人工智能領域算法類發明專利申請客體的判定方法

譚碧云 唐進嶺 徐菲

【摘要】計算機領域專利保護客體的審查一直以來都是實質審查中的難點，盡管都是利用技術問題、技術手段和技術效果三要素來判斷是否構成技術方案，然而在實際審查中不同領域的審查策略不盡相同。本文通過對具體案例的分析，討論涉及人工智能領域下的算法類發明專利申請的客體的判定方法。

【關鍵詞】專利保護客體 技術方案 人工智能領域 算法

一、引言

專利法第2 條第2 款規定：專利法所稱的發明，是指對產品、方法或者其改進所提出的新的技術方案。在定義中，規定了專利法意義上的客體必須是針對產品或方法的技術方案。技術方案需要具備三個“技術”要素，即要有解決的技術問題，采用的技術手段，和達到的技術效果。反之，不同時滿足上述三個條件的則排除在專利保護客體之外，這也是在具體審查過程中常用的判斷方式。

人工智能算法能夠成為專利客體已經成為共識[1];在客體判斷時，純算法類的發明專利申請毋庸置疑是不屬于客體的;通常申請人會加入申請領域與算法結合從而來試圖克服客體的缺陷。那么發明專利申請中是否只需要加入領域就可以克服呢？在實質審查中，客體的判定傾向于應用領域與算法的結合緊密程度，應用了特定算法的領域是否可替換為其他領域，上述算法是否解決了特定領域的技術問題，從而對人工智能領域算法類發明是否為技術方案進行認定。下面，通過對相關案例的分析以及擴展，從而更深刻地理解和判斷人工智能領域的算法類發明是否為技術方案。

二、案例分析

接下來看一個案例。

發明專利申請CN106462800A（公開日：20170222）要求保護的權利要求1 內容如下：

“1、一種用于在多個批量的訓練樣例上訓練卷積神經網絡的系統，所述卷積神經網絡具有多個層，所述多個層被布置成從最低到最高的序列，所述序列包括一個或多個卷積層，所述一個或多個卷積層后面跟隨有一個或多個全連接層，每個卷積層和每個全連接層包括相應的多個節點，所述系統包括： 多個工作器，其中，每個工作器被配置成維護每個所述卷積層的相應副本以及每個所述全連接層的相應的不相交分區，其中，卷積層的每個副本包括所述卷積層中的全部節點，其中，全連接層的每個不相交分區包括所述全連接層的一部分所述節點，并且其中，每個工作器被配置成執行操作，所述操作包括： 接收指派給所述工作器的批量的訓練樣例，其中，所述批量的訓練樣例被指派為使得每個工作器接收所述多個批量中的相應批量; 在指派給所述工作器的所述批量的訓練樣例上，訓練由所述工作器維護的所述卷積層副本;以及 在所述多個批量的訓練樣例的每個上，訓練由所述工作器維護的所述全連接層分區?！?/p>

這是一個復審案例，前審中，審查員認為該權利要求所采用的方案是如何對卷積神經網絡進行訓練，減少了神經網絡的訓練時間，本質上是對算法的改進，即其利用的手段并非技術手段，同時沒有提及該系統或方法能夠用于解決何種實際的技術問題，即沒有形成具有技術意義的技術方案，以及也沒有體現出運用該訓練系統或方法后能夠帶為解決技術問題帶來何種技術效果。最終審查員以權利要求不符合專利法第2條第2款的規定駁回。

申請人提出復審，并將權利要求修改為：

“1、一種用于在多個批量的訓練樣例上訓練圖像處理卷積神經網絡的系統，其中，所述圖像處理卷積神經網絡被配置成接收一個或多個圖像作為輸入，并且每個訓練樣例包括一個或多個圖像，所述圖像處理卷積神經網絡具有多個層，所述多個層被布置成從最低到最高的序列，所述序列包括一個或多個卷積層，所述一個或多個卷積層后面跟隨有一個或多個全連接層，每個卷積層和每個全連接層包括相應的多個節點，所述圖像處理卷積神經網絡的輸出是多個類別的多個分數，所述多個分數中的每個分數表示輸入圖像包含屬于一個類別的對象的圖像的可能性，所述系統包括：...（后續相同）。”

權利要求不僅限定了神經網絡輸入為圖像，還限定了輸出為圖像類別的分數;是否可以認為神經網絡與領域為緊密聯系，從而可以構成技術方案呢？

復審認為，修改后的權利要求1仍不構成技術方案。盡管修改后的權利要求限定了神經網絡的輸入為圖像，輸出為圖像類別的分數，但并未體現出如何與圖像領域的緊密結合，其請求保護的依然是通用的神經網絡訓練方法，無法體現出輸入的圖像數據與該神經網絡之間的關聯[2]。

申請人僅僅是為了規避客體問題，在權利要求的撰寫的形式上加入了技術領域及技術特征的相關內容，但是加入的技術領域和技術特征并沒有和算法進行緊密的結合。將該輸入“圖像”替換為任何其他領域、或者刪除，都不會影響輸出結果的輸出;如：將圖像替換為語音，那么神經網絡的輸出自然為語音對應多個類別的多個分數;所有的步驟和結果都不會受到因為輸入圖像所賦予的影響。

另外，復審還考慮了說明書的記載，其解決的并不是圖像如何進行分類這樣一個技術問題，其仍然是用于提高神經網絡的性能的問題;說明書中僅僅是簡單舉例將該神經網絡用于圖像分類，并沒有詳細的記載神經網絡內部與圖像之間的聯系。

綜上，并非申請人將方案的處理對象限定為圖像或圖片，語音或文本，就能使方案一定構成技術方案，還要看該申請要解決的問題和/或采用的手段到底是否與圖像、語音、文本有關。對于“硬植入”的情形，即便方案表明處理的數據對象是圖像、文本、語音，但是當申請實際要解決的問題仍在于抽象的算法、模型本身的優化，那么仍不能構成技術方案。。

三、結語

隨著人工智能時代的到來，算法在其中扮演著越來越重要的角色。單純的算法毋庸置疑屬于智力活動的規則和方法;然而當算法應用于領域時，是否就能認為該算法即用于解決特定領域的技術問題還需要進一步的認定。技術方案的三要素中判斷焦點在于：手段的集合在解決技術問題時是否利用了自然規律，體現在算法類發明專利申請的客體判斷中則是：手段是否結合了應用領域和技術特征，從而使之區別于單純的算法;問題是否為特定領域的問題，從而使之區別于單純的算法能夠解決的問題。

40.參考文獻：

[1]姚葉.人工智能算法的可專利性問題研究[J].創新科技，2021（9）：70-78

[2]專利復審委員會第1F28022號復審決定書，2021年2月24日

作者簡介：譚碧云（1989-），女，碩士，助理研究員，主要從事人工智能、商業方法領域的專利審查;

唐進嶺（1983-），男，碩士，助理研究員，主要從事計算機存儲技術、人工智能領域的專利審查（等同于第一作者）;徐菲（1989-），女，碩士，助理研究員，主要從事人工智能領域的專利審查。