通過(guò)Dropout論文和專(zhuān)利的對(duì)比探討AI算法相關(guān)專(zhuān)利的寫(xiě)作

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

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

作者：李曉芳  中國(guó)國(guó)際貿(mào)易促進(jìn)委員會(huì)專(zhuān)利商標(biāo)事務(wù)所

原標(biāo)題：通過(guò)Dropout論文和專(zhuān)利的對(duì)比探討AI算法相關(guān)專(zhuān)利的寫(xiě)作

從1956年人工智能這個(gè)概念被首次提出以來(lái)，人工智能的發(fā)展幾經(jīng)沉浮。近幾年來(lái)，AI相關(guān)論文數(shù)和專(zhuān)利申請(qǐng)量均呈現(xiàn)爆炸式的增長(zhǎng)，其中AI相關(guān)專(zhuān)利的增長(zhǎng)率顯著高于論文數(shù)的增長(zhǎng)率，參見(jiàn)WIPO Technology Trends 2019, Artificial Intelligence。本文通過(guò)對(duì)AI核心算法之一——Dropout技術(shù)的論文和專(zhuān)利進(jìn)行對(duì)比，來(lái)探討一下AI算法相關(guān)專(zhuān)利的寫(xiě)作技巧。

I．AI相關(guān)論文和專(zhuān)利

從1956年人工智能這個(gè)概念被首次提出以來(lái)，人工智能的發(fā)展幾經(jīng)沉浮。隨著核心算法的突破、計(jì)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(lái)了新一次的飛躍。近幾年來(lái)，AI相關(guān)論文數(shù)和專(zhuān)利申請(qǐng)量均呈現(xiàn)爆炸式的增長(zhǎng)，其中AI相關(guān)專(zhuān)利的增長(zhǎng)率顯著高于論文數(shù)的增長(zhǎng)率，參見(jiàn)WIPO Technology Trends 2019, Artificial Intelligence。

人工智能領(lǐng)域的研究方向涉及多個(gè)不同的學(xué)科，在應(yīng)用層面也涉及到多個(gè)子領(lǐng)域。幾個(gè)代表性的分支有例如AI機(jī)器學(xué)習(xí)和基礎(chǔ)算法、智能搜索和智能推薦、語(yǔ)音識(shí)別、自然語(yǔ)言處理、自動(dòng)駕駛及計(jì)算機(jī)視覺(jué)和圖像識(shí)別。其中AI機(jī)器學(xué)習(xí)和基礎(chǔ)算法類(lèi)相比于其他分支，往往涉及算法方面，由于全球的專(zhuān)利法對(duì)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(xué)術(shù)論文和專(zhuān)利申請(qǐng)的撰寫(xiě)方面有諸多不同。

通常，學(xué)術(shù)論文是某一學(xué)術(shù)課題在實(shí)驗(yàn)性、理論性或預(yù)測(cè)性上具有的新的科學(xué)研究成果或創(chuàng)新見(jiàn)解和知識(shí)的科學(xué)記錄，或是某種已知原理應(yīng)用于實(shí)際上取得新進(jìn)展的科學(xué)總結(jié)，用以提供學(xué)術(shù)會(huì)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(shū)面文件。因此，論文可以是完全純理論的，如數(shù)學(xué)公式、算法等。而專(zhuān)利權(quán)，簡(jiǎn)稱(chēng)“專(zhuān)利”，則是國(guó)家或地區(qū)給予專(zhuān)利權(quán)人對(duì)特定的發(fā)明創(chuàng)造在一定期限內(nèi)的排他的保護(hù)權(quán)。專(zhuān)利法對(duì)專(zhuān)利的主題和撰寫(xiě)形式有著特殊的規(guī)定。

本文通過(guò)對(duì)AI核心算法之一——Dropout技術(shù)的論文和專(zhuān)利進(jìn)行對(duì)比，來(lái)探討一下AI算法相關(guān)專(zhuān)利的寫(xiě)作技巧。

II．Dropout技術(shù)

