淺談客體審查實(shí)踐中對(duì)于具有確切技術(shù)含義的數(shù)據(jù)的認(rèn)定

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

“本文結(jié)合審查指南給出的審查示例以及實(shí)踐中遇到的實(shí)際案例，對(duì)所謂‘具有確切技術(shù)含義的數(shù)據(jù)’的認(rèn)定進(jìn)行初步探討。”

來(lái)源：IPRdaily中文網(wǎng)（iprdaily.cn）

作者：周衡威 中國(guó)貿(mào)促會(huì)專利商標(biāo)事務(wù)所

一、引言

人工智能技術(shù)的迅速發(fā)展帶來(lái)了相關(guān)領(lǐng)域的專利申請(qǐng)數(shù)量顯著增長(zhǎng)。對(duì)于涉及人工智能或機(jī)器學(xué)習(xí)算法的發(fā)明專利申請(qǐng)，客體問(wèn)題往往是通往專利授權(quán)的第一道門檻?？腕w問(wèn)題涉及對(duì)申請(qǐng)方案是否構(gòu)成技術(shù)方案的判斷。針對(duì)此問(wèn)題，2024年1月20日起生效的修訂版《專利審查指南》新增了用于判斷此類專利申請(qǐng)的方案是否構(gòu)成技術(shù)方案的方法。然而，這些判斷方法仍存在一些細(xì)節(jié)有待在實(shí)踐中逐步厘清，如何認(rèn)定具有確切技術(shù)含義的數(shù)據(jù)便是其中之一。

二、關(guān)于客體問(wèn)題的相關(guān)規(guī)定

專利法第二條第二款規(guī)定“發(fā)明，是指對(duì)產(chǎn)品、方法或者其改進(jìn)所提出的新的技術(shù)方案”。

審查指南進(jìn)一步明確“技術(shù)方案”是指對(duì)要解決的技術(shù)問(wèn)題所采取的利用了自然規(guī)律的技術(shù)手段的集合。當(dāng)一項(xiàng)權(quán)利要求記載了對(duì)要解決的技術(shù)問(wèn)題采用了利用自然規(guī)律的技術(shù)手段，并且由此獲得符合自然規(guī)律的技術(shù)效果，則該權(quán)利要求限定的解決方案屬于技術(shù)方案。相反地，未采用利用自然規(guī)律的技術(shù)手段解決技術(shù)問(wèn)題以獲得符合自然規(guī)律的技術(shù)效果的方案，不屬于技術(shù)方案。

針對(duì)包含算法特征的發(fā)明專利申請(qǐng)的審查，審查指南特別規(guī)定了判斷該申請(qǐng)所請(qǐng)求保護(hù)的方案是否構(gòu)成技術(shù)方案的三種判斷方法，其中第一種判斷方法為：“如果權(quán)利要求中涉及算法的各個(gè)步驟體現(xiàn)出與所要解決的技術(shù)問(wèn)題密切相關(guān)，如算法處理的數(shù)據(jù)是技術(shù)領(lǐng)域中具有確切技術(shù)含義的數(shù)據(jù)，算法的執(zhí)行能直接體現(xiàn)出利用自然規(guī)律解決某一技術(shù)問(wèn)題的過(guò)程，并且獲得了技術(shù)效果，則通常該權(quán)利要求限定的解決方案屬于專利法第二條第二款所述的技術(shù)方案?！?br/>

在現(xiàn)行實(shí)踐中，我們觀察到前述標(biāo)準(zhǔn)被簡(jiǎn)化為判斷權(quán)利要求的方案是否限定了具有確切技術(shù)含義的數(shù)據(jù)。如果方案中限定了這樣的數(shù)據(jù)，則審查員通常就會(huì)接受該方案為技術(shù)方案。然而，對(duì)于哪些數(shù)據(jù)屬于具有確切技術(shù)含義的數(shù)據(jù)，審查指南尚未給出明確的定義。在此，筆者結(jié)合審查指南給出的審查示例以及實(shí)踐中遇到的實(shí)際案例，對(duì)所謂“具有確切技術(shù)含義的數(shù)據(jù)”的認(rèn)定進(jìn)行初步探討。

