人工智能：專(zhuān)利化難題的破解之道

#本文僅代表作者觀點(diǎn)，未經(jīng)作者許可，禁止轉(zhuǎn)載，不代表IPRdaily立場(chǎng)#

來(lái)源：IPRdaily中文網(wǎng)（iprdaily.cn）

作者：王景林

原標(biāo)題：人工智能：專(zhuān)利化難題的破解之道

一、人工智能專(zhuān)利申請(qǐng)以往遭遇獲批難

根據(jù)中國(guó)官方公布的2017年人工智能專(zhuān)利授權(quán)情況【1】，人工智能領(lǐng)域共授予發(fā)明專(zhuān)利權(quán)6475件，其中算法只有1378件，而當(dāng)年的申請(qǐng)量是30000余件【2】，因此，人工智能領(lǐng)域?qū)＠氖跈?quán)率只有約21%。民間的榜單也顯示【3】，2017年中國(guó)前三名人工智能領(lǐng)域杰出專(zhuān)利代理人在人工智能領(lǐng)域?qū)＠暾?qǐng)的授權(quán)率分別僅僅為100/500=20%，180/400=45%，160/300=53%。即使不考慮僅與AI有關(guān)但不是純AI發(fā)明的那些專(zhuān)利申請(qǐng)，官方和民間的數(shù)據(jù)也都表明：人工智能專(zhuān)利授權(quán)率非常之低。

中國(guó)人工智能專(zhuān)利的申請(qǐng)數(shù)量已經(jīng)全球第一【4】。然而，中國(guó)人工智能專(zhuān)利的授權(quán)率一直不高，明顯低于美國(guó)、日本、歐洲、以色列。美國(guó)在2014年的Alice案之后提高了人工智能專(zhuān)利的授權(quán)門(mén)檻【5】，但采用新的專(zhuān)利撰寫(xiě)方式之后，人工智能專(zhuān)利的授權(quán)率卻不降反升。歐洲降低了人工智能專(zhuān)利申請(qǐng)的審查標(biāo)準(zhǔn)【6】，中國(guó)放寬了人工智能專(zhuān)利申請(qǐng)的審查要求【7】。然而，采用傳統(tǒng)的專(zhuān)利撰寫(xiě)方式【8】，人工智能專(zhuān)利授權(quán)的授權(quán)率卻沒(méi)有提高。

舊的人工智能專(zhuān)利撰寫(xiě)方式，在美國(guó)容易被認(rèn)為是“抽象概念”、“純數(shù)學(xué)范疇”；在歐洲常常被認(rèn)為“缺乏技術(shù)手段”；而在中國(guó)被冠以“智力活動(dòng)的規(guī)則”。總之，人工智能的科研成果，國(guó)際上被排除在“專(zhuān)利保護(hù)客體”之外。因此，無(wú)論人工智能研發(fā)成果多么富有新穎性、創(chuàng)造性、實(shí)用性，都難以被授予專(zhuān)利權(quán)。長(zhǎng)期以來(lái)，關(guān)于人工智能專(zhuān)利撰寫(xiě)方式，有人討論如何更好地運(yùn)用傳統(tǒng)的方法【7】，但罕見(jiàn)有人探索通過(guò)顛覆傳統(tǒng)的專(zhuān)利撰寫(xiě)方式而提高人工智能專(zhuān)利申請(qǐng)授權(quán)率的途徑。

中國(guó)在人工智能領(lǐng)域原創(chuàng)性、基礎(chǔ)性成果比較少，但不是專(zhuān)利申請(qǐng)基數(shù)大、但獲批少的根本原因；人工智能應(yīng)用型的發(fā)明創(chuàng)造應(yīng)該更有機(jī)會(huì)獲得專(zhuān)利權(quán)。實(shí)踐表明，人工智能領(lǐng)域申請(qǐng)專(zhuān)利的方式(claim drafting approach)多年來(lái)一直保持著傳統(tǒng)方式，沒(méi)有跟上時(shí)代的步伐，這才是問(wèn)題的關(guān)鍵所在。

