專利法思維下的人工智能技術(shù)及其保護策略

#本文僅代表作者觀點，不代表IPRdaily立場，未經(jīng)作者許可，禁止轉(zhuǎn)載#

來源：IPRdaily中文網(wǎng)（iprdaily.cn）

作者：孟睿南京大學法學院法學博士研究生

原標題：專利法思維下的人工智能技術(shù)及其保護策略

近年來，人工智能專利的申請、審查以及司法保護成為業(yè)界的熱點話題。本文作者在總結(jié)實務工作經(jīng)驗的基礎上，從專利法視角分析了人工智能技術(shù)的特點，結(jié)合我國最新修改的《專利審查指南》和新近專利侵權(quán)司法案例，在專利申請和專利侵權(quán)訴訟一體化理念下對人工智能技術(shù)中的幾個保護難點進行梳理和討論，以期有助于AI創(chuàng)新主體提升AI專利質(zhì)量和專利保護力度。

一、專利法思維下的AI技術(shù)

專利權(quán)是典型的技術(shù)與法律相結(jié)合而形成的產(chǎn)物，正確理解AI技術(shù)的特點是使用專利有效保護AI技術(shù)的基礎。

（一）由抽象到具體的三個技術(shù)維度

2019年WIPO發(fā)布名為《Technology Trends 2019：Artificial Intelligence》的報告，【1】該報告從底層實現(xiàn)、功能性應用和產(chǎn)業(yè)應用三個維度分析了AI技術(shù)的發(fā)展趨勢。此三個維度體現(xiàn)了AI技術(shù)由抽象到具體的漸變過程，契合專利制度更傾向于保護實用技藝而非自然科學基礎研究的功能，因而從這三個維度理解AI技術(shù)，有助于我們分析和討論AI專利客體適格性、權(quán)利要求保護范圍大小、創(chuàng)造性判斷以及權(quán)利要求解釋和侵權(quán)判斷難易程度等問題。

1、AI底層實現(xiàn)技術(shù)（AI techniques）

AI底層實現(xiàn)技術(shù)是指實現(xiàn)人工智能功能應用的以統(tǒng)計或數(shù)學模型表示的各種核心算法，即底層算法，包括機器學習（machine learning）、模糊邏輯（fuzzy logic）、概率推理(Probabilistic Reasoning)、本體工程（Ontology engineering）、邏輯編程（Logic programming）等。機器學習又可以細分為深度學習（Deep learning）、神經(jīng)網(wǎng)絡（neural networks）、分類和回歸樹（Classification and regression trees）、支持向量機（Support vector machines）等。機器學習按照學習方法分為多任務學習（Multi-task learning）、有監(jiān)督學習（Supervised learning）、無監(jiān)督學習（Unsupervised learning）、強化學習（Reinforced learning）等。

據(jù)WIPO的統(tǒng)計，機器學習是當前最為流行的AI實現(xiàn)技術(shù)。涉及機器學習的專利數(shù)量占全部人工智能實現(xiàn)技術(shù)專利數(shù)量的98%。從2013年至2016年，深度學習專利數(shù)量的增長率高達175%，神經(jīng)網(wǎng)絡專利數(shù)量的增長率為46%。【2】

2、AI功能性應用技術(shù)（AI functional applications）

AI功能性應用是指使用AI底層算法實現(xiàn)的技術(shù)性功能，包括計算機視覺（computer vision）、自然語言處理（natural language processing）、語音處理（speech processing）、分布式人工智能（Distributed AI）、知識表示與推理（Knowledge representation and reasoning）、計劃與調(diào)度（Planning and scheduling）等。其中，計算機視覺進一步分為增強現(xiàn)實（Augmented reality）、圖像和視頻分割（Image and video segmentation）、符號識別（Character recognition）、目標跟蹤（Object tracking）、場景理解（Scene understanding）等。自然語言處理包括機器翻譯（Machine translation）、智能對話（Dialogue）、情感分析（Sentiment analysis）等。語音處理（speech processing）包括語音識別、語音轉(zhuǎn)換等。

WIPO報告顯示，在所有與人工智能有關的專利中，計算機視覺、自然語言處理和語音處理技術(shù)的專利數(shù)量占比分別為49%、14%以及13%。【3】

3、AI產(chǎn)業(yè)應用技術(shù)（ AI application fields）

AI底層算法和應用功能被廣泛使用于各個產(chǎn)業(yè)領域，從而實現(xiàn)工業(yè)化和商業(yè)化應用。WIPO報告顯示，近幾年人工智能應用較為活躍的產(chǎn)業(yè)領域為交通運輸、通信以及生物醫(yī)藥，各領域?qū)＠麛?shù)量分別占所有人工智能專利數(shù)量的24%、24%以及19 %。【4】交通運輸領域可以細分為自動駕駛、車輛識別等，通信領域的應用如計算機網(wǎng)絡，生物醫(yī)藥領域的應用包括生理參數(shù)監(jiān)測、醫(yī)學影像及疾病診斷、遺傳/基因技術(shù)等。前述這些產(chǎn)業(yè)應用因與普通大眾的生活密切關聯(lián)而較為引人關注。實際上，在商業(yè)結(jié)構(gòu)化數(shù)據(jù)領域，AI技術(shù)同樣具有廣泛的應用。由于結(jié)構(gòu)化數(shù)據(jù)對于驅(qū)動企業(yè)的業(yè)務發(fā)展、營收、數(shù)據(jù)安全以及數(shù)據(jù)治理等具有重要作用，未來AI技術(shù)在商業(yè)結(jié)構(gòu)化數(shù)據(jù)領域中有著巨大的開發(fā)潛能。【5】

