论文部分内容阅读
摘要：随着以算法为核心的人工智能技术的发展，算法的应用领域在深度和广度两个方向均拓展迅猛。当技术深入到生产生活的实践中后，如何获得市场的合法垄断、对创新技术的保护成为迫切的需要，创新主体关于算法保护的需求已经体现在已经公开的专利申请中。本文从专利申请数量和内容出发分析了人工智能专利申请的撰写方法和审查的重要性，并结合具体的案例探讨了专利申请撰写和审查时人工智能领域的方案与专利法第2条第2款的关系。
关键词：人工智能;专利制度;客体;
一、引言
人工智能（Artificial Intelligence，AI）并不是一个新的概念，从1956 年在达特茅斯会议提出至今已经历了六十多年的发展。随着人工智能技术的发展，算法的创新在人工智能发展中的重要作用越来越凸显。另一方面，国家层面也非常重视人工智能技术的发展，中央政治局进行第二十五次集体学习时，习近平在讲要“强化知识产权全链条保护”时指出，要强化人工智能、大数据等信息技术在知识产权审查和保护领域的应用，讲到“深化知识产权保护工作体制机制改革”时，也指出：要健全大数据、人工智能、基因技术等新领域新业态知识产权保护制度。而人工智能相关的专利申请该如何撰写、如何审查、如何保护的成了专利申请人和专利代理人、专利审查员、知识产权局法庭相关人员等需要解决的问题。
二、人工智能领域的专利现状
人工智能被广泛的应用到各个领域，主要包括圖像识别，语音，文本语义等识别，更具体的在医疗，智能家居等各行各业都得到了利用，并更好了提高了人们生活质量。也促使更多研究人员对人工智能进行相关的研究，并申请相关的专利。研究人员多集中在两个方面，一是对人工智能算法的改进进行研究，二是对人工智能算法在各个领域的应用进行研究。人工智能领域最近四年的专利申请数量如下表所示：
从上表中可知人工智能相关的专利申请量逐年增加。由于研究人员专注人工智能领域的算法和应用的研究，对专利制度不甚了解，导致在专利申请时会出现撰写水平不足等问题，导致无法得到授权。《专利法》第2条第2款规定：发明，是指对产品、方法或者其改进所提出的新的技术方案。《专利审查指南》中指出，如果权利要求记载了对要解决的技术问题采用了利用自然规律的技术手段，并且由此获得符合自然规律的技术效果，则该权利要求限定的解决方案属于专利法第2条第2款所述的技术方案。例如，如果权利要求中涉及算法的各个步骤体现出与所要解决的技术问题密切相关，如算法处理的数据是技术领域中具有确切技术含义的数据，算法的执行能直接体现出利用自然规律解决某一技术问题的过程，并且获得了技术效果，则通常该权利要求限定的解决方案属于专利法第2条第2款所述的技术方案。而在具体案例中如何判断是否采用了利用自然规律的技术手段，何种规律属于自然规律，以及如何判断数据是否具备技术含义是一项较为困难的问题。
三、案例分析
神经网络算法属于人工智能领域常用的算法，下面通过分析涉及神经网络模型，并且以三种不同的方式进行撰写的三个案例来分析专利申请是否属于专利法规定的技术方案。
第一个案例的权利要求请求保护一种高效张量化全连接神经网络的方法，其特征在于，包括以下步骤： 将神经网络的全连接层输入向量x'∈RN表示为张量形式;将神经网络的全连接层的权重张量化，表示为张量环分解形式; 使用神经网络全连接层的张量化算法进行神经网络的前向传播; 在神经网络的反向传播过程中，更新神经网络全连接层的权重的张量环分解形式的核心矩阵; 判断数据集是否完成迭代，若是，则返回网络的权重张量参数。该方案不涉及任何具体的应用领域，其各个步骤仅是对神经网络模型的改进，其实质是一种抽象的模型建立方法，其处理对象、过程和结果都不涉及与具体应用领域的结合，属于对抽象的神经网络模型的优化，因此不属于专利法规定的技术方案。
