通過Dropout論文和專利的對比探討AI算法相關(guān)專利的寫作

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

來源：IPRdaily中文網(wǎng)（iprdaily.cn）

作者：李曉芳  中國國際貿(mào)易促進委員會專利商標事務(wù)所

原標題：通過Dropout論文和專利的對比探討AI算法相關(guān)專利的寫作

從1956年人工智能這個概念被首次提出以來，人工智能的發(fā)展幾經(jīng)沉浮。近幾年來，AI相關(guān)論文數(shù)和專利申請量均呈現(xiàn)爆炸式的增長，其中AI相關(guān)專利的增長率顯著高于論文數(shù)的增長率，參見WIPO Technology Trends 2019, Artificial Intelligence。本文通過對AI核心算法之一——Dropout技術(shù)的論文和專利進行對比，來探討一下AI算法相關(guān)專利的寫作技巧。

I．AI相關(guān)論文和專利

從1956年人工智能這個概念被首次提出以來，人工智能的發(fā)展幾經(jīng)沉浮。隨著核心算法的突破、計算能力的提升以及海量數(shù)據(jù)的支撐，人工智能技術(shù)在近十年里迎來了新一次的飛躍。近幾年來，AI相關(guān)論文數(shù)和專利申請量均呈現(xiàn)爆炸式的增長，其中AI相關(guān)專利的增長率顯著高于論文數(shù)的增長率，參見WIPO Technology Trends 2019, Artificial Intelligence。

人工智能領(lǐng)域的研究方向涉及多個不同的學科，在應用層面也涉及到多個子領(lǐng)域。幾個代表性的分支有例如AI機器學習和基礎(chǔ)算法、智能搜索和智能推薦、語音識別、自然語言處理、自動駕駛及計算機視覺和圖像識別。其中AI機器學習和基礎(chǔ)算法類相比于其他分支，往往涉及算法方面，由于全球的專利法對于算法相關(guān)發(fā)明都有著特殊的規(guī)定，因而這方面的技術(shù)在學術(shù)論文和專利申請的撰寫方面有諸多不同。

通常，學術(shù)論文是某一學術(shù)課題在實驗性、理論性或預測性上具有的新的科學研究成果或創(chuàng)新見解和知識的科學記錄，或是某種已知原理應用于實際上取得新進展的科學總結(jié)，用以提供學術(shù)會議上宣讀、交流、討論或?qū)W術(shù)刊物上發(fā)表，或用作其他用途的書面文件。因此，論文可以是完全純理論的，如數(shù)學公式、算法等。而專利權(quán)，簡稱“專利”，則是國家或地區(qū)給予專利權(quán)人對特定的發(fā)明創(chuàng)造在一定期限內(nèi)的排他的保護權(quán)。專利法對專利的主題和撰寫形式有著特殊的規(guī)定。

本文通過對AI核心算法之一——Dropout技術(shù)的論文和專利進行對比，來探討一下AI算法相關(guān)專利的寫作技巧。

II．Dropout技術(shù)

Dropout是由大名鼎鼎的深度學習教父Geoffrey Hinton所提出的一種深度卷積神經(jīng)網(wǎng)絡(luò)技術(shù)。Geoffrey Hinton由于其對機器學習領(lǐng)域的杰出貢獻，獲得了2018年度的圖靈獎，而Dropout技術(shù)被認為是其能夠獲獎的主要技術(shù)成就之一。

Dropout是為了解決神經(jīng)網(wǎng)絡(luò)的訓練過程中出現(xiàn)的過擬合問題而提出的。在機器學習的模型中，如果模型的參數(shù)太多，而訓練樣本又太少，訓練出來的模型很容易產(chǎn)生過擬合的現(xiàn)象。過擬合具體表現(xiàn)在：模型在訓練數(shù)據(jù)上的預測準確率較高；但是在測試數(shù)據(jù)上的預測準確率較低。過擬合是很多機器學習的通病。如果模型過擬合，那么得到的模型幾乎不能用。Hinton提出的Dropout可以比較有效地緩解過擬合的發(fā)生，在一定程度上達到正則化的效果。

Dropout簡單一點說就是，在前向傳播的時候，讓某些節(jié)點的激活值以一定的概率p停止工作（輸出置零），也不更新權(quán)重，其他過程不變。這樣可以讓一個神經(jīng)元的出現(xiàn)不應該依賴于另外一個神經(jīng)元，使模型泛化性更強，如下圖所示。

Dropout的開山之作發(fā)表于2012年7月3日，題為《Improving neural networks by preventing co-adaptation of feature detectors》，而對應的US專利為US 9,406,017 B2，其最早的臨時申請的申請日為2012年12月24日，授權(quán)公告日為2016年8月2日。該專利沒有進入中國，在中國沒有相應的專利權(quán)。

