人工智能相關發明專利申請指引（試行）
為貫徹落實黨中央、國務院關于完善人工智能等新領域新業態知識產權法律政策體系的重要指示，全面、深入詮釋我國現行專利法律制度框架下的人工智能領域專利審查政策，回應創新主體普遍關切的熱點法律問題，提升專利申請質量，助推新質生產力發展，國家知識產權局組織編寫了《人工智能相關發明專利申請指引(試行)》，供創新主體參考使用。
附件1：人工智能相關發明專利申請指引(試行).docx
附件2：關于《人工智能相關發明專利申請指引(試行)》的說明.docx
附件3：常見問題解答.pdf
常見問題解答
一、《人工智能相關發明專利申請指引(試行)》出臺的背景是什么?
近年來，人工智能技術創新不斷取得新突破，相關專利申請量也不斷增長，已成為新一輪科技革命和產業變革的重要驅動力量，展現出巨大發展潛力，全球主要大國均把發展人工智能提升到國家戰略的高度。為貫徹落實黨中央、國務院關于完善人工智能等新領域新業態知識產權法律政策體系的重要指示，進一步明確和細化現行專利審查政策，及時解決創新主體普遍關注的核心問題，有必要制定《人工智能相關發明專利申請指引(試行)》(以下簡稱指引)。本指引屬于現行專利法律框架下的政策解讀類文件，幫助申請人更好理解現行專利審查政策，提高專利申請質量。
二、指引中給出的人工智能相關專利申請的四種類型是如何劃分的?
按照人工智能在發明創造中所扮演“角色”的不同，可以將相關專利申請劃分為兩類，第一類是人工智能本身屬于發明創造的組成部分，第二類是人工智能參與作出或自主作出的發明創造。
對于第一類，按照方案保護對象的不同，分為“涉及人工智能算法或模型本身的相關專利申請”和“涉及基于人工智能算法或模型的功能或領域應用的相關專利申請”兩種。對于第二類，按照是否有自然人作出實質性貢獻，分為“涉及人工智能輔助作出的發明的相關專利申請”和“涉及人工智能生成的發明的相關專利申請”。前者是指在發明過程中以人工智能作為輔助工具，有自然人作出了實質性貢獻。后者是指在沒有人類實質性貢獻的情況下，由人工智能自主生成發明創造。
三、對于人工智能輔助作出的發明和人工智能生成的發明，人工智能可以作為發明人嗎?
根據民法典的規定，民事主體包括自然人、法人和非法人組織。人工智能并非民法典規定的民事主體，不能依法享有知識產權，目前也不能作為發明人。專利審查指南第一部分第一章第4.1.2 節記載：“發明人應當是個人，請求書中不得填寫單位或者集體，以及人工智能名稱”，明確了人工智能不能作為發明人。
四、權利要求中除抽象數學算法以外，還包括涉及人工智能的技術特征，是否一定屬于專利保護的客體?
人工智能相關發明專利申請應當滿足如下客體要求：權利要求不能屬于專利法第二十五條規定的智力活動的規則和方法，且要滿足專利法第二條第二款關于技術方案的規定。
權利要求中除抽象數學算法以外，還包括涉及人工智能的技術特征，例如還包括特征“算法由人工智能芯片運行”，并不一定能夠克服智力活動的規則和方法的缺陷。當相關內容僅僅體現在主題名稱中，即權利要求除其主題名稱之外，對其限定的全部內容僅涉及抽象數學算法，則該權利要求實質上想要保護的仍是抽象數學算法，屬于專利法第二十五條規定的智力活動的規則和方法的范圍，不屬于專利保護的客體。當相關內容包含在權利要求除主題名稱外的限定內容中，則該權利要求的方案就整體而言不是一種智力活動的規則和方法，不屬于被排除的主題，但此時還需要判斷方案是否構成專利法第二條第二款規定的技術方案。例如指引第三章第2.2 節情形二的示例“一種對神經網絡進行訓練的計算機系統”，其解決方案中記載的“存儲器”和“處理器”只是存儲和執行指令的載體，方案中沒有采用遵循自然規律的技術手段，要解決的是優化神經網絡訓練的問題，不屬于技術問題，獲得的效果也只是提升模型訓練效率，不屬于技術效果，因此不構成技術方案，不屬于專利保護的客體。
五、在判斷客體問題時，存在特定技術關聯是否意味著必須對計算機系統的硬件作出改進?
存在特定技術關聯并不意味著必須對計算機系統的硬件作出結構上的改變。對于人工智能算法改進的解決方案，即使計算機系統的硬件結構本身并未發生改變，但是該方案通過優化系統資源配置使得其整體上能夠獲得計算機系統內部性能改進的技術效果，也可以認為人工智能算法特征與計算機系統的內部結構存在特定技術關聯，能夠提升硬件的執行效果。例如指引第三章第2 節示例“一種深度神經網絡模型的訓練方法”中，處理器作為硬件，其結構本身并未發生改變，但是，當針對不同大小的訓練數據，選擇適配具有不同處理效率的單處理器訓練方案或多處理器訓練方案時，提升了訓練過程中硬件的執行效果，方案中記載的模型訓練方法與計算機系統的內部結構存在特定技術關聯。
六、指引在人工智能相關專利申請的充分公開方面有哪些指導?