第二个案例的权利要求请求保护一种集成长短记忆循环神经网络与梯度提升决策树的方法，其应用于医学领域，包括一下步骤：输入训练数据集每一时刻的特征到森林层;用森林层里的梯度提升决策树产生固定维度的特征作为长短记忆循环神经网络的输入;长短记忆循环神经网络进行一次前向传播并得到误差;长短记忆循环神经网络进行一次反向传播得到森林层的误差梯度;用梯度提升的方法更新森林层;反复执行步骤S2至步骤S5，直至收敛。该权利要求虽然限定了应用领域，即医学领域，但是未具体限定处理医学领域的何种数据，以及各步骤与医学领域的具体的数据如何进行结合，因此，该方案也不属于专利法规定的技术方案。
第三个案例的权利要求请求保护人脸关键点检测方法，其特征在于，包括： 获取初始人脸图像; 对初始人脸图像进行预处理，以得到待检测人脸图像; 通过初级卷积神经网络模型对待检测人脸图像进行关键点预测，以得到预测的人脸关 键点; 通过二级卷积神经网络模型对预测的人脸关键点进行再次检测，以得到目标关键点。该方案明确了卷积神经网络处理的数据均为人脸图像数据以及各步骤如何处理图像数据，体现出神经网络训练算法与图像信息处理密切相关;该解决方案所解决的是如何获取人脸图像中关键点的技术问题，利用的是遵循图像相关的自然规律的技术手段，获得了识别图像的技术效果。因此，该权利要求的方案属于专利法规定的技术方案。
四、总结
通过以上的案例分析可知，单纯的人工智能的算法不属于专利法规定的技术方案;人工智能算法若简单限定其应用领域，而从具体方案仍然未反映出该应用领域与算法的结合时，该方案仍然不属于专利法规定的技术方案。因此，本文建议代理人和申请人在撰写专利申请文件时应避免采用此两种方式。当权利要求中的算法应用于具体的技术领域，可以解决具体技术问题，那么可以认为该算法特征与技术特征功能上彼此相互支持、存在相互作用关系，该算法特征成为所采取的技术手段的组成部分。因此，本文建议代理人和申请人撰写专利申请文件时，在方案中体现出人工智能算法的各个步骤与具体应用领域的数据如何进行结合的内容。
关键词：人工智能;专利制度;客体;
一、引言
人工智能（Artificial Intelligence，AI）并不是一个新的概念，从1956 年在达特茅斯会议提出至今已经历了六十多年的发展。随着人工智能技术的发展，算法的创新在人工智能发展中的重要作用越来越凸显。另一方面，国家层面也非常重视人工智能技术的发展，中央政治局进行第二十五次集体学习时，习近平在讲要“强化知识产权全链条保护”时指出，要强化人工智能、大数据等信息技术在知识产权审查和保护领域的应用，讲到“深化知识产权保护工作体制机制改革”时，也指出：要健全大数据、人工智能、基因技术等新领域新业态知识产权保护制度。而人工智能相关的专利申请该如何撰写、如何审查、如何保护的成了专利申请人和专利代理人、专利审查员、知识产权局法庭相关人员等需要解决的问题。
二、人工智能领域的专利现状
人工智能被广泛的应用到各个领域，主要包括圖像识别，语音，文本语义等识别，更具体的在医疗，智能家居等各行各业都得到了利用，并更好了提高了人们生活质量。也促使更多研究人员对人工智能进行相关的研究，并申请相关的专利。研究人员多集中在两个方面，一是对人工智能算法的改进进行研究，二是对人工智能算法在各个领域的应用进行研究。人工智能领域最近四年的专利申请数量如下表所示：
