文/北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 張海永
引言
美國(guó)專利法第101條定義了可專利主題的范圍，即任何新的、有用的工藝、機(jī)器、制造物或物質(zhì)組合都可以獲得專利。然而，美國(guó)最高法院長(zhǎng)期以來(lái)一直認(rèn)為，自然法則、自然現(xiàn)象和抽象概念是可專利主題的例外。這些例外雖未在法律條文中明確提及，但是通過(guò)司法解釋確立了屬于這些例外的申請(qǐng)不具有專利適格性。隨著人工智能技術(shù)（AI）的發(fā)展，越來(lái)越多的人工智能相關(guān)的專利申請(qǐng)開始涌現(xiàn)，本文簡(jiǎn)要介紹了人工智能領(lǐng)域?qū)＠m格性判斷，并提供了一些針對(duì)AI相關(guān)發(fā)明如何克服適格性問(wèn)題的建議。
一、美國(guó)專利適格性概述
美國(guó)專利法第101條規(guī)定了發(fā)明必須屬于四個(gè)法定類別之一：工藝、機(jī)器、制造物或物質(zhì)組合。大多數(shù)發(fā)明都符合這些類別，但有些不符合。例如，僅涉及軟件代碼或純數(shù)據(jù)的發(fā)明不符合專利保護(hù)條件，因?yàn)檫@些項(xiàng)目不屬于上述四個(gè)類別之一。同樣，僅請(qǐng)求保護(hù)“經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)”的申請(qǐng)也不符合第101條的規(guī)定，但如果請(qǐng)求保護(hù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)的方法或使用經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)，則滿足專利適格性要求。
實(shí)際上，第101條中專利適格性的真正復(fù)雜性來(lái)自于非法定例外：自然法則、自然現(xiàn)象和抽象概念。美國(guó)最高法院強(qiáng)調(diào)，這些例外至關(guān)重要，因?yàn)閷?duì)這些基本科學(xué)和技術(shù)工具的專利可能會(huì)阻礙而非促進(jìn)創(chuàng)新。例如，不能對(duì)物理定律或數(shù)學(xué)算法的抽象形式申請(qǐng)專利。然而，這些原則的新應(yīng)用，如從中衍生出的新的并且有用結(jié)構(gòu)或工藝，可以申請(qǐng)專利。
二、專利適格性判斷標(biāo)準(zhǔn)
美國(guó)專利與商標(biāo)局在審查指南MPEP中采用了Alice/Mayo判例中的流程來(lái)判斷專利申請(qǐng)是否滿足101條款的適格性要求，并于2019年對(duì)該判斷流程進(jìn)行了更新。
判斷流程包括：步驟1，判斷權(quán)利要求是否是針對(duì)工藝、機(jī)器、制造物或物質(zhì)組合；步驟2A，判斷該權(quán)利要求是否指向自然法則、自然現(xiàn)象和抽象概念，如果否的話，則權(quán)利要求具有專利適格性，如果是的話，進(jìn)入步驟2B的判斷；步驟2B，如果在步驟2A中判定該權(quán)利要求指向司法例外，評(píng)估該權(quán)利要求中是否存在附加元素使得權(quán)利要求具有創(chuàng)造性，如果是的話，則該權(quán)利要求具有專利適格性，否則的話，則該權(quán)利要求不具有專利適格性，不可以授權(quán)。
在更新的判斷流程中，步驟2A進(jìn)一步被細(xì)分為兩個(gè)分支：分支1，判斷權(quán)利要求是否引用或者包括了司法例外，例如抽象概念等；分支2，如果權(quán)利要求包含或者引用了司法例外，則進(jìn)一步判斷該權(quán)利要求整體上是否將該司法例外整合到實(shí)際的技術(shù)應(yīng)用中，如果是的話，則step 2A的判斷結(jié)果為該權(quán)利要求并未指向司法例外，因此符合專利適格性的要求。
三、關(guān)于人工智能的例子
針對(duì)專利適格性要求，美國(guó)專利與商標(biāo)局還提供了許多例子并介紹了如何根據(jù)101條來(lái)進(jìn)行判斷。唯一直接與人工智能相關(guān)的例子是第39個(gè)例子。這個(gè)例子涉及一個(gè)旨在提高識(shí)別數(shù)字圖像中人臉的能力的AI系統(tǒng)。先前使用神經(jīng)網(wǎng)絡(luò)進(jìn)行面部檢測(cè)的方法在處理面部圖像的移動(dòng)、扭曲和變化時(shí)的魯棒性方面存在不足。該發(fā)明通過(guò)使用對(duì)面部圖像進(jìn)行數(shù)學(xué)變換開發(fā)的擴(kuò)展訓(xùn)練集，并采用迭代訓(xùn)練算法來(lái)最小化誤報(bào)，從而改進(jìn)了這項(xiàng)技術(shù)，從而得到一個(gè)更可靠的面部檢測(cè)模型。
