泰和泰研析 | 解读《人工智能相关发明专利申请指引》

文摘   2024-12-11 17:36   广东  


TAHOTA

引言


人工智能(AI)作为当今科技发展的前沿领域,正以前所未有的速度改变着我们的生活和工作方式。从智能家居到自动驾驶,从医疗诊断到金融分析,AI技术的应用已经渗透到社会的各个角落。随着AI技术的不断进步和创新,相关的专利申请数量也在急剧增加。为了规范这一领域的专利申请,确保专利的质量和合法性,同时促进AI技术的持续创新,国家知识产权局发布了《人工智能相关发明专利申请指引(征求意见稿)》。本文将深入解读这一指引,探讨算法、模型以及相关专利申请需要关注的事项。


一、AI相关专利申请的类型与法律问题

1.1AI相关专利申请类型


AI相关专利申请主要分为四种类型:AI算法或模型本身、基于AI算法或模型的功能或领域应用、AI辅助作出的发明以及AI生成的发明。

1.AI算法或模型本身:
这类申请主要关注算法的创造性和实用性。例如,一种新型的神经网络结构、改进的机器学习算法等。这些算法或模型需要具备显著的技术进步和实用性,才能满足专利法的要求。

【示例】

发明名称:
一种建立废钢等级划分神经网络模型方法

权利要求1:
一种建立废钢等级划分神经网络模型方法,其特征在于,所述图像数据特征的提取是对图像画面像素点矩阵数据进行卷积神经网络卷积计算的集合实现的提取,包括:由集合输出的多条线路卷积层或卷积层加池化层计算构成的对图像中物体颜色、边缘特征和纹理特征的提取,以及对图像中物体边缘、纹理之间关联特征的提取;

其中,一,所述图像中物体颜色、边缘特征的提取是由三条线路卷积层加池化层计算输出的集合输出构成,包括从左至右的第一条线路一层池化层、第二条线路二层卷积层和第三条线路四层卷积层;二,所述对图像中纹理特征的提取是对上述图像中物体颜色、边缘特征的提取集合输出进行的提取,是由三条线路卷积层计算输出的集合输出构成,包括从左至右的第一条线路0卷积层、第二条线路二层卷积层和第三条线路三层卷积层;纹理特征形成的是卷积网络的激活函数。

简要分析:
技术领域:该权利要求涉及的是人工智能领域的神经网络模型,具体应用于废钢等级的划分。

技术手段权利要求中详细描述了使用卷积神经网络对图像数据进行特征提取的过程,包括通过不同线路的卷积层和池化层计算来提取图像的颜色、边缘、纹理特征以及这些特征之间的关联。

技术效果:通过该方法建立的废钢等级划分神经网络模型能够提高废钢分类的准确性和效率。

2.基于AI算法或模型的功能或领域应用:
这类申请关注的是AI算法在特定领域的应用。例如,利用图像识别技术进行医疗影像分析、利用自然语言处理技术进行智能客服等。这些申请需要明确AI算法如何与特定领域结合,产生新的技术效果或提升现有技术的效率。

【示例】

权利要求1:
一种基于人工智能的大数据类器官图像识别的方法,其特征在于,包括以下步骤:

数据收集:
收集大量的类器官图像数据,这些数据包括但不限于通过显微镜、电子显微镜、CT扫描、MRI等医学影像技术获取的图像。

预处理:
对收集到的图像数据进行预处理,包括去噪、对比度增强、标准化等,以提高图像质量。

特征提取:
利用深度学习算法,从预处理后的图像中提取出具有生物学意义的特征,如边缘、纹理、形状等。
分类与识别:基于提取的特征,使用机器学习模型对类器官图像进行分类和识别,以区分不同的器官状态。

