人工智能：专利化难题的破解之道

一、人工智能专利申请以往遭遇获批难

根据中国官方公布的2017年人工智能专利授权情况【1】，人工智能领域共授予发明专利权6475件，其中算法只有1378件，而当年的申请量是30000余件【2】，因此，人工智能领域专利的授权率只有约21%。民间的榜单也显示【3】，2017年中国前三名人工智能领域杰出专利代理人在人工智能领域专利申请的授权率分别仅仅为100/500=20%，180/400=45%，160/300=53%。即使不考虑仅与AI有关但不是纯AI发明的那些专利申请，官方和民间的数据也都表明：人工智能专利授权率非常之低。

中国人工智能专利的申请数量已经全球第一【4】。然而，中国人工智能专利的授权率一直不高，明显低于美国、日本、欧洲、以色列。美国在2014年的Alice案之后提高了人工智能专利的授权门槛【5】，但采用新的专利撰写方式之后，人工智能专利的授权率却不降反升。欧洲降低了人工智能专利申请的审查标准【6】，中国放宽了人工智能专利申请的审查要求【7】。然而，采用传统的专利撰写方式【8】，人工智能专利授权的授权率却没有提高。

旧的人工智能专利撰写方式，在美国容易被认为是“抽象概念”、“纯数学范畴”；在欧洲常常被认为“缺乏技术手段”；而在中国被冠以“智力活动的规则”。总之，人工智能的科研成果，国际上被排除在“专利保护客体”之外。因此，无论人工智能研发成果多么富有新颖性、创造性、实用性，都难以被授予专利权。长期以来，关于人工智能专利撰写方式，有人讨论如何更好地运用传统的方法【7】，但罕见有人探索通过颠覆传统的专利撰写方式而提高人工智能专利申请授权率的途径。

中国在人工智能领域原创性、基础性成果比较少，但不是专利申请基数大、但获批少的根本原因；人工智能应用型的发明创造应该更有机会获得专利权。实践表明，人工智能领域申请专利的方式(claim drafting approach)多年来一直保持着传统方式，没有跟上时代的步伐，这才是问题的关键所在。

二、破解人工智能专利申请授权难的方法之一：采用“机器脑”方式描述

少数中国科学家已经按照“机器脑”方式申请了人工智能专利，包括无人驾驶车辆、无人机、智能搜索引擎、智能停车场、智能机器人、电子警察等领域，授权率在美国超过了80%，在中国和欧洲都超过了70%。这与创造性的审查标准有关，美国仅要求非显而易见，中国和欧洲还要求具有技术效果。

以“机器脑”方式描述人工智能专利申请，是破解人工智能专利保护难题的最大秘笈。传统的人工智能专利撰写方式，表达的是“计算机程序”、“算法的流程”，因为软件开发基本上都以计算机高级语言进行编程，不考虑计算机硬件的操作与控制，软件成果自然与专利法的立法本意相互脱离。

以“机器脑”方式描述人工智能专利申请，抛弃了的传统的以虚拟软件模块为线索的描述方式，改用以信息流、数据流、控制流构成的“机器脑”方式进行描述，使得人工智能领域的纯数学、纯软件成果变成了一种“人造大脑”的“产品”发明，对于这样的学术前沿研究成果，只要解决了专利保护客体问题，自身的创造性一般是没有问题的，授权率自然就非常之高。

关于人工智能是否属于专利法保护的对象，已经争论了多年，一直没有找到有效的解决方案，可人工智能技术正在迅速发展，人工智能的知识产权保护问题日趋紧迫。世界知识产权组织(WIPO)已经释放出为人工智能立法的信号【9】，但“人工智能法”真正实施之日难以预测。在此之前，以“机器脑”方式描述人工智能专利申请，在现有的专利法框架下，就可以高比例地获得专利权。

三、破解人工智能专利申请授权难的方法之二：按照非“人工智能”领域进行申请

人工智能研发成果，无论涉及数据、模型训练、模型应用，还是说深度学习、人机融合、类脑思考、机器翻译等，核心往往都是算法。以往的人工智能专利申请，所表达出来的都是“科学方法”，而不是专利法要求的“技术措施”，因此，越强调是人工智能领域的科研成果，专利申请就越容易被驳回。

