深度深度實(shí)施實(shí)施實(shí)施實(shí)施專利侵權(quán)專利侵權(quán)專利侵權(quán)專利侵權(quán)專利侵權(quán)專利侵權(quán)發(fā)明專利發(fā)明專利發(fā)明專利發(fā)明專利分類判決書
#本文僅代表作者觀點(diǎn),不代表IPRdaily立場,未經(jīng)作者許可,禁止轉(zhuǎn)載#
來源:IPRdaily中文網(wǎng)(iprdaily.cn)
作者:孟 睿 南京大學(xué)法學(xué)院法學(xué)博士研究生
原標(biāo)題:專利法思維下的人工智能技術(shù)及其保護(hù)策略
近年來,人工智能專利的申請、審查以及司法保護(hù)成為業(yè)界的熱點(diǎn)話題。本文作者在總結(jié)實(shí)務(wù)工作經(jīng)驗(yàn)的基礎(chǔ)上,從專利法視角分析了人工智能技術(shù)的特點(diǎn),結(jié)合我國最新修改的《專利審查指南》和新近專利侵權(quán)司法案例,在專利申請和專利侵權(quán)訴訟一體化理念下對人工智能技術(shù)中的幾個(gè)保護(hù)難點(diǎn)進(jìn)行梳理和討論,以期有助于AI創(chuàng)新主體提升AI專利質(zhì)量和專利保護(hù)力度。
一、專利法思維下的AI技術(shù)
專利權(quán)是典型的技術(shù)與法律相結(jié)合而形成的產(chǎn)物,正確理解AI技術(shù)的特點(diǎn)是使用專利有效保護(hù)AI技術(shù)的基礎(chǔ)。
(一)由抽象到具體的三個(gè)技術(shù)維度
2019年WIPO發(fā)布名為《Technology Trends 2019:Artificial Intelligence》的報(bào)告,【1】該報(bào)告從底層實(shí)現(xiàn)、功能性應(yīng)用和產(chǎn)業(yè)應(yīng)用三個(gè)維度分析了AI技術(shù)的發(fā)展趨勢。此三個(gè)維度體現(xiàn)了AI技術(shù)由抽象到具體的漸變過程,契合專利制度更傾向于保護(hù)實(shí)用技藝而非自然科學(xué)基礎(chǔ)研究的功能,因而從這三個(gè)維度理解AI技術(shù),有助于我們分析和討論AI專利客體適格性、權(quán)利要求保護(hù)范圍大小、創(chuàng)造性判斷以及權(quán)利要求解釋和侵權(quán)判斷難易程度等問題。
1、AI底層實(shí)現(xiàn)技術(shù)(AI techniques)
AI底層實(shí)現(xiàn)技術(shù)是指實(shí)現(xiàn)人工智能功能應(yīng)用的以統(tǒng)計(jì)或數(shù)學(xué)模型表示的各種核心算法,即底層算法,包括機(jī)器學(xué)習(xí)(machine learning)、模糊邏輯(fuzzy logic)、概率推理(Probabilistic Reasoning)、本體工程(Ontology engineering)、邏輯編程(Logic programming)等。機(jī)器學(xué)習(xí)又可以細(xì)分為深度學(xué)習(xí)(Deep learning)、神經(jīng)網(wǎng)絡(luò)(neural networks)、分類和回歸樹(Classification and regression trees)、支持向量機(jī)(Support vector machines)等。機(jī)器學(xué)習(xí)按照學(xué)習(xí)方法分為多任務(wù)學(xué)習(xí)(Multi-task learning)、有監(jiān)督學(xué)習(xí)(Supervised learning)、無監(jiān)督學(xué)習(xí)(Unsupervised learning)、強(qiáng)化學(xué)習(xí)(Reinforced learning)等。
據(jù)WIPO的統(tǒng)計(jì),機(jī)器學(xué)習(xí)是當(dāng)前最為流行的AI實(shí)現(xiàn)技術(shù)。涉及機(jī)器學(xué)習(xí)的專利數(shù)量占全部人工智能實(shí)現(xiàn)技術(shù)專利數(shù)量的98%。從2013年至2016年,深度學(xué)習(xí)專利數(shù)量的增長率高達(dá)175%,神經(jīng)網(wǎng)絡(luò)專利數(shù)量的增長率為46%。【2】
2、AI功能性應(yīng)用技術(shù)(AI functional applications)
AI功能性應(yīng)用是指使用AI底層算法實(shí)現(xiàn)的技術(shù)性功能,包括計(jì)算機(jī)視覺(computer vision)、自然語言處理(natural language processing)、語音處理(speech processing)、分布式人工智能(Distributed AI)、知識(shí)表示與推理(Knowledge representation and reasoning)、計(jì)劃與調(diào)度(Planning and scheduling)等。其中,計(jì)算機(jī)視覺進(jìn)一步分為增強(qiáng)現(xiàn)實(shí)(Augmented reality)、圖像和視頻分割(Image and video segmentation)、符號識(shí)別(Character recognition)、目標(biāo)跟蹤(Object tracking)、場景理解(Scene understanding)等。自然語言處理包括機(jī)器翻譯(Machine translation)、智能對話(Dialogue)、情感分析(Sentiment analysis)等。語音處理(speech processing)包括語音識(shí)別、語音轉(zhuǎn)換等。
