淺議人工智能專(zhuān)利的創(chuàng)造性判斷標(biāo)準(zhǔn)

#本文由作者授權(quán)發(fā)布，不代表IPRdaily立場(chǎng)，未經(jīng)作者許可，禁止轉(zhuǎn)載#

“本文結(jié)合具體的無(wú)效案例來(lái)對(duì)實(shí)施案例中端點(diǎn)值的設(shè)計(jì)與權(quán)利要求中數(shù)值范圍的概括之間的關(guān)系進(jìn)行分析和探討?！?br/>

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

作者：盧楓 林達(dá)劉知識(shí)產(chǎn)權(quán)

引言

隨著數(shù)字化時(shí)代的到來(lái)，人工智能被廣泛應(yīng)用于家居、制造、金融、醫(yī)療、安防、交通、零售、教育和物流等諸多領(lǐng)域。涉及人工智能的專(zhuān)利申請(qǐng)也越來(lái)越多。據(jù)統(tǒng)計(jì)，2021年人工智能領(lǐng)域?qū)＠暾?qǐng)量是2015年的30倍。其中，中國(guó)申請(qǐng)了全球一半以上的人工智能專(zhuān)利。人工智能專(zhuān)利涉及到算法特征，但算法特征本身不屬于技術(shù)特征，因此，算法特征在創(chuàng)造性的判斷中應(yīng)當(dāng)如何考慮，是人工智能專(zhuān)利的創(chuàng)造性判斷的難點(diǎn)。下面，筆者基于最新的無(wú)效案例來(lái)探討人工智能專(zhuān)利的創(chuàng)造性判斷標(biāo)準(zhǔn)。

一、審查指南規(guī)定

《專(zhuān)利審查指南》第二部分第九章第6.1.3節(jié)規(guī)定：

對(duì)既包含技術(shù)特征又包含算法特征或商業(yè)規(guī)則和方法特征的發(fā)明專(zhuān)利申請(qǐng)進(jìn)行創(chuàng)造性審查時(shí)，應(yīng)將與技術(shù)特征功能上彼此相互支持、存在相互作用關(guān)系的算法特征或商業(yè)規(guī)則和方法特征與所述技術(shù)特征作為一個(gè)整體考慮?！肮δ苌媳舜讼嗷ブС帧⒋嬖谙嗷プ饔藐P(guān)系”是指算法特征或商業(yè)規(guī)則和方法特征與技術(shù)特征緊密結(jié)合、共同構(gòu)成了解決某一技術(shù)問(wèn)題的技術(shù)手段,并且能夠獲得相應(yīng)的技術(shù)效果。

例如，如果權(quán)利要求中的算法應(yīng)用于具體的技術(shù)領(lǐng)域，可以解決具體技術(shù)問(wèn)題，那么可以認(rèn)為該算法特征與技術(shù)特征功能上彼此相互支持、存在相互作用關(guān)系，該算法特征成為所采取的技術(shù)手段的組成部分，在進(jìn)行創(chuàng)造性審查時(shí)，應(yīng)當(dāng)考慮所述的算法特征對(duì)技術(shù)方案作出的貢獻(xiàn)。

根據(jù)上述規(guī)定，對(duì)于算法特征來(lái)說(shuō)，如果其與技術(shù)特征“功能上彼此相互支持、存在相互作用關(guān)系”，那么在進(jìn)行創(chuàng)造性判斷時(shí)，應(yīng)當(dāng)將該算法特征與技術(shù)特征作為一個(gè)整體考慮。但如何判斷算法特征和技術(shù)特征“功能上彼此相互支持、存在相互作用關(guān)系”，本身并不是一件容易的事情。現(xiàn)行審查指南給出一種具體情形，即，如果權(quán)利要求中的算法應(yīng)用于具體的技術(shù)領(lǐng)域，可以解決具體技術(shù)問(wèn)題，那么可以認(rèn)為該算法特征與技術(shù)特征功能上彼此相互支持、存在相互作用關(guān)系。然而，“權(quán)利要求中的算法應(yīng)用于具體的技術(shù)領(lǐng)域，可以解決具體技術(shù)問(wèn)題”本身仍然不夠明確。

因此，人工智能專(zhuān)利的創(chuàng)造性判斷規(guī)則，仍然需要進(jìn)一步的完善。

二、案例介紹

涉案專(zhuān)利的發(fā)明名稱(chēng)為“一種建立廢鋼等級(jí)劃分神經(jīng)網(wǎng)絡(luò)模型方法”，專(zhuān)利號(hào)為ZL201910958076.6。