（二）動態(tài)的AI技術(shù)：事前算法訓練和事中模型優(yōu)化迭代

在機械時代或軟件時代，技術(shù)方案確定后，產(chǎn)品結(jié)構(gòu)或計算機程序流程不再發(fā)生變化，產(chǎn)品或計算機程序所實現(xiàn)的功能和效果也確定不變。但實施AI技術(shù)的AI系統(tǒng)或產(chǎn)品則有別于此。

使用AI技術(shù)的AI系統(tǒng)或產(chǎn)品并非在算法模型搭建完成時就可以自然地實現(xiàn)某一功能，完成某一工作，其需要一個動態(tài)的學習過程，從海量數(shù)據(jù)中提取出特征，針對特征獲取最優(yōu)訓練模型，并用最優(yōu)訓練模型進行測試，進而實現(xiàn)預期功能。例如，在紐約大學醫(yī)學院Aristotelis教授完成的一項使用人工智能自動診斷肺癌的研究項目中，為了讓卷積神經(jīng)網(wǎng)絡具有自動診斷肺癌的功能，研究人員收集了1200個包括健康和疾病肺樣本在內(nèi)的80萬張肺部圖片來訓練卷積神經(jīng)網(wǎng)絡，即將該80萬張肺部圖片提供給卷積神經(jīng)網(wǎng)絡進行識別，并告訴其每一張圖片對應的診斷結(jié)論是什么。經(jīng)過兩個星期的訓練后，該神經(jīng)系統(tǒng)的肺癌診斷的準確性達到 97%，略好于三名病理學家的獨立診斷結(jié)果。研究人員還表示，如果用更多的樣本進行訓練，該AI模型的診斷準確性可以進一步提高。【6】而在實際的應用過程中，每一個真實的病例就是一個訓練樣本，長期的實際應用過程本身也是訓練過程，經(jīng)過長期的實際應用可以進一步提升診斷的準確性。

訓練過程通常體現(xiàn)為訓練方法，并且通過數(shù)據(jù)匯聚、沉淀及更新，進行機器自我調(diào)參及優(yōu)化，實現(xiàn)個性學習、知識圖譜不斷迭代，最后改進學習路徑。在實際使用過程，基于不斷數(shù)據(jù)匯聚及沉淀，借助算法實現(xiàn)模型的自我更新，以及模型指標體系提煉升級，實現(xiàn)基于機器學習的自我建模，讓模型愈加完善、精準。因此，AI系統(tǒng)或產(chǎn)品在訓練完成具備某一功能之后，其模型和算法還可以不斷地自我更新完善。例如，阿爾法圍棋（AlphaGo）為了應對圍棋的復雜性，結(jié)合了監(jiān)督學習和強化學習的優(yōu)勢。其通過訓練形成一個策略網(wǎng)絡（policy network），將棋盤上的局勢作為輸入信息，并對所有可行的落子位置生成一個概率分布。然后，訓練出一個價值網(wǎng)絡（value network）對自我對弈進行預測，以 -1（對手的絕對勝利）到1（AlphaGo的絕對勝利）的標準，預測所有可行落子位置的結(jié)果。前述兩種網(wǎng)絡自身都十分強大，而阿爾法圍棋將這兩種網(wǎng)絡整合到基于概率的蒙特卡羅樹搜索（MCTS）中，實現(xiàn)了更強的優(yōu)勢。新版的阿爾法圍棋產(chǎn)生大量自我對弈棋局，為下一代版本提供了訓練數(shù)據(jù)，此過程循環(huán)往復。

從上述例子可以看出，AI技術(shù)所涉及的不僅僅是事先預定規(guī)則的算法或靜態(tài)算法模型的構(gòu)建和使用，還包括算法模型的訓練、優(yōu)化，以及算法模型的調(diào)度使用策略等。如果將算法視為傳統(tǒng)方法中的步驟，將模型視為傳統(tǒng)方法中作用的對象（物品），則與傳統(tǒng)方法不同之處在于，算法和模型在AI技術(shù)實施過程中是可以調(diào)整和優(yōu)化的，而這種調(diào)整和優(yōu)化不是在人力干預下發(fā)生的，而是AI系統(tǒng)或產(chǎn)品在實際使用過程中，根據(jù)過往數(shù)據(jù)或經(jīng)驗不斷地改進和完善獲得的。因此，AI技術(shù)方案呈現(xiàn)為動態(tài)過程。在對AI技術(shù)進行專利保護時，除了運用傳統(tǒng)的結(jié)構(gòu)思維或規(guī)則思維理解技術(shù)方案外，還需探尋更貼合AI技術(shù)的動態(tài)化思維來理解、表達和確定AI技術(shù)方案。

