人工智能领域算法类发明专利申请客体的判定方法

谭碧云 唐进岭 徐菲

【摘要】计算机领域专利保护客体的审查一直以来都是实质审查中的难点，尽管都是利用技术问题、技术手段和技术效果三要素来判断是否构成技术方案，然而在实际审查中不同领域的审查策略不尽相同。本文通过对具体案例的分析，讨论涉及人工智能领域下的算法类发明专利申请的客体的判定方法。

【关键词】专利保护客体 技术方案 人工智能领域 算法

一、引言

专利法第2 条第2 款规定：专利法所称的发明，是指对产品、方法或者其改进所提出的新的技术方案。在定义中，规定了专利法意义上的客体必须是针对产品或方法的技术方案。技术方案需要具备三个“技术”要素，即要有解决的技术问题，采用的技术手段，和达到的技术效果。反之，不同时满足上述三个条件的则排除在专利保护客体之外，这也是在具体审查过程中常用的判斷方式。

人工智能算法能够成为专利客体已经成为共识[1];在客体判断时，纯算法类的发明专利申请毋庸置疑是不属于客体的;通常申请人会加入申请领域与算法结合从而来试图克服客体的缺陷。那么发明专利申请中是否只需要加入领域就可以克服呢？在实质审查中，客体的判定倾向于应用领域与算法的结合紧密程度，应用了特定算法的领域是否可替换为其他领域，上述算法是否解决了特定领域的技术问题，从而对人工智能领域算法类发明是否为技术方案进行认定。下面，通过对相关案例的分析以及扩展，从而更深刻地理解和判断人工智能领域的算法类发明是否为技术方案。

二、案例分析

接下来看一个案例。

发明专利申请CN106462800A（公开日：20170222）要求保护的权利要求1 内容如下：

“1、一种用于在多个批量的训练样例上训练卷积神经网络的系统，所述卷积神经网络具有多个层，所述多个层被布置成从最低到最高的序列，所述序列包括一个或多个卷积层，所述一个或多个卷积层后面跟随有一个或多个全连接层，每个卷积层和每个全连接层包括相应的多个节点，所述系统包括： 多个工作器，其中，每个工作器被配置成维护每个所述卷积层的相应副本以及每个所述全连接层的相应的不相交分区，其中，卷积层的每个副本包括所述卷积层中的全部节点，其中，全连接层的每个不相交分区包括所述全连接层的一部分所述节点，并且其中，每个工作器被配置成执行操作，所述操作包括： 接收指派给所述工作器的批量的训练样例，其中，所述批量的训练样例被指派为使得每个工作器接收所述多个批量中的相应批量; 在指派给所述工作器的所述批量的训练样例上，训练由所述工作器维护的所述卷积层副本;以及 在所述多个批量的训练样例的每个上，训练由所述工作器维护的所述全连接层分区。”

这是一个复审案例，前审中，审查员认为该权利要求所采用的方案是如何对卷积神经网络进行训练，减少了神经网络的训练时间，本质上是对算法的改进，即其利用的手段并非技术手段，同时没有提及该系统或方法能够用于解决何种实际的技术问题，即没有形成具有技术意义的技术方案，以及也没有体现出运用该训练系统或方法后能够带为解决技术问题带来何种技术效果。最终审查员以权利要求不符合专利法第2条第2款的规定驳回。

申请人提出复审，并将权利要求修改为：

“1、一种用于在多个批量的训练样例上训练图像处理卷积神经网络的系统，其中，所述图像处理卷积神经网络被配置成接收一个或多个图像作为输入，并且每个训练样例包括一个或多个图像，所述图像处理卷积神经网络具有多个层，所述多个层被布置成从最低到最高的序列，所述序列包括一个或多个卷积层，所述一个或多个卷积层后面跟随有一个或多个全连接层，每个卷积层和每个全连接层包括相应的多个节点，所述图像处理卷积神经网络的输出是多个类别的多个分数，所述多个分数中的每个分数表示输入图像包含属于一个类别的对象的图像的可能性，所述系统包括：...（后续相同）。”

权利要求不仅限定了神经网络输入为图像，还限定了输出为图像类别的分数;是否可以认为神经网络与领域为紧密联系，从而可以构成技术方案呢？

复审认为，修改后的权利要求1仍不构成技术方案。尽管修改后的权利要求限定了神经网络的输入为图像，输出为图像类别的分数，但并未体现出如何与图像领域的紧密结合，其请求保护的依然是通用的神经网络训练方法，无法体现出输入的图像数据与该神经网络之间的关联[2]。

申请人仅仅是为了规避客体问题，在权利要求的撰写的形式上加入了技术领域及技术特征的相关内容，但是加入的技术领域和技术特征并没有和算法进行紧密的结合。将该输入“图像”替换为任何其他领域、或者删除，都不会影响输出结果的输出;如：将图像替换为语音，那么神经网络的输出自然为语音对应多个类别的多个分数;所有的步骤和结果都不会受到因为输入图像所赋予的影响。

另外，复审还考虑了说明书的记载，其解决的并不是图像如何进行分类这样一个技术问题，其仍然是用于提高神经网络的性能的问题;说明书中仅仅是简单举例将该神经网络用于图像分类，并没有详细的记载神经网络内部与图像之间的联系。

综上，并非申请人将方案的处理对象限定为图像或图片，语音或文本，就能使方案一定构成技术方案，还要看该申请要解决的问题和/或采用的手段到底是否与图像、语音、文本有关。对于“硬植入”的情形，即便方案表明处理的数据对象是图像、文本、语音，但是当申请实际要解决的问题仍在于抽象的算法、模型本身的优化，那么仍不能构成技术方案。。

三、结语

随着人工智能时代的到来，算法在其中扮演着越来越重要的角色。单纯的算法毋庸置疑属于智力活动的规则和方法;然而当算法应用于领域时，是否就能认为该算法即用于解决特定领域的技术问题还需要进一步的认定。技术方案的三要素中判断焦点在于：手段的集合在解决技术问题时是否利用了自然规律，体现在算法类发明专利申请的客体判断中则是：手段是否结合了应用领域和技术特征，从而使之区别于单纯的算法;问题是否为特定领域的问题，从而使之区别于单纯的算法能够解决的问题。

40.参考文献：

[1]姚叶.人工智能算法的可专利性问题研究[J].创新科技，2021（9）：70-78

[2]专利复审委员会第1F28022号复审决定书，2021年2月24日

作者简介：谭碧云（1989-），女，硕士，助理研究员，主要从事人工智能、商业方法领域的专利审查;

唐进岭（1983-），男，硕士，助理研究员，主要从事计算机存储技术、人工智能领域的专利审查（等同于第一作者）;徐菲（1989-），女，硕士，助理研究员，主要从事人工智能领域的专利审查。