会员风采

涉及算法类发明的可专利性初探

来源: 三友   发布日期:2021.02.26 浏览次数(9)

image.png

在当今科学技术日新月异的时代,人工智能极大地影响着各行各业。人工智能要实现技术突破、行业革新、产业化推进,必须以基础算法的突破作为基石,而由此衍生的创新主体对于涉及算法的技术保护的需求也亟待满足。很多人工智能技术的关键发明点在于算法本身的创新,但出于对市场垄断等多种因素的考虑,单纯的算法本身并不能够被授予专利权,其会面临专利法第二十五条第一款、第二条第二款等诸多条款的限制,使得涉及算法的发明可能会被排除在可专利客体范围之外,或者算法发明的“技术性”不被认可,从而判断权利要求所要保护的方案并未构成技术方案。当算法本身的创新不能作为专利法的保护客体时,欲对涉及算法的发明进行保护,需将算法本身与具体的应用领域进行结合、解决具体的技术问题、获得具体的技术效果,以满足包含算法特征的发明专利申请审查的相关规定。那么,既然算法本身的创新不能够被授予专利权,当算法与具体应用领域结合之后,算法发明的可专利性究竟体现在何处呢?下面,结合笔者曾处理的一件具体案例进行讨论。

image.png

本案涉及一种用于估计对象行为的方法和系统、预测偏好的系统和存储介质,其是使用逆向强化学习算法来估计对象的行为,从而解决现有技术中的强化学习存在连续状态难以处理、计算成本昂贵以及必须估计状态的整个轨迹的技术问题。
本案中的逆向强化学习算法可以应用到多个具体的应用领域,比如用于预测用户在上网时可能会从一系列文章中选择阅读的文章的偏好、机器人行为的模仿学习、对人类行为的解释等。
本案的权利要求1中限定:
“一种用于估计对象的行为的成本函数和价值函数的逆向强化学习的方法,所述方法包括:
获取表示限定所述对象的所述行为的状态变量的改变的数据;
将通过方程(1)给出的修改后的贝尔曼方程应用至所获取的数据:

image.png

其中,q(x)和V(x)分别指代状态x下的成本函数和价值函数,并且γ表示贴现因子,并且image.pngimage.png分别指代学习前和学习后的状态转变概率;

估计方程(1)中的密度比率image.png

根据所估计的密度比率image.png,使用最小二乘法来估计方程(1)中的q(x)和V(x);以及输出所估计的q(x)和V(x)。

在第一次审查意见中,审查员认为,因为权利要求1所要求保护的一种用于估计对象的行为的成本函数和价值函数的逆向强化学习方法属于一种数学模型理论,其并未应用于具体的工业技术领域,方法的各个步骤与方案要解决的问题之间不具有明确的技术关联,方法所涉及的计算不具有该技术领域相应的物理技术含义,并且未说明应用该方法能够达到解决该特定技术领域的技术问题的效果,因此权利要求1属于专利法第25条第1款第(二)项规定的不授予专利权的范围。

然而,本案的算法可以应用到多个领域,申请人出于其自身考虑,并不想将该算法局限到某一特定领域;并且同时,说明书中也并没有公开对具体应用的具体参数的相关描述。因此,在针对第一次审查意见的答复中,代理人仅依据说明书记载的内容,对权利要求稍作修改,即,将“一种用于估计对象的行为的成本函数和价值函数的逆向强化学习的方法”修改为“一种用于通过逆向强化学习估计对象的行为的方法,所估计的对象的行为由成本函数和价值函数表示,其中,所述成本函数用于预测所述对象在新尝试或环境中的性能,并且所述价值函数表示最佳状态转变”;并从以下方面进行了争辩:



1、本申请所要保护的客体并非逆向强化算法本身,而是在于使用逆向强化学习算法来估计对象的行为。因此,修改后的权利要求1要求保护的方法属于估计对象行为的领域,其解决如何估计对象行为的问题。


2、本申请涉及到对物理世界的作用,包括从外部输入数据、对数据进行处理以及向外部输出数据,这些都是技术手段,不属于智力活动的规则和方法的范畴。



3、虽然权利要求1的方法并没有限定具体的应用领域,但是如说明书中所述,该方法可以在各种各样的应用场合中用于估计对象的行为。


然后,在第二次审查意见中,审查员认为,成本函数和价值函数依然是抽象的数学标识方法,而权利要求1实质上是用修改后的贝尔曼方程求解成本函数和价值函数,从而解决逆向强化学习效率不高的问题,其方案中并没有涉及具有具体物理含义的函数和参数,因此并不能够解决具体技术领域的问题,其实质上还是一种数据模型理论。因此权利要求1属于专利法第25条第1款第(二)项规定的不授予专利权的范围。

