人工智能专利保护

文/李莉

1 前言

2017年7月国务院印发了《新一代人工智能发展规划》（国发[2017]35 号），正式将人工智能提升为国家战略。《新一代人工智能发展规划》（以下简称《规划》）指出人工智能是引领未来的战略性技术、是新一轮产业变革的核心驱动力，人工智能在当今以及未来的重要性可见一番。《规划》还准确的指出了当前我国在人工智能方面的现状：我国发展人工智能具有良好基础，但是在基础理论、核心算法以及关键设备等方面与国际先进水平差距较大，科研机构和企业还没有形成具有国际影响力的生态圈和产业链。

因此，可以预见，人工智能核心算法和基础理论的研发是目前的重要工作。

发展人工智能，必然离不开人工智能知识产权保护，《规划》中也将建立人工智能知识产权体系作为促进人工智能发展的重要保障措施。国家知识产权局依据《规划》，以人工智能领域涉及的基础算法、基础硬件和垂直应用三大技术分支作为分类依据，对我国人工智能领域专利状况进行了分析，发布了《2017年中国人工智能领域专利主要统计数据报告》（以下简称《报告》）。报告指出：2017年授权的6475 件人工智能发明专利中，基础算法占比21.0%，基础硬件占比4.9%，垂直应用占比最大为74.1%。《报告》的上述数据恰好体现了《规划》中指出的我国人工智能方面的不足，即在基础算法和基础硬件方面存在差距。

众所周知，人工智能领域的核心技术主要是算法。那么，对于人工智能领域的算法的保护，是人工智能知识产权保护中的重要议题。有学者指出，目前我国专利法在实施过程中通常将算法限定在过窄的应用范围，这与人工智能的平台技术背景相矛盾，对我国发展相关领域的技术创新和产业化不利。为此，在对专利法等法律制度进行进一步完善的过程中，应扩大人工智能的专利客体范围，特别是加强人工智能领域的算法相关技术的保护。

因此，本文对人工智能领域算法的专利保护中所遇到的问题进行浅析，并给出相应的建议。

2 算法的客体问题

2.1 我国专利法中客体问题的相关规定

《专利法》第二条第二款对发明可专利性的客体进行了一般性的定义：专利法所称的发明，是指对产品、方法或者其改进所提出的新的技术方案。在此基础上，进一步通过法第二十五条把“智力活动的规则和方法”从专利保护客体中排除。

《专利审查指南》第二部分第一章指出：技术方案是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。技术手段通常是由技术特征来体现的。未采用技术手段解决技术问题，以获得符合自然规律的技术效果的方案，不属于专利法第二条第二款规定的客体。

关于智力活动的规则和方法，《专利审查指南》第二部分第一章规定：智力活动的规则和方法是指导人们进行思维、表述、判断和记忆的规则和方法。由于其没有采用技术手段或者利用自然规律，也未解决技术问题和产生技术效果，因而不构成技术方案。它既不符合专利法第二条第二款的规定，又属于专利法第二十五条第一款第（二）项规定的情形。

《专利审查指南》中同时给出了判断涉及智力活动的规则和方法的专利申请要求保护的主题是否属于可授予专利权的客体时，应当遵循以下原则：

（1）如果一项权利要求仅仅涉及智力活动的规则和方法，则不应当被授予专利权；

（2）如果一项权利要求在对其进行限定的全部内容中既包含智力活动的规则和方法的内容，又包含技术特征，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，不应当依据专利法第25 条排除其获得专利权的可能性。

在算法类发明的实质审查中，客体问题是首先应当考虑的。算法因客体问题而不能被授予专利权的情况时有发生。那么，如何使人工智能的算法受到合理的专利保护，避免因客体问题被排除获得专利权的可能性呢？本文对其撰写方式提出以下建议：

2.2 专利中的算法注重与应用领域结合的程度

现阶段的专利审查实践中，只有当算法或者模型与具体应用领域紧密结合形成的解决方法才不会被认为属于“抽象算法和模型本身”，“抽象算法和模型本身”通常涉及通用数学问题和通用数学模型，而不涉及技术手段、技术问题以及技术效果。

下面，我们通过一个复审案例体会算法与具体应用领域的结合问题。

发明名称：基于矩阵UD 分解的多变量建模方法及系统

案情简介：本申请所要解决的技术问题为：在工业生产的实际情况中，现有的多变量系统建模方法很难确定出各变量之间的因果关系，往往遗漏掉一些未知的重要变量，导致建模产生重大的误差，很大程度上影响后续步骤的控制器设计问题。本发明提出基于矩阵UD分解的多变量建模方法，能同时辨识多变量系统的模型结构和模型系数，本发明提供的方法把因果分析和系统辨识很巧妙融合于一体，解决了现有方法要么只能处理因果分析的问题，要么只能处理系统辨识（模型系数辨识）的问题。