二、專利申請中的AI技術(shù)保護策略

客體適格性和創(chuàng)造性一直是AI專利申請中關注度較高的話題。繼EPO和USPTO之后，國家知識產(chǎn)權(quán)局（CNIPA）于2019年最后一天也就AI等新領域?qū)＠暾垖Α秾＠麑彶橹改稀愤M行了修改。新修改的《專利審查指南》將近幾年AI專利申請審查實踐中探索的有益做法上升到正式的《專利審查指南》中，并統(tǒng)一了審查標準。同時，新修改的《專利審查指南》也為創(chuàng)新主體有效保護AI創(chuàng)新成果提出了更高的要求。

（一）在符合客體適格性的前提下爭取較大的專利保護范圍

1、AI專利申請客體適格性爭議反映的是申請人爭取較大專利保護范圍的努力

通常AI技術(shù)需要通過計算機軟件來實施，EPO首席經(jīng)濟學家Yann Ménière甚至將人工智能視為“超級軟件”。【7】 因此，《專利審查指南》中涉及計算機程序的發(fā)明專利申請審查規(guī)則同樣適用于AI專利申請。在計算機實施發(fā)明或軟件相關發(fā)明的專利審查中，對于算法或數(shù)學計算規(guī)則不屬于專利法保護客體這一認知，實踐中已經(jīng)不存在較大爭議。但是在AI技術(shù)領域，有關算法的客體適格性問題再次引起關注，以致其成為EPO、USPTO以及CNIPA修訂專利審查指南首先要解決的問題。算法客體適格性問題之所以在AI專利申請中引起關注，主要還是與AI技術(shù)的特點有關。AI技術(shù)創(chuàng)新主要體現(xiàn)在AI算法創(chuàng)新，功能性應用和產(chǎn)業(yè)應用均依賴于AI算法實現(xiàn)，功能性應用和產(chǎn)業(yè)應用的技術(shù)突破倚重于AI算法的改進和創(chuàng)新，功能性應用和產(chǎn)業(yè)應用技術(shù)方案，不可避免地包含AI算法。如前所述，底層實現(xiàn)算法、功能性應用和產(chǎn)業(yè)應用是由抽象到具體漸變的三個維度。在專利法思維下，一旦通過專利控制了各種AI底層算法，就能夠控制其功能性應用和產(chǎn)業(yè)應用。當通過改進算法獲得的功能性應用和產(chǎn)業(yè)應用技術(shù)方案后，申請人為了獲得較大保護范圍，往往傾向于將專利保護范圍抽象概括至算法本身或者無限接近于算法。另外，AI底層算法已被視為基礎性研發(fā)工具，而專利權(quán)利要求不應當旨在壟斷作為科研工具的抽象概念。【8】由此就會產(chǎn)生AI專利申請在爭取較大保護范圍時其保護客體是否適格的問題。

2、如何在爭取較大專利保護范圍時滿足客體適格性：整體性考慮原則

AI創(chuàng)新主體究竟將功能性應用和產(chǎn)業(yè)應用技術(shù)方案抽象到什么程度既符合客體適格性要求，又能獲得較大的保護范圍，是AI技術(shù)專利保護的首要難題。對此，新修訂的《專利審查指南》給出了整體性考慮原則。整體性考慮原則是指，為了解決技術(shù)問題而利用技術(shù)手段并獲得技術(shù)效果的包含AI算法的發(fā)明專利申請是適格的保護客體；其中，權(quán)利要求除了包含算法特征外，還需要包含技術(shù)特征；算法特征和技術(shù)特征作為一個整體，需采用了利用自然規(guī)律的技術(shù)手段、解決了技術(shù)問題，并且由此獲得符合自然規(guī)律的技術(shù)效果。AI創(chuàng)新主體在整體性考慮原則之下保護AI技術(shù)創(chuàng)新時，需要注意以下兩點：

第一，判斷權(quán)利要求保護的方案是否為技術(shù)方案時，不以權(quán)利要求保護主題名稱為判斷依據(jù)，而是將權(quán)利要求記載的算法特征和技術(shù)特征作為一個整體，對其中涉及的技術(shù)手段、解決的技術(shù)問題和獲得的技術(shù)效果進行具體分析。例如，新修訂的《專利審查指南》給出的審查示例2，其保護的主題名稱為“一種卷積神經(jīng)網(wǎng)絡模型的訓練方法”，單從主題名稱看，應不屬于專利法保護客體，但主題名稱之后的具體方案明確了模型訓練方法的各步驟處理的數(shù)據(jù)均為圖像數(shù)據(jù)以及各步驟如何處理圖像數(shù)據(jù)，體現(xiàn)出神經(jīng)網(wǎng)絡訓練算法與圖像信息處理密切相關。該技術(shù)方案所解決的是如何克服CNN模型僅能識別具有固定尺寸的圖像的技術(shù)問題，采用了在不同卷積層上對圖像進行不同處理并訓練的手段，利用的是遵循自然規(guī)律的技術(shù)手段，獲得了訓練好的CNN模型能夠識別任意尺寸待識別圖像的技術(shù)效果。因此，將權(quán)利要求記載的算法特征與技術(shù)特征作為一個整體進行分析后，可以確定該發(fā)明專利申請欲保護的方案為技術(shù)方案，屬于專利保護客體。