WIPO報(bào)告顯示,在所有與人工智能有關(guān)的專利中,計(jì)算機(jī)視覺、自然語言處理和語音處理技術(shù)的專利數(shù)量占比分別為49%、14%以及13%。【3】
3、AI產(chǎn)業(yè)應(yīng)用技術(shù)( AI application fields)
AI底層算法和應(yīng)用功能被廣泛使用于各個(gè)產(chǎn)業(yè)領(lǐng)域,從而實(shí)現(xiàn)工業(yè)化和商業(yè)化應(yīng)用。WIPO報(bào)告顯示,近幾年人工智能應(yīng)用較為活躍的產(chǎn)業(yè)領(lǐng)域?yàn)榻煌ㄟ\(yùn)輸、通信以及生物醫(yī)藥,各領(lǐng)域?qū)@麛?shù)量分別占所有人工智能專利數(shù)量的24%、24%以及19 %。【4】交通運(yùn)輸領(lǐng)域可以細(xì)分為自動(dòng)駕駛、車輛識(shí)別等,通信領(lǐng)域的應(yīng)用如計(jì)算機(jī)網(wǎng)絡(luò),生物醫(yī)藥領(lǐng)域的應(yīng)用包括生理參數(shù)監(jiān)測、醫(yī)學(xué)影像及疾病診斷、遺傳/基因技術(shù)等。前述這些產(chǎn)業(yè)應(yīng)用因與普通大眾的生活密切關(guān)聯(lián)而較為引人關(guān)注。實(shí)際上,在商業(yè)結(jié)構(gòu)化數(shù)據(jù)領(lǐng)域,AI技術(shù)同樣具有廣泛的應(yīng)用。由于結(jié)構(gòu)化數(shù)據(jù)對于驅(qū)動(dòng)企業(yè)的業(yè)務(wù)發(fā)展、營收、數(shù)據(jù)安全以及數(shù)據(jù)治理等具有重要作用,未來AI技術(shù)在商業(yè)結(jié)構(gòu)化數(shù)據(jù)領(lǐng)域中有著巨大的開發(fā)潛能。【5】
(二)動(dòng)態(tài)的AI技術(shù):事前算法訓(xùn)練和事中模型優(yōu)化迭代
在機(jī)械時(shí)代或軟件時(shí)代,技術(shù)方案確定后,產(chǎn)品結(jié)構(gòu)或計(jì)算機(jī)程序流程不再發(fā)生變化,產(chǎn)品或計(jì)算機(jī)程序所實(shí)現(xiàn)的功能和效果也確定不變。但實(shí)施AI技術(shù)的AI系統(tǒng)或產(chǎn)品則有別于此。
使用AI技術(shù)的AI系統(tǒng)或產(chǎn)品并非在算法模型搭建完成時(shí)就可以自然地實(shí)現(xiàn)某一功能,完成某一工作,其需要一個(gè)動(dòng)態(tài)的學(xué)習(xí)過程,從海量數(shù)據(jù)中提取出特征,針對特征獲取最優(yōu)訓(xùn)練模型,并用最優(yōu)訓(xùn)練模型進(jìn)行測試,進(jìn)而實(shí)現(xiàn)預(yù)期功能。例如,在紐約大學(xué)醫(yī)學(xué)院Aristotelis教授完成的一項(xiàng)使用人工智能自動(dòng)診斷肺癌的研究項(xiàng)目中,為了讓卷積神經(jīng)網(wǎng)絡(luò)具有自動(dòng)診斷肺癌的功能,研究人員收集了1200個(gè)包括健康和疾病肺樣本在內(nèi)的80萬張肺部圖片來訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò),即將該80萬張肺部圖片提供給卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別,并告訴其每一張圖片對應(yīng)的診斷結(jié)論是什么。經(jīng)過兩個(gè)星期的訓(xùn)練后,該神經(jīng)系統(tǒng)的肺癌診斷的準(zhǔn)確性達(dá)到 97%,略好于三名病理學(xué)家的獨(dú)立診斷結(jié)果。研究人員還表示,如果用更多的樣本進(jìn)行訓(xùn)練,該AI模型的診斷準(zhǔn)確性可以進(jìn)一步提高。【6】而在實(shí)際的應(yīng)用過程中,每一個(gè)真實(shí)的病例就是一個(gè)訓(xùn)練樣本,長期的實(shí)際應(yīng)用過程本身也是訓(xùn)練過程,經(jīng)過長期的實(shí)際應(yīng)用可以進(jìn)一步提升診斷的準(zhǔn)確性。
訓(xùn)練過程通常體現(xiàn)為訓(xùn)練方法,并且通過數(shù)據(jù)匯聚、沉淀及更新,進(jìn)行機(jī)器自我調(diào)參及優(yōu)化,實(shí)現(xiàn)個(gè)性學(xué)習(xí)、知識(shí)圖譜不斷迭代,最后改進(jìn)學(xué)習(xí)路徑。在實(shí)際使用過程,基于不斷數(shù)據(jù)匯聚及沉淀,借助算法實(shí)現(xiàn)模型的自我更新,以及模型指標(biāo)體系提煉升級,實(shí)現(xiàn)基于機(jī)器學(xué)習(xí)的自我建模,讓模型愈加完善、精準(zhǔn)。因此,AI系統(tǒng)或產(chǎn)品在訓(xùn)練完成具備某一功能之后,其模型和算法還可以不斷地自我更新完善。例如,阿爾法圍棋(AlphaGo)為了應(yīng)對圍棋的復(fù)雜性,結(jié)合了監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的優(yōu)勢。其通過訓(xùn)練形成一個(gè)策略網(wǎng)絡(luò)(policy network),將棋盤上的局勢作為輸入信息,并對所有可行的落子位置生成一個(gè)概率分布。然后,訓(xùn)練出一個(gè)價(jià)值網(wǎng)絡(luò)(value network)對自我對弈進(jìn)行預(yù)測,以 -1(對手的絕對勝利)到1(AlphaGo的絕對勝利)的標(biāo)準(zhǔn),預(yù)測所有可行落子位置的結(jié)果。前述兩種網(wǎng)絡(luò)自身都十分強(qiáng)大,而阿爾法圍棋將這兩種網(wǎng)絡(luò)整合到基于概率的蒙特卡羅樹搜索(MCTS)中,實(shí)現(xiàn)了更強(qiáng)的優(yōu)勢。新版的阿爾法圍棋產(chǎn)生大量自我對弈棋局,為下一代版本提供了訓(xùn)練數(shù)據(jù),此過程循環(huán)往復(fù)。
