淺議人工智能專利的創(chuàng)造性判斷標準

#本文由作者授權發(fā)布，不代表IPRdaily立場，未經(jīng)作者許可，禁止轉(zhuǎn)載#

“本文結(jié)合具體的無效案例來對實施案例中端點值的設計與權利要求中數(shù)值范圍的概括之間的關系進行分析和探討?！?br/>

來源：IPRdaily中文網(wǎng)（iprdaily.cn）

作者：盧楓 林達劉知識產(chǎn)權

引言

隨著數(shù)字化時代的到來，人工智能被廣泛應用于家居、制造、金融、醫(yī)療、安防、交通、零售、教育和物流等諸多領域。涉及人工智能的專利申請也越來越多。據(jù)統(tǒng)計，2021年人工智能領域?qū)＠暾埩渴?015年的30倍。其中，中國申請了全球一半以上的人工智能專利。人工智能專利涉及到算法特征，但算法特征本身不屬于技術特征，因此，算法特征在創(chuàng)造性的判斷中應當如何考慮，是人工智能專利的創(chuàng)造性判斷的難點。下面，筆者基于最新的無效案例來探討人工智能專利的創(chuàng)造性判斷標準。

一、審查指南規(guī)定

《專利審查指南》第二部分第九章第6.1.3節(jié)規(guī)定：

對既包含技術特征又包含算法特征或商業(yè)規(guī)則和方法特征的發(fā)明專利申請進行創(chuàng)造性審查時，應將與技術特征功能上彼此相互支持、存在相互作用關系的算法特征或商業(yè)規(guī)則和方法特征與所述技術特征作為一個整體考慮。“功能上彼此相互支持、存在相互作用關系”是指算法特征或商業(yè)規(guī)則和方法特征與技術特征緊密結(jié)合、共同構(gòu)成了解決某一技術問題的技術手段,并且能夠獲得相應的技術效果。

例如，如果權利要求中的算法應用于具體的技術領域，可以解決具體技術問題，那么可以認為該算法特征與技術特征功能上彼此相互支持、存在相互作用關系，該算法特征成為所采取的技術手段的組成部分，在進行創(chuàng)造性審查時，應當考慮所述的算法特征對技術方案作出的貢獻。

根據(jù)上述規(guī)定，對于算法特征來說，如果其與技術特征“功能上彼此相互支持、存在相互作用關系”，那么在進行創(chuàng)造性判斷時，應當將該算法特征與技術特征作為一個整體考慮。但如何判斷算法特征和技術特征“功能上彼此相互支持、存在相互作用關系”，本身并不是一件容易的事情?，F(xiàn)行審查指南給出一種具體情形，即，如果權利要求中的算法應用于具體的技術領域，可以解決具體技術問題，那么可以認為該算法特征與技術特征功能上彼此相互支持、存在相互作用關系。然而，“權利要求中的算法應用于具體的技術領域，可以解決具體技術問題”本身仍然不夠明確。

因此，人工智能專利的創(chuàng)造性判斷規(guī)則，仍然需要進一步的完善。

二、案例介紹

涉案專利的發(fā)明名稱為“一種建立廢鋼等級劃分神經(jīng)網(wǎng)絡模型方法”，專利號為ZL201910958076.6。

涉案專利涉及人工智能技術在鋼鐵行業(yè)的應用，通過采用卷積神經(jīng)網(wǎng)絡技術進行廢鋼鐵等級分類的特征提取和深度學習，實現(xiàn)了對廢鋼鐵等級的客觀準確的自動分類。

涉案專利的權利要求1如下：

一種建立廢鋼等級劃分神經(jīng)網(wǎng)絡模型方法，所述模型用于廢鋼收儲的等級分類檢測，包括獲取多個圖像，目測確定多個圖像的不同廢鋼等級，對所述圖像進行預處理去除無效水印、提高圖像對比度，對圖像數(shù)據(jù)進行圖像數(shù)據(jù)特征提取，對提取的不同等級圖像數(shù)據(jù)特征進行卷積神經(jīng)網(wǎng)絡學習形成具有等級分類輸出的等級劃分神經(jīng)網(wǎng)絡模型；其特征在于，所述圖像數(shù)據(jù)特征的提取是對圖像畫面像素點矩陣數(shù)據(jù)進行卷積神經(jīng)網(wǎng)絡卷積計算的集合實現(xiàn)的提取，包括：由集合輸出的多條線路卷積層或卷積層加池化層計算構(gòu)成的對圖像中物體顏色、邊緣特征和紋理特征的提取，以及對圖像中物體邊緣、紋理之間關聯(lián)特征的提??；