涉案專(zhuān)利涉及人工智能技術(shù)在鋼鐵行業(yè)的應(yīng)用，通過(guò)采用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行廢鋼鐵等級(jí)分類(lèi)的特征提取和深度學(xué)習(xí)，實(shí)現(xiàn)了對(duì)廢鋼鐵等級(jí)的客觀(guān)準(zhǔn)確的自動(dòng)分類(lèi)。

涉案專(zhuān)利的權(quán)利要求1如下：

一種建立廢鋼等級(jí)劃分神經(jīng)網(wǎng)絡(luò)模型方法，所述模型用于廢鋼收儲(chǔ)的等級(jí)分類(lèi)檢測(cè)，包括獲取多個(gè)圖像，目測(cè)確定多個(gè)圖像的不同廢鋼等級(jí)，對(duì)所述圖像進(jìn)行預(yù)處理去除無(wú)效水印、提高圖像對(duì)比度，對(duì)圖像數(shù)據(jù)進(jìn)行圖像數(shù)據(jù)特征提取，對(duì)提取的不同等級(jí)圖像數(shù)據(jù)特征進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)形成具有等級(jí)分類(lèi)輸出的等級(jí)劃分神經(jīng)網(wǎng)絡(luò)模型；其特征在于，所述圖像數(shù)據(jù)特征的提取是對(duì)圖像畫(huà)面像素點(diǎn)矩陣數(shù)據(jù)進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)卷積計(jì)算的集合實(shí)現(xiàn)的提取，包括：由集合輸出的多條線(xiàn)路卷積層或卷積層加池化層計(jì)算構(gòu)成的對(duì)圖像中物體顏色、邊緣特征和紋理特征的提取，以及對(duì)圖像中物體邊緣、紋理之間關(guān)聯(lián)特征的提??；

其中，一，所述圖像中物體顏色、邊緣特征的提取是由三條線(xiàn)路卷積層加池化層計(jì)算輸出的集合輸出構(gòu)成，包括從左至右的第一條線(xiàn)路一層池化層、第二條線(xiàn)路二層卷積層和第三條線(xiàn)路四層卷積層；二，所述對(duì)圖像中紋理特征的提取是對(duì)上述圖像中物體顏色、邊緣特征的提取集合輸出進(jìn)行的提取，是由三條線(xiàn)路卷積層計(jì)算輸出的集合輸出構(gòu)成，包括從左至右的第一條線(xiàn)路0卷積層、第二條線(xiàn)路二層卷積層和第三條線(xiàn)路三層卷積層；紋理特征形成的是卷積網(wǎng)絡(luò)的激活函數(shù)(Relu activation)；

至少三條線(xiàn)路卷積層或卷積層加池化層計(jì)算輸出的集合輸出構(gòu)成了對(duì)圖像中物體顏色、邊緣特征和紋理特征的提取，每一條線(xiàn)路的卷積層數(shù)各不相同；

所述對(duì)邊緣、紋理之間關(guān)聯(lián)特征提取的卷積層計(jì)算的線(xiàn)路數(shù)大于對(duì)圖像中物體顏色、邊緣和紋理特征提取的卷積層計(jì)算的線(xiàn)路數(shù)。

證據(jù)1公開(kāi)了選用料豆的火車(chē)輪子的圖像進(jìn)行測(cè)試識(shí)別的結(jié)果的相關(guān)內(nèi)容，識(shí)別結(jié)果為具體的廢鋼料型。

涉案專(zhuān)利權(quán)利要求1與證據(jù)1存在以下區(qū)別：

第一，兩者應(yīng)用場(chǎng)景不同。權(quán)利要求1是一種建立廢鋼等級(jí)劃分神經(jīng)網(wǎng)絡(luò)模型的方法，所述模型用于廢鋼收儲(chǔ)的等級(jí)分類(lèi)檢測(cè)，其應(yīng)用場(chǎng)景為廢鋼等級(jí)劃分；而證據(jù)1公開(kāi)的是建立廢鋼種類(lèi)識(shí)別神經(jīng)網(wǎng)絡(luò)模型的方法，其應(yīng)用場(chǎng)景為廢鋼種類(lèi)識(shí)別。