本发明的权利要求1 为：

1.基于矩阵UD 分解的多变量建模方法，其特征在于，该方法包括：

S1.采集数据，构成n 维变量x=[x1,x2,…, xn]T，其中，x 为n 维变量，xi为第i 个变量，i=1,2,…,n；

S2.对所述变量x 进行向量自回归MVAR模型的建模；

S3.根据交错数据向量得到信息矩阵；

S4.基于矩阵UD 分解所述信息矩阵，其中所述U为单位上三角矩阵，所述D为对角阵，得到系数矩阵U 和损失函数矩阵D；

S5.根据系数矩阵U 和损失函数矩阵D，确定出多变量模型结构和模型系数，完成多变量建模。

本案在实质审查阶段被驳回，驳回理由为属于专利法第25 条第1 款第（二）项所述的智力活动的规则和方法的范围，

申请人不服，提出了复审请求。在复审阶段，申请人和合议组主要的争议点在于：合议组认为本案的建模方法对于多变量系统本身并不具有针对性，其实际解决的是通用的数学求解问题，而不属于专利法意义上的技术问题。其数据、变量也没有具体的物理含义，是抽象的数学向量。其他步骤根据向量进行模型变换、分解、求解，是利用数学理论进行的数学运算，也没有利用自然规律解决具体技术领域的特定多变量系统的建模准确性问题。该模型结构并未应用到任何技术领域，也无法产生专利法意义上的技术效果。申请人认为：虽然本申请在申请文件中未记载具体的应用领域，但是该方案可以应用在不同的应用场景中，其各个变量表达的物理含义在不同场景中表示不同的含义，故权利要求1 中没有给出每个变量的具体物理含义，但并不代表权利要求1 中的各个变量没有物理含义，本申请所述的技术方案已经应用到过程监控新方法和实际生产过程的优化控制中，能够同时辨识多变量系统的模型结构和模型系数，挖掘出的信息有很明确的物理意义。

对此，合议组发出复审决定，认为：本申请在整个模型脱离具体应用场景的情况下，模型系统也就失去了专利法意义上的物理意义，而仅仅是抽象的数学参数。可见，本申请权利要求1 所记载的方案属于抽象的数学变换方法，不属于专利法意义上技术方案。数学变换方法可以应用到不同的场景中以解决实际问题，但是这并不意味数学变换方法本身属于技术方案，例如控制理论、采样理论可以应用到工业生产的实际情况中，但是这些理论本身并不属于专利法意义上技术方案。最终，合议组依据《专利法》第二条第二款维持了驳回决定。

通过上述案例可以看出，涉及算法的权利要求应十分注重与具体应用领域的结合度，而与具体领域的结合度应达到以下程度：

（1）在权利要求主题名称中写明其运用到了具体的技术领域；

（2）在具体的描述中写明各种数学公式及其参数所代表的物理含义，以使得本领域技术人员能够明确该方案解决的技术问题和获得的技术效果，继而确定其是否属于技术方案。

3 小结

上述复审案例正向我们揭示了算法类权利要求撰写时应当注意的问题：注意与具体应用场景进行结合，且要注意结合的程度不仅在于在权利要求的主题名称中限定具体应用领域，还应对参数等的具体物理含义进行描述。

然而，正如上述案例申请人所述，其建模方法适用于多个工业控制场景，为了防止将其带入一个具体应用场景而影响权利要求的保护范围，申请人未在申请中对建模方法的具体应用场景进行限定。也正是因为这个原因导致了本案在复审阶段仍被维持驳回决定。值得注意的是，随着人工智能算法的成熟，人工智能领域的专用算法正逐步向通用算法发展，同一套算法模型确实可用于相近领域的多个应用场景。此种情况下，如何保证“通用算法”获得合理保护呢？是要申请人将所用适用场景均写入权利要求，还是适当放宽可授权客体的涵盖范围？这正是当下专家学者广泛讨论的问题。

当前，人工智能领域涉及的知识产权保护问题涉及很多方面，本文仅是冰山一角。希望通过本文引发读者对人工智能领域涉及的知识产权保护问题更多的关注和思考，以更好的促进我国人工智能的发展。