引言
隨著數字化時代的到來，人工智能被廣泛應用于家居、制造、金融、醫療、安防、交通、零售、教育和物流等諸多領域。涉及人工智能的專利申請也越來越多。據統計，2021年人工智能領域專利申請量是2015年的30倍。其中，中國申請了全球一半以上的人工智能專利。人工智能專利涉及到算法特征，但算法特征本身不屬于技術特征，因此，算法特征在創造性的判斷中應當如何考慮，是人工智能專利的創造性判斷的難點。下面，筆者基于最新的無效案例來探討人工智能專利的創造性判斷標準。
一、審查指南規定
《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。“功能上彼此相互支持、存在相互作用關系”是指算法特征或商業規則和方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。
例如，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。
根據上述規定，對于算法特征來說，如果其與技術特征“功能上彼此相互支持、存在相互作用關系”，那么在進行創造性判斷時，應當將該算法特征與技術特征作為一個整體考慮。但如何判斷算法特征和技術特征“功能上彼此相互支持、存在相互作用關系”，本身并不是一件容易的事情。現行審查指南給出一種具體情形，即，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。然而，“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”本身仍然不夠明確。
因此，人工智能專利的創造性判斷規則，仍然需要進一步的完善。
二、案例介紹
涉案專利的發明名稱為“一種建立廢鋼等級劃分神經網絡模型方法”，專利號為ZL201910958076.6.
涉案專利涉及人工智能技術在鋼鐵行業的應用，通過采用卷積神經網絡技術進行廢鋼鐵等級分類的特征提取和深度學習，實現了對廢鋼鐵等級的客觀準確的自動分類。
涉案專利的權利要求1如下：
一種建立廢鋼等級劃分神經網絡模型方法，所述模型用于廢鋼收儲的等級分類檢測，包括獲取多個圖像，目測確定多個圖像的不同廢鋼等級，對所述圖像進行預處理去除無效水印、提高圖像對比度，對圖像數據進行圖像數據特征提取，對提取的不同等級圖像數據特征進行卷積神經網絡學習形成具有等級分類輸出的等級劃分神經網絡模型;其特征在于，所述圖像數據特征的提取是對圖像畫面像素點矩陣數據進行卷積神經網絡卷積計算的集合實現的提取，包括：由集合輸出的多條線路卷積層或卷積層加池化層計算構成的對圖像中物體顏色、邊緣特征和紋理特征的提取，以及對圖像中物體邊緣、紋理之間關聯特征的提取;
其中，一，所述圖像中物體顏色、邊緣特征的提取是由三條線路卷積層加池化層計算輸出的集合輸出構成，包括從左至右的第一條線路一層池化層、第二條線路二層卷積層和第三條線路四層卷積層;二，所述對圖像中紋理特征的提取是對上述圖像中物體顏色、邊緣特征的提取集合輸出進行的提取，是由三條線路卷積層計算輸出的集合輸出構成，包括從左至右的第一條線路0卷積層、第二條線路二層卷積層和第三條線路三層卷積層;紋理特征形成的是卷積網絡的激活函數(Relu activation);
至少三條線路卷積層或卷積層加池化層計算輸出的集合輸出構成了對圖像中物體顏色、邊緣特征和紋理特征的提取，每一條線路的卷積層數各不相同;
所述對邊緣、紋理之間關聯特征提取的卷積層計算的線路數大于對圖像中物體顏色、邊緣和紋理特征提取的卷積層計算的線路數。
證據1公開了選用料豆的火車輪子的圖像進行測試識別的結果的相關內容，識別結果為具體的廢鋼料型。
涉案專利權利要求1與證據1存在以下區別：
第一，兩者應用場景不同。權利要求1是一種建立廢鋼等級劃分神經網絡模型的方法，所述模型用于廢鋼收儲的等級分類檢測，其應用場景為廢鋼等級劃分;而證據1公開的是建立廢鋼種類識別神經網絡模型的方法，其應用場景為廢鋼種類識別。
第二，兩者所采用的方法步驟不同。權利要求1在獲取圖像步驟中限定了目測確定多個圖像的不同廢鋼等級，在圖像數據特征提取步驟中限定了提取的是不同等級圖像數據特征，在神經網絡模型的學習訓練步驟中限定了針對提取的不同等級圖像數據特征進行學習、形成具有等級分類輸出的等級劃分神經網絡模型。證據1公開了獲取圖像、預處理、特征提取、以及通過訓練學習建立神經網絡模型的方法步驟，但其訓練好的卷積神經網絡模型是用于識別出廢鋼鐵圖像中的廢鋼鐵具體是何種料型，與廢鋼等級無關。