Dropout是由大名鼎鼎的深度學(xué)習(xí)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(duì)機(jī)器學(xué)習(xí)領(lǐng)域的杰出貢獻(xiàn)，獲得了2018年度的圖靈獎(jiǎng)，而Dropout技術(shù)被認(rèn)為是其能夠獲獎(jiǎng)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(xùn)練過(guò)程中出現(xiàn)的過(guò)擬合問(wèn)題而提出的。在機(jī)器學(xué)習(xí)的模型中，如果模型的參數(shù)太多，而訓(xùn)練樣本又太少，訓(xùn)練出來(lái)的模型很容易產(chǎn)生過(guò)擬合的現(xiàn)象。過(guò)擬合具體表現(xiàn)在：模型在訓(xùn)練數(shù)據(jù)上的預(yù)測(cè)準(zhǔn)確率較高；但是在測(cè)試數(shù)據(jù)上的預(yù)測(cè)準(zhǔn)確率較低。過(guò)擬合是很多機(jī)器學(xué)習(xí)的通病。如果模型過(guò)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(guò)擬合的發(fā)生，在一定程度上達(dá)到正則化的效果。

Dropout簡(jiǎn)單一點(diǎn)說(shuō)就是，在前向傳播的時(shí)候，讓某些節(jié)點(diǎn)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(guò)程不變。這樣可以讓一個(gè)神經(jīng)元的出現(xiàn)不應(yīng)該依賴(lài)于另外一個(gè)神經(jīng)元，使模型泛化性更強(qiáng)，如下圖所示。

Dropout的開(kāi)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(duì)應(yīng)的US專(zhuān)利為US 9,406,017 B2，其最早的臨時(shí)申請(qǐng)的申請(qǐng)日為2012年12月24日，授權(quán)公告日為2016年8月2日。該專(zhuān)利沒(méi)有進(jìn)入中國(guó)，在中國(guó)沒(méi)有相應(yīng)的專(zhuān)利權(quán)。

III．論文的公開(kāi)發(fā)表日與專(zhuān)利的申請(qǐng)日

對(duì)于同一個(gè)發(fā)明，如果既發(fā)表論文又申請(qǐng)專(zhuān)利，該如何決定二者的遞交/發(fā)表/申請(qǐng)日呢？通常來(lái)說(shuō)，專(zhuān)利的申請(qǐng)日應(yīng)當(dāng)在論文公開(kāi)發(fā)表日之前，因?yàn)閷?zhuān)利要獲得授權(quán)必須具有新穎性，即在申請(qǐng)日前沒(méi)有相同的現(xiàn)有技術(shù)被公開(kāi)，否則可能會(huì)因?yàn)闀r(shí)間安排不當(dāng)而導(dǎo)致自己的論文破壞自己的專(zhuān)利的新穎性。

但該專(zhuān)利的申請(qǐng)日在論文的公開(kāi)發(fā)表日之后，為什么仍然被授權(quán)了呢？這是因?yàn)楦鲊?guó)對(duì)于專(zhuān)利申請(qǐng)都設(shè)置了“不喪失新穎性的寬限期” ，即在專(zhuān)利的申請(qǐng)日之前的一段時(shí)間內(nèi)符合一定條件的公開(kāi)不破壞專(zhuān)利的新穎性，只不過(guò)各國(guó)對(duì)于 “一段時(shí)間”的長(zhǎng)短和“一定條件”的規(guī)定各有不同。中國(guó)專(zhuān)利法二十四條規(guī)定，在專(zhuān)利的申請(qǐng)日前六個(gè)月內(nèi)，由申請(qǐng)人（發(fā)明人）就相同發(fā)明創(chuàng)造在規(guī)定的學(xué)術(shù)會(huì)議或者技術(shù)會(huì)議上首次發(fā)表的，該專(zhuān)利申請(qǐng)不喪失新穎性。而美國(guó)則允許申請(qǐng)人在首次公開(kāi)該發(fā)明內(nèi)容的1年之內(nèi)保留專(zhuān)利申請(qǐng)權(quán)。因此，本案例專(zhuān)利的申請(qǐng)日雖晚于論文公開(kāi)發(fā)表日，但是在公開(kāi)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(huì)破壞專(zhuān)利的新穎性。

