从专利审查指南修改的视角探讨算法类专利权利要求书的撰写

随着信息化时代和商业模式创新浪潮的到来，各行各业，越来越多的企业开始注重软件的开发及软硬件结合的研发。随之而来的是大量与算法有关的发明不断涌现。例如，国家工业信息安全发展研究中心2019年发布的人工智能中国专利技术分析报告统计了我国人工智能领域从 2000 年至 2019 年各年度的专利申请量变化情况（如图1所示）。该报告显示，我国人工智能领域的专利申请量总体上呈逐年上升趋势，且增长率不断提高，在 2010 年后增长速度明显加快，2014 年后增长率又上了一个台阶，近两年的增长率更是令人瞩目，2018 年是目前为止我国人工智能专利申请量的峰值，达到 70281件，是 2010 年申请量的近 20 倍。

为了加强对这类研发成果的保护，2019年12月31日，国家知识产权局发布了“关于修改《专利审查指南》的公告（第343号）”，决定对《专利审查指南》作出修改，自2020年2月1日起施行。本次修改主要针对人工智能、“互联网+”、大数据以及区块链等领域的发明专利申请，这些领域的专利申请一般包含算法或商业规则和方法等智力活动的规则与方法特征，本次修改旨在对这类申请的审查特殊性作出规定。
本文主要从本次修改涉及保护客体的相关规定和审查标准出发，提出一些算法类专利申请的撰写建议，以期抛砖引玉。

1、新审查指南关于保护客体的规定

新指南在“关于涉及计算机程序的发明专利申请审查的若干规定”这一章下新增第6节：“包含算法特征或商业规则和方法特征的发明专利申请审查相关规定”。其中下设6.1、6.2和6.3小节，分别为“审查基准”、“审查示例”以及“说明书及权利要求书的撰写”。
第6.1“审查基准”小节下的第6.1.1节是关于权利要求是否属于智力活动的规则与方法的审查标准。根据该节的规定，如果权利要求涉及抽象的算法或者单纯的商业规则和方法，且不包含任何技术特征，则这项权利要求属于智力活动的规则与方法，不应当被授予专利权。但是，只要权利要求包含技术特征，该权利要求就整体而言并不是一种智力活动的规则与方法，不应当依据专利法第二十五条第一款第（二）项排除其获得专利权的可能性。
第6.1.2节是关于权利要求是否属于技术方案的审查标准。根据该节的规定，客体相关法律条款的审查顺序为：针对要求保护的主题，首先应当审查其是否不属于智力活动的规则与方法，再审查其是否属于专利法第二条第二款规定的技术方案。在判断一项权利要求限定的解决方案是否是技术方案时，应当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。如果同时包含这三点，则该权利要求限定的解决方案属于专利法规定的技术方案。

2.对保护客体相关规定的分析及撰写建议

新指南明确了不属于专利法保护客体的两种情况：（1）属于智力活动的规则与方法；（2）不是技术方案。同时，新指南规定了关于是否为专利法保护客体的审查顺序，即先审查是否属于智力活动的规则与方法，如不属于，再审查是否为技术方案，如为技术方案，则属于专利法保护客体。上述审查顺序可以体现为以下流程图：

 “智力活动的规则与方法”不包含任何技术特征，专利法第二条规定的技术方案需要采取技术手段，而技术手段是通过技术特征来体现的，因此“智力活动的规则与方法”没有采取技术手段，属于“不是技术方案”的下位情况。新指南中规定审查是否为专利保护客体时采取上述两步递进法符合这种上下位关系。

基于新指南的规定和审查标准，笔者尝试提出以下撰写建议，以期降低被审查员认定为不属于专利法保护客体从而驳回的可能性。

2.1 规避智力活动的规则与方法

新指南中给出的【例1】被判定为属于智力活动的规则与方法，不属于专利保护的客体。该示例具体如下：

一种建立数学模型的方法，其特征在于，包括以下步骤：

根据第一分类任务的训练样本中的特征值和至少一个第二分类任务的训练样本中的特征值，对初始特征提取模型进行训练，得到目标特征提取模型;其中，所述第二分类任务是与所述第一分类任务相关的其它分类任务;