第二，在判斷權(quán)利要求保護的方案是否解決了技術(shù)問題時，不應僅僅考慮申請人在說明書中所聲稱的問題，應當從技術(shù)手段入手整體判斷解決的問題是什么、是不是技術(shù)問題。例如，在第29176號復審決定中，專利復審委員會并沒有簡單地將申請人在說明書中所聲稱的“為同業(yè)金融機構(gòu)、公司等集團用戶提供人民幣異地資金匯劃服務”這一問題作為權(quán)利要求保護方案所要解決的問題，而是從技術(shù)手段入手作整體判斷，認為涉案申請通過專線的有線傳輸網(wǎng)絡來傳輸信息，克服了使用Internet網(wǎng)絡帶來的易遭受攻擊、易受公眾網(wǎng)絡運行狀況影響的缺點，同時采用密押設備對傳輸?shù)男畔⑦M行加密來確保了交易信息傳輸?shù)陌踩浴?strong>【9】其中，克服易遭受攻擊、確保交易信息傳輸?shù)陌踩跃鶎儆诩夹g(shù)問題。該復審決定涉及的技術(shù)方案雖然不屬于AI技術(shù)領域，但對AI技術(shù)領域相同問題的辨析給出了有益的指引。目前，AI技術(shù)在傳統(tǒng)的非技術(shù)領域也無處不在。例如，AI技術(shù)在包括經(jīng)濟學、音樂、藝術(shù)、心理學、語言學和文學在內(nèi)的文科領域得到了廣泛的應用。在這些非技術(shù)領域的AI應用技術(shù)方案，更應當注意從技術(shù)手段入手做整體判斷，而不是僅僅考慮申請人在說明書中所聲稱的非技術(shù)應用問題。

（二）將算法特征與技術(shù)特征相關聯(lián)，以示出算法特征對技術(shù)方案創(chuàng)造性所做出的貢獻

審查實踐中，AI專利申請涉及的創(chuàng)造性問題主要有兩個：第一，在進行創(chuàng)造性判斷時，是否需要考慮算法特征對技術(shù)方案做出的貢獻；第二，如果權(quán)利要求與最接近的現(xiàn)有技術(shù)的應用場景相同，區(qū)別僅在于算法的調(diào)整，或者如果權(quán)利要求與最接近現(xiàn)有技術(shù)的區(qū)別僅在于應用場景不同，如何具體評價創(chuàng)造性。

1、考慮算法特征對技術(shù)方案創(chuàng)造性所作貢獻的前提：算法特征與技術(shù)特征關聯(lián)性考慮原則

對于在創(chuàng)造性判斷中是否需要考慮算法特征對技術(shù)方案做出的貢獻的問題，新修改的《專利審查指南》給出了關聯(lián)考慮原則，即應將與技術(shù)特征功能上彼此相互支持、存在相互作用關系的算法特征與所述技術(shù)特征作為一個整體考慮，考慮算法特征對技術(shù)方案做出的技術(shù)貢獻。換言之，是否考慮算法特征對技術(shù)方案的創(chuàng)造性做出貢獻，需要以算法特征與技術(shù)特征在功能上彼此相互支持、存在相互作用關系為前提。所謂功能上彼此相互支持、存在相互作用關系是指算法特征與技術(shù)特征緊密結(jié)合、共同構(gòu)成了解決某一技術(shù)問題的技術(shù)手段，并且能夠獲得相應的技術(shù)效果。如果算法特征與技術(shù)特征不是功能上彼此相互支持，不存在相互作用關系，沒有緊密結(jié)合、共同構(gòu)成解決某一技術(shù)問題的技術(shù)手段，即便算法有改進，也不予考慮該算法特征對技術(shù)方案創(chuàng)造性的貢獻。

例如在新修改的《專利審查指南》審查示例7中，專利申請技術(shù)方案與對比文件1的區(qū)別在于采用的模糊決策的實現(xiàn)算法。由于該模糊決策的具體實現(xiàn)算法及其應用于機器人穩(wěn)定狀態(tài)的判斷均未被其他對比文件公開，也不是公知常識，因此，根據(jù)模糊決策算法之區(qū)別認可了該專利申請技術(shù)方案的創(chuàng)造性。也即模糊決策與機器人穩(wěn)定狀態(tài)判斷相關聯(lián)后，應當考慮算法特征對技術(shù)方案創(chuàng)造性所作出的貢獻。而在審查示例10中，專利申請技術(shù)方案與對比文件1的區(qū)別在于設定的具體情感分類規(guī)則。由于即使情感分類規(guī)則不同，對相應數(shù)據(jù)進行著色處理的技術(shù)手段也可以是相同的，不必做出改變，因此情感分類規(guī)則與具體的可視化手段并非功能上彼此相互支持、存在相互作用關系，即算法特征與技術(shù)特征之間沒有關聯(lián)結(jié)合形成技術(shù)手段。該專利申請技術(shù)方案相對于現(xiàn)有技術(shù)的貢獻僅在于提出一種新的情感分類規(guī)則，并沒有實際解決任何技術(shù)問題，即沒有針對現(xiàn)有技術(shù)做出技術(shù)上的貢獻。因此，在判斷專利申請技術(shù)方案創(chuàng)造性時，即便情感分類規(guī)則有改進，也不予考慮其對技術(shù)方案創(chuàng)造性的貢獻。

