人工智能（AI）是當前科技領(lǐng)域的最重要的熱點之一，圍繞人工智能技術(shù)的知識產(chǎn)權(quán)保護也是法律界以及創(chuàng)新主體關(guān)注的焦點。本文旨在結(jié)合實踐經(jīng)驗，針對人工智能技術(shù)在中國申請專利給出一些建議，以期幫助創(chuàng)新主體更好地保護人工智能領(lǐng)域的技術(shù)創(chuàng)新。
一、人工智能技術(shù)在中國申請專利面對的主要法律規(guī)定
人工智能領(lǐng)域的技術(shù)方案通常涉及算法，因此在專利申請中需考慮專利法第二十五條第一款第(二)項中關(guān)于“智力活動的規(guī)則和方法”、以及專利法第二條第二款中關(guān)于發(fā)明專利的定義的要求。
此外，人工智能技術(shù)在醫(yī)療領(lǐng)域的應用日益廣泛，利用人工智能技術(shù)進行醫(yī)學數(shù)據(jù)的處理，以輔助診斷或治療的技術(shù)方案，在申請專利時，會面臨一個特殊的問題，即專利法第二十五條第一款第(三)項中關(guān)于“疾病的診斷和治療方法”的問題。
以下筆者將結(jié)合實際案例，介紹目前中國針對以上法條的審查實踐經(jīng)驗。
在2020年2月1日開始執(zhí)行的最新版中國《專利審查指南》（以下簡稱“審查指南”）中，針對涉及算法特征、商業(yè)規(guī)則和方法特征的專利申請的審查做出了新的、更為詳細的規(guī)定。
根據(jù)審查指南第二部分第九章6.1.1以及6.1.2節(jié)的規(guī)定，權(quán)利要求中只要包含了“技術(shù)特征”，即，權(quán)利要求不僅僅是抽象的算法特征，則不應當依據(jù)專利法第二十五條第一款第(二)項排除其獲得專利權(quán)的可能性。而對于一個包含了“技術(shù)特征”的權(quán)利要求，在其通過了上述第二十五條第一款第（二）項的審核后，還應繼續(xù)審查其是否符合專利法第二條第二款的規(guī)定，即整體考慮權(quán)利要求中記載的全部特征，考察該項權(quán)利要求是否記載了對要解決的技術(shù)問題采用了利用自然規(guī)律的技術(shù)手段，并且由此獲得符合自然規(guī)律的技術(shù)效果。
簡而言之，涉及算法的權(quán)利要求必須包含“技術(shù)特征”，且符合三個“技術(shù)性”，即采用技術(shù)手段、解決技術(shù)問題、獲得技術(shù)效果。
針對上述原則性的規(guī)定，審查指南以舉例的方式給出了具體的判斷方式，例如，如果權(quán)利要求中涉及算法的各個步驟體現(xiàn)出與所要解決的技術(shù)問題密切相關(guān)，如算法處理的數(shù)據(jù)是技術(shù)領(lǐng)域中具有確切技術(shù)含義的數(shù)據(jù)，算法的執(zhí)行能直接體現(xiàn)出利用自然規(guī)律解決某一技術(shù)問題的過程，并且獲得了技術(shù)效果，則通常該權(quán)利要求限定的解決方案屬于專利法第二條第二款所述的技術(shù)方案。
針對上述規(guī)定，我們不免有類似于這樣的疑問：“何為技術(shù)特征？”，“何為技術(shù)問題、技術(shù)手段、技術(shù)效果？”，“何為自然規(guī)律？”，技術(shù)與非技術(shù)之間，以及符合與不符合自然規(guī)律之間，是否有嚴格明確的界限呢？
遺憾的是，目前在中國的相關(guān)法規(guī)中，的確沒有非常明確的關(guān)于“技術(shù)”、“自然規(guī)律”等概念的定義，關(guān)于這些規(guī)定的執(zhí)行尺度更多的來自于審查實踐經(jīng)驗的積累。因此，研究和總結(jié)典型的審查案例，對理解上述規(guī)定有很重要的意義。