指引第四部分是在專利審查指南第二部分第二章涉及專利法第二十六條第三款有關充分公開的審查規范下，針對人工智能領域相關專利申請應當滿足充分公開要求的進一步闡釋。為積極應對人工智能“黑匣子”問題帶來的專利挑戰，合理引導申請人撰寫專利申請時要滿足以公開換保護的要求，根據發明貢獻類型確定說明書應當記載的內容，充分描述對現有技術做出貢獻的部分，指引中還以示例情形提出撰寫建議。
七、對于人工智能相關發明專利申請，在創造性評判時如何考慮適應于應用場景變化所做出的算法或模型的改變?
專利審查指南第二部分第九章第6.1.3 節規定，對既包含技術特征又包含算法特征或商業規則和方法特征的發明專利申請進行創造性審查時，應將與技術特征功能上彼此相互支持、存在相互作用關系的算法特征或商業規則和方法特征與所述技術特征作為一個整體考慮。人工智能算法或模型應用于特定應用場景時通常需要對算法或模型進行適應性的調整或改變，應將與技術特征在功能上彼此相互支持、存在相互作用關系的算法或模型特征，與技術特征作為一個整體考慮。“功能上彼此相互支持、存在相互作用關系”是指算法特征與技術特征緊密結合、共同構成了解決某一技術問題的技術手段，并且能夠獲得相應的技術效果。如果該調整或改變解決了該應用場景下特定的技術問題，獲得了相應的有益技術效果，使得技術方案整體上相對于現有技術是非顯而易見的，則技術方案具備創造性;否則，這種調整或改變不能使技術方案具備創造性。
八、指引對發明專利申請中的人工智能倫理問題有哪些指導?
專利制度作為激勵和保護創新成果的有效機制，在規范引導人工智能技術應用等方面發揮著重要作用。本指引第六章旨在倡導以人為本、智能向善，引導申請人在人工智能相關專利申請中遵守專利法第五條的規定，即應符合相關法律的要求，不得違反社會公德或妨害公共利益。
近年來，人工智能技術創新不斷取得新突破，已成為新一輪科技革命和產業變革的重要驅動力量，人工智能相關專利申請量快速增長。專利制度作為激勵和保護創新成果的有效手段，在促進人工智能技術的發展、規范引導人工智能技術的應用等方面都發揮著重要作用。為全面、深入地詮釋我國現行專利法律制度框架下的人工智能領域專利審查政策，回應創新主體普遍關切的熱點法律問題，提升專利申請質量，現發布人工智能相關發明專利申請指引。
第一章 人工智能相關專利申請常見類型及法律問題
本章簡要分析人工智能相關專利申請的常見類型及熱點法律問題。
1. 人工智能相關專利申請類型
人工智能相關專利申請的解決方案通常涉及人工智能算法或模型，以及人工智能算法或模型的功能或領域應用。另外，隨著人工智能技術的不斷突破，涉及人工智能輔助作出的發明、人工智能生成的發明的相關專利申請成為新的熱點。
1.1 涉及人工智能算法或模型本身的相關專利申請
人工智能算法或模型，即高級的統計和數學模型形式，包括機器學習、深度學習、神經網絡、模糊邏輯、遺傳算法等。這些算法或模型構成了人工智能的核心內容，它們能夠模擬智能的決策和學習能力，使得計算設備能夠處理復雜問題并執行通常需要人類智能才能完成的任務。
相應地，該類型的專利申請通常涉及人工智能算法或模型本身及其改進或優化，例如，模型結構、模型壓縮、模型訓練等。
1.2涉及基于人工智能算法或模型的功能或領域應用的相關專利申請
基于人工智能算法或模型的功能或領域應用的相關專利申請，是指將人工智能算法或模型融入發明創造中，作為對產品、方法或其改進所提出方案的內在部分。例如：一種基于人工智能圖形銳化技術的新型電子顯微鏡。此類型的專利申請通常涉及將人工智能算法或模型用于實現特定功能或應用于具體領域。
基于人工智能算法或模型的功能，是指使用一種或多種人工智能算法或模型實現的功能。通常包括：自然語言處理，使計算機能夠理解和生成人類語言;計算機視覺，使計算機能夠“看到”和理解圖像或視頻;語音處理，包括語音識別、語音合成等;知識表示與推理，表示信息并使計算機能夠解決問題，包括知識圖譜、圖計算等;數據挖掘，對海量數據進行計算和分析，從中識別出潛在模式、趨勢或關系等信息或規律。可以根據人工智能算法或模型的功能將其應用到具體領域中。
基于人工智能算法或模型的領域應用，是指將人工智能應用于各類場景，例如交通運輸、電信、生命和醫學科學、安全、商業、教育、娛樂、金融等，在各行各業中推動技術創新，提高智能化水平。
1.3 涉及人工智能輔助作出的發明的相關專利申請
人工智能輔助作出的發明，是在發明過程中以人工智能技術作為輔助工具得到的發明創造。此種情況下，人工智能發揮的作用類似于信息處理器或繪圖工具等。例如，利用人工智能識別特定蛋白質結合位點，最終獲得的新型藥物化合物。
1.4 涉及人工智能生成的發明的相關專利申請
人工智能生成的發明，是指人工智能在沒有人類實質性貢獻的情況下自主生成的發明創造，例如，由人工智能技術自主設計的食品容器。
2.熱點法律問題
