13、人工智能相关专利申请审查基准

本次修改中，针对人工智能相关专利申请审查基准的修改内容比较丰富，主要涉及：（1）本章节标题的修改，明确了该节规范的领域，将原来从申请文件撰写特点命名的“包含算法特征或商业方法和规则的发明……”修改为“涉及人工智能等的发明……”（2）6.1章节的审查基准的更新；（3）增加了6.1.1章节；（4）在6.2章节涉及包含算法特征或者商业规则和方法特征的审查示例中，增加了多个审查案例（例1、例2、例18、例19）；（5）在6.3.1章节中增加了针对人工智能类案件的说明书撰写要求以及在6.3.3章节中给出了此类发明专利申请的说明书撰写示例【例20】和【例21】。

其中，6.1章节的修改涉及了“审查应当针对权利要求所限定的解决方案进行，必要时应当对说明书的内容进行审查”，进一步明确了技术整体审查时要考虑技术三要素的整体性，说明书内对于技术三要素关联性的描述显得尤为重要，也旨在释放出希望各从业人员在说明书中注意算法特征或者商业规则和方法特征与技术特征的相互作用、彼此支持的体现。

6.1.1章节以及6.2章节中增加的【例1】和【例2】，主要涉及对包含算法特征或商业规则和方法特征的发明专利申请进行专利法第五条第一款的审查规则，同时也给出了两个案例，此处修改是随着人工智能技术不断向“类大脑”，为避免各创新主体在人工智能技术的应用上有所偏差，所给予的正向审查约束，意在释放出专利的产生、申请以及审查等阶段，均要将法律、社会公德、公共利益等与民相关、与社会相关的准绳作为首要考察因素。同时，也给予创新主体以及代理机构明确的研发约束以及撰写思考约束。

6.2章节中增加的【例18】和【例19】，主要涉及对包含算法特征或者商业规则和方法特征的发明专利申请的创造性审查的补充示例；6.3.1章节以及【例20】和【例21】主要明确了针对人工智能类的专利申请，说明书所要公开充分的程度，进一步打破“黑盒子”的笼统限制，让“黑盒子不黑”，从而让本领域技术人员能够根据说明书记载能够获知人工智能算法或者模型的具体实现。具体修改内容如下：

6.1 审查基准

   审查应当针对要求保护的解决方案，即权利要求所限定的解决方案进行，必要时应当针对说明书的内容进行审查。在审查中，不应当简单割裂技术特征与算法特征或商业规则和方法特征等，而应将权利要求记载的所有内容作为一个整体，对其中涉及的技术手段、解决的技术问题和获得的技术效果进行分析。

6.1.1 根据专利法第五条第一款的审查

   对于包含算法特征或商业规则和方法特征的发明专利申请，如果含有违反法律、社会公德或者妨害公共利益的内容，例如，数据采集、标签管理、规则设置、推荐决策等存在违反法律，违背公平正义、存在歧视偏见等情形的，则根据专利法第五条第一款的规定，不能被授予专利权。

……

6.2 审查示例

   以下，根据上述审查基准，给出包含算法特征或商业规则和方法特征的发明专利申请的审查示例。

   （1）包含算法特征或商业规则和方法特征的发明专利申请违反了法律、社会公德或者妨害了公共利益的，不能被授予专利权。

【例 1】

   一种基于大数据的商场内床垫销售辅助系统申请内容概述发明专利申请的解决方案是一种基于大数据的商场内床垫销售辅助系统，其通过摄像模块和人脸识别模块在顾客未知情的情况下完成其面部特征信息的采集并识别出顾客的身份信息，对收集到的信息进行数据分析，帮助商家精准营销。

   申请的权利要求

   一种基于大数据的商场内床垫销售辅助系统，包括床垫展示设备和管理中心，其特征在于：

   所述床垫展示设备包括控制模块和信息采集模块，用于展示和辅助销售床垫产品并收集顾客数据；

   所述控制模块用于与管理中心进行数据交互；

   所述信息采集模块包括摄像模块和人脸识别模块，用于在顾客未知情的情况下采集其面部特征信息，利用关键点检测算法调整面部姿态以获得归一化人脸图像，将归一化人脸图像通过人脸检测算法定位待识别的人脸区域，并结合主成分分析法提取人脸区域内的人脸特征，进而得到顾客的身份信息；