這個(gè)例子中的步驟涉及收集數(shù)據(jù)、修改數(shù)據(jù)、創(chuàng)建兩個(gè)訓(xùn)練集，然后在訓(xùn)練集上訓(xùn)練神經(jīng)網(wǎng)絡(luò)。通過(guò)分析，該權(quán)利要求符合第101條的規(guī)定，因?yàn)樵摍?quán)利要求“沒(méi)有陳述MPEP中列舉的任何司法例外”。特別是，專利局指出，這些步驟沒(méi)有陳述任何數(shù)學(xué)關(guān)系、公式或計(jì)算（盡管該權(quán)利要求可能“基于數(shù)學(xué)概念，但數(shù)學(xué)概念并未在權(quán)利要求中陳述”），沒(méi)有陳述思維過(guò)程（“因?yàn)檫@些步驟實(shí)際上不能在人腦中執(zhí)行”），也沒(méi)有陳述任何組織人類活動(dòng)的方法，如基本經(jīng)濟(jì)概念或管理人與人之間的互動(dòng)。因此，該權(quán)利要求符合專利適格性要求，因?yàn)樗鼪](méi)有引用司法例外。
但是審查員對(duì)于上述例子的解讀是非常有限度的，即審查員還是會(huì)傾向于基于具體的權(quán)利要求來(lái)對(duì)專利適格性進(jìn)行判斷。雖然一些人工智能相關(guān)的權(quán)利要求也是涉及上述的例子中的收集數(shù)據(jù)并訓(xùn)練得到神經(jīng)網(wǎng)絡(luò)的過(guò)程，但是審查員并未同意這些如此撰寫的權(quán)利要求具有專利適格性。
這種傾向從專利審判和上訴委員會(huì)的部分判詞中可見(jiàn)一斑：
1、第39個(gè)例子具體限定到了圖像分析，“因此，第39個(gè)例子解決了與分析圖像以識(shí)別和分析其中的面部圖像相關(guān)的技術(shù)難題。而申請(qǐng)人未證明當(dāng)前權(quán)利要求提供了此類圖像分析的方案。相反，說(shuō)明書稱權(quán)利要求涉及使用信息處理系統(tǒng)來(lái)估計(jì)醫(yī)療資源的需求”；
2、第39個(gè)例子具體限定了數(shù)據(jù)準(zhǔn)備或者兩個(gè)訓(xùn)練階段，“在此申請(qǐng)中，訓(xùn)練數(shù)據(jù)并沒(méi)有以任何特定方式轉(zhuǎn)換或策劃以訓(xùn)練機(jī)器學(xué)習(xí)模型。也沒(méi)有像第39個(gè)例子那樣分階段訓(xùn)練模型以提高其準(zhǔn)確性”；
3、權(quán)利要求中的金融活動(dòng)的表述（或者其他抽象概念）使得權(quán)利要求不具有適格性，“簡(jiǎn)單來(lái)說(shuō)，權(quán)利要求1與第39個(gè)例子中的權(quán)利要求不同，它陳述了商業(yè)互動(dòng)，包括廣告、營(yíng)銷或銷售活動(dòng)或行為，這是一種組織人類活動(dòng)的方法，因此，該權(quán)利要求是一個(gè)抽象概念”。
四、對(duì)AI相關(guān)發(fā)明的建議
基于上述對(duì)第39個(gè)例子分析可以看出，它的作用比預(yù)期中的要小，但是從這個(gè)例子中仍然可以總結(jié)出一些針對(duì)AI相關(guān)發(fā)明的建議。
1、在權(quán)利要求中描述具體的數(shù)據(jù)和數(shù)據(jù)處理
詳細(xì)描述AI如何訓(xùn)練以及如何處理數(shù)據(jù)是至關(guān)重要的，并且解釋用于開發(fā)訓(xùn)練數(shù)據(jù)的特定算法、模型和技術(shù)，以及這些如何有助于解決技術(shù)問(wèn)題。例如，如果AI使用新的訓(xùn)練數(shù)據(jù)集或獨(dú)特的數(shù)據(jù)預(yù)處理方法，這些細(xì)節(jié)應(yīng)包含在專利申請(qǐng)中并成為權(quán)利要求的一部分。第39個(gè)例子對(duì)面部圖像進(jìn)行了相對(duì)簡(jiǎn)單的變換來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)。然而，PTAB的決定強(qiáng)調(diào)了，訓(xùn)練數(shù)據(jù)的預(yù)處理是第39個(gè)例子能夠在第101條下獲得專利適格性的關(guān)鍵要素之一。
2、詳細(xì)描述AI系統(tǒng)的訓(xùn)練過(guò)程
第39個(gè)例子要求保護(hù)一個(gè)兩步訓(xùn)練過(guò)程：首先在一組經(jīng)過(guò)變換的面部圖像上訓(xùn)練神經(jīng)網(wǎng)絡(luò)，然后基于檢測(cè)到的錯(cuò)誤在第二組上重新訓(xùn)練神經(jīng)網(wǎng)絡(luò)。這種迭代方法不僅提高了模型的魯棒性，還解決了誤報(bào)問(wèn)題。PTAB的決定強(qiáng)調(diào)了，這個(gè)兩步過(guò)程是該例子具有專利適格性的主要原因之一。如果可能的話，新的AI專利申請(qǐng)應(yīng)在說(shuō)明書中突出訓(xùn)練過(guò)程中的任何具有獨(dú)特性的元素，并將這些元素包含在權(quán)利要求中，以克服任何潛在的101條的專利適格性問(wèn)題。