“由于人工智能在许多发明专利（涵盖所有技术领域）中发挥着越来越重要的作用，了解专利局特别是欧洲专利局（EPO）在授予此类专利权时所考虑的相关方面是至关重要的。考虑到这一点，本文提供了一些提示，以避免这些专利权授予过程中的潜在困难”。

如今，各个技术领域的大量发明都使用人工智能（AI）技术作为其实施的必要工具，研发/发明这些技术的公司或个人通常都希望获得这些发明的专利权。因此，了解专利局如何处理此类相关专利的审查以及在授予专利权时所考虑的一些方面是非常重要的。

本文将特别关注EPO审查此类发明申请时所使用的标准，这不仅仅是因为其地理位置的接近，还因为EPO是在处理此类专利申请方面取得最大进展的机构之一，并且使用的标准总体上与其他重要的专利局使用的标准相似。我们在这里谈论的不是关于使用人工智能所创造的发明，而是那些无论发明人是谁，都将人工智能技术作为实施的主要步骤的发明。近年来人工智能取得显著的进步，且这一趋势正在上升，使人工智能成为众多项目中常用的资源。

AI所基于的许多基础技术，包括神经网络、深度学习、基于规则的系统等，早已为人所知，但近年来AI所发生的巨大发展，可能是由几个因素造成的：计算技术和处理能力的进步、可用于训练算法的大量数据、各个行业对自动化和效率需求的增加以及通过云进行协作和访问计算资源的能力在不断增强。AI的这一巨大进步不仅使其应用于高科技实验室中，还用于医疗保健、汽车、金融、制造业、农业等日常生活的各个方面。AI将继续存在，并有望在不久的将来成为一股颠覆性力量。但人工智能究竟是什么？

EPO将人工智能定义为以计算机和机器执行通常与人类相关的心理任务的能力，如学习、推理和解决问题。AI涵盖了广泛的技术，包括自然语言处理、计算机视觉、机器人技术……但可以说，人工智能最突出的子学科是机器学习（ML）。机器学习关注于开发数学算法和统计工具，使计算机能够学习并根据输入的数据做出预测或决策，而无需明确地编程。换句话说，机器学习涉及使用数学技术在大型数据集上训练和开发模型，识别数据中的模式或关系，并使机器能够根据数据做出预测或决策。从人工智能本身的定义中，首先要注意的是，这些发明涉及计算机（或更通俗地说，电子设备）和某种形式的软件的使用。因此，AI发明属于专利领域中的“以计算机实现的发明”（CII），从而专利局（特别是包括欧洲和美国专利局等）适用于CII发明的规则也将适用于人工智能发明，因为人工智能发明是CII发明的一个子集。对于CII发明的审查，EPO使用了所谓的两栏法（美国专利商标局使用不同的方法，但在概念上有很多共同之处）。其中，要克服的第一个障碍是：整体而言，要获得专利权的客体必须具有技术性质。这很容易克服，只要清楚地表明发明涉及计算机或其他电子设备的使用（AI发明通过定义以满足条件）。要克服的第二个障碍是：发明必须符合可专利性（授予）的要求，特别是新颖性、创造性和进行了充分且明确地披露。需强调的是，对于创造性的评估，只考虑有助于发明技术要点的特征，正如所述，AI技术通常基于数学算法，其技术贡献有时是值得斟酌的（考虑到纯数学方法从定义上讲是非技术性的）。因此，AI发明要满足创造性要求，第一步是详细分析AI过程在任何方面是否具有这种技术贡献（否则甚至不会在可能具备创造性的方面进行考虑）；然后看该技术贡献是否真的具有创造性，即从现有技术中非显而易见（应注意的是，仅仅使用已知的人工智能工具并不能使发明具有创造性）。

简而言之，在典型的AI程序中，尤其是在机器学习中，使用基于数学模型从输入的数据中生成评估或决策结果。例如，基于湿度、风等气象数据预测天气的模型。为此，需要预先进行训练阶段，使用生成和/或选择的训练数据来训练要使用的数学模型，以便它学习要获得的数据和结果之间的模式和关系。通过这种方式的训练，选择最适合特定应用的模型参数（在前面的例子中，选择最准确地从输入数据中估计时间的模型参数）。一旦通过选择最佳参数对模型进行了训练，它就可以在生产环境中实施，在任何时候根据所给的输入数据做出所需的估计或决策。考虑到这一点，在与AI相关的发明中，EPO区分了以下潜在的可专利性方面：

• 生成（或选择）训练数据来训练模型，如人工神经网络。
• 使用训练数据来训练模型。
• 使用经过训练的AI模型分析输入的数据并获得输出结果（生产阶段，也称为部署或推理阶段）。