二、破解人工智能專(zhuān)利申請(qǐng)授權(quán)難的方法之一：采用“機(jī)器腦”方式描述

少數(shù)中國(guó)科學(xué)家已經(jīng)按照“機(jī)器腦”方式申請(qǐng)了人工智能專(zhuān)利，包括無(wú)人駕駛車(chē)輛、無(wú)人機(jī)、智能搜索引擎、智能停車(chē)場(chǎng)、智能機(jī)器人、電子警察等領(lǐng)域，授權(quán)率在美國(guó)超過(guò)了80%，在中國(guó)和歐洲都超過(guò)了70%。這與創(chuàng)造性的審查標(biāo)準(zhǔn)有關(guān)，美國(guó)僅要求非顯而易見(jiàn)，中國(guó)和歐洲還要求具有技術(shù)效果。

以“機(jī)器腦”方式描述人工智能專(zhuān)利申請(qǐng)，是破解人工智能專(zhuān)利保護(hù)難題的最大秘笈。傳統(tǒng)的人工智能專(zhuān)利撰寫(xiě)方式，表達(dá)的是“計(jì)算機(jī)程序”、“算法的流程”，因?yàn)檐浖_(kāi)發(fā)基本上都以計(jì)算機(jī)高級(jí)語(yǔ)言進(jìn)行編程，不考慮計(jì)算機(jī)硬件的操作與控制，軟件成果自然與專(zhuān)利法的立法本意相互脫離。

以“機(jī)器腦”方式描述人工智能專(zhuān)利申請(qǐng)，拋棄了的傳統(tǒng)的以虛擬軟件模塊為線索的描述方式，改用以信息流、數(shù)據(jù)流、控制流構(gòu)成的“機(jī)器腦”方式進(jìn)行描述，使得人工智能領(lǐng)域的純數(shù)學(xué)、純軟件成果變成了一種“人造大腦”的“產(chǎn)品”發(fā)明，對(duì)于這樣的學(xué)術(shù)前沿研究成果，只要解決了專(zhuān)利保護(hù)客體問(wèn)題，自身的創(chuàng)造性一般是沒(méi)有問(wèn)題的，授權(quán)率自然就非常之高。

關(guān)于人工智能是否屬于專(zhuān)利法保護(hù)的對(duì)象，已經(jīng)爭(zhēng)論了多年，一直沒(méi)有找到有效的解決方案，可人工智能技術(shù)正在迅速發(fā)展，人工智能的知識(shí)產(chǎn)權(quán)保護(hù)問(wèn)題日趨緊迫。世界知識(shí)產(chǎn)權(quán)組織(WIPO)已經(jīng)釋放出為人工智能立法的信號(hào)【9】，但“人工智能法”真正實(shí)施之日難以預(yù)測(cè)。在此之前，以“機(jī)器腦”方式描述人工智能專(zhuān)利申請(qǐng)，在現(xiàn)有的專(zhuān)利法框架下，就可以高比例地獲得專(zhuān)利權(quán)。

三、破解人工智能專(zhuān)利申請(qǐng)授權(quán)難的方法之二：按照非“人工智能”領(lǐng)域進(jìn)行申請(qǐng)

人工智能研發(fā)成果，無(wú)論涉及數(shù)據(jù)、模型訓(xùn)練、模型應(yīng)用，還是說(shuō)深度學(xué)習(xí)、人機(jī)融合、類(lèi)腦思考、機(jī)器翻譯等，核心往往都是算法。以往的人工智能專(zhuān)利申請(qǐng)，所表達(dá)出來(lái)的都是“科學(xué)方法”，而不是專(zhuān)利法要求的“技術(shù)措施”，因此，越強(qiáng)調(diào)是人工智能領(lǐng)域的科研成果，專(zhuān)利申請(qǐng)就越容易被駁回。

人工智能專(zhuān)利申請(qǐng)涉及機(jī)器的聽(tīng)、說(shuō)、讀、做、學(xué)等。其中，無(wú)論是遺傳算法的機(jī)器學(xué)習(xí)，還是類(lèi)神經(jīng)網(wǎng)絡(luò)算法的深度學(xué)習(xí)，之前的駁回比例都非常高，駁回理由基本都是純數(shù)學(xué)算法，抽象概念，不屬于專(zhuān)利的保護(hù)范疇。“機(jī)器腦”申請(qǐng)模式可徹底改變這種狀況，此外，如果說(shuō)是自動(dòng)控制、傳感器技術(shù)、模式識(shí)別、圖像識(shí)別、語(yǔ)言識(shí)別、自然語(yǔ)音處理等領(lǐng)域技術(shù)創(chuàng)新的成果，獲得專(zhuān)利權(quán)的阻力就小得多。