   所述管理中心包括管理服务器和分析辅助系统；所述管理服务器对多个床垫展示设备进行管理；所述分析辅助系统根据顾客的身份信息，利用床垫展示设备收集的数据分析得到顾客偏好，并向管理中心反馈分析结果。

   分析及结论

   《中华人民共和国个人信息保护法》相关条款规定，在公共场所安装图像采集、个人身份识别设备，应当为维护公共安全所必需，遵守国家有关规定，并设置显著的提示标识。所收集的个人图像、身份识别信息只能用于维护公共安全的目的，不得用于其他目的；取得个人单独同意的除外。

该发明创造将图像采集和人脸识别手段用于商场等经营场所进行床垫的精准营销，这明显不属于维护公共安全所必需。此外，对顾客的面部信息进行采集并获取其身份信息是在顾客不知情的情况下进行，未征得顾客个人同意。因此，该发明创造与法律相违背，根据专利法第五条第一款的规定，不能被授予专利权。

   【例 2】

   一种无人驾驶车辆应急决策模型的建立方法

   申请内容概述

   发明专利申请的解决方案是一种无人驾驶车辆应急决策模型的建立方法，以行人的性别和年龄作为障碍物数据，通过训练出的决策模型来确定无法避让障碍物情况下的被保护对象和被撞对象。

   申请的权利要求

   一种无人驾驶车辆应急决策模型的建立方法，其特征在于，包括：

   获取无人驾驶车辆的历史环境数据和历史障碍物数据，所述历史环境数据包括车辆的行驶速度、与所在车道上障碍物的距离、与相邻车道上障碍物的距离、所在车道上障碍物的运动速度和运动方向、相邻车道上障碍物的运动速度和运动方向；所述历史障碍物数据包括行人的性别和年龄；

   对所述历史环境数据和历史障碍物数据进行特征提取，作为决策模型的输入数据，将无法避让障碍物时车辆的历史行驶轨迹作为决策模型的输出数据，根据历史数据训练决策模型，所述决策模型为深度学习模型；

   获取实时环境数据和实时障碍物数据，当无人驾驶车辆遇到无法避让障碍物的情况时，利用训练后的决策模型确定无人驾驶车辆的行驶轨迹。

   分析及结论

   该发明创造涉及一种无人驾驶车辆应急决策模型的建立方法。人的生命具有同等的价值和尊严，无论其年龄和性别如何，无人驾驶车辆的应急决策模型在无法避让的事故中，如果基于行人的性别和年龄进行被保护对象和被撞对象的选择，这与公众对于生命面前人人平等的伦理道德观念相违背。

   此外，这种决策方式会强化社会中存在的性别和年龄偏见，还会引发公众对公共出行安全性的担忧，破坏公众对科技和社会秩序的信任。因此，该发明创造含有违反社会公德的内容，根据专利法第五条第一款的规定，不能被授予专利权。

……

   （3）为了解决技术问题而利用技术手段并获得技术效果的包含算法特征或商业规则和方法特征的发明专利申请，属于专利法第二条第二款规定的技术方案，因而属于专利保护的客体

……

   （4）未解决技术问题，或者未利用技术手段，或者未获得技术效果的包含算法特征或者商业规则和方法特征的发明专利申请，不属于专利法第二条第二款规定的技术方案，因而不属于专利保护的客体。