從上述例子可以看出,AI技術(shù)所涉及的不僅僅是事先預(yù)定規(guī)則的算法或靜態(tài)算法模型的構(gòu)建和使用,還包括算法模型的訓(xùn)練、優(yōu)化,以及算法模型的調(diào)度使用策略等。如果將算法視為傳統(tǒng)方法中的步驟,將模型視為傳統(tǒng)方法中作用的對象(物品),則與傳統(tǒng)方法不同之處在于,算法和模型在AI技術(shù)實(shí)施過程中是可以調(diào)整和優(yōu)化的,而這種調(diào)整和優(yōu)化不是在人力干預(yù)下發(fā)生的,而是AI系統(tǒng)或產(chǎn)品在實(shí)際使用過程中,根據(jù)過往數(shù)據(jù)或經(jīng)驗(yàn)不斷地改進(jìn)和完善獲得的。因此,AI技術(shù)方案呈現(xiàn)為動(dòng)態(tài)過程。在對AI技術(shù)進(jìn)行專利保護(hù)時(shí),除了運(yùn)用傳統(tǒng)的結(jié)構(gòu)思維或規(guī)則思維理解技術(shù)方案外,還需探尋更貼合AI技術(shù)的動(dòng)態(tài)化思維來理解、表達(dá)和確定AI技術(shù)方案。
二、專利申請中的AI技術(shù)保護(hù)策略
客體適格性和創(chuàng)造性一直是AI專利申請中關(guān)注度較高的話題。繼EPO和USPTO之后,國家知識(shí)產(chǎn)權(quán)局(CNIPA)于2019年最后一天也就AI等新領(lǐng)域?qū)@暾垖Α秾@麑彶橹改稀愤M(jìn)行了修改。新修改的《專利審查指南》將近幾年AI專利申請審查實(shí)踐中探索的有益做法上升到正式的《專利審查指南》中,并統(tǒng)一了審查標(biāo)準(zhǔn)。同時(shí),新修改的《專利審查指南》也為創(chuàng)新主體有效保護(hù)AI創(chuàng)新成果提出了更高的要求。
(一)在符合客體適格性的前提下爭取較大的專利保護(hù)范圍
1、AI專利申請客體適格性爭議反映的是申請人爭取較大專利保護(hù)范圍的努力
通常AI技術(shù)需要通過計(jì)算機(jī)軟件來實(shí)施,EPO首席經(jīng)濟(jì)學(xué)家Yann Ménière甚至將人工智能視為“超級軟件”。【7】 因此,《專利審查指南》中涉及計(jì)算機(jī)程序的發(fā)明專利申請審查規(guī)則同樣適用于AI專利申請。在計(jì)算機(jī)實(shí)施發(fā)明或軟件相關(guān)發(fā)明的專利審查中,對于算法或數(shù)學(xué)計(jì)算規(guī)則不屬于專利法保護(hù)客體這一認(rèn)知,實(shí)踐中已經(jīng)不存在較大爭議。但是在AI技術(shù)領(lǐng)域,有關(guān)算法的客體適格性問題再次引起關(guān)注,以致其成為EPO、USPTO以及CNIPA修訂專利審查指南首先要解決的問題。算法客體適格性問題之所以在AI專利申請中引起關(guān)注,主要還是與AI技術(shù)的特點(diǎn)有關(guān)。AI技術(shù)創(chuàng)新主要體現(xiàn)在AI算法創(chuàng)新,功能性應(yīng)用和產(chǎn)業(yè)應(yīng)用均依賴于AI算法實(shí)現(xiàn),功能性應(yīng)用和產(chǎn)業(yè)應(yīng)用的技術(shù)突破倚重于AI算法的改進(jìn)和創(chuàng)新,功能性應(yīng)用和產(chǎn)業(yè)應(yīng)用技術(shù)方案,不可避免地包含AI算法。如前所述,底層實(shí)現(xiàn)算法、功能性應(yīng)用和產(chǎn)業(yè)應(yīng)用是由抽象到具體漸變的三個(gè)維度。在專利法思維下,一旦通過專利控制了各種AI底層算法,就能夠控制其功能性應(yīng)用和產(chǎn)業(yè)應(yīng)用。當(dāng)通過改進(jìn)算法獲得的功能性應(yīng)用和產(chǎn)業(yè)應(yīng)用技術(shù)方案后,申請人為了獲得較大保護(hù)范圍,往往傾向于將專利保護(hù)范圍抽象概括至算法本身或者無限接近于算法。另外,AI底層算法已被視為基礎(chǔ)性研發(fā)工具,而專利權(quán)利要求不應(yīng)當(dāng)旨在壟斷作為科研工具的抽象概念。【8】由此就會(huì)產(chǎn)生AI專利申請?jiān)跔幦≥^大保護(hù)范圍時(shí)其保護(hù)客體是否適格的問題。
2、如何在爭取較大專利保護(hù)范圍時(shí)滿足客體適格性:整體性考慮原則
AI創(chuàng)新主體究竟將功能性應(yīng)用和產(chǎn)業(yè)應(yīng)用技術(shù)方案抽象到什么程度既符合客體適格性要求,又能獲得較大的保護(hù)范圍,是AI技術(shù)專利保護(hù)的首要難題。對此,新修訂的《專利審查指南》給出了整體性考慮原則。整體性考慮原則是指,為了解決技術(shù)問題而利用技術(shù)手段并獲得技術(shù)效果的包含AI算法的發(fā)明專利申請是適格的保護(hù)客體;其中,權(quán)利要求除了包含算法特征外,還需要包含技術(shù)特征;算法特征和技術(shù)特征作為一個(gè)整體,需采用了利用自然規(guī)律的技術(shù)手段、解決了技術(shù)問題,并且由此獲得符合自然規(guī)律的技術(shù)效果。AI創(chuàng)新主體在整體性考慮原則之下保護(hù)AI技術(shù)創(chuàng)新時(shí),需要注意以下兩點(diǎn):