人工智能技術快速迭代發展，不同類型的人工智能相關專利申請在專利審批各環節會涉及不同的法律問題。常見的法律問題例如人工智能輔助作出的發明或生成的發明的相關專利申請的發明人身份問題，人工智能算法或模型相關專利申請的客體和充分公開問題，人工智能算法或模型的功能或領域應用相關專利申請的客體、充分公開和創造性問題，以及上述各類型專利申請都可能面對的人工智能倫理問題等。
2.1 發明人主體適格性備受關注
專利法實施細則第十四條規定“專利法所稱發明人或者設計人，是指對發明創造的實質性特點作出創造性貢獻的人”。
對于人工智能輔助作出的發明和人工智能生成的發明，人工智能工具或系統在不同程度上參與發明創造產生的過程。那么，人工智能系統是否可以署名為發明人，是此類專利申請引發普遍關注的問題。因此，需要對發明人資格問題予以明確。
2.2 如何把握客體標準需要指導
專利法第二十五條第一款第(二)項規定，對智力活動的規則和方法不授予專利權。
專利法第二條第二款規定的“技術方案”，是指對要解決的技術問題所采取的利用了自然規律的技術手段的集合。未采用利用自然規律的技術手段解決技術問題以獲得符合自然規律的技術效果的方案，不屬于技術方案。
人工智能相關專利申請的客體問題主要集中在，如何判斷一項解決方案是否屬于智力活動的規則和方法，是否構成專利法意義上的技術方案，特別是如何判斷方案采用的手段是否是遵循自然規律的技術手段，什么樣的問題屬于技術問題，怎樣才是符合自然規律的技術效果。例如，對于改進點在于人工智能算法或模型的專利申請，如何體現算法或模型的執行是利用自然規律解決了某一技術問題。又如，當利用人工智能算法或模型對各個領域的大數據進行分析和預測時，如何判斷挖掘出的數據之間的內在關聯關系是否符合自然規律。
2.3 如何滿足充分公開要求存在疑問
專利法第二十六條第三款規定：說明書應當對發明或者實用新型作出清楚、完整的說明，以所屬技術領域的技術人員能夠實現為準。
人工智能算法或模型的透明性問題一直廣受關注。一方面，在數據輸入到輸出的過程中，其內部推理和決策過程不易解釋，另一方面，即使采用相同的模型及設置參數，產生預期的效果也存在難度。因此，需要明確如何滿足說明書充分公開的要求，進而提升人工智能算法或模型的透明性、可解釋性。
2.4 算法特征如何帶來創造性貢獻亟待解決
專利審查指南(以下簡稱指南)第二部分第九章第6.1.3節規定：如果權利要求中的算法應用于具體的技術領域，可以解決具體技術問題，那么可以認為該算法特征與技術特征功能上彼此相互支持、存在相互作用關系，該算法特征成為所采取的技術手段的組成部分，在進行創造性審查時，應當考慮所述的算法特征對技術方案作出的貢獻。
涉及基于人工智能算法或模型的功能或領域應用的專利申請，其改進點可能在于根據功能或領域應用的需要來選擇模型、調整參數，人工智能算法或模型在不同的功能或領域應用下表現出多樣化的效果。因此，需要針對創造性的具體要求，進行專利申請文件的撰寫和通知書意見的答復，以便更明確地體現方案的非顯而易見性和有益效果。
2.5 人工智能倫理問題需要引導
專利法第五條規定：對違反法律、社會公德或者妨害公共利益的發明創造，不授予專利權。
由于人工智能技術需要大量數據信息資源作為支撐，其深入發展可能引發算法倫理、數據合規等問題。因此，有必要合理規范申請文件中相關內容的撰寫，以引導“智能向善”。
第二章 關于發明人身份的認定
1. 發明人署名必須是自然人
指南第一部分第一章第4.1.2節明確記載了“發明人應當是個人，請求書中不得填寫單位或者集體，以及人工智能名稱”。
在專利文件中署名的發明人必須是自然人，人工智能系統以及其他非自然人不得作為發明人。當存在多個發明人時，每個發明人都必須是自然人。發明人所享有的獲得收益的財產權利和署名的人身權利均屬于民事權利，只有符合民法規定的民事主體，才能作為發明人相關民事權利的權利人，人工智能系統目前不能作為民事主體享有民事權利，因此不能作為發明人。
2.發明人應對發明創造的實質性特點作出創造性貢獻
對于涉及人工智能算法或模型、基于人工智能算法或模型的功能或領域應用的相關專利申請，發明人是指對發明創造的實質性特點作出創造性貢獻的人。
對于人工智能輔助作出的發明，對發明創造的實質性特點作出了創造性貢獻的自然人，可以署名為專利申請的發明人。對于人工智能生成的發明，在我國當前法律背景下無法賦予人工智能發明人身份。
第三章 關于方案客體的標準
本章旨在闡明人工智能相關發明專利申請如何滿足客體要求，包括應根據專利法第二十五條第一款第(二)項排除“智力活動的規則和方法”、以及滿足第二條第二款關于“技術方案”的規定。
1. 權利要求的方案不能僅涉及智力活動的規則和方法
1.1 法律依據
專利法第二十五條第一款第(二)項否定了“智力活動的規則和方法”被授予專利權的可能性。智力活動的規則和方法是指導人們思維、表述、判斷和記憶的規則和方法，具有抽象思維的特點。典型地，抽象的數學理論或數學算法就屬于智力活動的規則和方法，不能被授予專利權。
1.2判斷方法
如果一項權利要求對其限定的全部內容既包含智力活動的規則和方法的內容，又包含技術特征，該技術特征并非僅體現在主題名稱中，則該權利要求就整體而言并不是一種智力活動的規則和方法。