需要強調(diào)的是，創(chuàng)造性判斷中是否解決了技術(shù)問題，與客體適格性判斷中是否解決了技術(shù)問題，是有區(qū)別的。創(chuàng)造性判斷中是指作為區(qū)別特征的算法特征沒有解決任何技術(shù)問題，而不是權(quán)利要求整體作為一個技術(shù)方案沒有解決任何技術(shù)問題?？腕w適格性判斷中是指權(quán)利要求整體是否解決了技術(shù)問題從而構(gòu)成技術(shù)方案。例如在前述審查示例10中，就權(quán)利要求整體而言，解決了具體情感規(guī)則的可視化問題，采用了對相應數(shù)據(jù)進行著色的技術(shù)手段，利用了人眼視覺感官的自然屬性，遵循了自然規(guī)律，獲得了展示動態(tài)觀點演變的技術(shù)效果，屬于《專利法》第2條第2款規(guī)定的技術(shù)方案，但權(quán)利要求相對于對比文件1而言，沒有實際解決任何技術(shù)問題。

2、算法特征與技術(shù)特征關聯(lián)后的創(chuàng)造性審查基準

對于涉及算法的專利申請，如果權(quán)利要求與最接近的現(xiàn)有技術(shù)的功能性應用或產(chǎn)業(yè)應用場景相同，區(qū)別僅在于AI底層算法的改進，例如同樣用于無人駕駛中障礙物的識別，權(quán)利要求的算法對參數(shù)和公式進行了重新選取或調(diào)整，其實際解決的技術(shù)問題是進一步提高檢測障礙物的準確性，如果現(xiàn)有技術(shù)中整體上不存在解決此問題的技術(shù)啟示，則權(quán)利要求是非顯而易見的。

如果權(quán)利要求與最接近現(xiàn)有技術(shù)的區(qū)別僅在于功能性應用或產(chǎn)業(yè)應用場景不同。例如，將人臉識別中常用的求取最優(yōu)解迭代算法移植到核醫(yī)學圖像重建中，技術(shù)方案發(fā)明人會覺得很有創(chuàng)新，但從專利審查的角度看，此時采用的人工智能算法是已知，算法本身未做改進，僅僅是已知的算法應用到另一場景中。此時涉及到轉(zhuǎn)用發(fā)明，在判斷創(chuàng)造性時，通常要考慮轉(zhuǎn)用的遠近、難易程度、是否需要克服技術(shù)上困難、是否存在技術(shù)啟示、轉(zhuǎn)用帶來的技術(shù)效果等因素。

總之，在進行創(chuàng)造性判斷時，首先需要判斷，算法特征與技術(shù)特征是否在功能上彼此相互支持，存在相互作用關系。當算法特征成為所采取的技術(shù)手段的組成部分之后，再進一步考慮現(xiàn)有技術(shù)中是否存在相應技術(shù)啟示。

（三）獲取高質(zhì)量AI專利申請的建議

如前所述，AI技術(shù)可以分為底層實現(xiàn)技術(shù)、功能應用和產(chǎn)業(yè)應用三個維度。在進行專利挖掘和布局時時，可以沿著這三個維度由算法至具體應用依次展開需要保護的技術(shù)方案。例如，在一件專利申請中，將算法作為向上游提煉的基礎方案，將功能應用作為核心方案，將具體應用作為向下游擴展的外圍或賣點技術(shù)專利。也可以從專利群布局的角度，將算法作為基礎專利，將功能應用作為核心專利，將具體應用作為外圍專利或賣點專利。當然，將算法申請專利或者布局算法權(quán)項時，其方案不能是沒有任何物理意義的純算法，需要算法特征與技術(shù)特征做一定的技術(shù)關聯(lián)與結(jié)合。

對于AI專利申請，無論是客體適格性判斷中的整體性考慮原則，還是創(chuàng)造性判斷中的關聯(lián)性考慮原則，反映的均是算法特征與技術(shù)特征之間在技術(shù)問題、技術(shù)手段以及技術(shù)效果三個方面的關系。因此在撰寫權(quán)利要求書和說明書時，需要處處留意算法特征與技術(shù)特征之間技術(shù)性關系的表述。對于具體撰寫要點，CNIPA發(fā)布的《2020年<專利審查指南>第二部分第九章修改解讀》【10】已經(jīng)進行了部分闡述，本文不再贅述?？傊?，需要圍繞算法特征與技術(shù)特征作為一個整體，在功能上彼此相互支持、存在相互作用關系來展開。

三、專利侵權(quán)訴訟中的AI技術(shù)保護策略

人工智能專利侵權(quán)案件，實踐中尚少見，本文結(jié)合AI技術(shù)的特點和新近專利侵權(quán)司法實踐，從新產(chǎn)品制造方法舉證責任倒置和方法專利對產(chǎn)品延伸保護兩個方面，嘗試探索人工智能專利侵權(quán)訴訟中的保護策略。

