人工智能：專利化難題的破解之道

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

來源：IPRdaily中文網(wǎng)（iprdaily.cn）

作者：王景林

原標(biāo)題：人工智能：專利化難題的破解之道

一、人工智能專利申請以往遭遇獲批難

根據(jù)中國官方公布的2017年人工智能專利授權(quán)情況【1】，人工智能領(lǐng)域共授予發(fā)明專利權(quán)6475件，其中算法只有1378件，而當(dāng)年的申請量是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年中國前三名人工智能領(lǐng)域杰出專利代理人在人工智能領(lǐng)域?qū)＠暾埖氖跈?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)明的那些專利申請，官方和民間的數(shù)據(jù)也都表明：人工智能專利授權(quán)率非常之低。

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

舊的人工智能專利撰寫方式，在美國容易被認(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”；而在中國被冠以“智力活動的規(guī)則”?？傊?，人工智能的科研成果，國際上被排除在“專利保護(hù)客體”之外。因此，無論人工智能研發(fā)成果多么富有新穎性、創(chuàng)造性、實用性，都難以被授予專利權(quán)。長期以來，關(guān)于人工智能專利撰寫方式，有人討論如何更好地運用傳統(tǒng)的方法【7】，但罕見有人探索通過顛覆傳統(tǒng)的專利撰寫方式而提高人工智能專利申請授權(quán)率的途徑。

中國在人工智能領(lǐng)域原創(chuàng)性、基礎(chǔ)性成果比較少，但不是專利申請基數(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)該更有機會獲得專利權(quán)。實踐表明，人工智能領(lǐng)域申請專利的方式(claim drafting approach)多年來一直保持著傳統(tǒng)方式，沒有跟上時代的步伐，這才是問題的關(guān)鍵所在。

二、破解人工智能專利申請授權(quán)難的方法之一：采用“機器腦”方式描述

少數(shù)中國科學(xué)家已經(jīng)按照“機器腦”方式申請了人工智能專利，包括無人駕駛車輛、無人機、智能搜索引擎、智能停車場、智能機器人、電子警察等領(lǐng)域，授權(quán)率在美國超過了80%，在中國和歐洲都超過了70%。這與創(chuàng)造性的審查標(biāo)準(zhǔn)有關(guān)，美國僅要求非顯而易見，中國和歐洲還要求具有技術(shù)效果。

以“機器腦”方式描述人工智能專利申請，是破解人工智能專利保護(hù)難題的最大秘笈。傳統(tǒng)的人工智能專利撰寫方式，表達(dá)的是“計算機程序”、“算法的流程”，因為軟件開發(fā)基本上都以計算機高級語言進(jìn)行編程，不考慮計算機硬件的操作與控制，軟件成果自然與專利法的立法本意相互脫離。

以“機器腦”方式描述人工智能專利申請，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，對于這樣的學(xué)術(shù)前沿研究成果，只要解決了專利保護(hù)客體問題，自身的創(chuàng)造性一般是沒有問題的，授權(quán)率自然就非常之高。

關(guān)于人工智能是否屬于專利法保護(hù)的對象，已經(jīng)爭論了多年，一直沒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，人工智能的知識產(chǎn)權(quán)保護(hù)問題日趨緊迫。世界知識產(chǎn)權(quán)組織(WIPO)已經(jīng)釋放出為人工智能立法的信號【9】，但“人工智能法”真正實施之日難以預(yù)測。在此之前，以“機器腦”方式描述人工智能專利申請，在現(xiàn)有的專利法框架下，就可以高比例地獲得專利權(quán)。

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

人工智能研發(fā)成果，無論涉及數(shù)據(jù)、模型訓(xùn)練、模型應(yīng)用，還是說深度學(xué)習(xí)、人機融合、類腦思考、機器翻譯等，核心往往都是算法。以往的人工智能專利申請，所表達(dá)出來的都是“科學(xué)方法”，而不是專利法要求的“技術(shù)措施”，因此，越強調(diào)是人工智能領(lǐng)域的科研成果，專利申請就越容易被駁回。