第一,判斷權(quán)利要求保護(hù)的方案是否為技術(shù)方案時(shí),不以權(quán)利要求保護(hù)主題名稱為判斷依據(jù),而是將權(quán)利要求記載的算法特征和技術(shù)特征作為一個(gè)整體,對其中涉及的技術(shù)手段、解決的技術(shù)問題和獲得的技術(shù)效果進(jìn)行具體分析。例如,新修訂的《專利審查指南》給出的審查示例2,其保護(hù)的主題名稱為“一種卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練方法”,單從主題名稱看,應(yīng)不屬于專利法保護(hù)客體,但主題名稱之后的具體方案明確了模型訓(xùn)練方法的各步驟處理的數(shù)據(jù)均為圖像數(shù)據(jù)以及各步驟如何處理圖像數(shù)據(jù),體現(xiàn)出神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法與圖像信息處理密切相關(guān)。該技術(shù)方案所解決的是如何克服CNN模型僅能識(shí)別具有固定尺寸的圖像的技術(shù)問題,采用了在不同卷積層上對圖像進(jìn)行不同處理并訓(xùn)練的手段,利用的是遵循自然規(guī)律的技術(shù)手段,獲得了訓(xùn)練好的CNN模型能夠識(shí)別任意尺寸待識(shí)別圖像的技術(shù)效果。因此,將權(quán)利要求記載的算法特征與技術(shù)特征作為一個(gè)整體進(jìn)行分析后,可以確定該發(fā)明專利申請欲保護(hù)的方案為技術(shù)方案,屬于專利保護(hù)客體。
第二,在判斷權(quán)利要求保護(hù)的方案是否解決了技術(shù)問題時(shí),不應(yīng)僅僅考慮申請人在說明書中所聲稱的問題,應(yīng)當(dāng)從技術(shù)手段入手整體判斷解決的問題是什么、是不是技術(shù)問題。例如,在第29176號復(fù)審決定中,專利復(fù)審委員會(huì)并沒有簡單地將申請人在說明書中所聲稱的“為同業(yè)金融機(jī)構(gòu)、公司等集團(tuán)用戶提供人民幣異地資金匯劃服務(wù)”這一問題作為權(quán)利要求保護(hù)方案所要解決的問題,而是從技術(shù)手段入手作整體判斷,認(rèn)為涉案申請通過專線的有線傳輸網(wǎng)絡(luò)來傳輸信息,克服了使用Internet網(wǎng)絡(luò)帶來的易遭受攻擊、易受公眾網(wǎng)絡(luò)運(yùn)行狀況影響的缺點(diǎn),同時(shí)采用密押設(shè)備對傳輸?shù)男畔⑦M(jìn)行加密來確保了交易信息傳輸?shù)陌踩浴?strong>【9】其中,克服易遭受攻擊、確保交易信息傳輸?shù)陌踩跃鶎儆诩夹g(shù)問題。該復(fù)審決定涉及的技術(shù)方案雖然不屬于AI技術(shù)領(lǐng)域,但對AI技術(shù)領(lǐng)域相同問題的辨析給出了有益的指引。目前,AI技術(shù)在傳統(tǒng)的非技術(shù)領(lǐng)域也無處不在。例如,AI技術(shù)在包括經(jīng)濟(jì)學(xué)、音樂、藝術(shù)、心理學(xué)、語言學(xué)和文學(xué)在內(nèi)的文科領(lǐng)域得到了廣泛的應(yīng)用。在這些非技術(shù)領(lǐng)域的AI應(yīng)用技術(shù)方案,更應(yīng)當(dāng)注意從技術(shù)手段入手做整體判斷,而不是僅僅考慮申請人在說明書中所聲稱的非技術(shù)應(yīng)用問題。
(二)將算法特征與技術(shù)特征相關(guān)聯(lián),以示出算法特征對技術(shù)方案創(chuàng)造性所做出的貢獻(xiàn)
審查實(shí)踐中,AI專利申請涉及的創(chuàng)造性問題主要有兩個(gè):第一,在進(jìn)行創(chuàng)造性判斷時(shí),是否需要考慮算法特征對技術(shù)方案做出的貢獻(xiàn);第二,如果權(quán)利要求與最接近的現(xiàn)有技術(shù)的應(yīng)用場景相同,區(qū)別僅在于算法的調(diào)整,或者如果權(quán)利要求與最接近現(xiàn)有技術(shù)的區(qū)別僅在于應(yīng)用場景不同,如何具體評價(jià)創(chuàng)造性。
1、考慮算法特征對技術(shù)方案創(chuàng)造性所作貢獻(xiàn)的前提:算法特征與技術(shù)特征關(guān)聯(lián)性考慮原則
對于在創(chuàng)造性判斷中是否需要考慮算法特征對技術(shù)方案做出的貢獻(xiàn)的問題,新修改的《專利審查指南》給出了關(guān)聯(lián)考慮原則,即應(yīng)將與技術(shù)特征功能上彼此相互支持、存在相互作用關(guān)系的算法特征與所述技術(shù)特征作為一個(gè)整體考慮,考慮算法特征對技術(shù)方案做出的技術(shù)貢獻(xiàn)。換言之,是否考慮算法特征對技術(shù)方案的創(chuàng)造性做出貢獻(xiàn),需要以算法特征與技術(shù)特征在功能上彼此相互支持、存在相互作用關(guān)系為前提。所謂功能上彼此相互支持、存在相互作用關(guān)系是指算法特征與技術(shù)特征緊密結(jié)合、共同構(gòu)成了解決某一技術(shù)問題的技術(shù)手段,并且能夠獲得相應(yīng)的技術(shù)效果。如果算法特征與技術(shù)特征不是功能上彼此相互支持,不存在相互作用關(guān)系,沒有緊密結(jié)合、共同構(gòu)成解決某一技術(shù)問題的技術(shù)手段,即便算法有改進(jìn),也不予考慮該算法特征對技術(shù)方案創(chuàng)造性的貢獻(xiàn)。