（一）將人工智能模型訓練方法專利解釋為新產(chǎn)品制造方法專利，適用舉證責任倒置破除AI專利侵權(quán)舉證難的問題

鑒于抽象的算法模型在人工智能功能性應用和產(chǎn)業(yè)應用技術(shù)方案中的底層實現(xiàn)作用，相較于傳統(tǒng)方法專利或軟件專利，人工智能專利的侵權(quán)可視化程度更低。在涉及人工智能專利侵權(quán)判斷和保護時，尋找和提供足夠的證據(jù)證明侵權(quán)行為存在對于人工智能專利權(quán)人來說是一項巨大的挑戰(zhàn)。

為了彌補方法專利權(quán)人不利的舉證地位，現(xiàn)行《專利法》設置了新產(chǎn)品制造方法發(fā)明專利舉證責任倒置制度。當專利侵權(quán)糾紛涉及新產(chǎn)品制造方法專利時，由制造同樣產(chǎn)品的制造者提供其產(chǎn)品制造方法不同于專利方法的證明。【11】當然，該制度具有一定的適用范圍。首先，舉證責任倒置制度僅適用于產(chǎn)品制造方法，不適用于其他方法，例如不適用于作業(yè)方法、使用方法等。【12】所謂產(chǎn)品制造方法，通常是指作用于一定的物品，使之在結(jié)構(gòu)、形狀或者物理化學特性上產(chǎn)生變化。其次，舉證責任倒置制度適應于新產(chǎn)品，不適用于已知產(chǎn)品的制造方法。本文認為，對于涉及模型訓練和模型構(gòu)建的人工智能技術(shù)方案，可以嘗試利用新產(chǎn)品制造方法舉證責任倒置制度強化人工智能專利的保護力度。具體理由如下：

第一，在涉及模型訓練和模型構(gòu)建的人工智能技術(shù)方案中，模型訓練和模型構(gòu)建過程與產(chǎn)品制造方法具有內(nèi)在的邏輯一致性。如前所述，模型訓練過程是使用特定的訓練數(shù)據(jù)作用于人工智能算法模型，使之具有或優(yōu)化其識別和判斷特性，從而獲得具有新特性和功能的算法模型。這一過程是從一種算法模型轉(zhuǎn)換為另一種算法模型從而獲得新算法模型的過程。例如，在新修改的《專利審查指南》審查示例2中，權(quán)利要求涉及一種卷積神經(jīng)網(wǎng)絡模型的訓練方法，經(jīng)過一系列的訓練步驟后，將迭代次數(shù)達到預設次數(shù)時所得到的模型參數(shù)作為訓練好的CNN模型的模型參數(shù)，以獲得在識別圖像類別時能夠識別任意尺寸的待識別圖像的CNN模型。該訓練方法作用于CNN模型，使之在模型結(jié)構(gòu)上產(chǎn)生變化，符合產(chǎn)品制造方法的內(nèi)涵，可以視為模型制造方法。模型構(gòu)建過程則是從無到有的過程，同樣屬于模型制造方法。

第二，現(xiàn)有專利審查實踐和司法實踐具有將算法模型解釋為專利法中產(chǎn)品的解釋空間。雖然算法模型不是專利法中傳統(tǒng)意義上有形的、物理意義上的產(chǎn)品，但將算法模型視作涉及計算機程序的虛擬裝置，符合人工智能技術(shù)方案基于軟件實現(xiàn)的特性。而由程序模塊構(gòu)成的虛擬裝置作為專利法中的產(chǎn)品已經(jīng)被我國專利審查實踐和司法實踐所認可。2010年版《專利審查指南》已經(jīng)就涉及計算機流程的虛擬裝置權(quán)利要求的撰寫做出規(guī)定，可見，《專利審查指南》也有意將虛擬裝置權(quán)利要求與方法權(quán)利要求予以區(qū)別。另外，在2015年京知行初字第06705號行政判決書中，北京知識產(chǎn)權(quán)法院認為，盡管基于計算機流程的虛擬裝置權(quán)利要求與基于計算機流程的方法權(quán)利要求具有同源性，虛擬裝置權(quán)利要求的撰寫形式與實體裝置權(quán)利要求的撰寫在形式上有差異，但這種差異并不能構(gòu)成對要求保護的權(quán)利要求類型發(fā)生變化的理由，不能將作為產(chǎn)品權(quán)利要求的虛擬裝置視為方法權(quán)利要求。【13】因此，雖然算法模型不具有實體結(jié)構(gòu)，但在虛擬裝置的視角下，將算法模型解釋為產(chǎn)品并不存在障礙。

另外，不斷精進專利撰寫技巧也可以很好地解決這一問題。例如，仍然以前述審查示例2為例，該審查示例2權(quán)利要求保護主題可以改為：“一種圖像識別裝置/設備的形成/制造方法，包括卷積神經(jīng)網(wǎng)絡模型訓練，其特征在于，……”，從而將卷積神經(jīng)網(wǎng)絡模型訓練技術(shù)方案同時以產(chǎn)品制造方法的形式予以保護。因此，對于AI技術(shù)創(chuàng)新主體，可以嘗試在專利申請過程中提前布局以產(chǎn)品制造方法為主題的保護權(quán)項，以便為將來在侵權(quán)訴訟中使用舉證責任倒置創(chuàng)造條件。