技术领域:
本发明涉及人工智能技术,特别是图像识别技术在医疗影像分析领域的应用。

背景技术:
随着医学影像技术的发展,医生需要处理大量的影像数据,这导致工作负担加重,且容易出错。传统的图像处理方法在处理复杂图像时效率低下,准确性不足。

发明内容:
本发明提供了一种基于人工智能的大数据类器官图像识别的方法,能够自动、准确地识别和标注不同的器官状态,从而提高医学影像的解读效率和准确性。

具体实施方式:
通过运用先进的机器学习框架,如卷积神经网络(CNN),该方法可以分析和处理大量的图像数据,提取具有生物学意义的特征,实现高效的分类和识别。

通过上述权利要求1的示例,我们可以看到,基于AI算法的功能或领域应用专利需要详细描述算法在特定领域的应用过程,以及该应用如何解决现有技术问题或提升技术效率。

3.AI辅助作出的发明:
这类申请是指利用AI技术辅助人类发明家进行创新。例如,利用AI算法辅助设计新型药物、利用AI系统优化生产工艺等。这类申请需要明确AI在发明过程中的具体作用,以及它如何帮助人类发明家突破传统思维的限制。

【示例】

权利要求1:
一种基于AI的药物设计方法,其特征在于,所述方法包括:获取特定疾病的生物标志物数据集;利用AI算法对所述数据集进行分析,识别潜在的药物靶点;基于识别的靶点,利用AI生成药物分子结构;对生成的药物分子进行虚拟筛选和药效预测;根据预测结果,人类发明家对药物分子进行进一步优化,以获得具有特定疗效的药物候选物。

权利要求2:
根据权利要求1所述的方法,其中,所述AI算法为基于深度学习的分子生成模型。

Tips:人类重大贡献的识别

输入端:
人类发明家通过提供特定的提示词或数据集,引导AI系统针对特定技术问题进行创新。

模型构建和训练:人类与AI专家合作,针对特定技术问题设计、构建或训练AI模型。

输出端:
人类对AI输出的方案进行实验和改进,体现对发明构思的重大贡献。

4.AI生成的发明:
这类申请是指完全由AI独立完成的发明创造。例如,由AI系统自主设计的一种新型材料、由AI算法自动生成的一种新的商业模式等。这类申请在法律上存在较大争议,因为传统的专利法规定,发明人必须是具有创造性思维能力的自然人。

【说明】

AI辅助和生成发明的发明人认定

美国:
根据USPT0的指南,AI本身不能作为发明人,但对AI参与的技术方案做出贡献的自然人有资格作为发明人。

中国:
中国的专利法也否认AI的发明人资格,只有对发明创造做出实质性贡献的自然人才能作为发明人。

Tips:权利要求构建的策略

识别人类贡献:
在构建权利要求时,首先需要识别和确认人类的重大贡献,这包括对AI模型的输入设计、构建与训练等。

独立权利要求:
确保每项独立权利要求都体现人类的重大贡献,这是专利申请有效性与合法性的关键。

1.2热点法律问题


在AI相关专利申请中,存在一些热点法律问题,主要包括以下几个方面:

1.发明人主体适格性:
AI系统是否可以署名为发明人?这是一个备受关注的问题。根据《专利法实施细则》的规定,发明人必须是自然人,不能是单位、集体或AI系统。因此,在AI辅助作出的发明和AI生成的发明中,AI系统不能作为发明人。

2.客体标准:
如何判断一项解决方案是否属于智力活动的规则和方法?如何判断方案采用的手段是否是遵循自然规律的技术手段?这些问题是AI相关专利申请中的关键问题。专利法规定,对智力活动的规则和方法不授予专利权,只有采用利用自然规律的技术手段解决技术问题并达到技术效果的方案,才属于技术方案。

3.充分公开要求:
AI算法或模型的透明性问题一直广受关注。由于AI算法的内部推理和决策过程不易解释,如何满足说明书充分公开的要求,进而提升AI算法的透明性、可解释性与可复现性,是一个亟待解决的问题。

4.创造性贡献:
算法特征如何带来创造性贡献?这是一个复杂的问题。专利审查指南规定,如果权利要求中的算法应用于具体的技术领域,可以解决具体技术问题,那么可以认为该算法特征与技术特征功能上彼此相互支持、存在相互作用关系,该算法特征成为所采取的技术手段的组成部分,在进行创造性审查时,应当考虑所述的算法特征对技术方案作出的贡献。