例如在新修改的《專利審查指南》審查示例7中,專利申請技術(shù)方案與對比文件1的區(qū)別在于采用的模糊決策的實(shí)現(xiàn)算法。由于該模糊決策的具體實(shí)現(xiàn)算法及其應(yīng)用于機(jī)器人穩(wěn)定狀態(tài)的判斷均未被其他對比文件公開,也不是公知常識(shí),因此,根據(jù)模糊決策算法之區(qū)別認(rèn)可了該專利申請技術(shù)方案的創(chuàng)造性。也即模糊決策與機(jī)器人穩(wěn)定狀態(tài)判斷相關(guān)聯(lián)后,應(yīng)當(dāng)考慮算法特征對技術(shù)方案創(chuàng)造性所作出的貢獻(xiàn)。而在審查示例10中,專利申請技術(shù)方案與對比文件1的區(qū)別在于設(shè)定的具體情感分類規(guī)則。由于即使情感分類規(guī)則不同,對相應(yīng)數(shù)據(jù)進(jìn)行著色處理的技術(shù)手段也可以是相同的,不必做出改變,因此情感分類規(guī)則與具體的可視化手段并非功能上彼此相互支持、存在相互作用關(guān)系,即算法特征與技術(shù)特征之間沒有關(guān)聯(lián)結(jié)合形成技術(shù)手段。該專利申請技術(shù)方案相對于現(xiàn)有技術(shù)的貢獻(xiàn)僅在于提出一種新的情感分類規(guī)則,并沒有實(shí)際解決任何技術(shù)問題,即沒有針對現(xiàn)有技術(shù)做出技術(shù)上的貢獻(xiàn)。因此,在判斷專利申請技術(shù)方案創(chuàng)造性時(shí),即便情感分類規(guī)則有改進(jìn),也不予考慮其對技術(shù)方案創(chuàng)造性的貢獻(xiàn)。
需要強(qiáng)調(diào)的是,創(chuàng)造性判斷中是否解決了技術(shù)問題,與客體適格性判斷中是否解決了技術(shù)問題,是有區(qū)別的。創(chuàng)造性判斷中是指作為區(qū)別特征的算法特征沒有解決任何技術(shù)問題,而不是權(quán)利要求整體作為一個(gè)技術(shù)方案沒有解決任何技術(shù)問題。客體適格性判斷中是指權(quán)利要求整體是否解決了技術(shù)問題從而構(gòu)成技術(shù)方案。例如在前述審查示例10中,就權(quán)利要求整體而言,解決了具體情感規(guī)則的可視化問題,采用了對相應(yīng)數(shù)據(jù)進(jìn)行著色的技術(shù)手段,利用了人眼視覺感官的自然屬性,遵循了自然規(guī)律,獲得了展示動(dòng)態(tài)觀點(diǎn)演變的技術(shù)效果,屬于《專利法》第2條第2款規(guī)定的技術(shù)方案,但權(quán)利要求相對于對比文件1而言,沒有實(shí)際解決任何技術(shù)問題。
2、算法特征與技術(shù)特征關(guān)聯(lián)后的創(chuàng)造性審查基準(zhǔn)
對于涉及算法的專利申請,如果權(quán)利要求與最接近的現(xiàn)有技術(shù)的功能性應(yīng)用或產(chǎn)業(yè)應(yīng)用場景相同,區(qū)別僅在于AI底層算法的改進(jìn),例如同樣用于無人駕駛中障礙物的識(shí)別,權(quán)利要求的算法對參數(shù)和公式進(jìn)行了重新選取或調(diào)整,其實(shí)際解決的技術(shù)問題是進(jìn)一步提高檢測障礙物的準(zhǔn)確性,如果現(xiàn)有技術(shù)中整體上不存在解決此問題的技術(shù)啟示,則權(quán)利要求是非顯而易見的。
如果權(quán)利要求與最接近現(xiàn)有技術(shù)的區(qū)別僅在于功能性應(yīng)用或產(chǎn)業(yè)應(yīng)用場景不同。例如,將人臉識(shí)別中常用的求取最優(yōu)解迭代算法移植到核醫(yī)學(xué)圖像重建中,技術(shù)方案發(fā)明人會(huì)覺得很有創(chuàng)新,但從專利審查的角度看,此時(shí)采用的人工智能算法是已知,算法本身未做改進(jìn),僅僅是已知的算法應(yīng)用到另一場景中。此時(shí)涉及到轉(zhuǎn)用發(fā)明,在判斷創(chuàng)造性時(shí),通常要考慮轉(zhuǎn)用的遠(yuǎn)近、難易程度、是否需要克服技術(shù)上困難、是否存在技術(shù)啟示、轉(zhuǎn)用帶來的技術(shù)效果等因素。
總之,在進(jìn)行創(chuàng)造性判斷時(shí),首先需要判斷,算法特征與技術(shù)特征是否在功能上彼此相互支持,存在相互作用關(guān)系。當(dāng)算法特征成為所采取的技術(shù)手段的組成部分之后,再進(jìn)一步考慮現(xiàn)有技術(shù)中是否存在相應(yīng)技術(shù)啟示。
(三)獲取高質(zhì)量AI專利申請的建議
如前所述,AI技術(shù)可以分為底層實(shí)現(xiàn)技術(shù)、功能應(yīng)用和產(chǎn)業(yè)應(yīng)用三個(gè)維度。在進(jìn)行專利挖掘和布局時(shí)時(shí),可以沿著這三個(gè)維度由算法至具體應(yīng)用依次展開需要保護(hù)的技術(shù)方案。例如,在一件專利申請中,將算法作為向上游提煉的基礎(chǔ)方案,將功能應(yīng)用作為核心方案,將具體應(yīng)用作為向下游擴(kuò)展的外圍或賣點(diǎn)技術(shù)專利。也可以從專利群布局的角度,將算法作為基礎(chǔ)專利,將功能應(yīng)用作為核心專利,將具體應(yīng)用作為外圍專利或賣點(diǎn)專利。當(dāng)然,將算法申請專利或者布局算法權(quán)項(xiàng)時(shí),其方案不能是沒有任何物理意義的純算法,需要算法特征與技術(shù)特征做一定的技術(shù)關(guān)聯(lián)與結(jié)合。
對于AI專利申請,無論是客體適格性判斷中的整體性考慮原則,還是創(chuàng)造性判斷中的關(guān)聯(lián)性考慮原則,反映的均是算法特征與技術(shù)特征之間在技術(shù)問題、技術(shù)手段以及技術(shù)效果三個(gè)方面的關(guān)系。因此在撰寫權(quán)利要求書和說明書時(shí),需要處處留意算法特征與技術(shù)特征之間技術(shù)性關(guān)系的表述。對于具體撰寫要點(diǎn),CNIPA發(fā)布的《2020年<專利審查指南>第二部分第九章修改解讀》【10】已經(jīng)進(jìn)行了部分闡述,本文不再贅述。總之,需要圍繞算法特征與技術(shù)特征作為一個(gè)整體,在功能上彼此相互支持、存在相互作用關(guān)系來展開。