三、關(guān)于具有確切技術(shù)含義的數(shù)據(jù)的認(rèn)定

（1）用于表征算法或模型自身或其處理對(duì)象的抽象數(shù)據(jù)不是具有確切技術(shù)含義的數(shù)據(jù)

具有確切技術(shù)含義的數(shù)據(jù)這個(gè)概念的提出，首先就是為了排除表征人工智能或機(jī)器學(xué)習(xí)算法本身的參數(shù)（例如，拓?fù)浣Y(jié)構(gòu)參數(shù)），從而防止特定申請(qǐng)人對(duì)規(guī)則或算法的無(wú)邊界壟斷。除此之外，算法的輸入、輸出或中間結(jié)果，如果只具有算法層面上的抽象含義（例如，標(biāo)簽值、特征值、分類或預(yù)測(cè)結(jié)果），也不被認(rèn)定為具有確切技術(shù)含義的數(shù)據(jù)。針對(duì)此類數(shù)據(jù)，審查指南給出了以下示例和分析：

【審查示例1】一種建立數(shù)學(xué)模型的方法，其特征在于，包括以下步驟：

根據(jù)第一分類任務(wù)的訓(xùn)練樣本中的特征值和至少一個(gè)第二分類任務(wù)的訓(xùn)練樣本中的特征值，對(duì)初始特征提取模型進(jìn)行訓(xùn)練，得到目標(biāo)特征提取模型，其中，所述第二分類任務(wù)是與所述第一分類任務(wù)相關(guān)的其他分類任務(wù)；

根據(jù)所述目標(biāo)特征提取模型，分別對(duì)所述第一分類任務(wù)的每個(gè)訓(xùn)練樣本中的特征值進(jìn)行處理，得到所述每個(gè)訓(xùn)練樣本對(duì)應(yīng)的提取特征值；

將所述每個(gè)訓(xùn)練樣本對(duì)應(yīng)的提取特征值和標(biāo)簽值組成提取訓(xùn)練樣本，對(duì)初始分類模型進(jìn)行訓(xùn)練，得到目標(biāo)分類模型；

將所述目標(biāo)分類模型和所述目標(biāo)特征提取模型組成所述第一分類任務(wù)的數(shù)學(xué)模型。

對(duì)于該方案，審查指南指出“訓(xùn)練樣本的特征值、提取特征值、標(biāo)簽值、目標(biāo)分類模型以及目標(biāo)特征提取模型都是抽象的通用數(shù)據(jù)……該方案是一種抽象的模型建立方法，其處理對(duì)象……不涉及與具體技術(shù)領(lǐng)域的結(jié)合”?？梢姡糜诒碚魉惴ɑ蚰Ｐ妥陨砘蚱涮幚韺?duì)象的抽象數(shù)據(jù)不被接受為具有確切技術(shù)含義的數(shù)據(jù)，僅限定了此類數(shù)據(jù)的處理的方案也不被接受為技術(shù)方案，因此不屬于專利法保護(hù)的客體。

（2）與具體技術(shù)領(lǐng)域結(jié)合的數(shù)據(jù)一般被視為具有確切技術(shù)含義的數(shù)據(jù)

如果算法的處理對(duì)象（例如，算法的輸入、輸出或中間結(jié)果）不只具有算法層面上的抽象含義，而是與具體技術(shù)領(lǐng)域結(jié)合，則這樣的數(shù)據(jù)一般被視為具有確切技術(shù)含義的數(shù)據(jù)，相應(yīng)的方案也被認(rèn)可為技術(shù)方案。針對(duì)此類數(shù)據(jù)，審查指南給出了以下示例和分析：

【審查示例2】一種卷積神經(jīng)網(wǎng)絡(luò)CNN模型的訓(xùn)練方法，其特征在于，所述方法包括:

獲取待訓(xùn)練CNN模型的初始模型參數(shù)，所述初始模型參數(shù)包括各級(jí)卷積層的初始卷積核、所述各級(jí)卷積層的初始偏置矩陣、全連接層的初始權(quán)重矩陣和所述全連接層的初始偏置向量;

獲取多個(gè)訓(xùn)練圖像;

在所述各級(jí)卷積層上，使用所述各級(jí)卷積層上的初始卷積核和初始偏置矩陣，對(duì)每個(gè)訓(xùn)練圖像分別進(jìn)行卷積操作和最大池化操作，得到每個(gè)訓(xùn)練圖像在所述各級(jí)卷積層上的第一特征圖像;

對(duì)每個(gè)訓(xùn)練圖像在至少一級(jí)卷積層上的第一特征圖像進(jìn)行水平池化操作，得到每個(gè)訓(xùn)練圖像在各級(jí)卷積層上的第二特征圖像;

根據(jù)每個(gè)訓(xùn)練圖像在各級(jí)卷積層上的第二特征圖像確定每個(gè)訓(xùn)練圖像的特征向量;

根據(jù)所述初始權(quán)重矩陣和初始偏置向量對(duì)每個(gè)特征向量進(jìn)行處理，得到每個(gè)訓(xùn)練圖像的類別概率向量;

根據(jù)所述每個(gè)訓(xùn)練圖像的類別概率向量及每個(gè)訓(xùn)練圖像的初始類別，計(jì)算類別誤差;

基于所述類別誤差，對(duì)所述待訓(xùn)練CNN模型的模型參數(shù)進(jìn)行調(diào)整;

基于調(diào)整后的模型參數(shù)和所述多個(gè)訓(xùn)練圖像，繼續(xù)進(jìn)行模型參數(shù)調(diào)整的過(guò)程，直至迭代次數(shù)達(dá)到預(yù)設(shè)次數(shù);

將迭代次數(shù)達(dá)到預(yù)設(shè)次數(shù)時(shí)所得到的模型參數(shù)作為訓(xùn)練好的CNN模型的模型參數(shù)。

對(duì)于該方案，審查指南指出“（該方案）明確了模型訓(xùn)練方法的各步驟中處理的數(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(luò)訓(xùn)練算法與圖像信息處理密切相關(guān)。該解決方案所解決的是如何克服CNN模型僅能識(shí)別具有固定尺寸的圖像的技術(shù)問(wèn)題，采用了在不同卷積層上對(duì)圖像進(jìn)行不同處理并訓(xùn)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(xùn)練好的CNN模型能夠識(shí)別任意尺寸待識(shí)別圖像的技術(shù)效果。因此，該發(fā)明專利申請(qǐng)的解決方案屬于專利法第二條第二款規(guī)定的技術(shù)方案，屬于專利保護(hù)客體”。

由此可見，圖像數(shù)據(jù)是被審查指南明確認(rèn)可的一類具有確切技術(shù)含義的數(shù)據(jù)。除此之外，我們觀察到一些數(shù)據(jù)在內(nèi)容或用途上體現(xiàn)了具體技術(shù)領(lǐng)域，也同樣被接受為具有確切技術(shù)含義的數(shù)據(jù)。例如，從數(shù)據(jù)內(nèi)容上看，已知可被接受的具有確切技術(shù)含義的數(shù)據(jù)包括圖像數(shù)據(jù)、語(yǔ)音數(shù)據(jù)、傳感器數(shù)據(jù)、文本數(shù)據(jù)等。自然地，具有更為細(xì)分領(lǐng)域的內(nèi)容的數(shù)據(jù)（例如，人臉數(shù)據(jù)、信道測(cè)量數(shù)據(jù)等）也是可接受的。從數(shù)據(jù)用途上看，采用“用于人臉識(shí)別的數(shù)據(jù)”或“用于化合物預(yù)測(cè)的數(shù)據(jù)”之類表述也可以被認(rèn)為限定了數(shù)據(jù)與具體技術(shù)領(lǐng)域結(jié)合，從而限定了具有確切技術(shù)含義的數(shù)據(jù)?？梢?，對(duì)于數(shù)據(jù)與具體技術(shù)領(lǐng)域的結(jié)合方式，現(xiàn)行審查實(shí)踐似乎給予了申請(qǐng)人相對(duì)大的空間，而未拘泥于本領(lǐng)域固有或已知的有限數(shù)據(jù)形式。