5.伦理问题:
AI技术的快速发展可能引发算法伦理、数据合规等问题。因此,有必要合理规范申请文件中相关内容的撰写,以引导“智能向善”。

二、发明人身份的认定

2.1发明人必须是自然人


根据《专利法实施细则》的规定,发明人必须是自然人,不能是单位、集体或AI系统。这一规定明确了发明人的基本属性,但也引发了一系列问题。在AI辅助作出的发明和AI生成的发明中,AI系统是否应被视为发明人之一?对此,指引明确指出,AI系统不能作为发明人。这是因为AI系统虽然能够模拟人类的某些智能行为,但它并不具备人类的创造性思维能力和主观意识。

2.2发明人应对发明创造的实质性特点作出创造性贡献


对于涉及AI算法或模型、基于AI算法或模型的功能或领域应用的相关专利申请,发明人是指对发明创造的实质性特点作出创造性贡献的人。对于AI辅助作出的发明,对发明创造的实质性特点作出了创造性贡献的自然人,可以署名为专利申请的发明人。对于AI生成的发明,在我国当前法律背景下无法赋予AI发明人身份。

三、客体标准

3.1权利要求的方案不能仅涉及智力活动的规则和方法


专利法第二十五条第一款第(二)项否定了“智力活动的规则和方法”被授予专利权的可能性。智力活动的规则和方法是指导人们思维、表述、判断和记忆的规则和方法,具有抽象思维的特点。典型地,抽象的数学理论或数学算法就属于智力活动的规则和方法,不能被授予专利权。

如果一项权利要求对其限定的全部内容既包含智力活动的规则和方法的内容,又包含技术特征,该技术特征并非仅体现在主题名称中,则该权利要求就整体而言并不是一种智力活动的规则和方法。

例如,一种基于抽象算法且不包含任何技术特征的通用神经网络模型建立方法,或是,不包含任何技术特征的利用优化后的损失函数对通用神经网络进行训练以加速训练收敛的方法,均被认为是一种抽象数学算法,属于智力活动的规则和方法。
                         

3.2权利要求的方案应当体现为解决技术问题采用遵循自然规律的技术手段并达到技术效果


专利法第二条第二款所规定的“技术方案”,是指对要解决的技术问题所采取的利用了自然规律的技术手段的集合。当一项权利要求记载了对要解决的技术问题采用了利用自然规律的技术手段,并且由此获得符合自然规律的技术效果,则该权利要求限定的解决方案属于技术方案。

例如,一种利用神经网络模型对图像进行识别和分类的方法。图像数据属于技术领域中具有确切技术含义的数据,如果本领域技术人员能够知晓解决方案中对图像特征进行处理的各个步骤与要解决的识别物体并分类的技术问题密切相关,且获得了相应的技术效果,则该解决方案属于技术方案。

四、说明书的充分公开

4.1根据发明贡献类型确定说明书应当记载的内容


说明书应当清楚地记载发明的技术方案,详细地描述实现发明的具体实施方式,完整地公开对于理解和实现发明必不可少的技术内容,达到所属技术领域的技术人员能够实现该发明的程度。

由于AI算法或模型存在“黑匣子”特性,需要有足够的信息来达到充分公开的目的。发明贡献不同,实现该发明必不可少的技术内容亦有所不同。说明书应对现有技术作出贡献的部分进行充分描述。对于体现专利发明构思的技术手段,说明书应当清楚、完整地予以描述,以所属技术领域的技术人员能够实现为准。

4.2涉及不同类型发明贡献的申请文件撰写


1.发明贡献在于AI模型训练的申请
一般需要根据方案要解决的问题或要达到的效果,在说明书中清楚记载必要的模型训练过程中涉及的算法及算法的具体步骤、训练方法的具体过程等。

2.发明贡献在于AI模型构建的申请
一般需要根据方案要解决的问题或要达到的效果,在说明书中记载必要的模块结构、层次结构或连接关系等,准确、客观地写明模型的功能和效果。

3.发明贡献在于AI具体领域应用的申请
一般需要根据方案要解决的问题或要达到的效果,在说明书中明确模型如何与具体应用场景结合、输入/输出数据如何设置等。必要时,说明书中还应当阐明输入数据和输出数据之间的相关性,使所属技术领域的技术人员能够判断二者之间具有关联关系。