以下筆者就與大家一起分享一些實踐中的典型案例。
案例1
1. 一種CTR預估的方法，其特征在于，包括
原始特征訓練步驟：將當前對象的原始特征處理后輸入至深度神經(jīng)網(wǎng)絡的輸入層，由所述深度神經(jīng)網(wǎng)絡的多個隱含層進行訓練；
實時特征訓練步驟：將當前對象的實時特征輸入至所述深度神經(jīng)網(wǎng)絡的最后一個隱含層，與原始特征進行聯(lián)合訓練；
預估點擊率輸出步驟：通過所述深度神經(jīng)網(wǎng)絡的輸出層輸出當前對象的預估點擊率。
本案駁回決定認為，權(quán)利要求僅僅是對神經(jīng)網(wǎng)絡的訓練過程，沒有應用到技術(shù)領(lǐng)域，因而權(quán)利要求要保護的對象僅僅是一種數(shù)學運算方法，屬于人為制定和調(diào)整的算法規(guī)則，屬于專利法第25條第1款（二）的智力活動的規(guī)則和方法，不能被授予專利權(quán)。
而復審決定撤銷了駁回決定，并認為由于本申請應用于具體技術(shù)領(lǐng)域（CTR），即信息推薦領(lǐng)域，因此可知深度神經(jīng)網(wǎng)絡所處理的數(shù)據(jù)，如當前對象，應為所推薦的內(nèi)容，因此當前對象的原始特征和當前對象的實時特征是具有技術(shù)性的并且應當理解為相關(guān)技術(shù)領(lǐng)域中通常具有的含義，因此，該權(quán)利要求的方案采用了對具有技術(shù)性的數(shù)據(jù)進行處理的諸如輸入、訓練、輸出的技術(shù)手段，因此，權(quán)利要求整體而言，不屬于智力活動的規(guī)則和方法，不屬于專利法第25條第1款第（二）項規(guī)定的不授予專利權(quán)的情形。
案例2
1、一種保險的出險預測方法，所述方法包括：
獲取待處理保險的保單信息；
將所述待處理保險的保單信息輸入深度神經(jīng)網(wǎng)絡預測模型，預測得到所述待處理保險的出險數(shù)據(jù)，其中，所述深度神經(jīng)網(wǎng)絡預測模型的輸入特征為保單信息，輸出特征為出險數(shù)據(jù)，
其中，將所述待處理保險的保單信息輸入深度神經(jīng)網(wǎng)絡預測模型，預測得到所述待處理保險的出險數(shù)據(jù)，包括：對所述待處理保險的保單信息進行預處理；將預處理后的保單信息輸入深度神經(jīng)網(wǎng)絡預測模型，預測得到所述待處理保險的出險數(shù)據(jù)，
其中對所述待處理保險的保單信息進行預處理，包括：對保單信息中的被保險人數(shù)據(jù)按年齡進行離散化處理；對離散化后的被保險人數(shù)據(jù)進行獨熱編碼；對編碼后的被保險人數(shù)據(jù)進行歸一化處理。
本案駁回決定認為，權(quán)利要求保護一種保險的出險預測方法，其通過離散化、獨熱編碼、歸一化等手段將其保單信息進行預處理，而這些預處理的手段實質(zhì)上都是按照人為規(guī)定的方法，不構(gòu)成技術(shù)手段，將預處理后的保單信息輸入到深度神經(jīng)網(wǎng)絡中得出預測的出險數(shù)據(jù)，即采用基于保單信息預測出險數(shù)據(jù)的手段，解決的是如何預測保險出險數(shù)據(jù)，而基于保單信息預測出險數(shù)據(jù)不是符合自然規(guī)律的技術(shù)手段，同時解決的也不是技術(shù)問題，因此不是技術(shù)方案，不符合專利法第2條第2款的規(guī)定。