从上表中可知人工智能相关的专利申请量逐年增加。由于研究人员专注人工智能领域的算法和应用的研究，对专利制度不甚了解，导致在专利申请时会出现撰写水平不足等问题，导致无法得到授权。《专利法》第2条第2款规定：发明，是指对产品、方法或者其改进所提出的新的技术方案。《专利审查指南》中指出，如果权利要求记载了对要解决的技术问题采用了利用自然规律的技术手段，并且由此获得符合自然规律的技术效果，则该权利要求限定的解决方案属于专利法第2条第2款所述的技术方案。例如，如果权利要求中涉及算法的各个步骤体现出与所要解决的技术问题密切相关，如算法处理的数据是技术领域中具有确切技术含义的数据，算法的执行能直接体现出利用自然规律解决某一技术问题的过程，并且获得了技术效果，则通常该权利要求限定的解决方案属于专利法第2条第2款所述的技术方案。而在具体案例中如何判断是否采用了利用自然规律的技术手段，何种规律属于自然规律，以及如何判断数据是否具备技术含义是一项较为困难的问题。
三、案例分析
神经网络算法属于人工智能领域常用的算法，下面通过分析涉及神经网络模型，并且以三种不同的方式进行撰写的三个案例来分析专利申请是否属于专利法规定的技术方案。
第一个案例的权利要求请求保护一种高效张量化全连接神经网络的方法，其特征在于，包括以下步骤： 将神经网络的全连接层输入向量x'∈RN表示为张量形式;将神经网络的全连接层的权重张量化，表示为张量环分解形式; 使用神经网络全连接层的张量化算法进行神经网络的前向传播; 在神经网络的反向传播过程中，更新神经网络全连接层的权重的张量环分解形式的核心矩阵; 判断数据集是否完成迭代，若是，则返回网络的权重张量参数。该方案不涉及任何具体的应用领域，其各个步骤仅是对神经网络模型的改进，其实质是一种抽象的模型建立方法，其处理对象、过程和结果都不涉及与具体应用领域的结合，属于对抽象的神经网络模型的优化，因此不属于专利法规定的技术方案。
第二个案例的权利要求请求保护一种集成长短记忆循环神经网络与梯度提升决策树的方法，其应用于医学领域，包括一下步骤：输入训练数据集每一时刻的特征到森林层;用森林层里的梯度提升决策树产生固定维度的特征作为长短记忆循环神经网络的输入;长短记忆循环神经网络进行一次前向传播并得到误差;长短记忆循环神经网络进行一次反向传播得到森林层的误差梯度;用梯度提升的方法更新森林层;反复执行步骤S2至步骤S5，直至收敛。该权利要求虽然限定了应用领域，即医学领域，但是未具体限定处理医学领域的何种数据，以及各步骤与医学领域的具体的数据如何进行结合，因此，该方案也不属于专利法规定的技术方案。
第三个案例的权利要求请求保护人脸关键点检测方法，其特征在于，包括： 获取初始人脸图像; 对初始人脸图像进行预处理，以得到待检测人脸图像; 通过初级卷积神经网络模型对待检测人脸图像进行关键点预测，以得到预测的人脸关 键点; 通过二级卷积神经网络模型对预测的人脸关键点进行再次检测，以得到目标关键点。该方案明确了卷积神经网络处理的数据均为人脸图像数据以及各步骤如何处理图像数据，体现出神经网络训练算法与图像信息处理密切相关;该解决方案所解决的是如何获取人脸图像中关键点的技术问题，利用的是遵循图像相关的自然规律的技术手段，获得了识别图像的技术效果。因此，该权利要求的方案属于专利法规定的技术方案。
四、总结
通过以上的案例分析可知，单纯的人工智能的算法不属于专利法规定的技术方案;人工智能算法若简单限定其应用领域，而从具体方案仍然未反映出该应用领域与算法的结合时，该方案仍然不属于专利法规定的技术方案。因此，本文建议代理人和申请人在撰写专利申请文件时应避免采用此两种方式。当权利要求中的算法应用于具体的技术领域，可以解决具体技术问题，那么可以认为该算法特征与技术特征功能上彼此相互支持、存在相互作用关系，该算法特征成为所采取的技术手段的组成部分。因此，本文建议代理人和申请人撰写专利申请文件时，在方案中体现出人工智能算法的各个步骤与具体应用领域的数据如何进行结合的内容。