IV．AI算法專(zhuān)利的專(zhuān)利保護(hù)客體適格性審查

除了公開(kāi)/申請(qǐng)的時(shí)間安排要適當(dāng)之外，對(duì)于人工智能算法類(lèi)專(zhuān)利申請(qǐng)而言，在各國(guó)專(zhuān)利審查中要面對(duì)的最大挑戰(zhàn)是專(zhuān)利客體適格性的審查，因?yàn)檫@些算法或計(jì)算機(jī)程序往往體現(xiàn)為數(shù)學(xué)模型或計(jì)算方法，在多數(shù)國(guó)家都不是專(zhuān)利保護(hù)的客體。

中國(guó)專(zhuān)利法中涉及的相關(guān)條款有專(zhuān)利法第25條第1款第（二）項(xiàng)和第2條第2款。專(zhuān)利法第25條第1款第（二）項(xiàng)規(guī)定，智力活動(dòng)的規(guī)則和方法不應(yīng)被授予專(zhuān)利權(quán)。并且在專(zhuān)利審查指南里規(guī)定算法或數(shù)學(xué)計(jì)算規(guī)則不屬于專(zhuān)利法保護(hù)客體。專(zhuān)利法第2條第2款規(guī)定，專(zhuān)利法所稱(chēng)的發(fā)明是指對(duì)產(chǎn)品、方法或者其改進(jìn)所提出的新的技術(shù)方案。如果人工智能算法專(zhuān)利申請(qǐng)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(zhuān)利申請(qǐng)既有可能因?yàn)槁淙肓说?5條第1款第（二）項(xiàng)所規(guī)定的情況而不屬于專(zhuān)利法保護(hù)客體，也有可能因?yàn)椴粚儆诩夹g(shù)方案而不屬于專(zhuān)利法保護(hù)客體。

美國(guó)專(zhuān)利法中涉及專(zhuān)利客體適格性審查的主要是101條款。美國(guó)專(zhuān)利法第101條規(guī)定：“無(wú)論是發(fā)明或發(fā)現(xiàn)任何新的和有用的過(guò)程、機(jī)器、產(chǎn)品或物質(zhì)組成，或任何新的和有用的改進(jìn)，符合本標(biāo)題的條件和要求，都可以獲得專(zhuān)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(zhuān)利權(quán)。在2014年Alice vs. CLS Bank案后，美國(guó)審查指南規(guī)定了判斷適格專(zhuān)利客體時(shí)的兩步法，即，步驟1：權(quán)利要求是過(guò)程、機(jī)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(shí)際分析遇到了很多困難，特別是涉及人工智能及機(jī)器學(xué)習(xí)算法的發(fā)明，相當(dāng)一部分該領(lǐng)域的專(zhuān)利申請(qǐng)都因?yàn)榭腕w問(wèn)題被駁回。在這樣的背景下，美國(guó)2019年初發(fā)布了新修改的審查指南。針對(duì)專(zhuān)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(píng)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(méi)有引用任何的“司法例外”，則符合專(zhuān)利客體要求。如果引用了“司法例外”，請(qǐng)轉(zhuǎn)到Prong2步驟。在Prong2步驟，評(píng)估權(quán)利要求是否記載了將“司法例外”整合到實(shí)際應(yīng)用的其他元素。若所述例外被整合到實(shí)際應(yīng)用中，則該權(quán)利要求是適格的專(zhuān)利客體。若“司法例外”沒(méi)有整合到實(shí)際應(yīng)用中，權(quán)利要求將指向到“司法例外”，轉(zhuǎn)到步驟2B進(jìn)行進(jìn)一步分析。