第二，兩者所采用的方法步驟不同。權(quán)利要求1在獲取圖像步驟中限定了目測(cè)確定多個(gè)圖像的不同廢鋼等級(jí)，在圖像數(shù)據(jù)特征提取步驟中限定了提取的是不同等級(jí)圖像數(shù)據(jù)特征，在神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)訓(xùn)練步驟中限定了針對(duì)提取的不同等級(jí)圖像數(shù)據(jù)特征進(jìn)行學(xué)習(xí)、形成具有等級(jí)分類(lèi)輸出的等級(jí)劃分神經(jīng)網(wǎng)絡(luò)模型。證據(jù)1公開(kāi)了獲取圖像、預(yù)處理、特征提取、以及通過(guò)訓(xùn)練學(xué)習(xí)建立神經(jīng)網(wǎng)絡(luò)模型的方法步驟，但其訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型是用于識(shí)別出廢鋼鐵圖像中的廢鋼鐵具體是何種料型，與廢鋼等級(jí)無(wú)關(guān)。

第三，兩者所選取的重要參數(shù)和所采用的具體模塊構(gòu)成不同。權(quán)利要求1中限定了圖像數(shù)據(jù)特征提取的更具體的內(nèi)容，如特征提取所選取的參數(shù)以及特征提取所采用的具體模塊構(gòu)成；而證據(jù)1未公開(kāi)上述內(nèi)容。

基于上述區(qū)別，權(quán)利要求1實(shí)際要解決的問(wèn)題是：建立對(duì)廢鋼料等級(jí)劃分的神經(jīng)網(wǎng)絡(luò)模型，以解決廢鋼收儲(chǔ)的等級(jí)分類(lèi)檢測(cè)的應(yīng)用場(chǎng)景中的等級(jí)劃分問(wèn)題，以及針對(duì)該問(wèn)題如何具體選取數(shù)據(jù)參數(shù)和相關(guān)模塊。

合議組認(rèn)為，證據(jù)1全文論述的是如何對(duì)廢鋼鐵的種類(lèi)進(jìn)行自動(dòng)識(shí)別，所公開(kāi)的方法步驟、具體示例均僅涉及如何進(jìn)行種類(lèi)識(shí)別以及識(shí)別結(jié)果是何種料型，證據(jù)1中對(duì)于如何分級(jí)并無(wú)進(jìn)一步的記載或公開(kāi)。因此，從證據(jù)1所給出的應(yīng)用場(chǎng)景、方法步驟和重要參數(shù)中無(wú)法得到建立廢鋼料等級(jí)劃分的神經(jīng)網(wǎng)絡(luò)模型，以對(duì)混雜在一起的各種類(lèi)型的廢鋼料進(jìn)行等級(jí)劃分的技術(shù)啟示。

證據(jù)2公開(kāi)了上述第三點(diǎn)區(qū)別的在卷積神經(jīng)網(wǎng)絡(luò)模型中對(duì)圖像數(shù)據(jù)特征進(jìn)行提取時(shí)可以采用的具體模塊構(gòu)成，并公開(kāi)了采用了證據(jù)2的整體模型架構(gòu)可以加速網(wǎng)絡(luò)的訓(xùn)練、并使訓(xùn)練更加穩(wěn)定的相關(guān)內(nèi)容。

然而，合議組認(rèn)為，證據(jù)2沒(méi)有公開(kāi)具體提取的是圖像數(shù)據(jù)的哪些特征，也沒(méi)有公開(kāi)提取相關(guān)數(shù)據(jù)特征用于何種具體的應(yīng)用場(chǎng)景、解決該場(chǎng)景中具體存在的哪些技術(shù)問(wèn)題。因此，證據(jù)2沒(méi)有給出建立廢鋼料等級(jí)劃分的神經(jīng)網(wǎng)絡(luò)模型的相關(guān)技術(shù)啟示，更沒(méi)有給出為解決該技術(shù)問(wèn)題具體要提取哪些相關(guān)參數(shù)的技術(shù)啟示。

另外，合議組還認(rèn)為，證據(jù)3同樣沒(méi)有公開(kāi)提取相關(guān)數(shù)據(jù)特征用于何種具體的應(yīng)用場(chǎng)景、解決該場(chǎng)景中具體存在的哪些技術(shù)問(wèn)題。因此，證據(jù)3沒(méi)有給出建立廢鋼料等級(jí)劃分的神經(jīng)網(wǎng)絡(luò)模型的相關(guān)技術(shù)啟示，更沒(méi)有給出為解決該技術(shù)問(wèn)題具體要提取哪些相關(guān)參數(shù)的技術(shù)啟示。

