shè)備運行數(shù)據(jù)對構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型進行訓練，得到目標神經(jīng)網(wǎng)絡(luò)模型。

針對修改后的權(quán)利要求，在進行評判時：由于權(quán)利要求中引入與設(shè)備健康情況評估這一業(yè)務(wù)場景相關(guān)的技術(shù)屬性特征，權(quán)利要求所記載的方案執(zhí)行計算機程序處理的外部對象為設(shè)備的運行數(shù)據(jù)這一種具體數(shù)據(jù)，所解決的是如何快速、準確訓練出模型，并利用該模型根據(jù)設(shè)備的運行數(shù)據(jù)對設(shè)備的健康情況進行評估的問題。可見修改后的權(quán)利要求所記載的方案中已經(jīng)包含了技術(shù)問題。該方案解決了技術(shù)問題，并且在解決技術(shù)問題的過程中采用的與該業(yè)務(wù)場景相關(guān)的處理手段也構(gòu)成了利用自然規(guī)律的技術(shù)手段。并且該方案最終獲得的效果是能夠更快、更準確地對設(shè)備的健康情況進行評估，包含有對應的技術(shù)效果。因此，修改后的權(quán)利要求所記載的方案屬于專利法第二條第二款規(guī)定的技術(shù)方案，符合專利保護的客體要求。

來源：三友知識產(chǎn)權(quán)

作者：童磊

編輯：IPRdaily王穎          校對：IPRdaily縱橫君

推薦閱讀（點擊圖文，閱讀全文）

官宣！2019全球知識產(chǎn)權(quán)生態(tài)大會（GIPC）即將來襲！

生而不凡！2019年中國“40位40歲以下企業(yè)知識產(chǎn)權(quán)精英”榜單揭曉

“投稿”請投郵箱“iprdaily@163.com”

「關(guān)于IPRdaily」

IPRdaily成立于2014年，是全球影響力的知識產(chǎn)權(quán)媒體+產(chǎn)業(yè)服務(wù)平臺，致力于連接全球知識產(chǎn)權(quán)人，用戶匯聚了中國、美國、德國、俄羅斯、以色列、澳大利亞、新加坡、日本、韓國等15個國家和地區(qū)的高科技公司、成長型科技企業(yè)IP高管、研發(fā)人員、法務(wù)、政府機構(gòu)、律所、事務(wù)所、科研院校等全球近50多萬產(chǎn)業(yè)用戶（國內(nèi)25萬+海外30萬）；同時擁有近百萬條高質(zhì)量的技術(shù)資源+專利資源，通過媒體構(gòu)建全球知識產(chǎn)權(quán)資產(chǎn)信息第一入口。2016年獲啟賦資本領(lǐng)投和天使匯跟投的Pre-A輪融資。

（英文官網(wǎng)：iprdaily.com  中文官網(wǎng)：iprdaily.cn） 

本文來自三友知識產(chǎn)權(quán)并經(jīng)IPRdaily.cn中文網(wǎng)編輯。轉(zhuǎn)載此文章須經(jīng)權(quán)利人同意，并附上出處與作者信息。文章不代表IPRdaily.cn立場，如若轉(zhuǎn)載，請注明出處：“http://jupyterflow.com/”