對(duì)于本案例的專(zhuān)利來(lái)說(shuō)，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(guò)檢索該專(zhuān)利在USPTO的審查歷史，我們發(fā)現(xiàn)這個(gè)專(zhuān)利在審查階段并沒(méi)有被指出過(guò)客體問(wèn)題，而僅僅是在第一次審查意見(jiàn)通知書(shū)中被指出了創(chuàng)造性問(wèn)題，申請(qǐng)人通過(guò)一次修改和答復(fù)，即被授權(quán)。這說(shuō)明美國(guó)審查員認(rèn)為權(quán)利要求是通過(guò)了專(zhuān)利客體適格性審查的。我們?cè)囍凑誙SPTO的修改前的審查指南來(lái)對(duì)本專(zhuān)利進(jìn)行一下專(zhuān)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(guò)程。然后進(jìn)行到步驟2A，由于權(quán)利要求中包括訓(xùn)練神經(jīng)網(wǎng)絡(luò)，屬于抽象概念，那么在審查時(shí)會(huì)判定權(quán)利要求指向司法例外。接下來(lái)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(duì)發(fā)明構(gòu)思（inventive concept）的判斷，因此往往需要通過(guò)結(jié)合說(shuō)明書(shū)來(lái)進(jìn)行此步驟。我們發(fā)現(xiàn)權(quán)利要求1中的特征檢測(cè)器（feature detector）可以被認(rèn)為是處理“節(jié)點(diǎn)”，一個(gè)或多個(gè)處理節(jié)點(diǎn)可以被實(shí)施為處理器。進(jìn)一步，權(quán)利要求中的禁用（disabling）的步驟是通過(guò)在傳統(tǒng)神經(jīng)網(wǎng)絡(luò)中引入了新元素，即開(kāi)關(guān)（switch）和隨機(jī)數(shù)發(fā)生器實(shí)現(xiàn)的。并且說(shuō)明書(shū)還記載了本發(fā)明可以用于圖像分類(lèi)、對(duì)象識(shí)別和語(yǔ)音識(shí)別等實(shí)際應(yīng)用，通過(guò)本發(fā)明的新的結(jié)構(gòu)和流程可以在提高對(duì)測(cè)試數(shù)據(jù)的預(yù)測(cè)準(zhǔn)確率的同時(shí)減少提高效率和減少時(shí)間。通過(guò)這些內(nèi)容，可以得知該權(quán)利要求與僅由計(jì)算機(jī)實(shí)現(xiàn)的抽象概念相比滿(mǎn)足了“明顯多于”的要求。

V．AI算法專(zhuān)利的寫(xiě)作技巧

通過(guò)以上分析可以看出，對(duì)于算法或計(jì)算規(guī)則相關(guān)的發(fā)明創(chuàng)造，只要撰寫(xiě)得當(dāng)，是可以申請(qǐng)專(zhuān)利并有望獲得授權(quán)的。代理師在撰寫(xiě)AI算法相關(guān)專(zhuān)利申請(qǐng)時(shí)可以考慮以下幾個(gè)方面。

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

就本案例來(lái)說(shuō)，專(zhuān)利在說(shuō)明書(shū)文字部分和附圖都明確記載了整個(gè)系統(tǒng)包括處理器和存儲(chǔ)器。而論文則無(wú)此要求。本案例的論文僅僅說(shuō)明了算法的原理和用不同的樣本數(shù)據(jù)和測(cè)試數(shù)據(jù)的實(shí)驗(yàn)結(jié)果，完全沒(méi)有提到硬件環(huán)境。雖然中國(guó)專(zhuān)利法和審查指南對(duì)于硬件環(huán)境沒(méi)有硬性要求，寫(xiě)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(guó)家和地區(qū)申請(qǐng)專(zhuān)利，則必須要考慮這個(gè)問(wèn)題。比如美國(guó)專(zhuān)利實(shí)踐就傾向于保護(hù)有形的產(chǎn)品，由虛擬模塊構(gòu)成的產(chǎn)品往往會(huì)被認(rèn)為得不到說(shuō)明書(shū)的支持，因此，如果專(zhuān)利申請(qǐng)想要在美國(guó)獲得授權(quán)，最好描述算法實(shí)現(xiàn)的硬件環(huán)境。此外，中國(guó)的專(zhuān)利審查指南在2017年4月1日修改之后，也允許處理器+存儲(chǔ)器的形式。預(yù)計(jì)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(shuō)明書(shū)撰寫(xiě)方式在中國(guó)也越來(lái)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(lái)說(shuō)，創(chuàng)新點(diǎn)在于使得某些節(jié)點(diǎn)的激活值以一定的概率p停止工作。對(duì)于論文來(lái)說(shuō)，原理部分寫(xiě)到這里就夠了，本論文中并沒(méi)有記載具體的實(shí)現(xiàn)流程或部件，而是把重點(diǎn)放在了使用各種樣本集和測(cè)試集的實(shí)驗(yàn)結(jié)果上。但是對(duì)于專(zhuān)利來(lái)說(shuō)，所關(guān)注的是這樣的構(gòu)思如何具體實(shí)現(xiàn)的，因此在申請(qǐng)文件中必須寫(xiě)明具體的實(shí)現(xiàn)流程或部件。