根据所述目标特征提取模型，分别对所述第一分类任务的每个训练样本中的特征值进行处理，得到所述每个训练样本对应的提取特征值;

将所述每个训练样本对应的提取特征值和标签值组成提取训练样本，对初始分类模型进行训练，得到目标分类模型;

将所述目标分类模型和所述目标特征提取模型组成所述第一分类任务的数学模型。

 

分析及结论

该解决方案不涉及任何具体的应用领域，其中处理的训练样本的特征值、提取特征值、标签值、目标分类模型以及目标特征提取模型都是抽象的通用数据，利用训练样本的相关数据对数学模型进行训练等处理过程是一系列抽象的数学方法步骤，最后得到的结果也是抽象的通用分类数学模型。该方案是一种抽象的模型建立方法，其处理对象、过程和结果都不涉及与具体应用领域的结合，属于对抽象数学方法的优化，且整个方案并不包括任何技术特征，该发明专利申请的解决方案属于专利法第二十五条第一款第(二)项规定的智力活动的规则和方法，不属于专利保护客体。

以上示例及评述提示我们，不结合应用领域、一味争取大的保护范围而努力上位的撰写方法，在算法类专利申请上可能行不通了。为了避免被审查员认定为属于智力活动的规则与方法，不仅需要在权利要求中写出技术特征，也需要在权利要求中体现具体应用领域。为了写出技术特征，一种方式是在权利要求中添加硬件设备（如计算机、服务器、用户终端、模块等）；对于涉及机器学习模型的专利来说，另一种可行的方式是在权要中体现模型的至少部分结构或组成要素，如输入层、卷积层、池化层、输出层等。至于具体应用领域的体现，可以通过在权利要求中细化数据的技术含义来体现。例如，在与模型训练的有关的权利要求中，可以将笼统的训练样本细化为图像样本、文字样本、语音样本等，或者细化模型的输入为图像数据、文字数据、语音数据等，以体现权利要求的方案可应用于图像处理、文字处理、语音处理等领域。

2.2 强化技术方案属性

算法类专利只有构成技术方案才能成为专利保护的客体。一项技术方案应同时具备技术手段、技术问题和技术效果三要素，如果权利要求的方案作为一个整体，采用了技术手段，解决了技术问题并产生了技术效果，则该权利要求的方案为技术方案。
需要说明的是，新指南中给出了两个不属于专利法规定的技术方案的示例（【例5】和【例6】），示例中的问题不构成技术问题，采取的手段不受自然规律约束，产生的效果不符合自然规律，不属于专利保护客体。本文暂不对此类涉及商业方法、经济管理等规则依赖人工设定的特殊情况展开讨论，仅对常规的毫无疑义遵循自然规律的算法类专利进行探讨。
根据新指南中有关上述“三要素”的规定，为了使算法类权利要求符合专利法所规定的技术方案，需要在撰写权利要求前明确发明方案在其具体应用领域中所解决的技术问题，各步骤中涉及的具有该具体应用领域中技术含义的对象所构成的技术手段，以及在该具体应用领域中实现的技术效果。
为了尽量不缩小权利要求的保护范围，建议可以将独立权利要求撰写为体现应用领域，同时撰写至少一条从属权利要求体现具体业务场景，其中具体业务场景可根据专利申请人开发的实际产品或服务确定，应用领域可以根据具体业务场景进行适当上位概括。例如，申请人计划将发明方案用于开发基于人脸识别的身份验证系统，则具体业务场景为基于人脸识别的身份验证，可写入从属权利要求中；该具体业务场景的上位概念是图像识别，则将图像识别作为应用领域写入独立权利要求中。设置体现具体业务场景的从属权利要求，一方面细化了独立权利要求，让审查员及读者能够更直观的了解发明方案，另一方面，倘若独立权利要求在日后审查过程中被审查员认定为不是专利保护客体或不具备新创性，也可以基于该从属权利要求争取一番。
另外，为了体现方案所解决的技术问题以及实现的技术效果，撰写时要注意权利要求最后一步应该能够得到明确的、直接体现技术效果的结果，而不是写到“中间产物”就戛然而止。例如，某项发明要解决的技术问题是为训练机器学习模型确定合适的特征组合，实现的技术效果是提高机器学习模型的训练效果，则所确定的特征组合为“中间产物”，较优应该在权利要求的最后一步体现将所确定的特征组合用于模型训练。