三、專利侵權(quán)訴訟中的AI技術(shù)保護(hù)策略
人工智能專利侵權(quán)案件,實(shí)踐中尚少見,本文結(jié)合AI技術(shù)的特點(diǎn)和新近專利侵權(quán)司法實(shí)踐,從新產(chǎn)品制造方法舉證責(zé)任倒置和方法專利對產(chǎn)品延伸保護(hù)兩個(gè)方面,嘗試探索人工智能專利侵權(quán)訴訟中的保護(hù)策略。
(一)將人工智能模型訓(xùn)練方法專利解釋為新產(chǎn)品制造方法專利,適用舉證責(zé)任倒置破除AI專利侵權(quán)舉證難的問題
鑒于抽象的算法模型在人工智能功能性應(yīng)用和產(chǎn)業(yè)應(yīng)用技術(shù)方案中的底層實(shí)現(xiàn)作用,相較于傳統(tǒng)方法專利或軟件專利,人工智能專利的侵權(quán)可視化程度更低。在涉及人工智能專利侵權(quán)判斷和保護(hù)時(shí),尋找和提供足夠的證據(jù)證明侵權(quán)行為存在對于人工智能專利權(quán)人來說是一項(xiàng)巨大的挑戰(zhàn)。
為了彌補(bǔ)方法專利權(quán)人不利的舉證地位,現(xiàn)行《專利法》設(shè)置了新產(chǎn)品制造方法發(fā)明專利舉證責(zé)任倒置制度。當(dāng)專利侵權(quán)糾紛涉及新產(chǎn)品制造方法專利時(shí),由制造同樣產(chǎn)品的制造者提供其產(chǎn)品制造方法不同于專利方法的證明。【11】當(dāng)然,該制度具有一定的適用范圍。首先,舉證責(zé)任倒置制度僅適用于產(chǎn)品制造方法,不適用于其他方法,例如不適用于作業(yè)方法、使用方法等。【12】所謂產(chǎn)品制造方法,通常是指作用于一定的物品,使之在結(jié)構(gòu)、形狀或者物理化學(xué)特性上產(chǎn)生變化。其次,舉證責(zé)任倒置制度適應(yīng)于新產(chǎn)品,不適用于已知產(chǎn)品的制造方法。本文認(rèn)為,對于涉及模型訓(xùn)練和模型構(gòu)建的人工智能技術(shù)方案,可以嘗試?yán)眯庐a(chǎn)品制造方法舉證責(zé)任倒置制度強(qiáng)化人工智能專利的保護(hù)力度。具體理由如下:
第一,在涉及模型訓(xùn)練和模型構(gòu)建的人工智能技術(shù)方案中,模型訓(xùn)練和模型構(gòu)建過程與產(chǎn)品制造方法具有內(nèi)在的邏輯一致性。如前所述,模型訓(xùn)練過程是使用特定的訓(xùn)練數(shù)據(jù)作用于人工智能算法模型,使之具有或優(yōu)化其識(shí)別和判斷特性,從而獲得具有新特性和功能的算法模型。這一過程是從一種算法模型轉(zhuǎn)換為另一種算法模型從而獲得新算法模型的過程。例如,在新修改的《專利審查指南》審查示例2中,權(quán)利要求涉及一種卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練方法,經(jīng)過一系列的訓(xùn)練步驟后,將迭代次數(shù)達(dá)到預(yù)設(shè)次數(shù)時(shí)所得到的模型參數(shù)作為訓(xùn)練好的CNN模型的模型參數(shù),以獲得在識(shí)別圖像類別時(shí)能夠識(shí)別任意尺寸的待識(shí)別圖像的CNN模型。該訓(xùn)練方法作用于CNN模型,使之在模型結(jié)構(gòu)上產(chǎn)生變化,符合產(chǎn)品制造方法的內(nèi)涵,可以視為模型制造方法。模型構(gòu)建過程則是從無到有的過程,同樣屬于模型制造方法。
第二,現(xiàn)有專利審查實(shí)踐和司法實(shí)踐具有將算法模型解釋為專利法中產(chǎn)品的解釋空間。雖然算法模型不是專利法中傳統(tǒng)意義上有形的、物理意義上的產(chǎn)品,但將算法模型視作涉及計(jì)算機(jī)程序的虛擬裝置,符合人工智能技術(shù)方案基于軟件實(shí)現(xiàn)的特性。而由程序模塊構(gòu)成的虛擬裝置作為專利法中的產(chǎn)品已經(jīng)被我國專利審查實(shí)踐和司法實(shí)踐所認(rèn)可。2010年版《專利審查指南》已經(jīng)就涉及計(jì)算機(jī)流程的虛擬裝置權(quán)利要求的撰寫做出規(guī)定,可見,《專利審查指南》也有意將虛擬裝置權(quán)利要求與方法權(quán)利要求予以區(qū)別。另外,在2015年京知行初字第06705號行政判決書中,北京知識(shí)產(chǎn)權(quán)法院認(rèn)為,盡管基于計(jì)算機(jī)流程的虛擬裝置權(quán)利要求與基于計(jì)算機(jī)流程的方法權(quán)利要求具有同源性,虛擬裝置權(quán)利要求的撰寫形式與實(shí)體裝置權(quán)利要求的撰寫在形式上有差異,但這種差異并不能構(gòu)成對要求保護(hù)的權(quán)利要求類型發(fā)生變化的理由,不能將作為產(chǎn)品權(quán)利要求的虛擬裝置視為方法權(quán)利要求。【13】因此,雖然算法模型不具有實(shí)體結(jié)構(gòu),但在虛擬裝置的視角下,將算法模型解釋為產(chǎn)品并不存在障礙。
另外,不斷精進(jìn)專利撰寫技巧也可以很好地解決這一問題。例如,仍然以前述審查示例2為例,該審查示例2權(quán)利要求保護(hù)主題可以改為:“一種圖像識(shí)別裝置/設(shè)備的形成/制造方法,包括卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練,其特征在于,……”,從而將卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練技術(shù)方案同時(shí)以產(chǎn)品制造方法的形式予以保護(hù)。因此,對于AI技術(shù)創(chuàng)新主體,可以嘗試在專利申請過程中提前布局以產(chǎn)品制造方法為主題的保護(hù)權(quán)項(xiàng),以便為將來在侵權(quán)訴訟中使用舉證責(zé)任倒置創(chuàng)造條件。