III．論文的公開發(fā)表日與專利的申請日

對于同一個發(fā)明，如果既發(fā)表論文又申請專利，該如何決定二者的遞交/發(fā)表/申請日呢？通常來說，專利的申請日應當在論文公開發(fā)表日之前，因為專利要獲得授權(quán)必須具有新穎性，即在申請日前沒有相同的現(xiàn)有技術(shù)被公開，否則可能會因為時間安排不當而導致自己的論文破壞自己的專利的新穎性。

但該專利的申請日在論文的公開發(fā)表日之后，為什么仍然被授權(quán)了呢？這是因為各國對于專利申請都設(shè)置了“不喪失新穎性的寬限期” ，即在專利的申請日之前的一段時間內(nèi)符合一定條件的公開不破壞專利的新穎性，只不過各國對于 “一段時間”的長短和“一定條件”的規(guī)定各有不同。中國專利法二十四條規(guī)定，在專利的申請日前六個月內(nèi)，由申請人（發(fā)明人）就相同發(fā)明創(chuàng)造在規(guī)定的學術(shù)會議或者技術(shù)會議上首次發(fā)表的，該專利申請不喪失新穎性。而美國則允許申請人在首次公開該發(fā)明內(nèi)容的1年之內(nèi)保留專利申請權(quán)。因此，本案例專利的申請日雖晚于論文公開發(fā)表日，但是在公開發(fā)表日之后的一年之內(nèi)，可以適用新穎性的寬限期，也即該論文不會破壞專利的新穎性。

IV．AI算法專利的專利保護客體適格性審查

除了公開/申請的時間安排要適當之外，對于人工智能算法類專利申請而言，在各國專利審查中要面對的最大挑戰(zhàn)是專利客體適格性的審查，因為這些算法或計算機程序往往體現(xiàn)為數(shù)學模型或計算方法，在多數(shù)國家都不是專利保護的客體。

中國專利法中涉及的相關(guān)條款有專利法第25條第1款第（二）項和第2條第2款。專利法第25條第1款第（二）項規(guī)定，智力活動的規(guī)則和方法不應被授予專利權(quán)。并且在專利審查指南里規(guī)定算法或數(shù)學計算規(guī)則不屬于專利法保護客體。專利法第2條第2款規(guī)定，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。如果人工智能算法專利申請中僅僅記載了一種算法，不包含任何技術(shù)特征，則這樣的專利申請既有可能因為落入了第25條第1款第（二）項所規(guī)定的情況而不屬于專利法保護客體，也有可能因為不屬于技術(shù)方案而不屬于專利法保護客體。

美國專利法中涉及專利客體適格性審查的主要是101條款。美國專利法第101條規(guī)定：“無論是發(fā)明或發(fā)現(xiàn)任何新的和有用的過程、機器、產(chǎn)品或物質(zhì)組成，或任何新的和有用的改進，符合本標題的條件和要求，都可以獲得專利權(quán)?！钡珜儆凇八痉ɡ狻钡淖匀环▌t、物理現(xiàn)象、與抽象概念不可以獲得專利權(quán)。在2014年Alice vs. CLS Bank案后，美國審查指南規(guī)定了判斷適格專利客體時的兩步法，即，步驟1：權(quán)利要求是過程、機器、產(chǎn)品或物質(zhì)組成？步驟2A：確定權(quán)利要求是否指向司法例外。步驟2B：判斷權(quán)利要求中是否有額外要素（additional elements），足以使整體方案明顯多于（significantly more）司法例外。

然而該兩步法在審查員的實際分析遇到了很多困難，特別是涉及人工智能及機器學習算法的發(fā)明，相當一部分該領(lǐng)域的專利申請都因為客體問題被駁回。在這樣的背景下，美國2019年初發(fā)布了新修改的審查指南。針對專利客體的審查做出了新的規(guī)定，將步驟2A分成兩小步Prong1與Prong2。如下圖所示。

首先評估權(quán)利要求是否引用了司法例外的情況（2019年指南中列舉的抽象概念、自然法則或自然現(xiàn)象）。若權(quán)利要求沒有引用任何的“司法例外”，則符合專利客體要求。如果引用了“司法例外”，請轉(zhuǎn)到Prong2步驟。在Prong2步驟，評估權(quán)利要求是否記載了將“司法例外”整合到實際應用的其他元素。若所述例外被整合到實際應用中，則該權(quán)利要求是適格的專利客體。若“司法例外”沒有整合到實際應用中，權(quán)利要求將指向到“司法例外”，轉(zhuǎn)到步驟2B進行進一步分析。

對于本案例的專利來說，其授權(quán)的權(quán)利要求1為：

1. A computer-implemented method comprising:

obtaining a plurality of training cases; and training a neural network having a plurality of layers on the plurality of training cases, each of the layers including one or more feature detectors, each of the feature detectors having a corresponding set of weights, and a subset of the feature detectors being associated with respective probabilities of being disabled during processing of each of the training cases, wherein training the neural network on the plurality of training cases comprises, for each of the training cases respectively:

determining one or more feature detectors to disable during processing of the training case, comprising determining whether to disable each of the feature detectors in the subset based on the respective probability associated with the feature detector,
disabling the one or more feature detectors in accordance with the determining, and
processing the training case using the neural network with the one or more feature detectors disabled to generate a predicted output for the training case.

