本文主要從本次修改涉及保護客體的相關規定和審查標準出發，提出一些算法類專利申請的撰寫建議，以期拋磚引玉。
文 | 王乃瑩 許玥 上海市協力（蘇州）律師事務所
隨著信息化時代和商業模式創新浪潮的到來，各行各業，越來越多的企業開始注重軟體的開發及軟硬體結合的研發。隨之而來的是大量與算法有關的發明不斷湧現。例如，國家工業信息安全發展研究中心2019年發布的人工智慧中國專利技術分析報告統計了我國人工智慧領域從 2000 年至 2019 年各年度的專利申請量變化情況（如圖1所示）。該報告顯示，我國人工智慧領域的專利申請量總體上呈逐年上升趨勢，且增長率不斷提高，在 2010 年後增長速度明顯加快，2014 年後增長率又上了一個臺階，近兩年的增長率更是令人矚目，2018 年是目前為止我國人工智慧專利申請量的峰值，達到 70281件，是 2010 年申請量的近 20 倍。
圖1 我國人工智慧專利申請量年度變化趨勢
（受公開滯後影響， 2019 年專利數據公開不完整）
為了加強對這類研發成果的保護，2019年12月31日，國家知識產權局發布了「關於修改《專利審查指南》的公告（第343號）」，決定對《專利審查指南》作出修改，自2020年2月1日起施行。本次修改主要針對人工智慧、「網際網路+」、大數據以及區塊鏈等領域的發明專利申請，這些領域的專利申請一般包含算法或商業規則和方法等智力活動的規則與方法特徵，本次修改旨在對這類申請的審查特殊性作出規定。
本文主要從本次修改涉及保護客體的相關規定和審查標準出發，提出一些算法類專利申請的撰寫建議，以期拋磚引玉。
1、新審查指南關於保護客體的規定
新指南在「關於涉及電腦程式的發明專利申請審查的若干規定」這一章下新增第6節：「包含算法特徵或商業規則和方法特徵的發明專利申請審查相關規定」。其中下設6.1、6.2和6.3小節，分別為「審查基準」、「審查示例」以及「說明書及權利要求書的撰寫」。
第6.1「審查基準」小節下的第6.1.1節是關於權利要求是否屬於智力活動的規則與方法的審查標準。根據該節的規定，如果權利要求涉及抽象的算法或者單純的商業規則和方法，且不包含任何技術特徵，則這項權利要求屬於智力活動的規則與方法，不應當被授予專利權。但是，只要權利要求包含技術特徵，該權利要求就整體而言並不是一種智力活動的規則與方法，不應當依據專利法第二十五條第一款第（二）項排除其獲得專利權的可能性。
第6.1.2節是關於權利要求是否屬於技術方案的審查標準。根據該節的規定，客體相關法律條款的審查順序為：針對要求保護的主題，首先應當審查其是否不屬於智力活動的規則與方法，再審查其是否屬於專利法第二條第二款規定的技術方案。在判斷一項權利要求限定的解決方案是否是技術方案時，應當對其中涉及的技術手段、解決的技術問題和獲得的技術效果進行分析。如果同時包含這三點，則該權利要求限定的解決方案屬於專利法規定的技術方案。
2.對保護客體相關規定的分析及撰寫建議
新指南明確了不屬於專利法保護客體的兩種情況：（1）屬於智力活動的規則與方法；（2）不是技術方案。同時，新指南規定了關於是否為專利法保護客體的審查順序，即先審查是否屬於智力活動的規則與方法，如不屬於，再審查是否為技術方案，如為技術方案，則屬於專利法保護客體。上述審查順序可以體現為以下流程圖：
「智力活動的規則與方法」不包含任何技術特徵，專利法第二條規定的技術方案需要採取技術手段，而技術手段是通過技術特徵來體現的，因此「智力活動的規則與方法」沒有採取技術手段，屬於「不是技術方案」的下位情況。新指南中規定審查是否為專利保護客體時採取上述兩步遞進法符合這種上下位關係。
基於新指南的規定和審查標準，筆者嘗試提出以下撰寫建議，以期降低被審查員認定為不屬於專利法保護客體從而駁回的可能性。
2.1 規避智力活動的規則與方法
新指南中給出的【例1】被判定為屬於智力活動的規則與方法，不屬於專利保護的客體。該示例具體如下：