然而復審決定撤銷了駁回決定，并認為，首先，對于權(quán)利要求的方案是否構(gòu)成技術(shù)方案，應該從整體進行判斷，不能僅因為含有“保單”或“保險”或“預測”等術(shù)語就認為不是技術(shù)手段，不構(gòu)成技術(shù)方案，本申請涉及對于保單數(shù)據(jù)的處理，通過深度神經(jīng)網(wǎng)絡預測模型，對保單數(shù)據(jù)進行處理，其中采用了多種技術(shù)手段，將數(shù)據(jù)如何進行特征提取是人為設定的，但是這不影響采用相應的技術(shù)手段進行處理的技術(shù)性，本申請通過組合采用上述技術(shù)手段，可以獲得出險數(shù)據(jù)，解決了人工處理保單數(shù)據(jù)耗時長，效率低的問題，不能認為得到的是出險預測數(shù)據(jù)就不符合自然規(guī)律。
案例3
1、一種深度哈希學習方法，其特征在于，所述方法應用于深度哈希神經(jīng)網(wǎng)絡，深度哈希神經(jīng)網(wǎng)絡包括分類全連接層、哈希層和聚類向量全連接層，所述方法包括：
獲取訓練數(shù)據(jù)、所述訓練數(shù)據(jù)的語義標簽、分類全連接層輸出向量、哈希層輸出向量和聚類向量全連接層參數(shù)向量，其中，所述訓練數(shù)據(jù)為圖片；
利用所述訓練數(shù)據(jù)、所述訓練數(shù)據(jù)的語義標簽、所述分類全連接層輸出向量、所述哈希層輸出向量和所述聚類向量全連接層參數(shù)向量，計算一元哈希損失函數(shù)、分類損失函數(shù)和量化錯誤函數(shù)，其中所述一元哈希損失函數(shù)是基于所述聚類向量全連接層參數(shù)向量為聚類中心向量計算的；根據(jù)所述一元哈希損失函數(shù)、所述分類損失函數(shù)和所述量化錯誤函數(shù)，計算整體損失函數(shù)；將所述整體損失函數(shù)輸入深度哈希神經(jīng)網(wǎng)絡中進行反向傳播；訓練反向傳播后的深度哈希神經(jīng)網(wǎng)絡，得到哈希函數(shù)，所述哈希函數(shù)用于生成哈希碼，所述哈希碼用于圖像檢索。
審查意見認為，權(quán)利要求解決的問題實質(zhì)上屬于深度哈希學習算法的進一步改進，沒有應用到具體的技術(shù)領(lǐng)域，并不是專利法意義的技術(shù)問題，其所要達到的技術(shù)效果也不屬于專利法意義的技術(shù)效果，權(quán)利要求的限定部分都是在數(shù)學意義上的神經(jīng)網(wǎng)絡算法改進過程，并非技術(shù)手段，不符合專利法第2條第2款的規(guī)定。
申請人對權(quán)利要求進行了修改，增加了劃線部分，即明確了權(quán)利要求應用于具體的技術(shù)領(lǐng)域“圖像檢索”，輸入、輸出數(shù)據(jù)為圖像，和用于圖像檢索的哈希碼，本案在修改后獲得授權(quán)。
筆者注意到，以上3個案例，體現(xiàn)了目前中國審查實踐中針對涉及人工智能算法的案件的以下審查要點：
1. 權(quán)利要求需應用于具體的技術(shù)領(lǐng)域，例如案例1中的CTR、案例2中的保險出險預測、案例3中的“圖像檢索”；
2. 權(quán)利要求的輸入、輸出數(shù)據(jù)需在上述具體的技術(shù)領(lǐng)域中具有技術(shù)含義，例如案例1中的當前對象（所推薦的內(nèi)容）、預估點擊率，案例2中的保單信息、出險數(shù)據(jù)，案例3中的“圖像”、“用于圖像檢索的哈希碼”。
