專利保護分類分類分類專利申請專利申請專利申請
#本文僅代表作者觀點,不代表IPRdaily立場,未經作者許可,禁止轉載#
來源:IPRdaily中文網(iprdaily.cn)
作者:王瑞云 北京品源專利代理有限公司
原標題:關于專利客體的一些思考
如果獨立權利要求中必須提及神經網絡模型,那么無論是從應用角度進行限定,還是從訓練角度進行限定,在獨立權利要求中一定要體現出與該神經網絡模型緊密配合的應用場景,即強調出該神經網絡模型在該應用場景中的專用性,這是克服專利客體缺陷的本質所在。
專利客體,即專利保護的客體,是指專利保護的對象。在專利法的范疇內,指可以獲得專利法保護的發(fā)明創(chuàng)造。在實際應用中,涉及到商業(yè)規(guī)則或數學算法的專利申請可能存在不符合專利客體的問題,它們在撰寫時存在如下需要注意的內容:
一、涉及到商業(yè)規(guī)則的專利申請
1、在撰寫權利要求時從計算機執(zhí)行的角度進行描述,即在權利要求中需要包含技術特征,不能是單純的商業(yè)規(guī)則。具體的,可以在描述中提及步驟執(zhí)行過程中所涉及的計算機相關部件如內存、CPU、數據庫等,示例,從目標數據庫中獲取目標數據;可以在描述中提及與其他設備/端的交互,示例,接收第一服務端發(fā)送的信息生成指令,根據所述信息生成指令生成目標信息,并將所述目標信息發(fā)送至第二服務端;可以對描述中的動作采用計算機術語,示例,在預設界面上展示配置信息,并監(jiān)測作用于所述預設界面上的針對所述配置信息的調整操作;還可以將能夠解決技術問題和/或與應用場景緊密聯系的非現有技術的技術特征布局為從權;等等。當然,在撰寫背景技術和技術效果時,也應當盡可能地從技術角度進行描述。
2、在撰寫權利要求時將商業(yè)詞匯轉換為技術詞匯,例如將商品轉換為物品,將購買和訂單轉換為物品獲取任務,將金額轉換為物品獲取代價等等。當然,為了體現出實際的應用場景,在說明書中可以采用(例如+商業(yè)詞匯)的方式進行解釋說明,即涉及到商業(yè)規(guī)則的專利申請應當寫明其技術方案的具體應用場景,以使所屬技術領域的技術人員能夠確切地理解該專利申請的具體應用場景。
二、涉及到數學算法的專利申請
1、在撰寫權利要求時避免使用“基于/采用XX算法,執(zhí)行……操作/計算……”的描述,可以將XX算法的具體執(zhí)行過程進行概括性描述,而不提及XX算法,以避免在審查中被認為是單純的數學算法,并未包含任何的技術特征。
2、神經網絡模型的本質是數學模型,因此涉及到神經網絡模型的專利申請需要特別留意其是否存在不符合專利客體的問題。具體的,如果某個神經網絡模型的改進點脫離了某個應用領域的專用性(注意不能是僅聲明可以用于某個應用領域),例如改進點是模型搭建方式(如卷積核、上采樣模塊、下采樣模塊等),那么其屬于單純的數學算法,這是通過撰寫技巧仍無法克服的問題。相應的,如果某個神經網絡模型的改進點是專用于某個應用領域的算法改進,即該神經網絡模型在這樣的應用場景下才存在這樣的算法改進,該神經網絡模型和該應用場景的結合具有惟一性,那么其是符合專利客體的。示例,在XX應用場景下應用改進后的XX公式才能達到XX效果,該XX公式在其余的應用場景中可能都無法使用或是無法達到該XX效果。再示例,在現有技術中,某神經網絡模型是專門用于處理音頻,現在對該神經網絡模型進行改進以使其處理圖像,由于圖像是由像素構成,而音頻是由波形振幅頻率構成,即二者存在本質區(qū)別,那么當輸入數據存在本質區(qū)別時,適合于它們的神經網絡模型也必然會產生較大變化,這一變化可以體現在于什么層與什么層之間增加了什么特殊的層、參數變化、公式變化等,此時神經網絡模型的改進點和應用場景具有密切的依賴關系,其符合專利客體。另外,對于改進點并不在于神經網絡模型的本身,而在于神經網絡模型的輸入數據和輸出數據的再次處理的專利申請,其通常是符合專利客體的。