3.权利要求撰写示例

下面结合示例对以上撰写建议进行说明（注：以下示例不考虑新创性，仅为说明如何撰写权利要求以符合专利保护客体）。

l 技术交底概述

本发明的方案是向正常训练样本的下降梯度中添加随机噪声，以此更新正常训练样本，得到自带干扰的对抗样本，用这种对抗样本训练模型，使训练后的模型在遭受对抗攻击时不易被干扰，提高模型的鲁棒性。申请人计划将该发明用于开发基于人脸识别的身份验证系统。

l 撰写的原始独立权利要求如下

1.一种确定对抗样本的方法，其特征在于，包括：
获取初始样本；
确定所述初始样本的下降梯度；
向所述初始样本的下降梯度中添加随机噪声；
根据添加随机噪声后的所述下降梯度更新所述初始样本，得到对抗样本。

l 对原始独立权利要求的评述

以上权利要求只是笼统地提到了训练样本（包括初始样本和对抗样本），没有体现具体应用领域，也没有确切的技术特征，因此很可能被审查员认为是智力活动的规则与方法。另外，本发明要解决的技术问题是提高模型的抗干扰能力，对抗样本只是“中间产物”，最终的目的是得到抗干扰能力强的模型。可见，原始权利要也没能准确反映发明的完整技术方案、所解决的技术问题以及实现的技术效果，很可能被认定为不是专利法规定的技术方案。为此，我们对权利要求进行修改：

l 修改后的独立权利要求（下划线部分为新增内容）：

1.一种模型训练方法，所述方法由计算机实现，其特征在于，所述方法包括：
获取初始样本，所述初始样本为图像样本、文字样本或语音样本；
确定所述初始样本的下降梯度；
向所述初始样本的下降梯度中添加随机噪声；
根据添加随机噪声后的所述下降梯度更新所述初始样本，得到对抗样本；
用所述对抗样本对模型进行训练，得到训练后的模型。

l 对修改后独立权利要求的评述

修改后的权利要求中限定了初始样本为图像、文字或语音，体现出具体应用领域为图像处理、文字处理或语音处理领域。需要注意的是，此处之所以列举出图像、文字及语音三种情况，一是考虑到申请人的业务范围主要涉及这三种情况，二是考虑到这三种情况也基本覆盖了当前机器学习模型应用最广的几大领域，因此采用有限列举的方式限定了具体应用领域。另外，修改后的权利要求在前序部分加上了“所述方法由计算机实现”，体现了技术特征。由此，上述修改克服了“属于智力活动的规则与方法”的问题。
此外，修改后的权利要求增加了最后一步“用所对抗样本对模型进行训练，得到训练后的模型”，这一步产生了明确的、直接体现技术效果的结果，并且适应性地将主题名称修改为“一种模型训练方法”，强化了权利要求符合专利法规定的技术方案的属性。

l 新增从属权利要求

除了对独立权利要求的修改外，还可以增加一条从属权利要求来体现具体业务场景。新增的从属权利要求如下：
如权利要求1所述的方法，其特征在于，所述初始样本为人脸图像样本，所述训练后的模型用于根据人脸图像进行身份验证。
这条从属权利要求描述的具体业务场景为通过人脸识别进行身份验证，使技术方案进一步具体化，强化了权利要求符合专利法第二条规定的技术方案的属性。

4、小结

可以看出，审查指南的本次修改，更进一步地明确并细化了算法类专利的审查标准，从而使得申请人对算法类专利的审查规则更加清楚并对其专利申请授权前景有更准确的预期，这从政策层面给予人工智能等新业态领域的创新主体对其创新成果的保护以足够信心，倘若此类企业自身在日后的专利申请过程中能更好地把握相关规则，尽可能提交高质量的专利申请文件，我们相信人工智能等新兴业态将在知识产权的护航下更进一步的发展壮大。