人工智能算法或模型以數學理論為基礎發展而來。如果一項涉及人工智能算法或模型的專利申請的權利要求僅涉及抽象數學理論或數學算法，不包含任何技術特征，則屬于智力活動的規則和方法，不能被授予專利權。例如，一種基于抽象算法且不包含任何技術特征的通用神經網絡模型建立方法，或是，不包含任何技術特征的利用優化后的損失函數對通用神經網絡進行訓練以加速訓練收斂的方法，均被認為是一種抽象數學算法，屬于智力活動的規則和方法。
1.3 權利要求撰寫和審查意見答復
為避免產生或克服方案被認定為智力活動的規則和方法的缺陷，申請人可以在權利要求中寫入與算法特征相關聯的技術特征，使權利要求整體上不再是一種智力活動的規則和方法。例如，一項關于人工智能模型處理方法的權利要求，其特征部分明確記載了該方法由人工智能芯片運行。由于方案整體上記載了該方法運行的硬件環境，該硬件環境屬于技術特征,因此權利要求的方案就整體而言不屬于智力活動的規則和方法。再如，一項關于神經網絡模型處理方法的權利要求，在其方案中明確記載了該方法用于對圖像進行處理和分類。由于對圖像數據的處理和分類屬于技術特征，因此，該權利要求的方案就整體而言也不屬于智力活動的規則和方法。但是，需要注意的是，即便權利要求的解決方案不再屬于智力活動的規則和方法，如以上兩個示例，想要成為專利保護的客體，還需滿足專利法第二條第二款關于技術方案的規定。
2. 權利要求的方案應當體現為解決技術問題采用遵循自然規律的技術手段并達到技術效果
2.1 法律依據
專利法第二條第二款所規定的“技術方案”，是指對要解決的技術問題所采取的利用了自然規律的技術手段的集合。當一項權利要求記載了對要解決的技術問題采用了利用自然規律的技術手段，并且由此獲得符合自然規律的技術效果，則該權利要求限定的解決方案屬于技術方案。相反地，未采用利用自然規律的技術手段解決技術問題以獲得符合自然規律的技術效果的方案，不屬于技術方案。
2.2 判斷方法
作為示例而非限制，以下內容闡述相關解決方案屬于技術方案的幾種常見情形。
情形一：人工智能算法或模型處理的是技術領域中具有確切技術含義的數據
如果一項權利要求的撰寫能夠體現人工智能算法或模型處理的對象是技術領域中具有確切技術含義的數據，使得基于本領域技術人員的理解，能夠知曉算法或模型的執行直接體現出利用自然規律解決某一技術問題的過程，且獲得了技術效果，則該權利要求限定的解決方案屬于技術方案。例如，一種利用神經網絡模型對圖像進行識別和分類的方法。圖像數據屬于技術領域中具有確切技術含義的數據，如果本領域技術人員能夠知曉解決方案中對圖像特征進行處理的各個步驟與要解決的識別物體并分類的技術問題密切相關，且獲得了相應的技術效果，則該解決方案屬于技術方案。
情形二：人工智能算法或模型與計算機系統的內部結構存在特定技術關聯
如果權利要求的撰寫能夠體現出人工智能算法或模型與計算機系統的內部結構存在特定技術關聯，從而解決如何提升硬件運算效率或執行效果的技術問題，包括減少數據存儲量、減少數據傳輸量、提高硬件處理速度等，并能夠獲得符合自然規律的計算機系統內部性能改進的技術效果，則該權利要求限定的解決方案屬于技術方案。
這種特定技術關聯體現了算法特征與計算機系統的內部結構相關特征在技術實現層面相互適應、彼此配合，如為支持特定算法或模型的運行而調整計算機系統的體系構架或相關參數，針對特定的計算機系統內部結構或參數對算法或模型作出適應性改進，或是以上兩者的組合。
例如，一種面向憶阻器加速器的神經網絡模型壓縮方法，包括：步驟1、通過陣列感知的規則化增量剪枝算法，在網絡裁剪時針對憶阻器實際陣列尺寸進行剪枝粒度的調整，獲得適配憶阻器陣列的規則化稀疏模型;步驟2、通過二的冪次量化算法，降低ADC 精度需求和憶阻器陣列中低阻值器件個數以總體降低系統功耗。
該示例中，為了解決原始模型映射到憶阻器加速器上時，硬件資源消耗過大以及ADC單元和計算陣列功耗過高的問題，方案中采用剪枝算法和量化算法針對憶阻器實際陣列尺寸進行剪枝粒度的調整，降低憶阻器陣列中低阻值器件個數。上述手段是為了提高憶阻器加速器性能而進行的算法改進，受硬件條件參數的約束，反映出了算法特征與計算機系統的內部結構存在特定技術關聯，利用了符合自然規律的技術手段，解決了憶阻器加速器硬件消耗過大和功耗過高的技術問題，獲得符合自然規律的計算機系統內部性能改進的技術效果。因此，該解決方案屬于技術方案。
特定技術關聯并不意味著必須對計算機系統的硬件結構做出改變。對于人工智能算法改進的解決方案，即使計算機系統的硬件結構本身并未發生改變，但是該方案通過優化系統資源配置使得其整體上能夠獲得計算機系統內部性能改進的技術效果，這類情形下，可以認為人工智能算法特征與計算機系統的內部結構存在特定技術關聯，能夠提升硬件的執行效果。
