科技创新|浅析人工智能在欧洲的专利保护

科技创新|浅析人工智能在欧洲的专利保护


人工智能在工业上的应用日趋广泛 , 从图像识别、自然语言处理到自动驾驶、机器翻译等领域逐渐纵深发展 , 已经成为现代工业系统不可或缺的重要组成部分 。 相应地 , 在人工智能领域的知识产权保护也受到越来越多的关注 , 各国的高科技企业都抢先在相关领域布局大量的专利申请 。 目前全球涉及到人工智能的专利申请已经超过几十万件 , 并且专利申请量还呈高速增长的趋势 。
【科技创新|浅析人工智能在欧洲的专利保护】但是 , 人工智能专利申请在授权方面却遇到了很大的阻碍 。 人工智能的核心部分是机器学习算法 , 专利申请也主要集中在该领域 。 机器学习算法多体现为数学方法 , 而数学方法在很多国家都不属于专利保护的客体 。 尤其是 , 在欧洲专利局(EPO)审查指南[1
中明确指出人工智能和机器学习基于诸如分类、聚类等计算模型和算法 , 而计算模型和算法本身具有抽象的数学本质 , 审查时需要重点关注 。 在欧洲专利审查判例中 , 对于涉及数学方法的案件 , 需要判断其是否具有“技术性” 。 对于“技术性” , 无论在成文法还是判例法中 , 都没有给出确切的定义 , 而是考虑到技术不断发展、新技术不断涌现 , 将更多的解释权留给欧洲专利局或国家法院 。 从实践中 , 可以看到对技术性的判断多使用类比法 , 即将案件与已形成共识的案例进行类比 , 进而将相应的方案判定为具有“技术性”或不具备“技术性” 。 然而 , 对于新兴的人工智能领域中典型的算法类发明 , 这样的类比很困难 , 也给申请人带来了巨大的困扰 。 本文结合具体案例分析EPO对人工智能专利申请的审查逻辑 , 并探讨可能的应对策略 。
一、EPO对人工智能专利申请的审查逻辑
在欧洲的审查实践中 , 对专利申请的技术性 , 通常需要进行两轮审查[2
:第一轮审查 , 审查权利要求是否包含技术手段;第二轮审查 , 审查权利要求是否具有新颖性和创造性 。 第一轮审查采用“任意技术手段法” , 即任何包含使用技术手段的方法和任何技术手段本身具有技术性 , 因而属于欧洲专利公约(EPC)第52条第1款意义上的发明 , 因此不能依据EPC第52条第2和3款对权利要求提出反对 。 第一轮审查通常比较容易通过 。 对于人工智能和机器学习类专利申请 , 在权利要求中引入“计算机”等技术手段或在权利要求中限定真实世界的具有技术性的数据 , 即可通过第一轮审查 。 例如 , 对于权利要求“一种用于对皮肤病变图像进行分类的计算机实现的方法 , 利用增广数据生成训练数据 , 训练神经网络” , 由于包括了计算机、皮肤病变图像等技术特征能够通过第一轮审查 。 但是 , 该权利要求也包括神经网络等本身指向抽象模型或算法的非技术特征 , 即为混合型权利要求 , 还需要经历第二轮审查 。 第二轮审查 , 使用问题解决法(problem-solution approach) , 考虑对发明的技术性作出贡献的所有特征 。 审查混合型权利要求的新颖性和创造性 , 一般可包括如下步骤:(i)根据发明上下文的技术效果 , 确定对发明的技术性有贡献的特征;(ii)基于步骤(i)中确定的对发明的技术性有贡献的特征 , 选择最接近的现有技术;(iii)确定要求保护的发明与最接近的现有技术的区别 。 在步骤(iii)中 , 将权利要求作为一个整体 , 来确定与最接近的现有技术的区别特征 , 确定由区别特征产生的技术效果 , 并从区别特征中区分作出技术贡献的特征和未作出技术贡献的特征 。 对发明的技术性作出贡献的所有特征既包括技术特征 , 也包括以下特征:单独看是非技术的 , 但从发明的上下文来看 , 有助于产生服务于技术目的的技术效果 , 从而对发明的技术性作出贡献 。 对发明的技术性没有做出贡献的特征无法支持创造性 , 如果某特征仅对解决非技术问题作出贡献 , 则无法支持创造性 。 例如 , 发明与现有技术的区别 , 如果单独看为非技术特征 , 从发明的上下文来看 , 也无法产生服务于技术目的的技术效果 , 则认为这些区别特征无法对技术问题的解决作出贡献 , 在判断创造性时不予考虑 。 如果没有区别特征 , 则提出新颖性反对意见 。 如果有区别特征 , 但区别特征未作出任何技术贡献 , 则提出创造性反对意见 。 如果区别特征包含作出技术贡献的特征 , 则基于这些特征带来的技术效果确定客观技术问题 , 进而判断用于解决客观技术问题的技术方案对本领域技术人员来说是否显而易见 。 使用问题解决法 , 根据发明上下文的技术效果确定对发明的技术性有贡献的特征 , 是决定人工智能和机器学习类专利申请能否通过第二轮审查的关键 。 人工智能和机器学习基于分类、聚类、回归和化简等计算模型和算法 , 例如神经网络、基因算法、支持向量机器、k-means等 。 这些计算模型和算法本身是抽象的 , 不具有技术性 。 但是 , 人工智能和机器学习在各技术领域的应用可认为具有技术性 。 也就是说 , 人工智能算法单独看是非技术的 , 但从发明的上下文来看 , 如果有助于产生服务于技术目的的技术效果 , 则认为对发明的技术性作出贡献 , 可支持创造性 。 在评价特征是否能够对技术性做出贡献时 , 判断人工智能算法是否服务于技术目的至关重要 。 EPO审查指南给出了一些技术目的示例 , 包括:数字音频、图像或视频增强或分析 , 例如 , 去噪、检测数字图像中的人;音频信号中的源分离、声音识别 , 例如将声音输入映射到文本输出;基于DNA样本的分析提供基因评估 , 提供评估的置信度区间以量化可靠性;通过自动系统处理生理测量数据来提供医学诊断 。 这些技术目的示例可以用作类比的基础 。 需要说明的是 , 技术目的不能是通用的 , 诸如“控制技术系统”这样通用的目的不足以赋予技术性 。 技术目的必须是特定的 , 或者说具体的 , 例如前面列举的声音识别、视频增强等 。 并且 , 仅仅是能够用于特定的技术目的也是不够的 , 权利要求必须在功能上限定于特定的技术目的 。 通常而言 , 仅仅限定人工智能算法的输入数据的技术性是不够的[3

相关经验推荐