……

   （5）在进行创造性审查时，应该考虑与技术特征在功能上彼此相互相互支持、存在相互作用关系的算法特征或者商业规则和方法特征对技术方案作出的贡献。

   【例13】

……

   【例 18】

   一种识别船只数量的方法

   申请内容概述

   发明专利申请提出了一种识别船只数量的方法，其获取船只图片数据，通过深度学习训练出检测数据模型，解决准确识别当前海域内船只数量的技术问题。

   申请的权利要求

   一种识别船只数量的方法，其特征在于，包括：

   获取船只图片数据集，并对数据集中的图片信息进行预处理，标记出图片信息中船只的位置和边界信息，并把所述数据集划分为训练数据集与测试数据集；

   采用所述训练数据集进行深度学习，构建训练模型；

   基于所述测试数据输入训练模型中训练，以获得船只测试结果数据；

   根据所述船只测试结果数据与预设误差参数相乘，以确定出实际船只数量。

   分析及结论

   对比文件1公开了一种识别树上果实数量的方法，并具体公开了获取图片信息、标记图片上果实的位置和边界、划分数据集、模型训练和确定实际果实数量的步骤。

   发明专利申请的解决方案与对比文件 1的区别仅在于识别对象的不同。虽然船只和果实本身在外观、体积和存在环境等方面存在差异，但是对于本领域技术人员而言，识别出实际数量所需的信息标记、数据集划分、模型训练等步骤，其针对的都是图片上待识别对象的位置关系，权利要求中也未体现出因识别对象不同，在深度学习、模型训练过程中对训练方式、模型层级等做出的改变，对图片上的船只数据进行标记与对图片上的果实数据进行标记以获得用于训练的数据集并进行模型训练，没有对深度学习、模型构建或训练过程等做出调整或改进。因此，要求保护的发明技术方案不具备创造性。

   【例 19】

   一种建立废钢等级划分神经网络模型的方法

   申请内容概述

   废钢在收储时需要根据钢料的平均尺寸进行等级划分，但其存放时杂乱无章、相互堆叠，人工进行尺寸测量和等级判定时效率低且等级划分准确率不高。发明专利申请提出一种建立废钢等级划分神经网络模型的方法，通过卷积神经网络学习形成具有等级分类输出的等级划分神经网络模型，能够提高废钢等级划分的效率和准确率。

   申请的权利要求

   一种建立废钢等级划分神经网络模型的方法，所述模型用于对收储的废钢进行等级划分，包括：

   获取多个图像，确定多个图像的不同废钢等级，对所述图像进行预处理，提取不同等级的图像数据特征，对提取的不同等级的图像数据特征进行卷积神经网络学习形成具有等级分类输出的等级划分神经网络模型；

   所述图像数据特征的提取是对图像画面像素点矩阵数据进行卷积神经网络卷积计算的集合进行提取，包括：由集合输出的多条线路卷积层或卷积层加池化层计算构成的对图像中物体颜色、边缘特征和纹理特征的提取，以及对图像中物体边缘、纹理之间关联特征的提取；

   其中，所述图像中物体颜色、边缘特征的提取是由三条线路卷积层加池化层计算输出的集合输出构成，包括从左至右的第一条线路一层池化层、第二条线路二层卷积层和第三条线路四层卷积层；所述对图像中纹理特征的提取是对上述图像中物体颜色、边缘特征的提取集合输出进行的提取，是由三条线路卷积层计算输出的集合输出构成，包括从左至右的第一条线路 0 卷积层、第二条线路二层卷积层和第三条线路三层卷积层；

   所述对边缘、纹理之间关联特征提取的卷积层计算的线路数大于对图像中物体颜色、边缘和纹理特征提取的卷积层计算的线路数。

   分析及结论

   对比文件 1 为解决再生资源来源复杂、种类多、材质差异大，需要准确识别出废钢属于料豆、冲压料余料、面包铁或其他种类以提高再生资源回收利用率的问题，提供了一种基于卷积神经网络模型对废钢种类进行识别的方法，并具体公开了获取多个已经确定废钢种类的图像数据，对所述图像数据进行预处理以进行特征提取，利用卷积神经网络进行训练并获得产品模型的相关步骤。

   发明专利申请的解决方案与对比文件1的区别在于训练的数据和提取的特征不同、卷积层和池化层的线路数量和层级设置也不同。相对于对比文件1，确定发明实际解决的技术问题是如何提升废钢等级划分的准确性。对比文件1是利用已经确定种类的废钢图像数据进行特征提取并进行模型训练，发明专利申请为了根据废钢的平均尺寸进行等级划分，需要针对杂乱无章、相互叠压的废钢图像识别出废钢的形状、厚度，为了提取图像中废钢的颜色、边缘和纹理等特征，在模型训练的过程中对卷积层和池化层的线路数量和层级设置等均进行了调整，上述算法特征与技术特征功能上彼此相互支持、存在相互作用关系，能够提升废钢等级划分的准确性，应当考虑所述算法特征对技术方案作出的贡献。上述对卷积层和池化层线路数量和层级设置进行调整等内容未被其他对比文件公开，也不属于本领域的公知常识，现有技术整体上并不存在对上述对比文件1进行改进以获得发明专利申请的技术 方案的启示，要求保护的发明技术方案具备创造性。