例如，一種深度神經網絡模型的訓練方法，包括：當訓練數據的大小發生改變時，針對改變后的訓練數據，分別計算所述改變后的訓練數據在預設的候選訓練方案中的訓練耗時;從預設的候選訓練方案中選取訓練耗時最小的訓練方案作為所述改變后的訓練數據的最佳訓練方案，所述候選訓練方案包括單處理器訓練方案和基于數據并行的多處理器訓練方案;將所述改變后的訓練數據在所述最佳訓練方案中進行模型訓練。
該方案為解決深度神經網絡模型訓練速度慢的問題，針對不同大小的訓練數據，選擇適配具有不同處理效率的單處理器訓練方案或多處理器訓練方案，該模型訓練方法與計算機系統的內部結構存在特定技術關聯，提升了訓練過程中硬件的執行效果，從而獲得符合自然規律的計算機系統內部性能改進的技術效果，從而構成技術方案。
但是，如果一項權利要求僅僅是利用計算機系統作為實現人工智能算法或模型運行的載體，未體現出算法特征與計算機系統的內部結構之間的特定技術關聯，則不屬于情形二的范圍。
例如，一種對神經網絡進行訓練的計算機系統，包括存儲器和處理器，其中存儲器存儲指令，處理器讀取指令，以利用優化損失函數對神經網絡進行訓練。
該解決方案中，計算機系統中的存儲器、處理器僅是算法存儲和執行的常規載體，利用優化損失函數對神經網絡進行訓練涉及的算法特征與計算機系統包含的存儲器和處理器之間未產生特定技術關聯，該方案解決的是優化神經網絡訓練的問題，不屬于技術問題，獲得的效果也只是提升模型訓練效率，不屬于改進計算機系統內部性能的技術效果，因此不構成技術方案。
情形三：基于人工智能算法挖掘具體應用領域的大數據中符合自然規律的內在關聯關系
人工智能算法或模型在各領域應用時，可以進行數據分析、評估、預測或推薦等。對此類申請，如果權利要求中體現出處理的是具體應用領域的大數據，利用神經網絡等人工智能算法挖掘數據之間符合自然規律的內在關聯關系，解決了如何提升具體應用領域大數據分析可靠性或精確性的技術問題，并獲得相應的技術效果，則該權利要求的方案構成技術方案。
利用人工智能算法或模型進行數據挖掘并訓練出能夠根據輸入數據得到輸出結果的人工智能模型的手段不能直接構成技術手段，只有當基于人工智能算法或模型挖掘出的數據之間的內在關聯關系符合自然規律時，相關手段整體上方可構成利用自然規律的技術手段。因此，需要在權利要求記載的方案中明確為得到分析結果，具體采用了哪些指標、參數等來反映被分析對象的特點，利用人工智能算法或模型挖掘出的這些指標、參數等(模型輸入)與結果數據(模型輸出)之間的內在關聯關系是否符合自然規律。
例如，一種食品安全風險預測方法，獲取并分析歷史食品安全風險事件，得到表征食品原料、食用物品、食品抽檢毒害物的各個頭部實體數據和尾部實體數據、及其對應的時間戳數據，根據各個頭部實體數據及其對應的尾部實體數據、及其對應的攜帶有時間戳數據的表征各類危害物含量等級、風險或干預的實體關系，構建對應的四元組數據，得到對應的知識圖譜;利用所述知識圖譜對預設神經網絡進行訓練，得到食品安全知識圖譜模型;基于所述食品安全知識圖譜模型對待預測時刻的食品安全風險進行預測。
該方案說明書背景技術記載，現有技術使用靜態知識圖譜對食品安全風險進行預測，無法反映出實際情況中食品數據隨時間變化而不斷改變，忽略了數據間存在的影響。本領域技術人員知曉，食品原料、食用物品或者食品抽檢毒害物等會隨著時間推進而逐步發生變化，例如，食品保存時間越長，食品中微生物含量越多，食品抽檢毒害物含量會隨之增加，當食品中包含多種會發生化學反應的原料時，該化學反應隨時間推移也可能在未來某個時刻引發食品安全風險。該方案正是基于食品會隨時間而變化的固有特點來預測食品安全風險，從而在構建知識圖譜時加入時間戳，基于各個時刻下的與食品安全風險相關的實體數據訓練預設神經網絡，以此預測待預測時刻的食品安全風險，利用了遵循自然規律的技術手段，解決了預測未來時間點的食品安全風險不夠準確的技術問題，能獲得相應的技術效果，因此構成技術方案。
如果利用人工智能算法或模型挖掘出的指標參數與預測結果之間的內在關聯關系僅僅受到經濟規律或社會規律的制約，則屬于未遵循自然規律的情形。例如，一種利用神經網絡預估地區經濟景氣指數的方法，利用神經網絡挖掘經濟數據和用電數據與經濟景氣指數之間的內在關聯關系，并基于該內在關聯關系進行地區經濟景氣指數的預測。由于經濟數據和用電數據與經濟景氣指數之間的內在關聯關系受到經濟規律制約，不受自然規律約束，因此該方案未利用技術手段，不構成技術方案。
2.3 權利要求撰寫和審查意見答復
為避免或者克服不構成技術方案的缺陷，針對人工智能相關發明專利申請，申請人可以參考本節的示例情形撰寫申請文件，并在原始說明書中詳細闡明該方案所要解決的技術問題、采用的技術手段和能夠獲得的技術效果;或是在答復審查意見時，根據原申請文件的記載對權利要求書進行修改，并在意見陳述書中充分闡述修改后的方案屬于技術方案的理由。
例如，對于涉及抽象人工智能算法或模型的權利要求，可在權利要求中體現算法或模型處理的是技術領域中具有確切技術含義的文本、圖像、音頻或視頻等數據，使得基于本領域技術人員的理解，算法的執行能直接體現出利用自然規律解決該領域某一技術問題的過程，并且獲得了技術效果。