實(shí)踐證明，不是專(zhuān)利法不保護(hù)人工智能，而是以往的人工智能專(zhuān)利申請(qǐng)方式與專(zhuān)利法不配套；在現(xiàn)有的專(zhuān)利法框架內(nèi)，如果采用“機(jī)器腦”表述方式，可以解決人工智能的專(zhuān)利保護(hù)客體問(wèn)題；之前的30-40年，描述軟件專(zhuān)利靠的往往是“虛擬功能模塊”，這與被專(zhuān)利法排除在外的“智力活動(dòng)規(guī)則”常常難以區(qū)分，以往人工智能專(zhuān)利申請(qǐng)大多數(shù)會(huì)被駁回，并不奇怪。

四、破解人工智能專(zhuān)利申請(qǐng)授權(quán)難的方法之三：調(diào)整撰寫(xiě)策略

企業(yè)、高校、科研單位都希望突出自己的成果是“人工智能”，卻為獲得專(zhuān)利授權(quán)增加了難度。如果不在發(fā)明名稱(chēng)、摘要、權(quán)利要求書(shū)中出現(xiàn)“人工智能”字樣，要好得多。提交專(zhuān)利申請(qǐng)時(shí)，人工智能字樣先寫(xiě)在說(shuō)明書(shū)的適當(dāng)位置，摘要中盡可能避免出現(xiàn)明顯的人工智能術(shù)語(yǔ)，例如決策樹(shù)、機(jī)器學(xué)習(xí)、對(duì)抗訓(xùn)練、卷積神經(jīng)網(wǎng)絡(luò)等；在答復(fù)審查意見(jiàn)時(shí)，再體現(xiàn)在發(fā)明名稱(chēng)里，在專(zhuān)利授權(quán)文本中體現(xiàn)“人工智能”字樣，以滿(mǎn)足學(xué)術(shù)的需要或商業(yè)的需求。

從知識(shí)產(chǎn)權(quán)的角度看，人工智能僅僅是自動(dòng)控制系統(tǒng)、專(zhuān)家系統(tǒng)的升級(jí)版，只是多了學(xué)習(xí)功能、增強(qiáng)了人機(jī)融合，應(yīng)用的領(lǐng)域從機(jī)器、工業(yè)裝置延伸至生活、服務(wù)、下棋、刷臉等；從隱式的客觀存在變成了顯式的商業(yè)化亮相。能否被依法授予專(zhuān)利權(quán)，看的是技術(shù)方案，并不是看涉及的技術(shù)領(lǐng)域是否時(shí)髦。因此，不必在申請(qǐng)文件中夸大人工智能的功能與效果。

另外，在說(shuō)明書(shū)中盡量少用數(shù)學(xué)公式，能夠用生活中的語(yǔ)言說(shuō)清楚技術(shù)創(chuàng)新所在，非常有利于人工智能專(zhuān)利申請(qǐng)的授權(quán)。當(dāng)然這種做的難度非常大。如果必須用數(shù)學(xué)語(yǔ)言描述，對(duì)每個(gè)變量、每個(gè)符號(hào)都要賦予其物理意義，對(duì)于每個(gè)數(shù)學(xué)式都要解釋在技術(shù)上到底會(huì)發(fā)生什么。

 
五、結(jié)束語(yǔ)

人工智能的看(模式識(shí)別、圖像識(shí)別、圖像處理)、聽(tīng)(語(yǔ)言識(shí)別)、說(shuō)(自然語(yǔ)言處理)，并不是突然出現(xiàn)的，與20年前的自動(dòng)控制技術(shù)、專(zhuān)家系統(tǒng)、模糊數(shù)學(xué)等都非常類(lèi)似。采用“機(jī)器腦”方式撰寫(xiě)專(zhuān)利申請(qǐng)文件，不強(qiáng)調(diào)屬于人工智能領(lǐng)域，非常有助于提高授權(quán)率。

機(jī)器深入學(xué)習(xí)、人機(jī)融合、類(lèi)腦思考等，以傳統(tǒng)的虛擬軟件模塊進(jìn)行描述，專(zhuān)利申請(qǐng)的駁回率一定很高；而以“機(jī)器腦”方式描述發(fā)明的技術(shù)方案，只要擺脫了發(fā)明客體的障礙，專(zhuān)利授權(quán)率就會(huì)很高。