这些方面中的每一个都可以由不同的主体或实体执行，这些主体可能位于不同的司法管辖区。因此，如果可以的话，将每一个方面纳入分开的独立权利要求中或许是值得的，以便独立地保护这些方面（为针对每一个主体的潜在侵权诉讼）。如上所述，AI步骤要具备发明的创造性，就必须对其技术要点有贡献，换句话说，须有助于获得服务于技术目的的技术。这可以通过两种方式实现：

（1）因适用于特定技术的实现，或

（2）因应用于任何技术领域，为该领域的特定技术目的服务的技术实现。方式a）（专用于特定技术实现的AI）发生在出于对计算机或网络系统内部操作的技术考虑时所激发的AI设计。例如，AI模型被设计为利用设备的特定技术特性来实现技术效果（包括高效使用计算机存储单元或网络带宽）。这可能会发生在生产阶段，甚至在训练阶段。例如，训练模型存在硬件限制（这是常见的因为训练通常需要大量数据），并且训练阶段专门针对这些硬件限制进行了调整。方式b）中的技术目的示例可以是：

• 控制特定的技术系统或过程，例如引导自动驾驶汽车；
• 根据对输入素材的测量决定工业机器的操作，以在输出端实现具有所需特征的产品；
• 音频、图像或视频等的数字增强或分析。

在EPO，商业方法不被视为技术主题，因此，若AI仅用于控制或改进金融或商业活动（即商业方法），AI将没有技术目的，因此不会对创造性作出贡献。技术目的必须是具体的，因此“控制技术系统”等通用的内容也不足以赋予技术特征。此外，仅凭人工智能程序可能服务于技术目的是不够的，权利要求必须明确或隐含地在功能上限定技术目的。这可以通过在技术目的和使用的AI模型之间建立适当的联系来实现，例如，通过明确模型的输入和输出与技术目的之间是如何关联的。因此，为了增加获得专利授权的机会，建议在每类（例如计算机实现的方法和计算设备）分开的权利要求中明确说明具体的技术目的。权利要求中包含的技术特征应针对它们在实现该技术目的方面所起的技术作用，而不是所使用的模型或算法的数学效果。还建议如前所述，在权利要求中描述模型的输入和输出数据，以及它们与实现技术目的的关联，以确定AI模型数学步骤对发明技术性质的贡献。

• 清晰地定义AI输入数据。
• 清晰地定义AI输出数据。
• 清晰地解释AI如何为技术目的作出贡献。

• 本发明的必要和区别特征在哪里（在AI过程的哪个阶段）？
• 发明的创造性技术效果在哪里？
• 每个步骤（训练数据生成、训练和生产）是否分别涉及创造性？或者换句话说，这些步骤中的每一个是否都单独做出了非显而易见的技术贡献，还是只有其中一些（或几个的组合）具有足够的创造性？

• 输入数据的性质（如图像、文本、符号等），它们的结构方式，表示什么，是如何获得的等等。
• 输出数据的性质、结构方式、表示什么等。
• 使用的训练数据（与输入和输出数据兼容），它们的结构、表示什么、如何获得、使用顺序等。若AI发明获得的技术效果在某种程度上取决于训练数据的特定特征，则这一点尤为重要。
• 训练是如何进行的，无论是有人监督还是无人监督。
• 模型中使用了什么特定的算法，或者至少是什么类型的算法。拟合了哪些类型的参数。有什么结构。
• 模型中要优化的功能是什么。
• 如何评估其行为。

重要的是，基于对专利申请中AI元素的解释，使发明所述的技术目的得以实现是可信的。或者，换言之，从对所使用的AI技术的描述来看，AI所指出的需要解决的技术问题实际上得到了解决，应是合理的。

总结，与人工智能相关的发明是计算机实现的发明，因此专利局在审查中应用了计算机实现发明的具体标准。然而，与AI相关的专利在撰写时必须考虑其特殊性，以减少专利申请期间的潜在驳回。本文在这方面提供了有益的建议。例如，在权利要求中明确使用AI模型和/或训练过程的技术目的（如果它有助于实现技术效果）是至关重要的。此外，应评估每个阶段是否具有足够的创造性，以便分开地请求（作为权利要求）。同样重要的是，要清晰地解释所使用的AI技术中涉及的不同元素/过程及其在本发明背景下的具体操作，以避免专利申请因非充分披露而导致的驳回。

来源：广东省海外知识产权保护促进会

声明：本文由HERRERO＆ASOCIADOS供稿，仅供学习交流，不代表本号观点。