结合【例1】、【例2】以及征求意见稿中的审查分析可以看出，【例1】中对于包含算法特征或商业规则和方法特征的发明专利申请，尤其是涉及到对个人信息采集的合理性、个人信息的用途等发明申请，需要严格遵守《中华人民共和国个人信息保护法》；【例2】中主要强调所申请的发明专利，更需要遵守人权、生命权、无歧视等有关社会伦理道德的约束，更加要考虑对于社会公众的善良认知的影响。

结合【例18】、【例19】可以看出，在对涉及人工智能类发明专利申请的创造性审查时，会考虑是否是模型套用或者模型结构是否发生了实际的改进等因素，通过案例进一步释放出人工智能类发明专利申请，在突出其创造性时可能的撰写方向。

14、人工智能相关专利申请的撰写

6.3说明书及权利要求书的撰写

6.3.1说明书的撰写

   包含算法特征或者商业规则和方法特征的发明专利申请的说明书应当清楚、完整地描述发明为解决其技术问题所采用的解决方案。所述解决方案在包含技术特征的基础上，可以进一步包含与技术特征功能上彼此相互支持、存在相互作用关系的算法特征或者商业规则和方法特征。如果涉及人工智能模型的构建或训练，则一般需要在说明书中清楚记载模型必要的模块、层级或连接关系，训练必需的具体步骤、参数等；如果涉及在具体领域或场景中应用人工智能模型或算法，则一般需要在说明书中清楚记载模型或算法如何与具体领域或场景相结合，算法或模型的输入、输出数据如何设置以表明其内在关联关系等，使得所属技术领域的技术人员按照说明书记载的内容，能够实现该发明的解决方案。

   6.3.2 权利要求书的撰写

   6.3.3 审查示例

   【例 20】

   一种用于生成人脸特征的方法 申请内容概述

   发明专利申请通过将设有空间变换网络的第一卷积神经网络所生成的特征区域图像集合，对各第二卷积神经网络实现信息共享，据此可以减少内存资源占用，同时提高人脸图像生成结果的准确度。

   申请的权利要求

   一种用于生成人脸特征的方法，包括： 获取待识别人脸图像；

   将所述待识别人脸图像输入第一卷积神经网络生成所述待识别人脸图像的特征区域图像集合，其中，所述第一卷积神经网络用于从人脸图像中提取特征区域图像；

   将所述特征区域图像集合中的每个特征区域图像输入对应的第二卷积神经网络生成该特征区域图像的区域人脸特征，其中，所述第二卷积神经网络用于提取对应的特征区域图像的区域人脸特征；

   根据所述特征区域图像集合中的各特征区域图像的区域人脸特征生成所述待识别人脸图像的人脸特征集合；

   其中，所述第一卷积神经网络中还设置有空间变换网络，用于确定人脸图像的特征区域； 以及将所述待识别人脸图像输入第一卷积神经网络，生成所述待识别人脸图像的特征区域图像集合，包括：将所述待识别人脸图像输入所述空间变换网络，确定所述待识别人脸图像的特征区域；将所述待识别人脸图像输入所述第一卷积神经网络，根据确定的特征区域，生成所述待识别人脸图像的特征区域图像集合。

   说明书相关段落

   本申请实施例提供的用于生成人脸特征的方法，首先通过将获取的待识别人脸图像输入第一卷积神经网络，可以生成待识别人脸图像的特征区域图像集合。第一卷积神经网络可以用于从人脸图像中提取特征区域图像。然后，可以将特征区域图像集合中的每个特征区域图像输入对应的第二卷积神经网络，从而生成该特征区域图像的区域人脸特征。第二卷积神经网络可以用于提取对应的特征区域图像的区域人脸特征。之后，根据特征区域图像集合中的各特征区域图像的区域人脸特征，可以生成待识别人脸图像的人脸特征集合。也就是说，第一卷积神经网络所生成的特征区域图像集合，对于各第二卷积神经网络可以实现信息共享。这样可以减少数据量，从而降低内存资源的占用，同时有助于提高生成效率。