參考文獻(xiàn)：

1. 國(guó)家知識(shí)產(chǎn)權(quán)規(guī)劃發(fā)展司，《2017年我國(guó)人工智能領(lǐng)域?qū)＠饕y(tǒng)計(jì)數(shù)據(jù)報(bào)告》，2018年10月

http://www.sipo.gov.cn/docs/20181115115055019230.pdf

2. 中國(guó)信息通信研究院數(shù)據(jù)研究系列之一，2017年中國(guó)人工智能產(chǎn)業(yè)數(shù)據(jù)報(bào)告(2018年2月)

http://www.sohu.com/a/222582172_735021

3.【致敬創(chuàng)新】張全文先生上榜“人工智能領(lǐng)域杰出專(zhuān)利代理人”,

http://www.zyip.com/show-689.html

4. Aaron Gin, Global Artificial Intelligence Patent Survey,

https://insidebigdata.com/2019/02/22/global-artificial-intelligence-patent-survey/
5. USPTO: 2019 Revised Patent Subject Matter Eligibility Guidance (January 2019)

https://www.govinfo.gov/content/pkg/FR-2019-01-07/pdf/2018-28282.pdf

6. European Patent Office Issues New Guidelines on Artificial Intelligence and Machine Learning，

https://www.jdsupra.com/legalnews/european-patent-office-issues-new-77875/

7. 國(guó)家知識(shí)產(chǎn)權(quán)局,《審查指南》2017年修訂版，見(jiàn)第二部分第九章第2節(jié)、第5.2節(jié)。

8. Michael Borella, How to Draft Patent Claims for Machine Learning Inventions,
https://www.patentdocs.org/2018/11/how-to-draft-patent-claims-for-machine-learning-inventions.html

9. Catherine Saez, Intellectual Property Watch, WIPO Sheds Light On Artificial Intelligence Patenting Trends In New Report,

https://www.ip-watch.org/2019/01/31/wipo-sheds-lights- artificial- intelligence- patenting-trends-new-report/

10. 作者聯(lián)系郵箱：info@wang-ip.com

 
來(lái)源：IPRdaily中文網(wǎng)（iprdaily.cn）

作者：王景林

編輯：IPRdaily王穎          校對(duì)：IPRdaily縱橫君

推薦閱讀（點(diǎn)擊圖文，閱讀全文）

官宣！首屆“全球科技創(chuàng)新與知識(shí)產(chǎn)權(quán)總裁研修班”招生簡(jiǎn)章

嘉賓寄語(yǔ)CPIPS 2019：相約第四屆中國(guó)醫(yī)藥知識(shí)產(chǎn)權(quán)峰會(huì)2019（10月23-25，上海）

可信好用的全球?qū)＠麛?shù)據(jù)庫(kù)

延期通知！尋找40位40歲以下企業(yè)知識(shí)產(chǎn)權(quán)精英（40 Under 40）活動(dòng)改期

“投稿”請(qǐng)投郵箱“iprdaily@163.com”

「關(guān)于IPRdaily」

IPRdaily成立于2014年，是全球影響力的知識(shí)產(chǎn)權(quán)媒體+產(chǎn)業(yè)服務(wù)平臺(tái)，致力于連接全球知識(shí)產(chǎn)權(quán)人，用戶(hù)匯聚了中國(guó)、美國(guó)、德國(guó)、俄羅斯、以色列、澳大利亞、新加坡、日本、韓國(guó)等15個(gè)國(guó)家和地區(qū)的高科技公司、成長(zhǎng)型科技企業(yè)IP高管、研發(fā)人員、法務(wù)、政府機(jī)構(gòu)、律所、事務(wù)所、科研院校等全球近50多萬(wàn)產(chǎn)業(yè)用戶(hù)（國(guó)內(nèi)25萬(wàn)+海外30萬(wàn)）；同時(shí)擁有近百萬(wàn)條高質(zhì)量的技術(shù)資源+專(zhuān)利資源，通過(guò)媒體構(gòu)建全球知識(shí)產(chǎn)權(quán)資產(chǎn)信息第一入口。2016年獲啟賦資本領(lǐng)投和天使匯跟投的Pre-A輪融資。

（英文官網(wǎng)：iprdaily.com  中文官網(wǎng)：iprdaily.cn） 

本文來(lái)自IPRdaily中文網(wǎng)（iprdaily.cn）并經(jīng)IPRdaily.cn中文網(wǎng)編輯。轉(zhuǎn)載此文章須經(jīng)權(quán)利人同意，并附上出處與作者信息。文章不代表IPRdaily.cn立場(chǎng)，如若轉(zhuǎn)載，請(qǐng)注明出處：“http://www.islanderfriend.com/”