人工智能专利申请涉及机器的听、说、读、做、学等。其中，无论是遗传算法的机器学习，还是类神经网络算法的深度学习，之前的驳回比例都非常高，驳回理由基本都是纯数学算法，抽象概念，不属于专利的保护范畴。“机器脑”申请模式可彻底改变这种状况，此外，如果说是自动控制、传感器技术、模式识别、图像识别、语言识别、自然语音处理等领域技术创新的成果，获得专利权的阻力就小得多。

实践证明，不是专利法不保护人工智能，而是以往的人工智能专利申请方式与专利法不配套；在现有的专利法框架内，如果采用“机器脑”表述方式，可以解决人工智能的专利保护客体问题；之前的30-40年，描述软件专利靠的往往是“虚拟功能模块”，这与被专利法排除在外的“智力活动规则”常常难以区分，以往人工智能专利申请大多数会被驳回，并不奇怪。

四、破解人工智能专利申请授权难的方法之三：调整撰写策略

企业、高校、科研单位都希望突出自己的成果是“人工智能”，却为获得专利授权增加了难度。如果不在发明名称、摘要、权利要求书中出现“人工智能”字样，要好得多。提交专利申请时，人工智能字样先写在说明书的适当位置，摘要中尽可能避免出现明显的人工智能术语，例如决策树、机器学习、对抗训练、卷积神经网络等；在答复审查意见时，再体现在发明名称里，在专利授权文本中体现“人工智能”字样，以满足学术的需要或商业的需求。

从知识产权的角度看，人工智能仅仅是自动控制系统、专家系统的升级版，只是多了学习功能、增强了人机融合，应用的领域从机器、工业装置延伸至生活、服务、下棋、刷脸等；从隐式的客观存在变成了显式的商业化亮相。能否被依法授予专利权，看的是技术方案，并不是看涉及的技术领域是否时髦。因此，不必在申请文件中夸大人工智能的功能与效果。

另外，在说明书中尽量少用数学公式，能够用生活中的语言说清楚技术创新所在，非常有利于人工智能专利申请的授权。当然这种做的难度非常大。如果必须用数学语言描述，对每个变量、每个符号都要赋予其物理意义，对于每个数学式都要解释在技术上到底会发生什么。

五、结束语

人工智能的看(模式识别、图像识别、图像处理)、听(语言识别)、说(自然语言处理)，并不是突然出现的，与20年前的自动控制技术、专家系统、模糊数学等都非常类似。采用“机器脑”方式撰写专利申请文件，不强调属于人工智能领域，非常有助于提高授权率。

机器深入学习、人机融合、类脑思考等，以传统的虚拟软件模块进行描述，专利申请的驳回率一定很高；而以“机器脑”方式描述发明的技术方案，只要摆脱了发明客体的障碍，专利授权率就会很高。

参考文献：

1. 国家知识产权规划发展司，《2017年我国人工智能领域专利主要统计数据报告》，2018年10月

http://www.sipo.gov.cn/docs/20181115115055019230.pdf

2. 中国信息通信研究院数据研究系列之一，2017年中国人工智能产业数据报告(2018年2月)

http://www.sohu.com/a/222582172_735021

3.【致敬创新】张全文先生上榜“人工智能领域杰出专利代理人”,

http://www.zyip.com/show-689.html

4. Aaron Gin, Global Artificial Intelligence Patent Survey,

https://insidebigdata.com/2019/02/22/global-artificial-intelligence-patent-survey/

5. USPTO: 2019 Revised Patent Subject Matter Eligibility Guidance (January 2019)

https://www.govinfo.gov/content/pkg/FR-2019-01-07/pdf/2018-28282.pdf

6. European Patent Office Issues New Guidelines on Artificial Intelligence and Machine Learning，

https://www.jdsupra.com/legalnews/european-patent-office-issues-new-77875/

7. 国家知识产权局,《审查指南》2017年修订版，见第二部分第九章第2节、第5.2节。

8. Michael Borella, How to Draft Patent Claims for Machine Learning Inventions,

https://www.patentdocs.org/2018/11/how-to-draft-patent-claims-for-machine-learning-inventions.html

9. Catherine Saez, Intellectual Property Watch, WIPO Sheds Light On Artificial Intelligence Patenting Trends In New Report, 

https://www.ip-watch.org/2019/01/31/wipo-sheds-lights- artificial- intelligence- patenting-trends-new-report/ 

10. 作者联系邮箱：info@wang-ip.com