在此基礎上,為了避免涉及到神經網絡模型的專利申請在審查中被認為不符合專利客體的情況的發(fā)生,在撰寫權利要求時可以有如下幾點撰寫技巧:
在獨立權利要求中完全不提及神經網絡模型。示例,以圖片分類為例,如果技術方案并非是只能依賴于神經網絡模型才可以提高圖片分類的準確性,而是采用其余方式也能提高圖片分類的準確性,例如對原始圖片進行優(yōu)化處理,那么在獨立權利要求中可以不對神經網絡模型進行任何限定,只是對圖片的分類過程進行限定,或者可以換種方式對神經網絡模型進行表述,例如對過濾后的參數進行反饋后再次進行過濾/修正等等。
如果在獨立權利要求中必須提及神經網絡模型,則獨立權利要求中不提及訓練過程,這是因為訓練過程很容易出現純數學計算的情況,而且再現性很低。示例,繼續(xù)以圖片分類為例,如果是因為訓練過程中圖片的選擇性使得神經網絡模型的參數的分類效果很好,那么可以考慮特殊的訓練過程使得已訓練完成的神經網絡模型與現有技術中的神經網絡模型的特異性在哪里,例如卷積層的數量可以是現有技術的幾何倍數、不同卷積層之間的權重是非線性關系/動態(tài)分布等等,進而在獨立權利要求中以靜態(tài)限定的方式對已訓練完成的神經網絡模型的特異性進行限定,即站在應用角度進行限定。
當然,如果獨立權利要求中必須提及神經網絡模型的訓練過程,那么一定要具備一個載體例如特征圖、視頻幀等等,證明其不是單純的數學計算過程,進而證明其不存在專利客體的問題。另外,還可以具體限定神經網絡模型進行圖片分類時的技術操作過程,例如卷積層、池化層、全連接層的技術操作過程,證明其不是單純的數學操作過程。
最后也是最重要的,如果獨立權利要求中必須提及神經網絡模型,那么無論是從應用角度進行限定,還是從訓練角度進行限定,在獨立權利要求中一定要體現出與該神經網絡模型緊密配合的應用場景,即強調出該神經網絡模型在該應用場景中的專用性,這是克服專利客體缺陷的本質所在。
綜上所述,在撰寫可能涉及到不符合專利客體的專利申請文件時,可以從以上幾點進行考慮,由此避免在后續(xù)審通答復環(huán)節(jié)中出現因為不符合專利客體而被駁回的情況。
來源:IPRdaily中文網(iprdaily.cn)
作者:王瑞云 北京品源專利代理有限公司
編輯:IPRdaily王穎 校對:IPRdaily縱橫君
注:原文鏈接:關于專利客體的一些思考(點擊標題查看原文)
青年有為!尋找2021年“40位40歲以下企業(yè)知識產權精英”活動正式啟動
「關于IPRdaily」
IPRdaily是具有全球影響力的知識產權媒體,致力于連接全球知識產權與科技創(chuàng)新人才。匯聚了來自于中國、美國、歐洲、俄羅斯、以色列、澳大利亞、新加坡、日本、韓國等15個國家和地區(qū)的高科技公司及成長型科技企業(yè)的管理者及科技研發(fā)或知識產權負責人,還有來自政府、律師及代理事務所、研發(fā)或服務機構的全球近100萬用戶(國內70余萬+海外近30萬),2019年全年全網頁面瀏覽量已經突破過億次傳播。
(英文官網:iprdaily.com 中文官網:iprdaily.cn)
本文來自IPRdaily中文網(iprdaily.cn)并經IPRdaily.cn中文網編輯。轉載此文章須經權利人同意,并附上出處與作者信息。文章不代表IPRdaily.cn立場,如若轉載,請注明出處:“http://m.jupyterflow.com/
文章不錯,犒勞下辛苦的作者吧