 
通過檢索該專利在USPTO的審查歷史，我們發(fā)現(xiàn)這個專利在審查階段并沒有被指出過客體問題，而僅僅是在第一次審查意見通知書中被指出了創(chuàng)造性問題，申請人通過一次修改和答復，即被授權(quán)。這說明美國審查員認為權(quán)利要求是通過了專利客體適格性審查的。我們試著按照USPTO的修改前的審查指南來對本專利進行一下專利客體適格性判斷。

首先，在步驟1中確定權(quán)利要求是一種過程。然后進行到步驟2A，由于權(quán)利要求中包括訓練神經(jīng)網(wǎng)絡(luò)，屬于抽象概念，那么在審查時會判定權(quán)利要求指向司法例外。接下來關(guān)鍵的是步驟2B能否得出權(quán)利要求中是否有額外要素足以使整體方案明顯多于司法例外。

由于在步驟2B的判斷中涉及對發(fā)明構(gòu)思（inventive concept）的判斷，因此往往需要通過結(jié)合說明書來進行此步驟。我們發(fā)現(xiàn)權(quán)利要求1中的特征檢測器（feature detector）可以被認為是處理“節(jié)點”，一個或多個處理節(jié)點可以被實施為處理器。進一步，權(quán)利要求中的禁用（disabling）的步驟是通過在傳統(tǒng)神經(jīng)網(wǎng)絡(luò)中引入了新元素，即開關(guān)（switch）和隨機數(shù)發(fā)生器實現(xiàn)的。并且說明書還記載了本發(fā)明可以用于圖像分類、對象識別和語音識別等實際應用，通過本發(fā)明的新的結(jié)構(gòu)和流程可以在提高對測試數(shù)據(jù)的預測準確率的同時減少提高效率和減少時間。通過這些內(nèi)容，可以得知該權(quán)利要求與僅由計算機實現(xiàn)的抽象概念相比滿足了“明顯多于”的要求。

V．AI算法專利的寫作技巧

通過以上分析可以看出，對于算法或計算規(guī)則相關(guān)的發(fā)明創(chuàng)造，只要撰寫得當，是可以申請專利并有望獲得授權(quán)的。代理師在撰寫AI算法相關(guān)專利申請時可以考慮以下幾個方面。

首先，記載實現(xiàn)算法的硬件環(huán)境，例如添加處理器、存儲器等硬件部件。

就本案例來說，專利在說明書文字部分和附圖都明確記載了整個系統(tǒng)包括處理器和存儲器。而論文則無此要求。本案例的論文僅僅說明了算法的原理和用不同的樣本數(shù)據(jù)和測試數(shù)據(jù)的實驗結(jié)果，完全沒有提到硬件環(huán)境。雖然中國專利法和審查指南對于硬件環(huán)境沒有硬性要求，寫成虛擬的軟件模塊只要符合審查指南第二部分第九章的要求也具備授權(quán)可能性。然而如果要去其他國家和地區(qū)申請專利，則必須要考慮這個問題。比如美國專利實踐就傾向于保護有形的產(chǎn)品，由虛擬模塊構(gòu)成的產(chǎn)品往往會被認為得不到說明書的支持，因此，如果專利申請想要在美國獲得授權(quán)，最好描述算法實現(xiàn)的硬件環(huán)境。此外，中國的專利審查指南在2017年4月1日修改之后，也允許處理器+存儲器的形式。預計今后硬件結(jié)構(gòu)+軟件指令的權(quán)利要求形式和硬件環(huán)境的說明書撰寫方式在中國也越來越成為主流。

第二，將算法轉(zhuǎn)化成流程步驟，并在系統(tǒng)結(jié)構(gòu)中增加算法的執(zhí)行部件。

以本案例來說，創(chuàng)新點在于使得某些節(jié)點的激活值以一定的概率p停止工作。對于論文來說，原理部分寫到這里就夠了，本論文中并沒有記載具體的實現(xiàn)流程或部件，而是把重點放在了使用各種樣本集和測試集的實驗結(jié)果上。但是對于專利來說，所關(guān)注的是這樣的構(gòu)思如何具體實現(xiàn)的，因此在申請文件中必須寫明具體的實現(xiàn)流程或部件。