第三，通過專利申請證明訓練或構(gòu)建的模型屬于新產(chǎn)品?！蹲罡呷嗣穹ㄔ宏P于審理侵犯專利權(quán)糾紛案件應用法律若干問題的解釋（2009）》第17條規(guī)定，產(chǎn)品或者制造產(chǎn)品的技術(shù)方案在專利申請日以前為國內(nèi)外公眾所知的，人民法院應當認定該產(chǎn)品不屬于舉證責任倒置中的新產(chǎn)品。其中，“為國內(nèi)外公眾所知”表明是否為新產(chǎn)品的判斷采用了新穎性標準。【14】產(chǎn)品或者制造產(chǎn)品的技術(shù)方案在專利申請日以前不為國內(nèi)外公眾所知的則為新產(chǎn)品。而證明在專利申請日以前不為國內(nèi)外公眾所知的最好辦法就是將算法模型本也申請專利。例如，一種CNN模型及其訓練方法，【15】一種交通事故嚴重性預測CSP?CNN模型及其建模方法。【16】算法模型權(quán)項如果獲得授權(quán)，自然能證明其新穎性，即使沒有授權(quán)，如果審查意見以沒有創(chuàng)造性為由駁回專利申請，同樣可以證明其新穎性，從而為模型訓練方法或構(gòu)建方法專利適用舉證責任倒置提供基礎。

據(jù)稱，日本法院為了應對AI技術(shù)方案難以被直接觀察的難題，法院已經(jīng)在一些專利侵權(quán)案件中發(fā)出“文件生產(chǎn)命令”（document production orders），以便揭示AI系統(tǒng)的基本工作流程。【17】對于日本法院發(fā)出的“文件生產(chǎn)命令”的法律依據(jù)和性質(zhì)如何，作者尚未做深入研究，但至少看起來與我國制造方法專利舉證責任倒置制度有異曲同工之處。

（二）嘗試主張將人工智能方法專利的保護延伸至人工智能系統(tǒng)或產(chǎn)品

制造方法專利權(quán)的延伸保護是指方法專利的排他性延伸至依照該專利方法直接獲得的產(chǎn)品。即任何人未經(jīng)方法專利權(quán)人許可，不得為生產(chǎn)經(jīng)營目的使用、許諾銷售、銷售或者進口依照該專利方法直接獲得的產(chǎn)品。只有制造加工方法可以獲得延伸保護。制造加工方法與作業(yè)方法、使用方法的區(qū)別在于，作業(yè)方法、使用方法的目的不在于改變所涉及物品本身的結(jié)構(gòu)、特性或功能。【18】

2019年底，由最高院審理的騰達公司與敦駿公司侵害發(fā)明專利糾紛一案備受關注。【19】主要原因在于，最高院在該案判決中詳細闡述了涉及網(wǎng)絡通信領域多主體實施方法專利的直接侵權(quán)行為認定的基本規(guī)則及其法理基礎，解決了司法實踐中長期存在的困惑。實際上，該案判決還有另外一個值得關注的問題。在該案中，涉案專利保護的是一種網(wǎng)絡接入認證方法，根據(jù)該方法并不能直接獲得包括被訴侵權(quán)產(chǎn)品在內(nèi)的任何產(chǎn)品，該方法實際上可以歸類為設備作業(yè)方法或控制設備運行的方法。但是該案一審判決被控侵權(quán)人“停止制造、許諾銷售、銷售涉案的路由器產(chǎn)品”。最高院在二審判決中也支持了該項判決，并進一步解釋到，在認定直接侵犯方法發(fā)明專利權(quán)的情況下，判令騰達公司立即停止制造、許諾銷售、銷售涉案路由器產(chǎn)品，是指判令其停止制造、許諾銷售、銷售固化了涉案專利方法實質(zhì)內(nèi)容的涉案路由器產(chǎn)品。該解釋的思路似乎是，當方法專利以軟件形式被固化在硬件設備之后，由于該設備之運行必然機械再現(xiàn)專利方法，如果僅判決承擔停止實施專利方法而不停止制造、銷售固化了專利方法的產(chǎn)品，不利于有效保護方法專利權(quán)人。本文認為，該項判決的專利法基礎及判決理由還需要進行深入的研究和論證，以證明該項判決的合理性。但該項判決為人工智能方法專利的司法保護提供了新的思路。

雖然該案涉案專利屬于通信技術(shù)領域，不屬于AI技術(shù)領域，但AI技術(shù)與涉案技術(shù)有相同的特點。AI技術(shù)需要依賴計算機軟件來實施。AI方法專利在實際應用中，往往以軟件的形式安裝固化在硬件設備中，用戶在使用該硬件設備時觸發(fā)軟件在后臺自動運行，使硬件設備表現(xiàn)出特定的智能、完成特定的功能。侵權(quán)行為人完全可以在未獲得專利權(quán)人許可的情況下，將AI專利方法以軟件的形式安裝在其制造的硬件設備中，通過對外銷售硬件設備獲得不當利益。此時，如果AI方法專利的保護可以延伸至以軟件的形式固化了該專利方法的產(chǎn)品，則更有利于保護AI專利權(quán)人。