再如，當發明涉及計算機系統內部性能改進時，可將原申請文件中體現了算法與計算機系統內部結構存在特定技術關聯的技術特征加入權利要求。比如，在一項涉及神經網絡訓練方法的權利要求中，加入利用分布式系統進行神經網絡訓練時與神經網絡訓練算法產生特定技術關聯的分布式計算節點的資源調配、信息交互傳遞等特征，從而體現出方案能夠提升訓練時硬件的執行效果，獲得符合自然規律的計算機系統內部性能改進的技術效果。
又如，涉及利用人工智能算法或模型對具體應用領域的大數據進行分析、預測或者評價、評估等的解決方案，在撰寫時，應在權利要求中明確記載采用哪些指標、參數等，采用何種算法或模型以得到何種預測結果，在答復審查意見時，應著重分析算法或模型處理的數據與要分析和預測的結果之間為何受自然規律約束，而不是僅僅體現管理學、經濟學等非自然規律。
第四章 關于說明書的充分公開
人工智能相關發明專利申請說明書的撰寫應當滿足專利法第二十六條第三款的規定，使得所屬技術領域的技術人員按照說明書記載的內容，能夠實現該發明的技術方案，解決其技術問題，并且產生預期的技術效果。
1.根據發明貢獻類型確定說明書應當記載的內容
說明書應當清楚地記載發明的技術方案，詳細地描述實現發明的具體實施方式，完整地公開對于理解和實現發明必不可少的技術內容，達到所屬技術領域的技術人員能夠實現該發明的程度。
人工智能算法或模型存在“黑匣子”特性，需要有足夠的信息來達到充分公開的目的。發明貢獻不同，實現該發明必不可少的技術內容亦有所不同。
說明書應充分描述對現有技術作出貢獻的部分。對于體現專利發明構思的技術手段，說明書應當清楚、完整地予以描述，以所屬技術領域的技術人員能夠實現為準。
說明書應當清楚、客觀地寫明申請與現有技術相比所具有的有益效果。必要時，可提供相應的證據來證明其發明貢獻。
2.涉及不同類型發明貢獻的申請文件撰寫
示例性地給出如下幾種情形的建議做法：
發明貢獻在于人工智能模型訓練的申請，一般需要根據方案要解決的問題或要達到的效果，在說明書中清楚記載必要的模型訓練過程中涉及的算法及算法的具體步驟、訓練方法的具體過程等。
發明貢獻在于人工智能模型構建的申請，一般需要根據方案要解決的問題或要達到的效果，在說明書中記載必要的模塊結構、層次結構或連接關系等，準確、客觀地寫明模型的功能和效果。必要時，通過實驗數據、分析論證等方式表明改進后所能達到的效果。
發明貢獻在于人工智能具體領域應用的申請，一般需要根據方案要解決的問題或要達到的效果，在說明書中明確模型如何與具體應用場景結合、輸入/輸出數據如何設置等。必要時，說明書中還應當闡明輸入數據和輸出數據之間的相關性，使所屬技術領域的技術人員能夠判斷二者之間具有關聯關系。
針對說明書公開不充分的審查意見，在意見陳述時需要闡述所屬技術領域的技術人員能夠實現相關解決方案的理由和依據。應注意的是，判斷說明書是否充分公開，以原說明書和權利要求書記載的內容為準。
第五章 關于創造性的考量
人工智能相關發明專利申請的解決方案包含大量算法特征，考量創造性時，應將與技術特征功能上彼此相互支持、存在相互作用關系的算法特征與所述技術特征作為一個整體考慮。“功能上彼此相互支持、存在相互作用關系”是指算法特征與技術特征緊密結合、共同構成了解決某一技術問題的技術手段，并且能夠獲得相應的技術效果。對技術方案整體考慮后，若與現有技術相比，該方案具有突出的實質性特點和顯著的進步，則權利要求具備創造性。
以下示例性給出與技術特征作為一個整體考慮的算法特征對技術方案作出貢獻的情形。
1. 使人工智能算法特征成為技術手段的組成部分
為使人工智能算法特征在創造性判斷時被納入技術手段的一部分，權利要求中應體現出人工智能算法或模型在實現具體功能或應用于具體領域時，解決了具體技術問題，從而明確算法特征與技術特征功能上彼此相互支持、存在相互作用關系，使得算法特征成為技術手段的組成部分。
1.1 特定功能或領域中應用人工智能算法或模型時應考慮算法特征對方案作出的貢獻
對于將人工智能算法或模型用于實現特定功能或應用于具體領域的申請，為了使方案中的算法特征在創造性評判時帶來技術貢獻，在撰寫時，需寫明實現特定功能或應用于特定領域時所解決的技術問題，所采用的遵循自然規律的技術手段，以及由此獲得的符合自然規律的技術效果，還應寫明實施算法或模型所必不可少的內容。若方案涉及對現有的人工智能算法流程或模型參數進行調整，該調整解決了實現特定功能或應用于特定領域時面臨的技術問題，并獲得了有益技術效果，則可以認為算法特征與技術特征功能上彼此相互支持、存在相互作用關系，在創造性判斷時應考慮算法特征對方案作出的貢獻。