在本專利中，說明書在系統(tǒng)結(jié)構(gòu)的描述中寫明了本發(fā)明是通過增加了一個開關(guān)（switch）和一個隨機數(shù)發(fā)生器實現(xiàn)的。開關(guān)可以按照學習的或預配置的概率選擇性地禁用神經(jīng)網(wǎng)絡(luò)中的特征檢測器。隨機數(shù)發(fā)生器連接到開關(guān)并且為開關(guān)提供使開關(guān)禁用特征檢測器的隨機數(shù)。而開關(guān)和隨機數(shù)發(fā)生器這樣的部件在論文是完全沒有出現(xiàn)過的，是為了符合專利申請的要求創(chuàng)造出來的。

說明書在還按照訓練神經(jīng)網(wǎng)絡(luò)的算法流程，撰寫了方法步驟，包括禁用特征檢測器、處理訓練實例、正則化權(quán)重、處理測試集，參見圖2和說明書相關(guān)文字記載。合適的方法流程步驟對于理解AI算法的發(fā)明構(gòu)思和符合專利撰寫和審查要求是必需的。

第三，將算法與實際應用場景結(jié)合。

美國新修改的審查指南在專利客體適格性判定的步驟2A中的Prong2步驟明確規(guī)定，如果權(quán)利要求記載了將“司法例外”整合到實際應用的其他元素，則該權(quán)利要求是適格的專利客體。中國的審查指南雖未明確規(guī)定，但是在第二部分第九章也規(guī)定了，如果涉及計算機程序的發(fā)明專利申請的解決方案執(zhí)行計算機程序的目的是解決技術(shù)問題，在計算機上運行計算機程序從而對外部或內(nèi)部對象進行控制或處理所反映的是遵循自然規(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，則這種解決方案屬于專利法第二條第二款所說的技術(shù)方案，屬于專利保護的客體。所說的對外部對象的控制或處理包括對某種外部運行過程或外部運行裝置進行控制，對外部數(shù)據(jù)進行處理或者交換等；所說的對內(nèi)部對象的控制或處理包括對計算機系統(tǒng)內(nèi)部性能的改進，對計算機系統(tǒng)內(nèi)部資源的管理，對數(shù)據(jù)傳輸?shù)母倪M等。這些規(guī)定也暗含了計算機軟件應當與具體的應用場景（內(nèi)部對象或外部對象）結(jié)合。況且在實踐中，審查員在考慮客體適格性時，實際應用場景是非常重要的一個考量因素。

就本案例來說，由于論文通常要求作者詳述實驗結(jié)果，因此在論文中已經(jīng)記載了應用在語音識別和圖像識別方面的成果。在專利申請中應當將這些實際應用記載在其中，同時還應當寫明技術(shù)效果。雖然專利申請不需要像論文那樣寫明具體的參數(shù)和具體的實驗結(jié)果，但是一個概述的技術(shù)效果，對于專利客體適格性的評估有著非常重要的影響，尤其是結(jié)合實際應用場景的效果。例如，專利說明書中記載本發(fā)明可以提高對語音識別或圖像識別的測試集的識別性能，并且還提高了效率和減少了時間。這些技術(shù)效果的記載可能是本專利被認為是適格的專利客體的重要依據(jù)。

最后，在最近這次AI技術(shù)起飛之前或之初，國外的巨無霸科技企業(yè)，如谷歌、微軟、IBM等已經(jīng)布局了很多AI相關(guān)專利，有的甚至是特別基礎(chǔ)的AI算法專利，例如本案例涉及的Dropout算法。因此，我國的大學、科研院所和企業(yè)在發(fā)表學術(shù)論文的同時，也要注意進行相應的專利布局，特別要注重高價值和基礎(chǔ)技術(shù)專利在全球的合理布局，使我國能夠在此次全球AI技術(shù)革新中占得一席之地。

來源：IPRdaily中文網(wǎng)（iprdaily.cn）

作者：李曉芳  中國國際貿(mào)易促進委員會專利商標事務(wù)所

編輯：IPRdaily王穎          校對：IPRdaily縱橫君

推薦閱讀（點擊圖文，閱讀全文）

注：原文鏈接：通過Dropout論文和專利的對比探討AI算法相關(guān)專利的寫作（點擊標題查看原文）

如有想看文章主題內(nèi)容，歡迎留言評論~

官宣！首屆“全球科技創(chuàng)新與知識產(chǎn)權(quán)總裁研修班”招生簡章

嘉賓寄語CPIPS 2019：相約第四屆中國醫(yī)藥知識產(chǎn)權(quán)峰會2019（10月23-25，上海）

可信好用的全球?qū)＠麛?shù)據(jù)庫

延期通知！尋找40位40歲以下企業(yè)知識產(chǎn)權(quán)精英（40 Under 40）活動改期

“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/”