在筆者的實踐經(jīng)驗中，以上兩點的確是目前針對涉及算法特征的權(quán)利要求的基本要求。這與審查指南中給出的示例性的判斷方式：“權(quán)利要求中涉及算法的各個步驟體現(xiàn)出與所要解決的技術(shù)問題密切相關(guān)，如算法處理的數(shù)據(jù)是技術(shù)領(lǐng)域中具有確切技術(shù)含義的數(shù)據(jù)”是一致的。
此外，案例1、2均是駁回后，經(jīng)復審撤銷駁回決定的案例，我們也能夠看出對于這一領(lǐng)域，不同的審查員之間、實審與復審之間，存在著一定的審查尺度上的差異，這給專利申請能否授權(quán)帶來不確定性，同時也帶來了更多的嘗試空間。
案例4
5、一種對用于控制、預測或診斷的分層型神經(jīng)網(wǎng)絡進行學習的判別器學習方法， 該分層型神經(jīng)網(wǎng)絡由具有節(jié)點的輸入層、中間層以及輸出層構(gòu)成，其中，該判別器學習方法具有以下步驟：
存儲分層型神經(jīng)網(wǎng)絡中的節(jié)點之間的權(quán)重；存儲學習數(shù)據(jù)；存儲訓練數(shù)據(jù)；
根據(jù)存儲的所述訓練數(shù)據(jù)，計算分層型神經(jīng)網(wǎng)絡中的多個節(jié)點之間的權(quán)重的多個校正值，所述分層型神經(jīng)網(wǎng)絡具有根據(jù)糾錯碼的校驗矩陣形成的疏耦合；
利用所述校正值更新所述節(jié)點之間的權(quán)重值；以及
使用更新了權(quán)重值后的分層型神經(jīng)網(wǎng)絡進行判別，求解分類問題或者回歸問題，其中，在輸入存儲的初始化后的權(quán)重或者學習中的權(quán)重并輸入存儲的學習數(shù)據(jù)時，將使用所述初始化后的權(quán)重或者學習中的權(quán)重和所述學習數(shù)據(jù)的判別結(jié)果用于權(quán)重的學習，并且，在輸入已學習的權(quán)重并輸入判別數(shù)據(jù)時，將使用所述已學習的權(quán)重和所述判別數(shù)據(jù)的判別結(jié)果輸出給外部的傳輸裝置?！?/p>
本案駁回后，復審決定也維持了駁回決定，復審決定認為，本申請實際要解決的問題是如何實現(xiàn)分層型神經(jīng)網(wǎng)絡/算法數(shù)學模型高速化的問題。上述問題是一種算法數(shù)學模型計算問題，不屬于專利法意義上的技術(shù)問題……上述手段并未與具體的技術(shù)領(lǐng)域相結(jié)合，其實際采用的手段是自定義校正值、權(quán)重值配置，屬于人為規(guī)定，其中所涉及的數(shù)據(jù)不具有專利法意義上的技術(shù)性含義，而是通用的算法數(shù)學模型數(shù)據(jù)，通過通用計算機架構(gòu)對上述非技術(shù)性數(shù)據(jù)執(zhí)行存儲、計算和更新等算法數(shù)學模型程序的過程，不屬于專利法意義上的技術(shù)手段……上述分層型神經(jīng)網(wǎng)絡裝置實質(zhì)上是一種算法數(shù)學模型。就“用于與控制、預測或診斷”而言，是算法數(shù)學模型的功能屬性，并非專利法意義上的具體的技術(shù)領(lǐng)域……不符合專利法第2條第2款的規(guī)定。
案例5
1、一種確定統(tǒng)計模型參數(shù)的方法，用于基于N個數(shù)據(jù)點確定統(tǒng)計模型的參數(shù)，其中N為大于或等于2的整數(shù)，其特征在于，包括：
接收包括N個數(shù)據(jù)點以及N個數(shù)據(jù)點的D個屬性的數(shù)據(jù)集以組織成輸入矩陣，其中D為大于或等于1的整數(shù)；