審查示例2在權(quán)利要求中詳細(xì)描述了模型的輸入、中間結(jié)果和輸出等多個(gè)階段所處理的與圖像相關(guān)的數(shù)據(jù)，并且還提供了對(duì)技術(shù)效果的詳盡論證。然而，在現(xiàn)行實(shí)踐中，為了克服客體問(wèn)題，申請(qǐng)人通常只需要限定算法或模型的輸入數(shù)據(jù)屬于具有確切技術(shù)含義的數(shù)據(jù)，而不必對(duì)算法的中間結(jié)果、最終輸出或技術(shù)效果中的每一方面都進(jìn)行限定或分析。

例如，在以下實(shí)際案例（經(jīng)簡(jiǎn)化）的審查中，原始方案所限定的元特征及其值、推理數(shù)據(jù)集、元模型、分?jǐn)?shù)均屬于表征模型本身或其處理對(duì)象的抽象數(shù)據(jù)，由此引發(fā)了客體問(wèn)題。在答復(fù)審查意見時(shí)，申請(qǐng)人僅通過(guò)限定作為輸入的推理數(shù)據(jù)集為圖像集合，就克服了客體問(wèn)題。

【實(shí)際案例1】一種方法，包括：

對(duì)于多個(gè)元特征中的每個(gè)元特征，從推理數(shù)據(jù)集包含的多個(gè)數(shù)據(jù)單元導(dǎo)出相應(yīng)的元特征值，其中所述推理數(shù)據(jù)集包括圖像集合，每個(gè)元特征值表征作為整體的所述推理數(shù)據(jù)集；

對(duì)于多個(gè)可訓(xùn)練的算法中的每個(gè)算法：

對(duì)于能夠預(yù)測(cè)該算法的性能的多個(gè)元模型中的每個(gè)元模型，利用所述多個(gè)元特征值中的相應(yīng)的元特征值作為輸入來(lái)調(diào)用所述元模型，從而計(jì)算所述元模型的分?jǐn)?shù)；以及

基于所述分?jǐn)?shù)選擇所述多個(gè)可訓(xùn)練的算法中的一種或多種算法以進(jìn)行訓(xùn)練。

（3）具有確切技術(shù)含義的數(shù)據(jù)應(yīng)在實(shí)質(zhì)上與具體技術(shù)領(lǐng)域結(jié)合

某些數(shù)據(jù)即使在形式上表現(xiàn)為某一技術(shù)領(lǐng)域的常見數(shù)據(jù)表示形式，但實(shí)質(zhì)上仍然是抽象的數(shù)據(jù)內(nèi)容，則也可能不被接受為具有確切技術(shù)含義的數(shù)據(jù)。下面給出的審查指南中的審查示例3以及實(shí)際案例2（經(jīng)簡(jiǎn)化），可以體現(xiàn)出這種差別。