例如，現有對仿人機器人步行時跌倒狀態的判定主要利用姿態信息或ZMP點位置信息，但這樣判斷是不全面的。某申請提出了基于多傳感器檢測仿人機器人跌倒狀態的方法，通過實時融合機器人步態階段信息、姿態信息和ZMP點位置信息，并利用模糊決策系統，判定機器人當前的穩定性和可控性，為機器人下一步動作提供參考。其解決方案涉及一種基于多傳感器信息仿人機器人跌倒狀態檢測方法，其特征在于包含如下步驟：(1)通過對姿態傳感器信息、零力矩點ZMP傳感器信息和機器人步行階段信息進行融合，建立分層結構的傳感器信息融合模型;(2)分別利用前后模糊決策系統和左右模糊決策系統來判定機器人在前后方向和左右方向的穩定性，具體步驟如下：①根據機器人支撐腳和地面之間的接觸情況與離線步態規劃確定機器人步行階段;②利用模糊推理算法對ZMP點位置信息進行模糊化;③利用模糊推理算法對機器人的俯仰角或滾動角進行模糊化;④確定輸出隸屬函數;⑤根據步驟①～步驟④確定模糊推理規則;⑥去模糊化。現有技術公開了仿人機器人的步態規劃與基于傳感器信息的反饋控制，并根據相關融合信息對機器人穩定性進行判斷，其中包括根據多個傳感器信息進行仿人機器人穩定狀態評價，即現有技術公開了該解決方案中的步驟(1)，該解決方案與現有技術的區別在于采用步驟(2)的具體算法的模糊決策方法。基于該申請可知，該解決方案有效地提高了機器人的穩定狀態以及對其可能跌倒方向判斷的可靠性和準確率。姿態信息、ZMP點位置信息以及步行階段信息作為輸入參數，通過模糊算法輸出判定仿人機器人穩定狀態的信息，為進一步發出準確的姿勢調整指令提供依據。因此，上述算法特征與技術特征在功能上彼此相互支持、存在相互作用關系，相對于該現有技術，確定發明實際解決的技術問題為：如何判斷機器人穩定狀態以及準確預測其可能的跌倒方向。上述模糊決策的實現算法及將其應用于機器人穩定狀態的判斷均未被其他對比文件公開，也不屬于本領域公知常識，現有技術整體上并不存在使本領域技術人員改進現有技術以獲得要求保護發明的啟示，要求保護的發明技術方案相對于最接近的現有技術是非顯而易見的，具備創造性。
1.2人工智能算法或模型應用于不同場景時應考慮的因素
如果申請方案中記載的人工智能算法或模型屬于現有技術，方案的改進在于將其從現有的場景應用到本申請的場景，則創造性考量時應當綜合考慮算法或模型應用的場景的遠近、是否存在相應的技術啟示、應用于不同場景的難易程度、是否需要克服技術上的困難、是否帶來預料不到的技術效果等方面。
進一步，若算法或模型應用于不同場景，并未通過克服技術上的困難實現對算法或模型的訓練方法、參數、配置等要素的調整，也未獲得預料不到的技術效果，則不能使方案具備創造性。
例如，某申請涉及一種船只數量統計方法，基于船只圖像數據通過深度學習訓練出實時檢測的數據模型，對檢測出的船只數量進行求和，解決實時反饋當前海域內船只數量的技術問題。最接近的現有技術公開了一種樹上果實數量的統計方法，并公開了該申請的深度學習模型訓練和數量統計步驟，區別在于識別對象的不同，屬于不同的應用場景。船只和果實雖然在外觀、體積、存在環境等方面均存在差異，然而對于本領域技術人員而言，兩者所采用的手段均是對獲得的圖片信息進行對象識別、模型訓練，進而完成數量統計，在針對圖片進行識別時，同樣考慮了識別對象的位置和邊界。如果對圖片中的船只進行識別和訓練與對圖片中的果實進行識別和訓練，沒有使其在深度學習、模型訓練過程、圖片識別中的處理方式發生改變，能夠獲得的技術效果都是使統計結果更加準確，那么訓練數據不同僅代表數據含義不同，數據含義的不同對算法的改進或實現并未產生約束、影響或限制，應用場景的不同也未對算法模型的設計產生不同的約束、影響或限制。因此，將現有技術的果實統計方法應用到該方案的船只統計，其效果在現有技術的基礎上是可預期的，沒有產生預料不到的技術效果，該方案不具備創造性。
2. 人工智能算法或模型與計算機系統內部結構產生特定技術關聯
若人工智能算法或模型與計算機系統的內部結構存在特定技術關聯，實現了對計算機系統內部性能的改進，在創造性評判時，會將方案中的算法特征與技術特征作為一個整體考慮。
對計算機系統內部性能進行改進的情形，包括：通過調整硬件系統的體系構架來支持或優化特定算法或模型的運行，通過算法或模型的執行來優化計算機系統中硬件資源的調度等。在這種情形下，方案中的算法特征與技術特征將作為一個整體考慮，如果現有技術未給出技術啟示，則方案具備創造性。
例如，某申請涉及一種調整卷積神經網絡的方法，通過神經網絡定點化來降低資源使用量，使帶低比特定點量化的神經網絡模型能夠在低比特位寬的FPGA平臺上運行，能夠在低位寬的情況下實現媲美浮點網絡的計算精度。最接近的現有技術公開了一種用于卷積神經網絡的基于動態定點參數的定點訓練方法，該方法在卷積神經網絡的訓練過程中，使用定點的方式進行前向計算，在若干訓練周期之內，將網絡精度達到浮點計算的水平。該方案與最接近的現有技術的區別在于，在使用高比特定點量化對卷積神經網絡進行訓練后，通過FPGA的低比特位寬對卷積神經網絡進行微調。基于該區別特征，本申請解決了將多層級大數據量的卷積神經網絡用于小型FPGA嵌入式系統時受限于計算資源導致的精度降低問題，降低了卷積神經網絡在FPGA平臺上訓練的資源使用量，獲得了在小型FPGA嵌入式系統上實現媲美浮點網絡的計算精度的技術效果。將算法特征和FPGA的低比特位寬等技術特征作為一個整體考慮，現有技術中并不存在技術啟示，該方案具備創造性。