人工智能專利申請涉及機器的聽、說、讀、做、學(xué)等。其中，無論是遺傳算法的機器學(xué)習(xí)，還是類神經(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，不屬于專利的保護(hù)范疇。“機器腦”申請模式可徹底改變這種狀況，此外，如果說是自動控制、傳感器技術(shù)、模式識別、圖像識別、語言識別、自然語音處理等領(lǐng)域技術(shù)創(chuàng)新的成果，獲得專利權(quán)的阻力就小得多。

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

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

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

從知識產(chǎn)權(quán)的角度看，人工智能僅僅是自動控制系統(tǒng)、專家系統(tǒng)的升級版，只是多了學(xué)習(xí)功能、增強了人機融合，應(yīng)用的領(lǐng)域從機器、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)域是否時髦。因此，不必在申請文件中夸大人工智能的功能與效果。

另外，在說明書中盡量少用數(shù)學(xué)公式，能夠用生活中的語言說清楚技術(shù)創(chuàng)新所在，非常有利于人工智能專利申請的授權(quán)。當(dāng)然這種做的難度非常大。如果必須用數(shù)學(xué)語言描述，對每個變量、每個符號都要賦予其物理意義，對于每個數(shù)學(xué)式都要解釋在技術(shù)上到底會發(fā)生什么。

 
五、結(jié)束語

人工智能的看(模式識別、圖像識別、圖像處理)、聽(語言識別)、說(自然語言處理)，并不是突然出現(xiàn)的，與20年前的自動控制技術(shù)、專家系統(tǒng)、模糊數(shù)學(xué)等都非常類似。采用“機器腦”方式撰寫專利申請文件，不強調(diào)屬于人工智能領(lǐng)域，非常有助于提高授權(quán)率。

機器深入學(xué)習(xí)、人機融合、類腦思考等，以傳統(tǒng)的虛擬軟件模塊進(jìn)行描述，專利申請的駁回率一定很高；而以“機器腦”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，專利授權(quán)率就會很高。

參考文獻(xiàn)：

1. 國家知識產(chǎn)權(quán)規(guī)劃發(fā)展司，《2017年我國人工智能領(lǐng)域?qū)＠饕y(tǒng)計數(shù)據(jù)報告》，2018年10月

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

2. 中國信息通信研究院數(shù)據(jù)研究系列之一，2017年中國人工智能產(chǎn)業(yè)數(shù)據(jù)報告(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. 國家知識產(chǎn)權(quán)局,《審查指南》2017年修訂版，見第二部分第九章第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

 
來源：IPRdaily中文網(wǎng)（iprdaily.cn）

作者：王景林

編輯：IPRdaily王穎          校對：IPRdaily縱橫君

推薦閱讀（點擊圖文，閱讀全文）

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

嘉賓寄語CPIPS 2019：相約第四屆中國醫(yī)藥知識產(chǎn)權(quán)峰會2019（10月23-25，上海）

可信好用的全球?qū)＠麛?shù)據(jù)庫

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

“投稿”請投郵箱“iprdaily@163.com”

「關(guān)于IPRdaily」

IPRdaily成立于2014年，是全球影響力的知識產(chǎn)權(quán)媒體+產(chǎn)業(yè)服務(wù)平臺，致力于連接全球知識產(chǎn)權(quán)人，用戶匯聚了中國、美國、德國、俄羅斯、以色列、澳大利亞、新加坡、日本、韓國等15個國家和地區(qū)的高科技公司、成長型科技企業(yè)IP高管、研發(fā)人員、法務(wù)、政府機構(gòu)、律所、事務(wù)所、科研院校等全球近50多萬產(chǎn)業(yè)用戶（國內(nèi)25萬+海外30萬）；同時擁有近百萬條高質(zhì)量的技術(shù)資源+專利資源，通過媒體構(gòu)建全球知識產(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/”