关于专利客体的一些思考

作者：王瑞云 北京品源专利代理有限公司

原标题：关于专利客体的一些思考

IPRdaily导读：如果独立权利要求中必须提及神经网络模型，那么无论是从应用角度进行限定，还是从训练角度进行限定，在独立权利要求中一定要体现出与该神经网络模型紧密配合的应用场景，即强调出该神经网络模型在该应用场景中的专用性，这是克服专利客体缺陷的本质所在。

专利客体，即专利保护的客体，是指专利保护的对象。在专利法的范畴内，指可以获得专利法保护的发明创造。在实际应用中，涉及到商业规则或数学算法的专利申请可能存在不符合专利客体的问题，它们在撰写时存在如下需要注意的内容：

一、涉及到商业规则的专利申请

1、在撰写权利要求时从计算机执行的角度进行描述，即在权利要求中需要包含技术特征，不能是单纯的商业规则。具体的，可以在描述中提及步骤执行过程中所涉及的计算机相关部件如内存、CPU、数据库等，示例，从目标数据库中获取目标数据；可以在描述中提及与其他设备/端的交互，示例，接收第一服务端发送的信息生成指令，根据所述信息生成指令生成目标信息，并将所述目标信息发送至第二服务端；可以对描述中的动作采用计算机术语，示例，在预设界面上展示配置信息，并监测作用于所述预设界面上的针对所述配置信息的调整操作；还可以将能够解决技术问题和/或与应用场景紧密联系的非现有技术的技术特征布局为从权；等等。当然，在撰写背景技术和技术效果时，也应当尽可能地从技术角度进行描述。

2、在撰写权利要求时将商业词汇转换为技术词汇，例如将商品转换为物品，将购买和订单转换为物品获取任务，将金额转换为物品获取代价等等。当然，为了体现出实际的应用场景，在说明书中可以采用（例如+商业词汇）的方式进行解释说明，即涉及到商业规则的专利申请应当写明其技术方案的具体应用场景，以使所属技术领域的技术人员能够确切地理解该专利申请的具体应用场景。

二、涉及到数学算法的专利申请

1、在撰写权利要求时避免使用“基于/采用XX算法，执行……操作/计算……”的描述，可以将XX算法的具体执行过程进行概括性描述，而不提及XX算法，以避免在审查中被认为是单纯的数学算法，并未包含任何的技术特征。

2、神经网络模型的本质是数学模型，因此涉及到神经网络模型的专利申请需要特别留意其是否存在不符合专利客体的问题。具体的，如果某个神经网络模型的改进点脱离了某个应用领域的专用性（注意不能是仅声明可以用于某个应用领域），例如改进点是模型搭建方式（如卷积核、上采样模块、下采样模块等），那么其属于单纯的数学算法，这是通过撰写技巧仍无法克服的问题。相应的，如果某个神经网络模型的改进点是专用于某个应用领域的算法改进，即该神经网络模型在这样的应用场景下才存在这样的算法改进，该神经网络模型和该应用场景的结合具有惟一性，那么其是符合专利客体的。示例，在XX应用场景下应用改进后的XX公式才能达到XX效果，该XX公式在其余的应用场景中可能都无法使用或是无法达到该XX效果。再示例，在现有技术中，某神经网络模型是专门用于处理音频，现在对该神经网络模型进行改进以使其处理图像，由于图像是由像素构成，而音频是由波形振幅频率构成，即二者存在本质区别，那么当输入数据存在本质区别时，适合于它们的神经网络模型也必然会产生较大变化，这一变化可以体现在于什么层与什么层之间增加了什么特殊的层、参数变化、公式变化等，此时神经网络模型的改进点和应用场景具有密切的依赖关系，其符合专利客体。另外，对于改进点并不在于神经网络模型的本身，而在于神经网络模型的输入数据和输出数据的再次处理的专利申请，其通常是符合专利客体的。

在此基础上，为了避免涉及到神经网络模型的专利申请在审查中被认为不符合专利客体的情况的发生，在撰写权利要求时可以有如下几点撰写技巧：

在独立权利要求中完全不提及神经网络模型。示例，以图片分类为例，如果技术方案并非是只能依赖于神经网络模型才可以提高图片分类的准确性，而是采用其余方式也能提高图片分类的准确性，例如对原始图片进行优化处理，那么在独立权利要求中可以不对神经网络模型进行任何限定，只是对图片的分类过程进行限定，或者可以换种方式对神经网络模型进行表述，例如对过滤后的参数进行反馈后再次进行过滤/修正等等。

如果在独立权利要求中必须提及神经网络模型，则独立权利要求中不提及训练过程，这是因为训练过程很容易出现纯数学计算的情况，而且再现性很低。示例，继续以图片分类为例，如果是因为训练过程中图片的选择性使得神经网络模型的参数的分类效果很好，那么可以考虑特殊的训练过程使得已训练完成的神经网络模型与现有技术中的神经网络模型的特异性在哪里，例如卷积层的数量可以是现有技术的几何倍数、不同卷积层之间的权重是非线性关系/动态分布等等，进而在独立权利要求中以静态限定的方式对已训练完成的神经网络模型的特异性进行限定，即站在应用角度进行限定。

当然，如果独立权利要求中必须提及神经网络模型的训练过程，那么一定要具备一个载体例如特征图、视频帧等等，证明其不是单纯的数学计算过程，进而证明其不存在专利客体的问题。另外，还可以具体限定神经网络模型进行图片分类时的技术操作过程，例如卷积层、池化层、全连接层的技术操作过程，证明其不是单纯的数学操作过程。

最后也是最重要的，如果独立权利要求中必须提及神经网络模型，那么无论是从应用角度进行限定，还是从训练角度进行限定，在独立权利要求中一定要体现出与该神经网络模型紧密配合的应用场景，即强调出该神经网络模型在该应用场景中的专用性，这是克服专利客体缺陷的本质所在。

综上所述，在撰写可能涉及到不符合专利客体的专利申请文件时，可以从以上几点进行考虑，由此避免在后续审通答复环节中出现因为不符合专利客体而被驳回的情况。

来源：IPRdaily中文网（iprdaily.cn）