其中，一，所述圖像中物體顏色、邊緣特征的提取是由三條線路卷積層加池化層計算輸出的集合輸出構(gòu)成，包括從左至右的第一條線路一層池化層、第二條線路二層卷積層和第三條線路四層卷積層；二，所述對圖像中紋理特征的提取是對上述圖像中物體顏色、邊緣特征的提取集合輸出進行的提取，是由三條線路卷積層計算輸出的集合輸出構(gòu)成，包括從左至右的第一條線路0卷積層、第二條線路二層卷積層和第三條線路三層卷積層；紋理特征形成的是卷積網(wǎng)絡的激活函數(shù)(Relu activation)；

至少三條線路卷積層或卷積層加池化層計算輸出的集合輸出構(gòu)成了對圖像中物體顏色、邊緣特征和紋理特征的提取，每一條線路的卷積層數(shù)各不相同；

所述對邊緣、紋理之間關聯(lián)特征提取的卷積層計算的線路數(shù)大于對圖像中物體顏色、邊緣和紋理特征提取的卷積層計算的線路數(shù)。

證據(jù)1公開了選用料豆的火車輪子的圖像進行測試識別的結(jié)果的相關內(nèi)容，識別結(jié)果為具體的廢鋼料型。

涉案專利權利要求1與證據(jù)1存在以下區(qū)別：

第一，兩者應用場景不同。權利要求1是一種建立廢鋼等級劃分神經(jīng)網(wǎng)絡模型的方法，所述模型用于廢鋼收儲的等級分類檢測，其應用場景為廢鋼等級劃分；而證據(jù)1公開的是建立廢鋼種類識別神經(jīng)網(wǎng)絡模型的方法，其應用場景為廢鋼種類識別。

第二，兩者所采用的方法步驟不同。權利要求1在獲取圖像步驟中限定了目測確定多個圖像的不同廢鋼等級，在圖像數(shù)據(jù)特征提取步驟中限定了提取的是不同等級圖像數(shù)據(jù)特征，在神經(jīng)網(wǎng)絡模型的學習訓練步驟中限定了針對提取的不同等級圖像數(shù)據(jù)特征進行學習、形成具有等級分類輸出的等級劃分神經(jīng)網(wǎng)絡模型。證據(jù)1公開了獲取圖像、預處理、特征提取、以及通過訓練學習建立神經(jīng)網(wǎng)絡模型的方法步驟，但其訓練好的卷積神經(jīng)網(wǎng)絡模型是用于識別出廢鋼鐵圖像中的廢鋼鐵具體是何種料型，與廢鋼等級無關。

第三，兩者所選取的重要參數(shù)和所采用的具體模塊構(gòu)成不同。權利要求1中限定了圖像數(shù)據(jù)特征提取的更具體的內(nèi)容，如特征提取所選取的參數(shù)以及特征提取所采用的具體模塊構(gòu)成；而證據(jù)1未公開上述內(nèi)容。

基于上述區(qū)別，權利要求1實際要解決的問題是：建立對廢鋼料等級劃分的神經(jīng)網(wǎng)絡模型，以解決廢鋼收儲的等級分類檢測的應用場景中的等級劃分問題，以及針對該問題如何具體選取數(shù)據(jù)參數(shù)和相關模塊。

合議組認為，證據(jù)1全文論述的是如何對廢鋼鐵的種類進行自動識別，所公開的方法步驟、具體示例均僅涉及如何進行種類識別以及識別結(jié)果是何種料型，證據(jù)1中對于如何分級并無進一步的記載或公開。因此，從證據(jù)1所給出的應用場景、方法步驟和重要參數(shù)中無法得到建立廢鋼料等級劃分的神經(jīng)網(wǎng)絡模型，以對混雜在一起的各種類型的廢鋼料進行等級劃分的技術啟示。

證據(jù)2公開了上述第三點區(qū)別的在卷積神經(jīng)網(wǎng)絡模型中對圖像數(shù)據(jù)特征進行提取時可以采用的具體模塊構(gòu)成，并公開了采用了證據(jù)2的整體模型架構(gòu)可以加速網(wǎng)絡的訓練、并使訓練更加穩(wěn)定的相關內(nèi)容。

