人工智能领域的发明专利客体判断
摘要：针对人工智能领域，分析该领域的专利申请的客体问题判断方法，避免因而客体问题导致人工智能领域的创新成果无法获得有效的专利权保护。
关键词：人工智能 客体判断 发明专利
1、引言
专利法第二条第二款（A2.2）规定：发明，是指对产品、方法或者其改进所提出的新的技术方案。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。专利法第二十五条进一步细化了不授予专利权的六种情形。本文主要针对发明专利是否满足专利法第二条第二款规定进行客体判断讨论。 在判断发明专利是否满足专利法第二条第二款规定时，一般通过三要素进行判断：是否解决了技术问题，是否采取了利用了自然规律的技术手段，是否取得了技术效果，而其中最为关
键的要素即在于是否采取了利用了自然规律的技术手段。
2、人工智能领域的专利申请客体判断
在涉及专利法第二条第二款的专利审查实践过程中，发现人工智能领域的专利申请容易出现不满足专利法第二条第二款规定的客体问题。人工智能（Artificial Intelligence，AI），是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
由于人工智能能够广泛地应用到括机器人、语言识别、图像识别、自然语言处理和专家系统等各种应用领域和/或场景，人工智能领域的专利申请，其权利要求容易写得过于宽泛和上位，将其发明点定位在针对通用的深度学习或者机器学习模型进行改进上，未限定深度学习或者机器学习模型具体的应用领域和应用场景，未限定深度学习或者机器学习模型可能使用到的特征的具体含义，未限定深度学习或机器学习模型输出结果的具体含义。因此，原始权利要求往往无法体现出技术领域、技术问题、技术手段、技术效果，导致存在客体问题。 下面结合具体的案例申请进行分析。
案例1
本申请针对的问题是现有技术无法对迁移学习的结果模型进行解释，通过根据所述源模型的解释性数据及所述目标模型的解释性数据，处理得到所述迁移学习模型解释结果，从而实现迁移学习模型解释。 申请进入实质审查时原始权利要求1如下：
一种迁移学习模型解释实现方法，其特征在于，包括：
使用源域中的样本训练得到源模型；
记录所述源模型的解释性数据；
根据所述源模型，使用目标域中的样本继续训练所述源模型，得到目标模型；
记录所述目标模型的解释性数据；
根据所述源模型的解释性数据及所述目标模型的解释性数据，处理得到所述迁移学习模型解释结果。
根据三要素的判断方式进行判断，
原始权利要求1针对的问题是现有技术无法对迁移学习的结果模型进行解释，是迁移学习本身的问题，不属于技术问题。
原始权利要求1采用的关键手段为根据所述源模型的解释性数据及所述目标模型的解释性数据，处理得到所述迁移学习模型解释结果，涉及的是迁移学习模型本身的源模型的解释性数据及所述目标模型的解释性数据之间的关联关系，不涉及自然规律，因而不属于利用了自然规律的技术手段。
原始权利要求1取得的效果是获取迁移学习模型的解释性数据，不属于技术效果。
因此，原始权利要求1未解决技术问题，未采取利用了自然规律的技术手段，未取得技术效果，因而不构成技术方案。
在说明书中实施例中，将该模型用于根据第一时间段内的第一用户体产生的用户消费行为数据，迁移学习，得到所述目标域中的样本为在第二时间段内的第二用户体产生的用户消费行为数据。根据该记载，申请人对原始权利要求1进行修改。 修改后的权利要求1：
一种迁移学习模型解释实现方法，其特征在于，包括：
使用源域中的样本训练得到源模型；
记录所述源模型的解释性数据；
根据所述源模型，使用目标域中的样本继续训练所述源模型，得到目标模型；
记录所述目标模型的解释性数据；
根据所述源模型的解释性数据及所述目标模型的解释性数据，处理得到所述迁移学习模型解释结果；
所述源模型和目标模型均为梯度提升决策树模型；所述解释性数据包括每个决策树的叶子节点的分值、每个决策树的每个节点上的样本数、每个决策树的中间节点的分裂特征的分裂增益；
所述源域中的样本为在第一时间段内的第一用户体产生的用户消费行为数据，所述目标域中的样本为在第二时间段内的第二用户体产生的用户消费行为数据，所述源模型和目标模型均用于预测目标用户的消费行为发生几率；所述分裂特征包括用户点击商品个数、商品品类、商品品牌、单次浏览的最大页数、用户与商品的平均交互时间中的至少一种。
在修改后的权利要求中，权利要求1中应用于根据第一时间段内的第一用户体产生的用户消费行为数据，迁移学习，得到所述目标域中的样本为在第二时间段内的第二用户体产生的用户消费行为数据的场景，属于消费行为预测领域，属于技术领域；针对的技术问题具体到了消费行为预测领域中的迁移学习模型解释问题，属于技术问题。根据第一时间段内的第一用户体产生的用户消费行为数据，迁移学习，得到所述目标域中的样本为在第二时间段内的第二用户体产生的用户消费行为数据的场景，第一用户和第二用户体消费行为的关联性以及用户在第一时间段和第二时间段的消费行为的关联性，受到自然规律
的约束，属于利用了自然规律的技术手段，能够取得提高消费预测行为的迁移学习模型解释数据获取便利性的技术效果。因此，修改后的权利要求1符合专利法第二条第二款的规定。
3、总结：
在人工智能领域的发明专利客体判断时，人工智能相关的算法本身一般属于算法设计，中间不涉及利用了自然规律的技术手段。因此，可以将人工智能相关的算法本身视作一个“黑盒”，判断专利是否存在客体问题的关键在于专利中是否明确限定了“黑盒”的输入和输出，判断输入和输出是否属于技术领域中具有确切技术含义的数据，然后进一步判断输入和输出之间的因果关系是否利用了自然规律。如果专利的执行能够通过“黑盒”构建出输入和输出的因果关系，能够直接体现出利用自然规律解决某一技术问题的过程，并且获得了技术效果，则该权利要求限定的解决方案属于专利法第二条第二款所述的技术方案。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议