知己知彼，应对AI专利壁垒

近日，人工智能（AI）公司都将目光放在了谷歌公司的AI专利上——“使用深度神经网络处理图像”“用于强化学习的方法与装置”“为图像分类生成训练样本的系统与方法”“用于解决神经网络中的过拟合的系统和方法”等。事实上，谷歌、微软等科技巨头在机器学习方面的专利布局方面还包括更多的基础算法和通用技术，这引发了业界的广泛担忧。基于机器学习的创业公司将面对强大的技术壁垒和侵权风险，机器学习技术的研究和发展或将受到影响。那么算法模型是否具备可专利性，专利申请授权后又该如何应对呢？

实际上，中美对于算法模型的可专利性判断在原则上是相近的。

我国《专利审查指南》规定：“如果一项权利要求仅仅涉及一种算法或数学计算规则，则该权利要求属于智力活动的规则和方法，不属于专利保护的客体。如果一项权利要求除其主题名称之外，对其进行限定的全部内容仅仅涉及一种算法或者数学计算规则，则该权利要求实质上仅仅涉及智力活动的规则和方法，不属于专利保护的客体。”

美国专利法（35 U.S.C.101）也涉及专利保护客体的相关规定。从美国审查程序手册的相关描述来看，美国认为如果所要求的过程仅涉及数字、抽象概念或想法或其信号表达，所述过程不能应用于适当的主题则不构成法定客体。美国最高法院在Benson案中强调了抽象的数学公式并非专利法意义上的保护客体，随后在In re Walter和Abele案中逐步形成两步判定法：首先，判断权利要求是否对某一算法提出保护要求，然后，判断算法是否被应用于具体环境、是否与前后物理要素之间存在结构性联系（在装置发明中）或者被用来限制特定的物理步骤（在方法发明中）。

这些规定与判例对算法模型是否能够被授予专利权做出了解释。中美都认为单纯的算法与数学计算规则不属于专利保护客体，是不能够被授予专利权的。

再来了解下美国专利商标局对深度学习算法模型的专利审查思路。谷歌Dropout专利（公告号为US9406017B2）保护的是训练神经网络的算法模型。谷歌其他还在审查中的公开号分别为US20160335540A1（Dropout专利的分案申请）、US20160098632A1、US20170076196A1的专利申请也都是保护训练神经网络的算法模型。美国专利商标局在2017年6月后的多次审查意见中不约而同指出其不属于专利保护的客体，不具备可专利性（参考美国专利商标局网站http://globaldossier.uspto.gov/）。

这表明美国专利商标局对深度学习算法模型的审查趋向严格，单纯的数学模型可能无法再获得专利权，那么深度学习的基础算法和通用技术也就不会像业界担忧的那样被科技巨头垄断，当然，这还需要对美国专利商标局的审查结论持续关注。

对于已获得授权的深度学习相关专利，例如谷歌的Dropout专利，创业公司可能会面临侵权风险。尽管谷歌还没有实施深度学习相关专利，类似的申请行为可能仅仅是防御性的，更多是为了防备专利流氓，但是，我国人工智能企业还是要积极做好准备去应对可能的侵权风险。

在面对侵权诉讼时，合理运用无效程序可以帮助被诉人来对抗风险。如果科技公司使用深度学习算法模型专利发起了诉讼，那么被诉人可以参考美国专利商标局的审查意见，依据35 U.S.C.101等条款提起专利无效诉讼进行反制。

在研发阶段做好专利预警，可以帮助创业公司规避风险，具体来说就是知己知彼。

如何知彼呢？由于美国专利商标局对深度学习算法模型的审查已经趋向严格，申请人可能会采取将算法模型与具体应用结合或增加技术上的关联等方式来获得专利权，为了更好地了解这一领域的专利布局现状，就需要做好专利预警，来指导研发工作的开展。

如何知己呢？要根据公司的定位和目标规划好研发方向，首先，深度学习开源框架丰富多样，可以通过选择不同的硬件芯片公司及其提供的开发软件，结合不同深度学习开源框架的使用，来降低风险；其次，深度学习的基础算法大多是开源的，可以在开源算法的基础上进行二次开发，来获得更符合预期的性能；再次，在训练神经网络时，特定的训练样本能够得到对应的最优模型参数，可以将算法模型与特定的应用相关联；最后，不同的算法通常各有所长，研发人员可以根据对于运算速度或者网络模型性能的不同追求进一步开发替代算法。总的来说，科技公司需要从多角度拓宽思路，积极应对专利侵权风险。

（国家知识产权局专利局专利审查协作天津中心 王田）