一種建立數學模型的方法，其特徵在於，包括以下步驟：
根據第一分類任務的訓練樣本中的特徵值和至少一個第二分類任務的訓練樣本中的特徵值，對初始特徵提取模型進行訓練，得到目標特徵提取模型;其中，所述第二分類任務是與所述第一分類任務相關的其它分類任務;
根據所述目標特徵提取模型，分別對所述第一分類任務的每個訓練樣本中的特徵值進行處理，得到所述每個訓練樣本對應的提取特徵值;
將所述每個訓練樣本對應的提取特徵值和標籤值組成提取訓練樣本，對初始分類模型進行訓練，得到目標分類模型;
將所述目標分類模型和所述目標特徵提取模型組成所述第一分類任務的數學模型。
分析及結論
該解決方案不涉及任何具體的應用領域，其中處理的訓練樣本的特徵值、提取特徵值、標籤值、目標分類模型以及目標特徵提取模型都是抽象的通用數據，利用訓練樣本的相關數據對數學模型進行訓練等處理過程是一系列抽象的數學方法步驟，最後得到的結果也是抽象的通用分類數學模型。該方案是一種抽象的模型建立方法，其處理對象、過程和結果都不涉及與具體應用領域的結合，屬於對抽象數學方法的優化，且整個方案並不包括任何技術特徵，該發明專利申請的解決方案屬於專利法第二十五條第一款第(二)項規定的智力活動的規則和方法，不屬於專利保護客體。
以上示例及評述提示我們，不結合應用領域、一味爭取大的保護範圍而努力上位的撰寫方法，在算法類專利申請上可能行不通了。為了避免被審查員認定為屬於智力活動的規則與方法，不僅需要在權利要求中寫出技術特徵，也需要在權利要求中體現具體應用領域。為了寫出技術特徵，一種方式是在權利要求中添加硬體設備（如計算機、伺服器、用戶終端、模塊等）；對於涉及機器學習模型的專利來說，另一種可行的方式是在權要中體現模型的至少部分結構或組成要素，如輸入層、卷積層、池化層、輸出層等。至於具體應用領域的體現，可以通過在權利要求中細化數據的技術含義來體現。例如，在與模型訓練的有關的權利要求中，可以將籠統的訓練樣本細化為圖像樣本、文字樣本、語音樣本等，或者細化模型的輸入為圖像數據、文字數據、語音數據等，以體現權利要求的方案可應用於圖像處理、文字處理、語音處理等領域。
2.2 強化技術方案屬性
算法類專利只有構成技術方案才能成為專利保護的客體。一項技術方案應同時具備技術手段、技術問題和技術效果三要素，如果權利要求的方案作為一個整體，採用了技術手段，解決了技術問題並產生了技術效果，則該權利要求的方案為技術方案。
需要說明的是，新指南中給出了兩個不屬於專利法規定的技術方案的示例（【例5】和【例6】），示例中的問題不構成技術問題，採取的手段不受自然規律約束，產生的效果不符合自然規律，不屬於專利保護客體。本文暫不對此類涉及商業方法、經濟管理等規則依賴人工設定的特殊情況展開討論，僅對常規的毫無疑義遵循自然規律的算法類專利進行探討。
根據新指南中有關上述「三要素」的規定，為了使算法類權利要求符合專利法所規定的技術方案，需要在撰寫權利要求前明確發明方案在其具體應用領域中所解決的技術問題，各步驟中涉及的具有該具體應用領域中技術含義的對象所構成的技術手段，以及在該具體應用領域中實現的技術效果。
為了儘量不縮小權利要求的保護範圍，建議可以將獨立權利要求撰寫為體現應用領域，同時撰寫至少一條從屬權利要求體現具體業務場景，其中具體業務場景可根據專利申請人開發的實際產品或服務確定，應用領域可以根據具體業務場景進行適當上位概括。例如，申請人計劃將發明方案用於開發基於人臉識別的身份驗證系統，則具體業務場景為基於人臉識別的身份驗證，可寫入從屬權利要求中；該具體業務場景的上位概念是圖像識別，則將圖像識別作為應用領域寫入獨立權利要求中。設置體現具體業務場景的從屬權利要求，一方面細化了獨立權利要求，讓審查員及讀者能夠更直觀的了解發明方案，另一方面，倘若獨立權利要求在日後審查過程中被審查員認定為不是專利保護客體或不具備新創性，也可以基於該從屬權利要求爭取一番。
