撰寫與人工智能相關的發(fā)明專利時如何避免出現(xiàn)客體問題

#文章由作者授權發(fā)布，未經作者允許，禁止轉載，不代表IPRdaily立場#

原標題：撰寫與人工智能相關的發(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的興起和發(fā)展，與人工智能相關的發(fā)明專利的申請量也越來越多，涉及的應用領域也越來越廣泛。由于人工智能技術本身較為抽象，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。

人工智技能技術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、決策等一組技術的統(tǒng)稱。基于人工智能技術，能夠不經人類干預即可在復雜多變的環(huán)境下完成任務，能夠通過一系列嘗試完成認知任務，能不斷地通過機器學習不斷優(yōu)化決策和行動。回到技術實現(xiàn)的底層，實際上大多數的人工智能技術本質上還是利用算法對已有數據進行學習，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相關的專利申請幾乎全部都是以計算機程序處理流程為基礎實現(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本身所具有的特殊性，在技術實現(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相關的發(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相關的發(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)明是指對產品、方法或者其改進所提出的新的技術方案。

可見計算機實現(xiàn)的發(fā)明專利只有構成技術方案才能成為專利保護的客體。再結合專利法中對技術方案的定義，即需要同時包含技術問題、技術手段和技術效果三個要素。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問題，在計算機上通過運行計算機程序對外部對象或者內部對象進行控制、引導或處理的過程中所采用的技術手段包含遵循自然規(guī)律的技術手段，并且由此獲得的技術效果包含符合自然規(guī)律的技術效果，則符合專利法第二條第二款所說的技術方案，顯然屬于專利保護的客體的。

結合上述分析，為了使得我們撰寫的關于人工智能技術的發(fā)明專利的權利要求所記載的方案符合專利法所規(guī)定的技術方案，在撰寫與人工智能相關的發(fā)明的權利要求時，可以先回歸到并從該人工智能技術所應用的具體業(yè)務場景中，尋找確定出涉及人工智能技術的方案在該業(yè)務場景中所要真正解決的實際的業(yè)務問題作為技術問題。進而可以基于該業(yè)務場景，從為解決該技術問題在對外部對象或者內部對象進行控制、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)務場景相關的技術屬性特征，再將上述技術屬性特征和與應用了相關人工智能技術的載體，例如，程序或者模型等，相結合來描述方案撰寫對應的權利要求。從而可以使得所撰寫出來的權利要求中記載的方案在包含有想要保護的人工智能技術的同時，也包含了必要的技術手段，并且基于該方案所涉及的人工智能技術能夠解決某個具體的技術問題，達到相應的技術效果，從而使得該方案構成技術方案，符合專利保護客體的要求。

舉例說明，一個與神經網絡模型相關的，涉及設備的健康情況評估的發(fā)明專利，原權利要求1記載的內容如下：

一種卷積神經網絡的優(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為樣本數目，k-1未輸入向量數，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，根據相關距離算法，對輸入列進行聚類劃分；

步驟4，構建神經網絡模型；

步驟5，采用L*K個樣本對構建的神經網絡模型進行訓練；

步驟6，當神經網絡模型訓練好后，輸入待評估數據，所述待評估數據為已經歸一化處理的數據；

步驟7，采用所述神經網絡模型進行評估，輸出評估結果。

針對該權利要求，在評判時被認為：由于權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據，所解決的是優(yōu)化算法的數學問題，即方案中沒有包含技術問題。該方案通過計算機執(zhí)行數據處理程序進行數值計算，也沒有解決技術問題，不構成利用了自然規(guī)律的技術手段。該方案獲得的效果僅僅是實現(xiàn)了算法的優(yōu)化，并不包含技術效果。因此，該權利要求所記載的方案不屬于專利法第二條第二款規(guī)定的技術方案，不屬于專利保護的客體。

那么如何修改使得上述權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)務場景中分析：通過訓練使用神經網絡模型對系統(tǒng)中所包含的大量設備運行的健康情況進行評估。以往在該業(yè)務場景中通常訓練優(yōu)化神經網絡模型時耗時會相對較長，而本發(fā)明通過改進了神經網絡的訓練優(yōu)化方法，加快了神經網絡模型的訓練速度，也優(yōu)化了基于模型得到的評估結果的準確度。因此，該發(fā)明基于人工智能技術在上述業(yè)務場景中所解決的技術問題實際上可以被劃定為：訓練神經網絡模型速度較慢，導致基于以往的訓練優(yōu)化方法訓練得到神經網絡模型評估設備的健康情況時效率低、準確度差。針對該技術問題，所涉及的對內部和外部對象的相關處理過程包括：通過一種新的訓練方式來訓練神經網絡模型，再基于通過上述方式所訓練得到的神經網絡模型根據系統(tǒng)中設備的運行數據對各個設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)務場景相關的技術屬性特征，即：通過改進的訓練方式來訓練神經網絡模型；通過上述改進的訓練方式訓練得到的神經網絡模型來基于設備的運行數據對設備的健康情況進行評估。再將上述技術屬性特征與相關的人工智能技術結合，撰寫出如下所示的修改后的權利要求：

一種設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，訓練神經網絡模型，得到目標神經網絡模型；

獲取設備的運行數據；

利用所述目標神經網絡模型根據所述設備的運行數據確定出設備的健康情況；

其中，通過改進的訓練方式，訓練神經網絡模型，包括：

步驟1，計算機輸入L*K個樣本設備運行數據，其中，L為樣本設備運行數據的數目，k-1未輸入向量數，第K列為輸出向量；

步驟2，對所述樣本設備運行數據進行處理，采用均值聚類算法篩除粗差；

步驟3，以輸入列為單位，根據相關距離算法，對輸入列進行聚類劃分；

步驟4，構建神經網絡模型；

步驟5，采用L*K個樣本設備運行數據對構建的神經網絡模型進行訓練，得到目標神經網絡模型。

針對修改后的權利要求，在進行評判時：由于權利要求中引入與設備健康情況評估這一業(yè)務場景相關的技術屬性特征，權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備的運行數據這一種具體數據，所解決的是如何快速、準確訓練出模型，并利用該模型根據設備的運行數據對設備的健康情況進行評估的問題?？梢娦薷暮蟮臋嗬笏涊d的方案中已經包含了技術問題。該方案解決了技術問題，并且在解決技術問題的過程中采用的與該業(yè)務場景相關的處理手段也構成了利用自然規(guī)律的技術手段。并且該方案最終獲得的效果是能夠更快、更準確地對設備的健康情況進行評估，包含有對應的技術效果。因此，修改后的權利要求所記載的方案屬于專利法第二條第二款規(guī)定的技術方案，符合專利保護的客體要求。

來源：三友知識產權

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全球知識產權生態(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)知識產權精英”榜單揭曉

“投稿”請投郵箱“iprdaily@163.com”

「關于IPRdaily」

IPRdaily成立于2014年，是全球影響力的知識產權媒體+產業(yè)服務平臺，致力于連接全球知識產權人，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、政府機構、律所、事務所、科研院校等全球近50多萬產業(yè)用戶（國內25萬+海外30萬）；同時擁有近百萬條高質量的技術資源+專利資源，通過媒體構建全球知識產權資產信息第一入口。2016年獲啟賦資本領投和天使匯跟投的Pre-A輪融資。

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

本文來自三友知識產權并經IPRdaily.cn中文網編輯。轉載此文章須經權利人同意，并附上出處與作者信息。文章不代表IPRdaily.cn立場，如若轉載，請注明出處：“http://www.globalwellnesspartner.com/”