然而，合議組認為，證據(jù)2沒有公開具體提取的是圖像數(shù)據(jù)的哪些特征，也沒有公開提取相關數(shù)據(jù)特征用于何種具體的應用場景、解決該場景中具體存在的哪些技術問題。因此，證據(jù)2沒有給出建立廢鋼料等級劃分的神經(jīng)網(wǎng)絡模型的相關技術啟示，更沒有給出為解決該技術問題具體要提取哪些相關參數(shù)的技術啟示。

另外，合議組還認為，證據(jù)3同樣沒有公開提取相關數(shù)據(jù)特征用于何種具體的應用場景、解決該場景中具體存在的哪些技術問題。因此，證據(jù)3沒有給出建立廢鋼料等級劃分的神經(jīng)網(wǎng)絡模型的相關技術啟示，更沒有給出為解決該技術問題具體要提取哪些相關參數(shù)的技術啟示。

因此，合議組認為，涉案專利權利要求1具有創(chuàng)造性，并作出維持涉案專利全部有效的無效決定。

三、案例分析

在本案中，權利要求1與證據(jù)1之間存在諸多算法特征，如何在創(chuàng)造性的判斷中考慮這些算法特征，是本案的難點。雖然權利要求1和證據(jù)1都涉及到廢鋼，但權利要求1的應用場景為廢鋼的等級劃分；證據(jù)1的應用場景為廢鋼的種類識別。應用場景的不同，導致了算法特征也存在區(qū)別，并且是實質(zhì)性區(qū)別。因此，合議組認可了權利要求1的算法特征在創(chuàng)造性判斷中所起到的正面價值。

本案是算法特征與技術特征在功能上彼此相互支持、存在相互作用關系的典型案例，對于人工智能專利的創(chuàng)造性判斷具有重大的參考價值。國家知識產(chǎn)權局將本案列入2022年度專利復審無效十大案件，指出本案細化了對包含算法特征的發(fā)明專利的創(chuàng)造性評判標準，對人工智能領域的發(fā)明專利的創(chuàng)造性判斷具有示范作用。在涉及人工智能技術的情況下，對包含算法特征的發(fā)明專利進行創(chuàng)造性判斷時，應當將算法和應用場景進行整體考量，特別是需要考慮將算法應用到不同場景后是否對算法的訓練模式、重要參數(shù)或相關步驟等進行了實質(zhì)性調(diào)整，且該調(diào)整是否解決了特定的技術問題、獲得了有益的技術效果。

反過來說，如果將證據(jù)1的算法應用到涉案專利的應用場景，不需要對算法的訓練模式、重要參數(shù)或相關步驟進行實質(zhì)性調(diào)整，例如，不需要進行任何調(diào)整，或者僅需要進行非實質(zhì)性的細微調(diào)整，那么即使整體考慮應用場景和算法特征可能也無法使得涉案專利具有創(chuàng)造性。

四、小結(jié)

通過本案可以看出，應用場景對于人工智能專利的授權是至關重要的。如果只是單純的人工智能算法，不存在具體的應用場景，那么該專利申請很可能在無需進行創(chuàng)造性判斷的情況下，直接被認為不屬于專利法的保護客體而無法獲得授權。在創(chuàng)造性的判斷中，應用場景和算法特征之間的技術關聯(lián)也是重點考慮的因素。隨著審查實踐的不斷發(fā)展，希望能夠進一步明確細化人工智能專利的審查標準，以更好地指導人工智能專利申請的撰寫。

以上為筆者對于人工智能專利的創(chuàng)造性判斷的體會和總結(jié)，僅供各位同仁參考，如有不當之處，敬請斧正。

（原標題：淺議人工智能專利的創(chuàng)造性判斷標準）

來源：IPRdaily中文網(wǎng)（iprdaily.cn）

作者：盧楓 林達劉知識產(chǎn)權

編輯：IPRdaily趙甄          校對：IPRdaily縱橫君

注：原文鏈接：淺議人工智能專利的創(chuàng)造性判斷標準（點擊標題查看原文）

「關于IPRdaily」

IPRdaily是全球領先的知識產(chǎn)權綜合信息服務提供商，致力于連接全球知識產(chǎn)權與科技創(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”