在本專(zhuān)利中，說(shuō)明書(shū)在系統(tǒng)結(jié)構(gòu)的描述中寫(xiě)明了本發(fā)明是通過(guò)增加了一個(gè)開(kāi)關(guān)（switch）和一個(gè)隨機(jī)數(shù)發(fā)生器實(shí)現(xiàn)的。開(kāi)關(guān)可以按照學(xué)習(xí)的或預(yù)配置的概率選擇性地禁用神經(jīng)網(wǎng)絡(luò)中的特征檢測(cè)器。隨機(jī)數(shù)發(fā)生器連接到開(kāi)關(guān)并且為開(kāi)關(guān)提供使開(kāi)關(guān)禁用特征檢測(cè)器的隨機(jī)數(shù)。而開(kāi)關(guān)和隨機(jī)數(shù)發(fā)生器這樣的部件在論文是完全沒(méi)有出現(xiàn)過(guò)的，是為了符合專(zhuān)利申請(qǐng)的要求創(chuàng)造出來(lái)的。

說(shuō)明書(shū)在還按照訓(xùn)練神經(jīng)網(wǎng)絡(luò)的算法流程，撰寫(xiě)了方法步驟，包括禁用特征檢測(cè)器、處理訓(xùn)練實(shí)例、正則化權(quán)重、處理測(cè)試集，參見(jiàn)圖2和說(shuō)明書(shū)相關(guān)文字記載。合適的方法流程步驟對(duì)于理解AI算法的發(fā)明構(gòu)思和符合專(zhuān)利撰寫(xiě)和審查要求是必需的。

第三，將算法與實(shí)際應(yīng)用場(chǎng)景結(jié)合。

美國(guó)新修改的審查指南在專(zhuān)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(shí)際應(yīng)用的其他元素，則該權(quán)利要求是適格的專(zhuān)利客體。中國(guó)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(jì)算機(jī)程序的發(fā)明專(zhuān)利申請(qǐng)的解決方案執(zhí)行計(jì)算機(jī)程序的目的是解決技術(shù)問(wèn)題，在計(jì)算機(jī)上運(yùn)行計(jì)算機(jī)程序從而對(duì)外部或內(nèi)部對(duì)象進(jìn)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(zhuān)利法第二條第二款所說(shuō)的技術(shù)方案，屬于專(zhuān)利保護(hù)的客體。所說(shuō)的對(duì)外部對(duì)象的控制或處理包括對(duì)某種外部運(yùn)行過(guò)程或外部運(yùn)行裝置進(jìn)行控制，對(duì)外部數(shù)據(jù)進(jìn)行處理或者交換等；所說(shuō)的對(duì)內(nèi)部對(duì)象的控制或處理包括對(duì)計(jì)算機(jī)系統(tǒng)內(nèi)部性能的改進(jìn)，對(duì)計(jì)算機(jī)系統(tǒng)內(nèi)部資源的管理，對(duì)數(shù)據(jù)傳輸?shù)母倪M(jìn)等。這些規(guī)定也暗含了計(jì)算機(jī)軟件應(yīng)當(dāng)與具體的應(yīng)用場(chǎng)景（內(nèi)部對(duì)象或外部對(duì)象）結(jié)合。況且在實(shí)踐中，審查員在考慮客體適格性時(shí)，實(shí)際應(yīng)用場(chǎng)景是非常重要的一個(gè)考量因素。