根據(jù)所述輸入矩陣，設定K個聚類中心、所述參數(shù)的初始值以及后驗概率矩陣 的初始值 ，其中，后驗概率 表示第n個數(shù)據(jù)點在第k個聚類中心上的后驗概率，其中K為大于或等于2的整數(shù)，1≤n≤N，1≤k≤K，以及根據(jù) 以及所述參數(shù)的初始值計算 ；
……
根據(jù)各數(shù)據(jù)點在各所述聚類中心的殘差 ，針對所述M個數(shù)據(jù)點中的每個數(shù)據(jù)點，分別從所述K個聚類中心中選出殘差 最大的L個聚類中心；
其中，N為用戶數(shù)量，每個用戶包括D個屬性，具有所述參數(shù)的統(tǒng)計模型用于對用戶進行聚類，以確定每一類用戶的消費習慣。
本案駁回后，復審維持了駁回決定，復審決定認為，……雖然其中提到了“N為用戶數(shù)量，每個用戶包括D個屬性，具有所屬參數(shù)的統(tǒng)計模型用于對用戶進行聚類，以確定每個用戶的消費習慣”，但權(quán)利要求的方案中并未體現(xiàn)各個參數(shù)在該領(lǐng)域中的具體含義，也就是說，權(quán)利要求并未真正與確定用戶消費習慣這一領(lǐng)域進行結(jié)合，因此權(quán)利要求并未結(jié)合任何的應用領(lǐng)域……上述手段的實質(zhì)是算法本身……不符合第2條第2款的規(guī)定。
案例4和案例5都從反面印證了筆者針對案例1、2、3總結(jié)的經(jīng)驗，即“具體技術(shù)領(lǐng)域”和“輸入、輸出數(shù)據(jù)有具體技術(shù)含義”是基本要求。其中案例4的領(lǐng)域“用于控制、預測或診斷”太過籠統(tǒng)，未體現(xiàn)具體技術(shù)領(lǐng)域，輸入、輸出數(shù)據(jù)“訓練數(shù)據(jù)、權(quán)重、判別數(shù)據(jù)”等沒有具體技術(shù)含義，而案例5中，輸入、輸出數(shù)據(jù)“數(shù)據(jù)點、聚類中心”等沒有具體的技術(shù)含義，因此兩案都未能授權(quán)。
根據(jù)審查指南第二部分第一章第4.3節(jié)的規(guī)定，疾病的診斷和治療方法，是指以有生命的人體或者動物體為直接實施對象，進行識別、確定或者消除病因或病灶的過程。但是，用于實施疾病診斷和治療方法的儀器或裝置，以及在疾病診斷和治療方法中使用的物質(zhì)或材料屬于可被授予專利權(quán)的客體。
審查指南4.3.1.2還規(guī)定，以下幾類方法是不屬于診斷方法的例子：
(2)直接目的不是獲得診斷結(jié)果或健康狀況，而只是從活的人體或動物體獲取作為中間結(jié)果的信息的方法，或處理該信息(形體參數(shù)、生理參數(shù)或其他參數(shù)) 的方法；
(3)直接目的不是獲得診斷結(jié)果或健康狀況，而只是對已經(jīng)脫離人體或動物體的組織、體液或排泄物進行處理或檢測以獲取作為中間結(jié)果的信息的方法，或處理該信息的方法。
對上述(2) 和(3) 項需要說明的是，只有當根據(jù)現(xiàn)有技術(shù)中的醫(yī)學知識和該專利申請公開的內(nèi)容從所獲得的信息本身不能夠直接得出疾病的診斷結(jié)果或健康狀況時，這些信息才能被認為是中間結(jié)果。
關(guān)于疾病的診斷和治療方法，審查指南主要從“直接實施對象”（有生命的人體或動物體）和“直接目的”（診斷或治療）兩方面進行規(guī)定。而對于輸出結(jié)果為“中間結(jié)果”的方法，則要求“根據(jù)現(xiàn)有技術(shù)中的醫(yī)學知識和該專利申請公開的內(nèi)容從所獲得的信息本身不能夠直接得出疾病的診斷結(jié)果或健康狀況”。