五、创造性的考量

5.1 使人工智能算法特征成为技术手段的组成部分


为使AI算法特征在创造性判断时被纳入技术手段的一部分,权利要求中应体现出AI算法或模型应用于具体的功能或应用领域,解决了具体技术问题,从而明确算法特征与技术特征功能上彼此相互支持、存在相互作用关系,使得算法特征成为技术手段的组成部分。

例如,现有对仿人机器人步行时跌倒状态的判定主要利用姿态信息或ZMP点位置信息,但这样判断是不全面的。某申请提出了基于多传感器检测仿人机器人跌倒状态的方法,通过实时融合机器人步态阶段信息、姿态信息和ZMP点位置信息,并利用模糊决策系统,判定机器人当前的稳定性和可控性,为机器人下一步动作提供参考。其解决方案涉及一种基于多传感器信息仿人机器人跌倒状态检测方法,其特征在于包含如下步骤:通过对姿态传感器信息、零力矩点ZMP传感器信息和机器人步行阶段信息进行融合,建立分层结构的传感器信息融合模型;分别利用前后模糊决策系统和左右模糊决策系统来判定机器人在前后方向和左右方向的稳定性。

5.2人工智能算法或模型与计算机系统内部结构产生特定技术关联


若AI算法或模型与计算机系统的内部结构存在特定技术关联,实现了对计算机系统内部性能的改进,在创造性评判时,会将方案中的算法特征与技术特征作为一个整体考虑。

例如,某申请涉及一种调整卷积神经网络的方法,通过神经网络定点化来降低资源使用量,使带低比特定点量化的神经网络模型能够在低比特位宽的FPGA平台上运行,能够在低位宽的情况下实现媲美浮点网络的计算精度。该方案与最接近的现有技术的区别在于,在使用高比特定点量化对卷积神经网络进行训练后,通过FPGA的低比特位宽对卷积神经网络进行微调。基于该区别特征,本申请解决了将多层级大数据量的卷积神经网络用于小型FPGA嵌入式系统以克服资源有限的技术问题,降低卷积神经网络在FPGA平台上训练的资源使用量,获得计算机系统内部性能改进的技术效果。

5.3人工智能算法或模型与技术特征共同构成技术手段提升了用户体验


若方案中的人工智能算法特征与技术特征一起,提升了用户体验,在创造性评判时,会将算法特征与技术特征作为一个整体考虑,如果现有技术未给出技术启示,则方案具备创造性。

例如,某申请涉及一种在线客服的实现方法,解决现有电子商务平台中,用户倾向于通过人工客服处理投诉咨询等业务,造成机器人客服和人工客服资源没有被合理利用,人工客服处理压力大的技术问题。主要采用的解决方案包括:采用长短时记忆网络分析用户请求的上下文,结合遗传算法优化人工与机器人客服的动态分配。

六、伦理问题的引导

AI技术的快速发展为各行业带来更多发展机遇,也带来了算法伦理、数据安全、数据合规等伦理问题。就AI相关内容进行专利申请,应符合我国专利法第五条的规定。

涉及AI算法或模型在不同领域应用的,申请人应关注涉及算法或模型的方案应用于具体领域场景时是否存在违反相关法律法规、社会公德或者妨害公共利益等问题。涉及AI获取和利用数据的,需要关注有关数据的来源、应用场景、安全管理、使用规范等各个环节是否遵循相关法律法规。

结语


《人工智能相关发明专利申请指引(征求意见稿)》的发布,为规范和引导AI相关专利申请提供了明确的指导。通过详细解读这一指引,我们可以更好地理解AI相关专利申请的类型、法律问题、发明人身份认定、方案客体的标准、说明书的充分公开、创造性的考量以及伦理问题的引导等方面的内容。

这一指引不仅有助于提高AI相关专利申请的质量和合法性,还能促进AI技术的持续创新和发展。通过明确AI算法或模型的专利申请标准,申请人可以更好地撰写申请文件,确保其技术方案具备创造性、实用性和新颖性。


作者简介


刘大亮  律师

专业认证-数据安全治理专家


业务领域:数据合规、股权、知识产权






泰和泰深圳办公室
泰和泰(深圳)律师事务所公众号
 最新文章