针对上述审查意见,尤其是关于“没有应用到具体技术领域”的审查意见,由于说明书中缺乏对具体参数的相应描述和记载,因此申请人在针对第二次审查意见的答复中仅进行了争辩,认为“估计对象的行为”本身即是一个具体的技术应用领域,例如,以说明书中列举的网络行为预测为例,利用本案所提出的方法,通过对以往用户的网络浏览行为进行分析,可以更加准确地为用户显示推荐的文章,从而改善网站使用体验。而且,由于本案可以应用于很多的更加具体的应用场景,无法穷尽,因此在权利要求中采用了“估计对象的行为”这样的表述。若要更加具体地限定应用场景是不现实的,而且对于申请人也是不公平的。

另外,在本案中,通过计算机对表示对象行为的数据进行处理,最后输出表示对象在新环境中的性能的数据,在这其中,“对象的行为”和“对象在新环境中的性能”都是独立于人的主观意识的客观存在,所以该方法整体上并不属于人的思维活动(算法),而涉及与客观世界的交互。因此,申请人认为修改后的权利要求1不属于专利法第25条第1款所规定的不授予专利权的范围。
但审查员并不认同上述争辩,认为本案权利要求实质上仍是一种智力活动的规则和方法,而不是一种利用自然规律和自然力的技术方案,属于专利法第二十五条第1款第(二)项所述的智力活动的规则和方法的范围。本案目前已申请复审。

image.png

1.结合上述案例,可以看出,该案例被驳回的主要原因是:所涉及的逆向学习算法并没有与具体的技术领域相结合。换句话说,在权利要求中,并没有体现出该逆向学习算法是如何应用到在具体技术领域中解决具体技术问题的技术方案中的。

根据2019年12月31日颁布的国家知识产权局关于修改《专利审查指南》的决定,“如果权利要求中的算法应用于具体的技术领域,可以解决具体技术问题,那么可以认为该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,该算法特征成为所采取的技术手段的组成部分,在进行创造性审查时,应当考虑所述的算法特征对技术方案作出的贡献”。因此,算法与具体技术领域的结合或在其中的应用应该体现在:算法步骤的执行能够采用具有自然规律的技术手段,解决具体技术领域的具体技术问题,并形成具体的技术效果;同时,在算法设计中,各个特征与参数应与解决该具体技术问题的特征和参数紧密关联,不可分割。换言之,涉及算法的发明的可专利性正是体现在该算法是如何“应用”到具体技术领域中解决具体技术问题的技术方案上。
2.另外,在对涉及算法发明的说明书进行撰写时,需要注意要将该算法所能够应用的具体技术领域、能够解决的具体技术问题以及所产生的具体技术效果明确记载在说明书中,同时,要将算法的各个参数与解决具体技术问题各个步骤中的参数密切关联起来,从而体现算法在具体技术领域中的应用;在对审查意见进行答复时,需要注意在权利要求的修改中,首先要在权利要求中体现出的具体技术领域,其次要算法中所涉及的各个参数与解决具体技术问题的各个步骤中的各个参数相结合,使算法和所要解决的具体技术问题的各个步骤紧密关联。

image.png

人工智能发明的核心创新在于算法的改进。对某一种算法本身进行改进之后,再通过修改不同的参数值、阈值以及特征量生成方式,可以惠及多个技术领域中的多种技术应用。从这个角度上说,算法本身的改进即是一种更广泛意义上的创新,其将在更多个技术领域产生更大影响。

专利法的立法本意是“提高创新能力,促进科学技术进步和经济社会发展”。随着科技发展,算法在人工智能发明中的作用不断提高。只有鼓励对算法本身进行创新,才能在此基础上,对算法在各个具体领域中的应用进行再创新。因此,为了保护与鼓励算法创新,使其能够更好地在工业领域加以应用,呼吁在一定条件和适当范围内,对算法本身的创新授予专利权。

北京市专利代理师协会 | 官方网站

北京市专利代理师协会
Beijing Patent Attorneys Association

地址:北京·海淀区·海淀南路甲21号 中关村知识产权大厦A座三层316室
邮箱:bp@bjpaa.org
京ICP备13042943号-1    京公网安备 11010802031996号

联系电话 010-86469416
今日IP 今日IP 知产之家 知产之家

Copyright © 2020-2025 BJPAA.org 北京市专利代理师协会 版权所有