第三,通過專利申請證明訓(xùn)練或構(gòu)建的模型屬于新產(chǎn)品?!蹲罡呷嗣穹ㄔ宏P(guān)于審理侵犯專利權(quán)糾紛案件應(yīng)用法律若干問題的解釋(2009)》第17條規(guī)定,產(chǎn)品或者制造產(chǎn)品的技術(shù)方案在專利申請日以前為國內(nèi)外公眾所知的,人民法院應(yīng)當(dāng)認(rèn)定該產(chǎn)品不屬于舉證責(zé)任倒置中的新產(chǎn)品。其中,“為國內(nèi)外公眾所知”表明是否為新產(chǎn)品的判斷采用了新穎性標(biāo)準(zhǔn)。【14】產(chǎn)品或者制造產(chǎn)品的技術(shù)方案在專利申請日以前不為國內(nèi)外公眾所知的則為新產(chǎn)品。而證明在專利申請日以前不為國內(nèi)外公眾所知的最好辦法就是將算法模型本也申請專利。例如,一種CNN模型及其訓(xùn)練方法,【15】一種交通事故嚴(yán)重性預(yù)測CSP?CNN模型及其建模方法。【16】算法模型權(quán)項(xiàng)如果獲得授權(quán),自然能證明其新穎性,即使沒有授權(quán),如果審查意見以沒有創(chuàng)造性為由駁回專利申請,同樣可以證明其新穎性,從而為模型訓(xùn)練方法或構(gòu)建方法專利適用舉證責(zé)任倒置提供基礎(chǔ)。
據(jù)稱,日本法院為了應(yīng)對AI技術(shù)方案難以被直接觀察的難題,法院已經(jīng)在一些專利侵權(quán)案件中發(fā)出“文件生產(chǎn)命令”(document production orders),以便揭示AI系統(tǒng)的基本工作流程。【17】對于日本法院發(fā)出的“文件生產(chǎn)命令”的法律依據(jù)和性質(zhì)如何,作者尚未做深入研究,但至少看起來與我國制造方法專利舉證責(zé)任倒置制度有異曲同工之處。
(二)嘗試主張將人工智能方法專利的保護(hù)延伸至人工智能系統(tǒng)或產(chǎn)品
制造方法專利權(quán)的延伸保護(hù)是指方法專利的排他性延伸至依照該專利方法直接獲得的產(chǎn)品。即任何人未經(jīng)方法專利權(quán)人許可,不得為生產(chǎn)經(jīng)營目的使用、許諾銷售、銷售或者進(jìn)口依照該專利方法直接獲得的產(chǎn)品。只有制造加工方法可以獲得延伸保護(hù)。制造加工方法與作業(yè)方法、使用方法的區(qū)別在于,作業(yè)方法、使用方法的目的不在于改變所涉及物品本身的結(jié)構(gòu)、特性或功能。【18】
2019年底,由最高院審理的騰達(dá)公司與敦駿公司侵害發(fā)明專利糾紛一案備受關(guān)注。【19】主要原因在于,最高院在該案判決中詳細(xì)闡述了涉及網(wǎng)絡(luò)通信領(lǐng)域多主體實(shí)施方法專利的直接侵權(quán)行為認(rèn)定的基本規(guī)則及其法理基礎(chǔ),解決了司法實(shí)踐中長期存在的困惑。實(shí)際上,該案判決還有另外一個(gè)值得關(guān)注的問題。在該案中,涉案專利保護(hù)的是一種網(wǎng)絡(luò)接入認(rèn)證方法,根據(jù)該方法并不能直接獲得包括被訴侵權(quán)產(chǎn)品在內(nèi)的任何產(chǎn)品,該方法實(shí)際上可以歸類為設(shè)備作業(yè)方法或控制設(shè)備運(yùn)行的方法。但是該案一審判決被控侵權(quán)人“停止制造、許諾銷售、銷售涉案的路由器產(chǎn)品”。最高院在二審判決中也支持了該項(xiàng)判決,并進(jìn)一步解釋到,在認(rèn)定直接侵犯方法發(fā)明專利權(quán)的情況下,判令騰達(dá)公司立即停止制造、許諾銷售、銷售涉案路由器產(chǎn)品,是指判令其停止制造、許諾銷售、銷售固化了涉案專利方法實(shí)質(zhì)內(nèi)容的涉案路由器產(chǎn)品。該解釋的思路似乎是,當(dāng)方法專利以軟件形式被固化在硬件設(shè)備之后,由于該設(shè)備之運(yùn)行必然機(jī)械再現(xiàn)專利方法,如果僅判決承擔(dān)停止實(shí)施專利方法而不停止制造、銷售固化了專利方法的產(chǎn)品,不利于有效保護(hù)方法專利權(quán)人。本文認(rèn)為,該項(xiàng)判決的專利法基礎(chǔ)及判決理由還需要進(jìn)行深入的研究和論證,以證明該項(xiàng)判決的合理性。但該項(xiàng)判決為人工智能方法專利的司法保護(hù)提供了新的思路。
雖然該案涉案專利屬于通信技術(shù)領(lǐng)域,不屬于AI技術(shù)領(lǐng)域,但AI技術(shù)與涉案技術(shù)有相同的特點(diǎn)。AI技術(shù)需要依賴計(jì)算機(jī)軟件來實(shí)施。AI方法專利在實(shí)際應(yīng)用中,往往以軟件的形式安裝固化在硬件設(shè)備中,用戶在使用該硬件設(shè)備時(shí)觸發(fā)軟件在后臺(tái)自動(dòng)運(yùn)行,使硬件設(shè)備表現(xiàn)出特定的智能、完成特定的功能。侵權(quán)行為人完全可以在未獲得專利權(quán)人許可的情況下,將AI專利方法以軟件的形式安裝在其制造的硬件設(shè)備中,通過對外銷售硬件設(shè)備獲得不當(dāng)利益。此時(shí),如果AI方法專利的保護(hù)可以延伸至以軟件的形式固化了該專利方法的產(chǎn)品,則更有利于保護(hù)AI專利權(quán)人。
因此,在經(jīng)后的AI專利侵權(quán)案件中,專利權(quán)人可以引證前述最高院的判決,嘗試主張將AI方法專利保護(hù)延伸至AI系統(tǒng)或產(chǎn)品。當(dāng)然,還需考慮固化AI專利方法的設(shè)備是通用設(shè)備還是專用設(shè)備,如構(gòu)是通用設(shè)備,則延伸保護(hù)范圍可能過大。如果是專用設(shè)備,尚有比照提供侵權(quán)專用零部件的思路進(jìn)一步論證要求停止生產(chǎn)、銷售設(shè)備的合理性之基礎(chǔ)。
