AI底层算法创新的专利撰写:如何兼顾权利要求保护范围和客体问题?(下)
>>> 三、新审查趋势下,如何撰写AI算法改进类专利申请案?
结合对以上案例的分析可以看出,在没有具体限定技术领域或者应用领域的前提下,其依然能通过客体审查关口,并且对权利要求的保护范围几乎没有太大影响,以上案例在权利要求保护范围和A2.2的客体问题之间做到了良好的平衡。故而,基于以上案例以及引言中所指出的AI算法类创新的案件类型,笔者基于未来可能的审查基准,给出一些撰写AI算法类案件的建议,供各大创新主体以及知识产权同行参考。
第一步,确保独立权利要求的解决方案与人工智能领域直接或者间接相关。
在对具体处理数据或者训练样本不做限定的前提下,独立权利要求在撰写时需要在权利要求中体现与AI算法有关的关键词,比如人工智能、聚类处理、分类、深度学习、机器学习等。
第二步,在独立权利要求中体现该算法与计算机系统的内部结构存在关联。
在AI算法改进的案件中,不同架构层上的创新,体现算法与计算机系统的内部结构存在关联的方式有所不同,具体如下:
A:AI基础层创新类案件,例如涉及数据清洗、数据标注等过程的创新等。
此类案件经过分析,在客体审查过程中审查尺度略宽松于AI技术层创新案件的审查尺度,因为这类案件大部分都会涉及对训练样本的处理、更新、选择、筛选、检测等操作,而这些动作在过去的审查历史中经常会被认定为与计算机内部CPU之间存在特定关联,因此只需要在撰写时尽量采用与计算机内部结构(例如,内部器件、内部线程等)相关的用词即可,例如涉及到数据库、存储、缓存、存储空间、存储性能等。
B:AI技术层创新类案件,例如涉及模型训练、模型结构、调参上的创新等。
此类案件经过分析,大部分案件都会涉及AI算法本身的改进,尤其是涉及神经网络模型内部结构、训练过程、或者模型结构的改进,那么在撰写此类案件时,可以尝试在权利要求中采用直接关联或者间接关联的方式引入与计算机内部系统有特定关联的特征。
例如,直接关联的方式可以如案例二中所述的引入单多处理器的训练方案,候选训练方案直接与处理器相关;间接关联的方式,例如,可以引入“调用预先存储的训练样本”“调用待训练模型以及训练样本进行训练”“对在预设存储空间内的训练样本进行特征提取”“记录训练结果”等描述方式,布局与计算机内部系统有特定关联的特征。
第三步:说明书在描述技术效果时,要与计算机内部性能的改进有关。
如何理解“提升了计算机的内部性能”?首先,专利申请人或专利撰写人要明确计算机的内部性能包括哪些维度。
常见的计算机的内部性能主要包括:
计算机的吞吐量
计算机的利用率
计算机的响应时间
计算机内部CPU的性能(例如CPU中运算器与存储器之间的总线宽度、CPU运行效率、CPU的处理字长)
存储器容量
计算机的CPI(即执行一条指令所需要的时钟周期数)等
在了解了这些内部性能的内容之后,撰写技术效果时就相对来说容易多了。
常见的与计算机内部系统性能改进的技术效果包括:
减少数据存储量
减少数据传输量
提高硬件处理速度
提升了硬件运算效率
提高了CPU在某一方面例如训练模型的训练效果
优化训练样本后节省了存储空间
训练耗时缩短节省了CPU的训练资源等
需要注意的是,在模型训练、模型结构改进等涉及AI技术层算法本身改进的案件中,技术效果的描述尤为重要。由于此类案件在撰写时,通常想要体现出算法与计算机系统的内部结构具有特定的技术关联并非一件易事;所以,此类案件在布局技术效果时,需要做到层层剖析,将实际的技术方案可能引发计算机内部性能改进的原理或者原因要具体落地分析,避免后期审查过程中的客体问题。
>>> 四、结 语
本文旨在结合国家知识产权局《专利审查指南修改草案(征求意见稿)》中针对“未结合具体技术领域的人工智能算法的改进方案如何构成专利保护的客体”的修订补充内容的导向,为专利代理师以及各大创新主体给出AI算法改进类案件在撰写方向上的一些参考。
虽然,专利审查指南新的修订内容还未生效,但是在这个过渡阶段可以尝试对一些AI算法改进类案件从新的角度进行布局,以期兼顾AI算法改进类案件的客体审查问题以及权利要求保护范围。当然,以上仅是笔者的一些从业经验以及分析方向,实务作业中案件千变万化,专利代理师还需要结合实际案件情况灵活应对。