【審查示例3】一種基于關(guān)系注意力的知識(shí)圖譜推理方法，所述方法包括:
獲取知識(shí)圖譜中節(jié)點(diǎn)的初始嵌入表示，將所述初始嵌入表示轉(zhuǎn)換到高維空間，得到高維嵌入表示，所述節(jié)點(diǎn)為知識(shí)圖譜中的實(shí)體，所述知識(shí)圖譜是對(duì)知識(shí)進(jìn)行實(shí)體識(shí)別和關(guān)系抽取構(gòu)建的，所述知識(shí)是問(wèn)答系統(tǒng)、語(yǔ)義搜索中相關(guān)聯(lián)的知識(shí)，所述實(shí)體是利用命名實(shí)體識(shí)別工具從自然語(yǔ)言文本中獲取的文本數(shù)據(jù)，所述初始嵌入表示是所述文本數(shù)據(jù)通過(guò)詞嵌入模型得到的向量;
獲取所述知識(shí)圖譜中目標(biāo)節(jié)點(diǎn)的鄰居節(jié)點(diǎn)集合，根據(jù)所述目標(biāo)節(jié)點(diǎn)與所述鄰居節(jié)點(diǎn)集合中鄰居節(jié)點(diǎn)的關(guān)系類型，構(gòu)建鄰居子圖;
根據(jù)所述目標(biāo)節(jié)點(diǎn)的高維嵌入表示和所述鄰居子圖中鄰居節(jié)點(diǎn)的高維嵌入表示，得到所述目標(biāo)節(jié)點(diǎn)嵌入鄰居子圖中信息的鄰居嵌入表示;
將所述目標(biāo)節(jié)點(diǎn)的高維嵌入表示與所述鄰居嵌入表示進(jìn)行聚合，得到目標(biāo)節(jié)點(diǎn)的聚合嵌入表示;根據(jù)每個(gè)所述鄰居子圖的第一注意力分值，對(duì)所述聚合嵌入表示進(jìn)行融合，得到所述目標(biāo)節(jié)點(diǎn)的融合嵌入表示;
根據(jù)所述融合嵌入表示，計(jì)算所述目標(biāo)節(jié)點(diǎn)對(duì)應(yīng)三元組的得分，根據(jù)得分進(jìn)行三元組推理。

對(duì)于該方案，審查指南指出“該方法各步驟中處理的數(shù)據(jù)是自然語(yǔ)言中的文本數(shù)據(jù)或者語(yǔ)義信息等技術(shù)數(shù)據(jù)”。也就是說(shuō)，從自然語(yǔ)言中抽取的文本數(shù)據(jù)和語(yǔ)義信息被認(rèn)為屬于具有確切技術(shù)含義的數(shù)據(jù)。

【實(shí)際案例2】一種方法，包括:

接收輸入圖（graph），其中所述輸入圖包括多個(gè)頂點(diǎn)和多個(gè)邊緣，每個(gè)頂點(diǎn)與頂點(diǎn)屬性相關(guān)聯(lián)；

為每個(gè)頂點(diǎn)生成頂點(diǎn)到屬性的映射，所述映射將所述頂點(diǎn)映射到頂點(diǎn)屬性簽名；

生成多個(gè)邊緣單詞，每個(gè)邊緣單詞對(duì)應(yīng)于一個(gè)或多個(gè)邊緣，每個(gè)邊緣起始于具有特定頂點(diǎn)屬性簽名的第一頂點(diǎn)，并且終止于具有特定頂點(diǎn)屬性簽名的第二頂點(diǎn)，并且每個(gè)邊緣單詞被表示為第一頂點(diǎn)的特定頂點(diǎn)屬性簽名與第二頂點(diǎn)的特定頂點(diǎn)屬性簽名的級(jí)聯(lián)；

生成多個(gè)句子，每個(gè)句子包括沿著所述輸入圖中的路徑直接連接的邊緣單詞；

使用所述多個(gè)句子和所述多個(gè)邊緣單詞，使用文檔向量化模型來(lái)生成表示所述輸入圖的機(jī)器學(xué)習(xí)向量。

在該方案的審查中，盡管輸入圖被結(jié)構(gòu)化為多個(gè)單詞和多個(gè)句子，但是這些數(shù)據(jù)并未被認(rèn)可為具有確切技術(shù)含義的數(shù)據(jù)。這是因?yàn)椋谏鲜鼍唧w方案中，單詞和句子實(shí)際包含的內(nèi)容并非是自然語(yǔ)言數(shù)據(jù)，而是輸入圖的頂點(diǎn)屬性簽名。作為一種數(shù)據(jù)結(jié)構(gòu)，圖本身可以包含任意技術(shù)領(lǐng)域的數(shù)據(jù)。頂點(diǎn)屬性簽名也屬于抽象數(shù)據(jù)。因此，圖和頂點(diǎn)屬性簽名并不與具體技術(shù)領(lǐng)域相結(jié)合。即使單詞和句子是自然語(yǔ)言領(lǐng)域的常見數(shù)據(jù)表示形式，僅套用這種形式來(lái)容納抽象數(shù)據(jù)也可能不足以使該數(shù)據(jù)成為具有確切技術(shù)含義的數(shù)據(jù)。