四、尚待深入研究的問題
雖然第一件人工智能專利申請出現(xiàn)在1980年代,但據(jù)統(tǒng)計(jì),全世界有一半以上的人工智能專利出現(xiàn)于2013年之后。【20】與機(jī)械時(shí)代或軟件時(shí)代的專利相比,人工智能專利尚為新生事物,對于如何在專利法思維下理解、表達(dá)和保護(hù)AI 技術(shù)方案,還有非常多的問題需要深入研究。如前所述,AI技術(shù)方案呈現(xiàn)為動(dòng)態(tài)過程。而專利申請文件的語言表達(dá)、專利申請審查、專利無效以及專利侵權(quán)判斷,追求的是語言的確定性和技術(shù)方案的可視化。如何化解諸如此類的矛盾,以使專利保護(hù)制度與AI技術(shù)發(fā)展相適應(yīng),除了不斷精進(jìn)AI專利申請文件撰寫方法外,還有待于在更深入理解AI技術(shù)的基礎(chǔ)上,就AI專利保護(hù)理念、思路做更接近實(shí)務(wù)的廣泛討論。
注:
【1】WIPO Technology Trends 2019:Artificial Intelligence,https://www.wipo.int/tech_trends/zh/
【2】WIPO Technology Trends 2019:Artificial Intelligence,at 31.
【3】 WIPO Technology Trends 2019:Artificial Intelligence,at 47.
【4】 WIPO Technology Trends 2019:Artificial Intelligence,at 51.
【5】 “結(jié)構(gòu)化數(shù)據(jù)不應(yīng)該被人工智能忘之腦后!”,來源于AI科技評論微信公眾號,https://mp.weixin.qq.com/s/vQnJm-Om2SzraF81a19TWg
【6】 WIPO Technology Trends 2019:Artificial Intelligence,at 103.
【7】EPO,Patenting Artificial Intelligence Conference summary,May 30, 2018, https://www.epo.org/learning-events/events/conferences/2018/ai2018.html
【8】 2019 Revised Patent Subject Matter Eligibility Guidance,https://federalregister.gov/d/2018-28282.
【9】 參見第29176號復(fù)審決定(200410049846.0),轉(zhuǎn)引自《以案說法——專利復(fù)審、無效典型案例指引》,國家知識(shí)產(chǎn)權(quán)局專利復(fù)審委員會(huì)編著,知識(shí)產(chǎn)權(quán)出版社2018年版。
【10】 http://www.cnipa.gov.cn/zcfg/zcjd/1145668.htm
【11】 參見《專利法》第61條。
【12】 尹新天,《中國專利法詳解》,知識(shí)產(chǎn)權(quán)出版社,2011年版,第680頁。
【13】 參見北京知識(shí)產(chǎn)權(quán)法院2015年京知行初字第06705號行政判決書。
【14】尹新天,《中國專利法詳解》,知識(shí)產(chǎn)權(quán)出版社,2011年版,第681頁。
【15】 參見申請?zhí)枮镃N201910864377.4的發(fā)明專利申請。
【16】 參見申請?zhí)枮镃N201810930337.0的發(fā)明專利申請。
【17】 EPO,Patenting Artificial Intelligence Conference summary,May 30, 2018, https://www.epo.org/learning-events/events/conferences/2018/ai2018.html
【18】尹新天,《中國專利法詳解》,知識(shí)產(chǎn)權(quán)出版社,2011年版,第159頁。
【19】 具體案情參見(2019)最高法知民終147號判決書。
【20】 WIPO Technology Trends 2019:Artificial Intelligence,at 86.
來源:IPRdaily中文網(wǎng)(iprdaily.cn)
作者:孟睿 南京大學(xué)法學(xué)院法學(xué)博士研究生
編輯:IPRdaily王穎 校對:IPRdaily縱橫君
點(diǎn)擊圖片,查看專題詳情!
「關(guān)于IPRdaily」
IPRdaily是具有全球影響力的知識(shí)產(chǎn)權(quán)媒體,致力于連接全球知識(shí)產(chǎn)權(quán)與科技創(chuàng)新人才。匯聚了來自于中國、美國、歐洲、俄羅斯、以色列、澳大利亞、新加坡、日本、韓國等15個(gè)國家和地區(qū)的高科技公司及成長型科技企業(yè)的管理者及科技研發(fā)或知識(shí)產(chǎn)權(quán)負(fù)責(zé)人,還有來自政府、律師及代理事務(wù)所、研發(fā)或服務(wù)機(jī)構(gòu)的全球近100萬用戶(國內(nèi)70余萬+海外近30萬),2019年全年全網(wǎng)頁面瀏覽量已經(jīng)突破過億次傳播。
(英文官網(wǎng):iprdaily.com 中文官網(wǎng):iprdaily.cn)
本文來自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,如若轉(zhuǎn)載,請注明出處:“http://islanderfriend.com
文章不錯(cuò),犒勞下辛苦的作者吧