第三，兩者所選取的重要參數和所采用的具體模塊構成不同。權利要求1中限定了圖像數據特征提取的更具體的內容，如特征提取所選取的參數以及特征提取所采用的具體模塊構成;而證據1未公開上述內容。
基于上述區別，權利要求1實際要解決的問題是：建立對廢鋼料等級劃分的神經網絡模型，以解決廢鋼收儲的等級分類檢測的應用場景中的等級劃分問題，以及針對該問題如何具體選取數據參數和相關模塊。
合議組認為，證據1全文論述的是如何對廢鋼鐵的種類進行自動識別，所公開的方法步驟、具體示例均僅涉及如何進行種類識別以及識別結果是何種料型，證據1中對于如何分級并無進一步的記載或公開。因此，從證據1所給出的應用場景、方法步驟和重要參數中無法得到建立廢鋼料等級劃分的神經網絡模型，以對混雜在一起的各種類型的廢鋼料進行等級劃分的技術啟示。
證據2公開了上述第三點區別的在卷積神經網絡模型中對圖像數據特征進行提取時可以采用的具體模塊構成，并公開了采用了證據2的整體模型架構可以加速網絡的訓練、并使訓練更加穩定的相關內容。
然而，合議組認為，證據2沒有公開具體提取的是圖像數據的哪些特征，也沒有公開提取相關數據特征用于何種具體的應用場景、解決該場景中具體存在的哪些技術問題。因此，證據2沒有給出建立廢鋼料等級劃分的神經網絡模型的相關技術啟示，更沒有給出為解決該技術問題具體要提取哪些相關參數的技術啟示。
另外，合議組還認為，證據3同樣沒有公開提取相關數據特征用于何種具體的應用場景、解決該場景中具體存在的哪些技術問題。因此，證據3沒有給出建立廢鋼料等級劃分的神經網絡模型的相關技術啟示，更沒有給出為解決該技術問題具體要提取哪些相關參數的技術啟示。
因此，合議組認為，涉案專利權利要求1具有創造性，并作出維持涉案專利全部有效的無效決定。
三、案例分析
在本案中，權利要求1與證據1之間存在諸多算法特征，如何在創造性的判斷中考慮這些算法特征，是本案的難點。雖然權利要求1和證據1都涉及到廢鋼，但權利要求1的應用場景為廢鋼的等級劃分;證據1的應用場景為廢鋼的種類識別。應用場景的不同，導致了算法特征也存在區別，并且是實質性區別。因此，合議組認可了權利要求1的算法特征在創造性判斷中所起到的正面價值。
本案是算法特征與技術特征在功能上彼此相互支持、存在相互作用關系的典型案例，對于人工智能專利的創造性判斷具有重大的參考價值。國家知識產權局將本案列入2022年度專利復審無效十大案件，指出本案細化了對包含算法特征的發明專利的創造性評判標準，對人工智能領域的發明專利的創造性判斷具有示范作用。在涉及人工智能技術的情況下，對包含算法特征的發明專利進行創造性判斷時，應當將算法和應用場景進行整體考量，特別是需要考慮將算法應用到不同場景后是否對算法的訓練模式、重要參數或相關步驟等進行了實質性調整，且該調整是否解決了特定的技術問題、獲得了有益的技術效果。
反過來說，如果將證據1的算法應用到涉案專利的應用場景，不需要對算法的訓練模式、重要參數或相關步驟進行實質性調整，例如，不需要進行任何調整，或者僅需要進行非實質性的細微調整，那么即使整體考慮應用場景和算法特征可能也無法使得涉案專利具有創造性。
四、小結
通過本案可以看出，應用場景對于人工智能專利的授權是至關重要的。如果只是單純的人工智能算法，不存在具體的應用場景，那么該專利申請很可能在無需進行創造性判斷的情況下，直接被認為不屬于專利法的保護客體而無法獲得授權。在創造性的判斷中，應用場景和算法特征之間的技術關聯也是重點考慮的因素。隨著審查實踐的不斷發展，希望能夠進一步明確細化人工智能專利的審查標準，以更好地指導人工智能專利申請的撰寫。
以上為筆者對于人工智能專利的創造性判斷的體會和總結，僅供各位同仁參考，如有不當之處，敬請斧正。
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：百度百科、搜狗百科、360百科、知乎、市場監督總局 、國家知識產權局
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！