另外，為了體現方案所解決的技術問題以及實現的技術效果，撰寫時要注意權利要求最後一步應該能夠得到明確的、直接體現技術效果的結果，而不是寫到「中間產物」就戛然而止。例如，某項發明要解決的技術問題是為訓練機器學習模型確定合適的特徵組合，實現的技術效果是提高機器學習模型的訓練效果，則所確定的特徵組合為「中間產物」，較優應該在權利要求的最後一步體現將所確定的特徵組合用於模型訓練。
3.權利要求撰寫示例
下面結合示例對以上撰寫建議進行說明（註：以下示例不考慮新創性，僅為說明如何撰寫權利要求以符合專利保護客體）。
l 技術交底概述
本發明的方案是向正常訓練樣本的下降梯度中添加隨機噪聲，以此更新正常訓練樣本，得到自帶幹擾的對抗樣本，用這種對抗樣本訓練模型，使訓練後的模型在遭受對抗攻擊時不易被幹擾，提高模型的魯棒性。申請人計劃將該發明用於開發基於人臉識別的身份驗證系統。
l 撰寫的原始獨立權利要求如下
1.一種確定對抗樣本的方法，其特徵在於，包括：
獲取初始樣本；
確定所述初始樣本的下降梯度；
向所述初始樣本的下降梯度中添加隨機噪聲；
根據添加隨機噪聲後的所述下降梯度更新所述初始樣本，得到對抗樣本。
l 對原始獨立權利要求的評述
以上權利要求只是籠統地提到了訓練樣本（包括初始樣本和對抗樣本），沒有體現具體應用領域，也沒有確切的技術特徵，因此很可能被審查員認為是智力活動的規則與方法。另外，本發明要解決的技術問題是提高模型的抗幹擾能力，對抗樣本只是「中間產物」，最終的目的是得到抗幹擾能力強的模型。可見，原始權利要也沒能準確反映發明的完整技術方案、所解決的技術問題以及實現的技術效果，很可能被認定為不是專利法規定的技術方案。為此，我們對權利要求進行修改：
l 修改後的獨立權利要求（下劃線部分為新增內容）：
1.一種模型訓練方法，所述方法由計算機實現，其特徵在於，所述方法包括：
獲取初始樣本，所述初始樣本為圖像樣本、文字樣本或語音樣本；
確定所述初始樣本的下降梯度；
向所述初始樣本的下降梯度中添加隨機噪聲；
根據添加隨機噪聲後的所述下降梯度更新所述初始樣本，得到對抗樣本；
用所述對抗樣本對模型進行訓練，得到訓練後的模型。
l 對修改後獨立權利要求的評述
修改後的權利要求中限定了初始樣本為圖像、文字或語音，體現出具體應用領域為圖像處理、文字處理或語音處理領域。需要注意的是，此處之所以列舉出圖像、文字及語音三種情況，一是考慮到申請人的業務範圍主要涉及這三種情況，二是考慮到這三種情況也基本覆蓋了當前機器學習模型應用最廣的幾大領域，因此採用有限列舉的方式限定了具體應用領域。另外，修改後的權利要求在前序部分加上了「所述方法由計算機實現」，體現了技術特徵。由此，上述修改克服了「屬於智力活動的規則與方法」的問題。
此外，修改後的權利要求增加了最後一步「用所對抗樣本對模型進行訓練，得到訓練後的模型」，這一步產生了明確的、直接體現技術效果的結果，並且適應性地將主題名稱修改為「一種模型訓練方法」，強化了權利要求符合專利法規定的技術方案的屬性。
l 新增從屬權利要求
除了對獨立權利要求的修改外，還可以增加一條從屬權利要求來體現具體業務場景。新增的從屬權利要求如下：
如權利要求1所述的方法，其特徵在於，所述初始樣本為人臉圖像樣本，所述訓練後的模型用於根據人臉圖像進行身份驗證。
這條從屬權利要求描述的具體業務場景為通過人臉識別進行身份驗證，使技術方案進一步具體化，強化了權利要求符合專利法第二條規定的技術方案的屬性。
4、小結
可以看出，審查指南的本次修改，更進一步地明確並細化了算法類專利的審查標準，從而使得申請人對算法類專利的審查規則更加清楚並對其專利申請授權前景有更準確的預期，這從政策層面給予人工智慧等新業態領域的創新主體對其創新成果的保護以足夠信心，倘若此類企業自身在日後的專利申請過程中能更好地把握相關規則，儘可能提交高質量的專利申請文件，我們相信人工智慧等新興業態將在智慧財產權的護航下更進一步的發展壯大。
（本文僅代表作者觀點，不代表知產力立場）