因此，在經(jīng)后的AI專利侵權(quán)案件中，專利權(quán)人可以引證前述最高院的判決，嘗試主張將AI方法專利保護延伸至AI系統(tǒng)或產(chǎn)品。當然，還需考慮固化AI專利方法的設備是通用設備還是專用設備，如構(gòu)是通用設備，則延伸保護范圍可能過大。如果是專用設備，尚有比照提供侵權(quán)專用零部件的思路進一步論證要求停止生產(chǎn)、銷售設備的合理性之基礎。

四、尚待深入研究的問題

雖然第一件人工智能專利申請出現(xiàn)在1980年代，但據(jù)統(tǒng)計，全世界有一半以上的人工智能專利出現(xiàn)于2013年之后。【20】與機械時代或軟件時代的專利相比，人工智能專利尚為新生事物，對于如何在專利法思維下理解、表達和保護AI 技術(shù)方案，還有非常多的問題需要深入研究。如前所述，AI技術(shù)方案呈現(xiàn)為動態(tài)過程。而專利申請文件的語言表達、專利申請審查、專利無效以及專利侵權(quán)判斷，追求的是語言的確定性和技術(shù)方案的可視化。如何化解諸如此類的矛盾，以使專利保護制度與AI技術(shù)發(fā)展相適應，除了不斷精進AI專利申請文件撰寫方法外，還有待于在更深入理解AI技術(shù)的基礎上，就AI專利保護理念、思路做更接近實務的廣泛討論。

注：

【1】WIPO Technology Trends 2019：Artificial Intelligence，https://www.wipo.int/tech_trends/zh/

【2】WIPO Technology Trends 2019：Artificial Intelligence，at 31.

【3】 WIPO Technology Trends 2019：Artificial Intelligence，at 47.

【4】 WIPO Technology Trends 2019：Artificial Intelligence，at 51.

【5】 “結(jié)構(gòu)化數(shù)據(jù)不應該被人工智能忘之腦后！”，來源于AI科技評論微信公眾號，https://mp.weixin.qq.com/s/vQnJm-Om2SzraF81a19TWg

【6】 WIPO Technology Trends 2019：Artificial Intelligence，at 103.

【7】EPO，Patenting Artificial Intelligence Conference summary，May 30, 2018, https://www.epo.org/learning-events/events/conferences/2018/ai2018.html

【8】 2019 Revised Patent Subject Matter Eligibility Guidance，https://federalregister.gov/d/2018-28282.

【9】參見第29176號復審決定（200410049846.0），轉(zhuǎn)引自《以案說法——專利復審、無效典型案例指引》，國家知識產(chǎn)權(quán)局專利復審委員會編著，知識產(chǎn)權(quán)出版社2018年版。

【10】 http://www.cnipa.gov.cn/zcfg/zcjd/1145668.htm

【11】參見《專利法》第61條。

【12】尹新天，《中國專利法詳解》，知識產(chǎn)權(quán)出版社，2011年版，第680頁。

【13】參見北京知識產(chǎn)權(quán)法院2015年京知行初字第06705號行政判決書。

【14】尹新天，《中國專利法詳解》，知識產(chǎn)權(quán)出版社，2011年版，第681頁。

【15】參見申請?zhí)枮镃N201910864377.4的發(fā)明專利申請。

【16】參見申請?zhí)枮镃N201810930337.0的發(fā)明專利申請。

【17】 EPO，Patenting Artificial Intelligence Conference summary，May 30, 2018, https://www.epo.org/learning-events/events/conferences/2018/ai2018.html

【18】尹新天，《中國專利法詳解》，知識產(chǎn)權(quán)出版社，2011年版，第159頁。

【19】具體案情參見（2019）最高法知民終147號判決書。

【20】 WIPO Technology Trends 2019：Artificial Intelligence，at 86.

來源：IPRdaily中文網(wǎng)（iprdaily.cn）

作者：孟睿南京大學法學院法學博士研究生

編輯：IPRdaily王穎校對：IPRdaily縱橫君

點擊圖片，查看專題詳情！

專利法思維下的人工智能技術(shù)及其保護策略

「關于IPRdaily」

IPRdaily是具有全球影響力的知識產(chǎn)權(quán)媒體，致力于連接全球知識產(chǎn)權(quán)與科技創(chuàng)新人才。匯聚了來自于中國、美國、歐洲、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)的高科技公司及成長型科技企業(yè)的管理者及科技研發(fā)或知識產(chǎn)權(quán)負責人，還有來自政府、律師及代理事務所、研發(fā)或服務機構(gòu)的全球近100萬用戶（國內(nèi)70余萬+海外近30萬），2019年全年全網(wǎng)頁面瀏覽量已經(jīng)突破過億次傳播。

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

本文來自IPRdaily中文網(wǎng)（iprdaily.cn）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://globalwellnesspartner.com