然而，筆者注意到，從一些案例也可以反映出，在目前的審查實踐中，對“疾病的診斷及治療方法”的審查標準可能比指南的規(guī)定更為嚴格。以下是兩個比較典型的案例。
案例6
1、一種面部毛孔檢測方法，其特征在于，所述方法包括：
獲取待檢測皮膚的皮膚圖像；
利用訓練好的卷積神經(jīng)網(wǎng)絡模型對所述皮膚圖像中的毛孔圖像進行識別；
對識別出的毛孔圖像進行圖像處理，得到毛孔的量化指標，所述量化指標包括毛孔色差量化指標、毛孔面積量化指標和毛孔密度量化指標中的任一種或任意組合。
本案駁回決定認為，權(quán)利要求請求保護一種面部毛孔檢測方法，所用到的“皮膚圖像”是直接以有生命的人為對象而獲取的，以檢測出有生命的人體不同的皮膚狀態(tài)等級為直接目的，根據(jù)其說明書記載可知：“皮膚狀態(tài)，包括根據(jù)毛孔量化指標、毛孔粗大的程度，劃分為正常皮膚、精度毛孔粗大皮膚、中度毛孔粗大皮膚等不同的皮膚狀態(tài)等級；也包括根據(jù)毛孔粗大的醫(yī)學診斷結(jié)果，劃分為單純性毛孔粗大、皮膚溢出型毛孔粗大等皮膚狀態(tài)”，也就是說，根據(jù)該方法，可以直接獲得毛孔粗大的醫(yī)學診斷結(jié)果，屬于疾病診斷的目的。因而其屬于專利法第25條第1款第（三）項所述的疾病的診斷和治療方法的范圍，因此不能授予專利權(quán)。
該案例的權(quán)利要求中，方法的直接實施對象實際是“皮膚圖像”，并非人體皮膚本身，方法的直接目的是得到“皮膚量化指標”，而并非直接的皮膚疾病的診斷結(jié)果。但是駁回決定認為，“皮膚圖像是直接以有生命的人為對象而獲得的”，這相當于擴大了指南規(guī)定中“對象”的范圍。并且，說明書中有關(guān)于根據(jù)皮膚量化指標能夠得到診斷結(jié)果的描述，因此不符合指南中所規(guī)定的“只有當根據(jù)現(xiàn)有技術(shù)中的醫(yī)學知識和該專利申請公開的內(nèi)容從所獲得的信息本身不能夠直接得出疾病的診斷結(jié)果或健康狀況時，這些信息才能被認為是中間結(jié)果”的規(guī)定，導致該案最終無法授權(quán)。
案例7
9、一種穿刺路徑規(guī)劃方法，其特征在于，所述方法應用于穿刺路徑規(guī)劃裝置，所述方法包括：
獲取被測對象的預設區(qū)域的超聲圖像；
根據(jù)所述超聲圖像上被測對象體內(nèi)的目標區(qū)域的定位點的定位位置、所述定位位置與被測對象體表之間的第一距離以及被測對象體內(nèi)的目標點的定位區(qū)域，規(guī)劃到達目標點的第一穿刺路徑，其中，所述第一穿刺路徑包括針對被測對象體表的第一穿刺點位置、第一穿刺夾角以及第一穿刺距離；
顯示所述超聲圖像以及所述第一穿刺路徑。
本案審查意見認為，權(quán)利要求涉及一種穿刺路徑規(guī)劃方法，其中限定了根據(jù)獲取到的被測對象體內(nèi)的超聲圖像信息，對穿刺部件的穿刺路徑進行規(guī)劃等步驟，并根據(jù)路徑規(guī)劃結(jié)果，對醫(yī)生在實施手術(shù)過程中的穿刺操作進行指導。由此可知，該穿刺路徑規(guī)劃方法的實施對象實質(zhì)上是有生命的人體，其是一種為實施外科手術(shù)治療方法而采用的輔助手段，屬于疾病的治療方法，因此，權(quán)利要求屬于專利法第25條第一款第（三）項規(guī)定的疾病的診斷和治療方法的范圍，不能授予專利權(quán)，