因此，合議組認(rèn)為，涉案專(zhuān)利權(quán)利要求1具有創(chuàng)造性，并作出維持涉案專(zhuān)利全部有效的無(wú)效決定。

三、案例分析

在本案中，權(quán)利要求1與證據(jù)1之間存在諸多算法特征，如何在創(chuàng)造性的判斷中考慮這些算法特征，是本案的難點(diǎn)。雖然權(quán)利要求1和證據(jù)1都涉及到廢鋼，但權(quán)利要求1的應(yīng)用場(chǎng)景為廢鋼的等級(jí)劃分；證據(jù)1的應(yīng)用場(chǎng)景為廢鋼的種類(lèi)識(shí)別。應(yīng)用場(chǎng)景的不同，導(dǎo)致了算法特征也存在區(qū)別，并且是實(shí)質(zhì)性區(qū)別。因此，合議組認(rèn)可了權(quán)利要求1的算法特征在創(chuàng)造性判斷中所起到的正面價(jià)值。

本案是算法特征與技術(shù)特征在功能上彼此相互支持、存在相互作用關(guān)系的典型案例，對(duì)于人工智能專(zhuān)利的創(chuàng)造性判斷具有重大的參考價(jià)值。國(guó)家知識(shí)產(chǎn)權(quán)局將本案列入2022年度專(zhuān)利復(fù)審無(wú)效十大案件，指出本案細(xì)化了對(duì)包含算法特征的發(fā)明專(zhuān)利的創(chuàng)造性評(píng)判標(biāo)準(zhǔn)，對(duì)人工智能領(lǐng)域的發(fā)明專(zhuān)利的創(chuàng)造性判斷具有示范作用。在涉及人工智能技術(shù)的情況下，對(duì)包含算法特征的發(fā)明專(zhuān)利進(jìn)行創(chuàng)造性判斷時(shí)，應(yīng)當(dāng)將算法和應(yīng)用場(chǎng)景進(jìn)行整體考量，特別是需要考慮將算法應(yīng)用到不同場(chǎng)景后是否對(duì)算法的訓(xùn)練模式、重要參數(shù)或相關(guān)步驟等進(jìn)行了實(shí)質(zhì)性調(diào)整，且該調(diào)整是否解決了特定的技術(shù)問(wèn)題、獲得了有益的技術(shù)效果。

反過(guò)來(lái)說(shuō)，如果將證據(jù)1的算法應(yīng)用到涉案專(zhuān)利的應(yīng)用場(chǎng)景，不需要對(duì)算法的訓(xùn)練模式、重要參數(shù)或相關(guān)步驟進(jìn)行實(shí)質(zhì)性調(diào)整，例如，不需要進(jìn)行任何調(diào)整，或者僅需要進(jìn)行非實(shí)質(zhì)性的細(xì)微調(diào)整，那么即使整體考慮應(yīng)用場(chǎng)景和算法特征可能也無(wú)法使得涉案專(zhuān)利具有創(chuàng)造性。

四、小結(jié)

通過(guò)本案可以看出，應(yīng)用場(chǎng)景對(duì)于人工智能專(zhuān)利的授權(quán)是至關(guān)重要的。如果只是單純的人工智能算法，不存在具體的應(yīng)用場(chǎng)景，那么該專(zhuān)利申請(qǐng)很可能在無(wú)需進(jìn)行創(chuàng)造性判斷的情況下，直接被認(rèn)為不屬于專(zhuān)利法的保護(hù)客體而無(wú)法獲得授權(quán)。在創(chuàng)造性的判斷中，應(yīng)用場(chǎng)景和算法特征之間的技術(shù)關(guān)聯(lián)也是重點(diǎn)考慮的因素。隨著審查實(shí)踐的不斷發(fā)展，希望能夠進(jìn)一步明確細(xì)化人工智能專(zhuān)利的審查標(biāo)準(zhǔn)，以更好地指導(dǎo)人工智能專(zhuān)利申請(qǐng)的撰寫(xiě)。

以上為筆者對(duì)于人工智能專(zhuān)利的創(chuàng)造性判斷的體會(huì)和總結(jié)，僅供各位同仁參考，如有不當(dāng)之處，敬請(qǐng)斧正。

（原標(biāo)題：淺議人工智能專(zhuān)利的創(chuàng)造性判斷標(biāo)準(zhǔn)）

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

作者：盧楓 林達(dá)劉知識(shí)產(chǎn)權(quán)

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

注：原文鏈接：淺議人工智能專(zhuān)利的創(chuàng)造性判斷標(biāo)準(zhǔn)（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(hù)（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://m.jupyterflow.com”