   为了提高生成结果的准确度，第一卷积神经网络中还可以设置有空间变换网络，用于确定人脸图像的特征区域。此时，电子设备可以将待识别人脸图像输入空间变换网络，以确定待识别人脸图像的特征区域。这样，第一卷积神经网络对输入的待识别人脸图像，可以根据空间变换网络确定出的特征区域，提取特征层上与特征区域匹配的图像，以生成待识别人脸图像的特征区域图像集合。空间变换网络在第一卷积神经网络中的具体设置位置在本申请中并不限制。空间变换网络可以通过不断地学习来确定不同人脸图像的不同特征的特征区域。

   分析及结论

   发明专利申请请求保护一种用于生成人脸特征的方法，为了提高人脸图像生成结果的准确度，第一卷积神经网络中可以设置有空间变换网络，用于确定人脸图像的特征区域，但是说明书中并未记载该空间变换网络在第一卷积神经网络中的具体设置位置。

   所属技术领域的技术人员知晓，空间变换网络作为一个整体，可以插入到第一卷积神经网络中的任意位置，形成卷积神经网络嵌套的结构，例如该空间变换网络可以作为第一卷积神经网络的第一层，也可以作为第一卷积神经网络的中间层，上述位置并不影响其识别图像的特征区域的能力。通过训练，空间变换网络能够确定不同人脸图像的不同特征所在特征区域。由此，空间变换网络不仅可以指导第一卷积神经网络进行特征区域切割，还可以对输入数据进行简单的空间变换，以便提高第一卷积神经网络的处理效果。据此，发明专利申请所采用的模型的层级清楚，各层级之间的输入/输出及其之间的关系清楚，其中，卷积神经网络和空间变换网络都是公知的算法，所属技术领域的技术人员根据上述记载能够构建相应的模型架构。因此，发明专利申请请求保护的解决方案在说明书中已被充分公开，符合专利法第二十六条第三款的规定。

   【例 21】

   一种基于生物信息预测癌症的方法申请内容概述

   发明专利申请提供了一种基于生物信息预测癌症的方法，通过训练好的恶性肿瘤增强筛查模型，将血常规、血生化检测指标和人脸图像特征共同作为筛查模型的输入，得到恶性肿瘤患病预测值，由此解决提升恶性肿瘤预测准确性的技术问题。

   申请的权利要求

   一种基于生物信息预测癌症的方法，其特征在于，包括：

   获取待筛查者的血常规化验单、血生化化验单，识别血常规、血生化化验单中的检测指标、年龄、性别；

   获取待筛查者正面的素颜人脸图像，提取人脸图像特征；

   基于恶性肿瘤增强筛查模型，预测出相应待筛查者中恶性肿瘤患病预测值；其中，恶性肿瘤增强筛查模型的训练过程为：构建大规模人群样本集合，样本中包含同一人的血常规、血生化和人脸图像；利用血常规、血生化和人脸图像特征建立学习样本；利用学习样本训练机器学习算法模型，得到恶性肿瘤增强筛查模型。

   说明书相关段落

   目前采用肿瘤标志物识别恶性肿瘤时，肿瘤标志物的标准在大于阈值的情况下，并不能确定为恶性肿瘤，在小于阈值的情况下，也不能排除恶性肿瘤，根据肿瘤标志物预测癌症，其准确性不高。本申请利用血常规、血生化检测指标、人脸图像来提高多种恶性肿瘤的识别准确性。本申请在利用血项化验数据的同时，参考人脸图像所反映出的待筛查者的健康状况，可以更加准确的预测恶性肿瘤的患病概率，其中恶性肿瘤增强筛查模型计算特征的选取，可以利用血常规数据和血生化的部分指标或全部指标。