本案權(quán)利要求中，方法的直接實施對象為“超聲圖像”，所得到的結(jié)果為“第一穿刺路徑”，方法本身是一個“從數(shù)據(jù)到數(shù)據(jù)”的數(shù)據(jù)處理過程，并沒有涉及治療或介入人體的操作。但是審查意見認為該方法“是一種為實施外科手術(shù)治療方法而采用的輔助手段，屬于疾病的治療方法”，不予授權(quán)。從該案可以看出，目前的審查實踐對疾病的治療方法的審查標準，比指南中的“直接實施對象”和“直接目的”的標準更為嚴格，如果方法的結(jié)果是為了輔助治療（例如輔助外科手術(shù)），那么盡管方法本身沒有以有生命的人體或動物體為直接實施對象、沒有以治療為直接目的、也沒有介入生命體的步驟，仍然有可能以“疾病的治療方法”為理由不予授權(quán)。
二、專利申請文件撰寫建議
基于以上法律規(guī)定以及案例，筆者針對涉及人工智能算法的技術(shù)方案在中國申請專利，給出如下的專利申請文件撰寫建議，供讀者們參考。
（1）由于訓練過程不易取證，建議盡可能部署應用過程的權(quán)利要求。
（2）針對客體問題，我們建議權(quán)利要求中必須體現(xiàn)算法所應用的具體技術(shù)領(lǐng)域，例如圖像識別、出險評估等。如果權(quán)利要求中僅限定算法應用于比較籠統(tǒng)的技術(shù)領(lǐng)域，例如“控制”、“分類”等，則有一定的駁回風險。
權(quán)利要求中算法要與具體技術(shù)領(lǐng)域緊密結(jié)合，即，至少算法的輸入、輸出數(shù)據(jù)應在該具體技術(shù)領(lǐng)域中有技術(shù)含義。如果算法的輸入、輸出數(shù)據(jù)是沒有技術(shù)含義的數(shù)據(jù)，例如“樣本”、“訓練數(shù)據(jù)”、“聚類結(jié)果”等，則有一定的駁回風險。
說明書中應從技術(shù)角度寫明技術(shù)問題和技術(shù)效果，盡量避免以數(shù)學意義上的效果、或用戶主觀體驗等作為直接甚至唯一效果。
建議說明書中給出算法在具體技術(shù)領(lǐng)域的應用場景中如何執(zhí)行的示例，并配以應用場景的示意圖。
這里要特別注意的是，根據(jù)當前審查指南的規(guī)定，如果權(quán)利要求的本質(zhì)是抽象的算法，那么即便在權(quán)利要求中加入處理器、存儲器等通用硬件，并限定算法由這些硬件執(zhí)行，仍然難以降低因客體問題而被駁回的風險。
（3）對于與醫(yī)療相關(guān)的方案，權(quán)利要求中方法的輸出結(jié)果，不應是“根據(jù)現(xiàn)有技術(shù)中的醫(yī)學知識和該專利申請公開的內(nèi)容”能夠直接得出疾病的診斷結(jié)果或健康狀況的信息，說明書中也建議不要體現(xiàn)出該輸出結(jié)果能夠直接得出疾病的診斷結(jié)果或健康狀況。
權(quán)利要求不應涉及與輔助治療、介入人體等有關(guān)的步驟，特別建議也不要出現(xiàn)相關(guān)敏感詞匯，例如“穿刺”、“切割”等。
說明書中，建議不要以診斷或治療（包括輔助治療）作為直接要解決的問題或直接實現(xiàn)的效果，可改為“提高圖像識別精度”、“提高路徑規(guī)劃效率”等非醫(yī)療目的問題或效果。
此外，對于涉及醫(yī)療的人工智能算法方案，建議部署裝置權(quán)利要求，包括與方法對應的程序模塊架構(gòu)權(quán)利要求，以規(guī)避疾病的診斷和治療方法問題。
以上為筆者結(jié)合實踐經(jīng)驗和法律規(guī)定給出的一些建議，希望對大家有所幫助，也期待與大家共同探討。
北京林達劉知識產(chǎn)權(quán)代理事務所
國內(nèi)部部長中國專利代理師
周蕾（LeiZHOU）
關(guān)鍵詞： 權(quán)利要求 神經(jīng)網(wǎng)絡 技術(shù)領(lǐng)域