3.人工智能算法或模型與技術特征共同構成技術手段提升了用戶體驗
若方案中的人工智能算法特征與技術特征一起，提升了用戶體驗，在創造性評判時，會將算法特征與技術特征作為一個整體考慮，如果現有技術未給出技術啟示，則方案具備創造性。
例如，某申請涉及一種在線客服的實現方法，解決現有電子商務平臺中，用戶傾向于通過人工客服處理投訴咨詢等業務，造成機器人客服和人工客服資源沒有被合理利用，人工客服處理壓力大的技術問題。主要采用的解決方案包括：采用長短時記憶網絡分析用戶請求的上下文，結合遺傳算法優化人工與機器人客服的動態分配。當檢測到人工客服負載過重時，系統利用長短時記憶網絡預測并自動將適合的請求導向機器人客服，以減輕人工客服的處理壓力。最接近的現有技術公開了一種實現與在線客服聊天的方法，具體公開了用戶可以自由選擇和切換三種與客服溝通的方式：僅機器人客服、機器人客服優先、人工客服優先，其中“人工客服優先”方式中，當已達到人工接待上限或存在排隊等待情況，則由機器人客服與用戶通訊。最接近的現有技術主要基于用戶選擇來切換人工或機器人客服，且判斷人工客服是否繁忙的依據是接待是否已達上限或是否有排隊等待情況出現，這與本申請根據人工智能算法權衡后進行自動切換不同，該解決方案基于訪問負載通過人工智能算法分析并自動切換機器人客服能夠解決在機器人客服與人工客服之間更合理地分配用戶服務請求的技術問題，能夠節省用戶等待時間，提升了用戶體驗，因此方案具備創造性。
4.答復審查意見應注意的問題
對于包含算法特征的人工智能相關發明專利申請，當方案與作為最接近現有技術的對比文件的區別特征包含算法特征時，如果審查員認為上述算法特征與技術特征并非功能上彼此相互支持、存在相互作用關系，則可能不考慮算法特征對技術方案作出的貢獻。
對于此類審查意見，在答復時，應闡明作為區別特征的算法特征能否使方案解決技術問題，這些特征與申請要解決的技術問題是否密切相關，是否與技術特征功能上彼此相互支持、存在相互作用關系。為了克服審查意見指出的缺陷，修改時可以考慮，將原始申請文件中與最接近現有技術存在區別的技術特征，或者與權利要求中的技術特征功能上彼此相互支持、存在相互作用關系的算法特征補入權利要求中。
對于本章第1節記載的情形，如果申請與現有技術采用相同或類似的人工智能算法或模型，二者主要區別在于功能或應用領域不同，則針對不具備創造性的審查意見，在答復時可以著重陳述該算法或模型在實現本申請的功能或應用至本申請的領域時需要克服哪些技術上的困難，或者獲得了何種預料不到的技術效果等。
對于本章第2節記載的情形，如果申請與現有技術的主要區別在于算法特征，針對不具備創造性的審查意見，可以在意見陳述時闡明上述算法特征與計算機系統的內部結構存在特定技術關聯，能夠獲得改進計算機系統內部性能的技術效果。
對于本章第3節記載的情形，如果申請的解決方案能夠帶來用戶體驗的提升，針對不具備創造性的審查意見，在答復時，可以闡釋為何本申請獲得的用戶體驗提升的有益效果是由技術特征帶來的，或者是由彼此相互支持、存在相互作用關系的技術特征和算法特征共同帶來的。
第六章 關于人工智能相關專利申請中的倫理問題
人工智能的不斷發展為各行業帶來更多發展機遇，也帶來了算法倫理、數據安全、數據合規等倫理問題。就人工智能相關內容進行專利申請，應符合我國專利法第五條的規定。
涉及人工智能算法或模型在不同領域應用的，申請人應關注涉及算法或模型的方案應用于具體領域時是否存在違反相關法律、社會公德或者妨害公共利益等問題。涉及人工智能獲取和利用數據的，需要關注有關數據的來源、應用場景、安全管理、使用規范等各個環節是否遵循相關法律。除了數據內容本身，具體的數據采集、存儲、處理等手段也需要符合相關法律的要求，不得違反社會公德或妨害公共利益。
中企檢測認證網提供iso體系認證機構查詢，檢驗檢測、認證認可、資質資格、計量校準、知識產權貫標一站式行業企業服務平臺。中企檢測認證網為檢測行業相關檢驗、檢測、認證、計量、校準機構，儀器設備、耗材、配件、試劑、標準品供應商，法規咨詢、標準服務、實驗室軟件提供商提供包括品牌宣傳、產品展示、技術交流、新品推薦等全方位推廣服務。這個問題就給大家解答到這里了，如還需要了解更多專業性問題可以撥打中企檢測認證網在線客服13550333441。為您提供全面檢測、認證、商標、專利、知識產權、版權法律法規知識資訊，包括商標注冊、食品檢測、第三方檢測機構、網絡信息技術檢測、環境檢測、管理體系認證、服務體系認證、產品認證、版權登記、專利申請、知識產權、檢測法、認證標準等信息，中企檢測認證網為檢測認證商標專利從業者提供多種檢測、認證、知識產權、版權、商標、專利的轉讓代理查詢法律法規，咨詢輔導等知識。
本文內容整合網站：中國政府網、百度百科、搜狗百科、360百科、最高人民法院、知乎、市場監督總局 、國家知識產權局、國家商標局
免責聲明：本文部分內容根據網絡信息整理，文章版權歸原作者所有。向原作者致敬！發布旨在積善利他，如涉及作品內容、版權和其它問題，請跟我們聯系刪除并致歉！