   分析及结论

   发明专利申请要解决的技术问题是如何提高恶性肿瘤预测的准确性，为解决上述技术问题，该解决方案利用训练好的恶性肿瘤增强筛查模型，将血常规、血生化检测指标和人脸图像特征共同作为筛查模型的输入，以期得到恶性肿瘤患病预测值。然而，血常规和血生化这两种常见的生化检测项目各包含了几十个检测指标。但是，说明书中并未记载具体哪些指标是与肿瘤预测准确度相关的关键指标，或是参考了所有指标、对各指标赋予不同权重进行预测，所属技术领域的技术人员也无法确定哪些指标能够用于判断恶性肿瘤。同时，基于目前的科学研究，除了面部皮肤癌等少数几种肿瘤外，人脸特征与罹患恶性肿瘤之间是否存在 关联尚不确定，说明书中也未记载或者证明“判断的依据因素”与“判断的结果”两者之间的因果关系。此外，说明书中也没有提供任何验证数据证明采用该解决方案识别多种恶性肿瘤的准确率比采用肿瘤标志物识别的准确率更高，或明显高于随机判断恶性肿瘤患病概率的准确率水平。所属技术领域的技术人员仅根据说明书公开的内容，无法确定本申请的解决方案可以解决其要解决的技术问题。因此，发明专利申请请求保护的技术方案在说明书中未被充分公开，说明书不符合专利法第二十六条第三款的规定。

在以往的较多的专利申请文件中，人工智能模型常常被作为“黑匣子”使用，可能会存在说明书公开不充分的问题。此次征求意见稿中所增加的撰写要求明确的给出人工智能模型相关案件中，说明书中应该清楚的记载模型必要的模块、层级或连接关系，训练必需的具体步骤、参数等，以及模型或算法与场景的结合、输入数据和输出数据之间的关联关系等，意在给予企业创新主体以及专利从业人员有效的说明书撰写规则，从而避免说明书存在公开不充分的问题。

上述【案例20】中，在说明书中对第一卷积神经网络、第二卷积神经网路处理图像的具体过程进行了描述，通过数据流向可以明确第一卷积神经网络和第二卷积神经网路的连接关系，而且，对于第一卷积神经网络、第二卷积神经网络的功能进行了描述，尤其是对于空间变换网络的功能进行了详细描述，虽然并未描述空间变换网络在第一卷积神经网络的位置，但该内容属于本领域技术人员所应知晓的部分，因此，该案中的说明书被审查员认为公开是比较充分的。

针对上述【案例21】，其主要存在三个问题，第一，本领域技术人员根据已经公开的内容明确的知晓血常规的哪些指标是与肿瘤预测准确度相关的关键指标，从而有理由质疑筛查模型的训练过程不清楚；第二，“判断的依据因素”与“判断的结果”两者之间的关联关系不清楚；第三，没有任何证据证明申请文件的技术方案效果更好。基于此，此案被审查员认为说明书公开不充分。

上述两个案例的示出，或将对现行人工智能类发明专利申请的说明书审查带来新一轮的“真金”考验，也会对行业从业人员在说明书撰写上的深度、对模型结构的理解、以及对模型训练过程中的权重、参数等的剖析带来更高的要求，进一步印证国知局在完善知识产权法治保障、聚焦行业新领域新业态的发展，持续提高专利审查质量上所做的保障性和完善性工作。

总体来说《专利审查指南修改草案（征求意见稿）》中对于人工智能相关专利申请的审查规则的修改明确了涉及个人信息采集、算法伦理等场景的审查红线，强调技术方案需符合法律与社会公德；同时，新增的创造性审查示例为人工智能类专利的撰写方向提供了实践指引，要求突出算法特征与技术特征的协同作用。此外，说明书需打破“黑匣子”限制，详细公开模型架构、训练步骤及数据关联，以确保技术方案的可实现性。本次修改释放出国家在规范人工智能创新、保障专利质量上的决心，为行业从业者划定了更清晰的研发与申请边界。

本系列推文第四期（最终期）将聚焦“包含比特流的发明专利申请审查”条款修改，深入解析数据流处理、编码技术等领域的审查标准调整，探讨其对通信、计算机等行业技术保护的影响，敬请关注。