就本案例來(lái)說(shuō)，由于論文通常要求作者詳述實(shí)驗(yàn)結(jié)果，因此在論文中已經(jīng)記載了應(yīng)用在語(yǔ)音識(shí)別和圖像識(shí)別方面的成果。在專(zhuān)利申請(qǐng)中應(yīng)當(dāng)將這些實(shí)際應(yīng)用記載在其中，同時(shí)還應(yīng)當(dāng)寫(xiě)明技術(shù)效果。雖然專(zhuān)利申請(qǐng)不需要像論文那樣寫(xiě)明具體的參數(shù)和具體的實(shí)驗(yàn)結(jié)果，但是一個(gè)概述的技術(shù)效果，對(duì)于專(zhuān)利客體適格性的評(píng)估有著非常重要的影響，尤其是結(jié)合實(shí)際應(yīng)用場(chǎng)景的效果。例如，專(zhuān)利說(shuō)明書(shū)中記載本發(fā)明可以提高對(duì)語(yǔ)音識(shí)別或圖像識(shí)別的測(cè)試集的識(shí)別性能，并且還提高了效率和減少了時(shí)間。這些技術(shù)效果的記載可能是本專(zhuān)利被認(rèn)為是適格的專(zhuān)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(guó)外的巨無(wú)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(zhuān)利，有的甚至是特別基礎(chǔ)的AI算法專(zhuān)利，例如本案例涉及的Dropout算法。因此，我國(guó)的大學(xué)、科研院所和企業(yè)在發(fā)表學(xué)術(shù)論文的同時(shí)，也要注意進(jìn)行相應(yīng)的專(zhuān)利布局，特別要注重高價(jià)值和基礎(chǔ)技術(shù)專(zhuān)利在全球的合理布局，使我國(guó)能夠在此次全球AI技術(shù)革新中占得一席之地。

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

作者：李曉芳  中國(guó)國(guó)際貿(mào)易促進(jìn)委員會(huì)專(zhuān)利商標(biāo)事務(wù)所

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

推薦閱讀（點(diǎn)擊圖文，閱讀全文）

注：原文鏈接：通過(guò)Dropout論文和專(zhuān)利的對(duì)比探討AI算法相關(guān)專(zhuān)利的寫(xiě)作（點(diǎn)擊標(biāo)題查看原文）

如有想看文章主題內(nèi)容，歡迎留言評(píng)論~

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

嘉賓寄語(yǔ)CPIPS 2019：相約第四屆中國(guó)醫(yī)藥知識(shí)產(chǎn)權(quán)峰會(huì)2019（10月23-25，上海）

可信好用的全球?qū)＠麛?shù)據(jù)庫(kù)

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

“投稿”請(qǐng)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(shí)產(chǎn)權(quán)媒體+產(chǎn)業(yè)服務(wù)平臺(tái)，致力于連接全球知識(shí)產(chǎn)權(quán)人，用戶(hù)匯聚了中國(guó)、美國(guó)、德國(guó)、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、成長(zhǎng)型科技企業(yè)IP高管、研發(fā)人員、法務(wù)、政府機(jī)構(gòu)、律所、事務(wù)所、科研院校等全球近50多萬(wàn)產(chǎn)業(yè)用戶(hù)（國(guó)內(nèi)25萬(wàn)+海外30萬(wàn)）；同時(shí)擁有近百萬(wàn)條高質(zhì)量的技術(shù)資源+專(zhuān)利資源，通過(guò)媒體構(gòu)建全球知識(shí)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(lái)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/”