四、總結(jié)與啟示

雖然審查指南未給出具有確切技術(shù)含義的數(shù)據(jù)的定義，但基于現(xiàn)行實(shí)踐的總結(jié)，我們可以認(rèn)為該數(shù)據(jù)首先排除了用于表征算法或模型自身或其處理對(duì)象的抽象數(shù)據(jù)。進(jìn)一步地，具有確切技術(shù)含義的實(shí)際體現(xiàn)為與具體技術(shù)領(lǐng)域相結(jié)合。這種結(jié)合至少可以通過(guò)數(shù)據(jù)內(nèi)容或數(shù)據(jù)用途來(lái)在權(quán)利要求中限定。無(wú)論采用何種限定方式，數(shù)據(jù)與具體技術(shù)領(lǐng)域的結(jié)合應(yīng)當(dāng)是實(shí)質(zhì)性的而非形式的契合。

有鑒于此，在撰寫包含人工智能或機(jī)器學(xué)習(xí)算法特征的發(fā)明專利申請(qǐng)時(shí)，不能僅對(duì)用于表征算法或模型自身或其處理對(duì)象的抽象數(shù)據(jù)進(jìn)行描述，而是應(yīng)當(dāng)有意識(shí)地描述算法在一個(gè)或多個(gè)具體技術(shù)領(lǐng)域的實(shí)際應(yīng)用。在描述技術(shù)領(lǐng)域時(shí)，至少應(yīng)當(dāng)體現(xiàn)出算法或模型的輸入數(shù)據(jù)與該領(lǐng)域的實(shí)質(zhì)結(jié)合。通過(guò)這種方式，可以為克服潛在的客體問(wèn)題做好鋪墊。

（原標(biāo)題：淺談客體審查實(shí)踐中對(duì)于具有確切技術(shù)含義的數(shù)據(jù)的認(rèn)定）

來(lái)源：IPRdaily中文網(wǎng)（iprdaily.cn）

作者：周衡威 中國(guó)貿(mào)促會(huì)專利商標(biāo)事務(wù)所

編輯：IPRdaily辛夷          校對(duì)：IPRdaily縱橫君

注：原文鏈接：淺談客體審查實(shí)踐中對(duì)于具有確切技術(shù)含義的數(shù)據(jù)的認(rèn)定（點(diǎn)擊標(biāo)題查看原文）

「關(guān)于IPRdaily」

IPRdaily是全球領(lǐng)先的知識(shí)產(chǎn)權(quán)綜合信息服務(wù)提供商，致力于連接全球知識(shí)產(chǎn)權(quán)與科技創(chuàng)新人才。匯聚了來(lái)自于中國(guó)、美國(guó)、歐洲、俄羅斯、以色列、澳大利亞、新加坡、日本、韓國(guó)等15個(gè)國(guó)家和地區(qū)的高科技公司及成長(zhǎng)型科技企業(yè)的管理者及科技研發(fā)或知識(shí)產(chǎn)權(quán)負(fù)責(zé)人，還有來(lái)自政府、律師及代理事務(wù)所、研發(fā)或服務(wù)機(jī)構(gòu)的全球近100萬(wàn)用戶（國(guó)內(nèi)70余萬(wàn)+海外近30萬(wàn)），2019年全年全網(wǎng)頁(yè)面瀏覽量已經(jīng)突破過(guò)億次傳播。

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

本文來(lái)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(chǎng)，如若轉(zhuǎn)載，請(qǐng)注明出處：“http://globalwellnesspartner.com