引言
在當今科學技術日新月異的時代，人工智慧極大地影響著各行各業。人工智慧要實現技術突破、行業革新、產業化推進，必須以基礎演算法的突破作為基石，而由此衍生的創新主體對於涉及演算法的技術保護的需求也亟待滿足。很多人工智慧技術的關鍵發明點在於演算法本身的創新，但出於對市場壟斷等多種因素的考慮，單純的演算法本身並不能夠被授予專利權，其會面臨專利法第二十五條第一款、第二條第二款等諸多條款的限制，使得涉及演算法的發明可能會被排除在可專利客體範圍之外，或者演算法發明的“技術性”不被認可，從而判斷權利要求所要保護的方案並未構成技術方案。當演算法本身的創新不能作為專利法的保護客體時，欲對涉及演算法的發明進行保護，需將演算法本身與具體的應用領域進行結合、解決具體的技術問題、獲得具體的技術效果，以滿足包含演算法特徵的發明專利申請審查的相關規定。那麼，既然演算法本身的創新不能夠被授予專利權，當演算法與具體應用領域結合之後，演算法發明的可專利性究竟體現在何處呢？下面，結合筆者曾處理的一件具體案例進行討論。
涉案案例
本案涉及一種用於估計物件行為的方法和系統、預測偏好的系統和儲存介質，其是使用逆向強化學習演算法來估計物件的行為，從而解決現有技術中的強化學習存在連續狀態難以處理、計算成本昂貴以及必須估計狀態的整個軌跡的技術問題。
本案中的逆向強化學習演算法可以應用到多個具體的應用領域，比如用於預測使用者在上網時可能會從一系列文章中選擇閱讀的文章的偏好、機器人行為的模仿學習、對人類行為的解釋等。
本案的權利要求1中限定：
“一種用於估計物件的行為的成本函式和價值函式的逆向強化學習的方法，所述方法包括：
獲取表示限定所述物件的所述行為的狀態變數的改變的資料；
將透過方程（1）給出的修改後的貝爾曼方程應用至所獲取的資料：
其中，q（x）和V（x）分別指代狀態x下的成本函式和價值函式，並且γ表示貼現因子，並且和分別指代學習前和學習後的狀態轉變機率；
估計方程（1）中的密度比率；
根據所估計的密度比率，使用最小二乘法來估計方程（1）中的q（x）和V（x）；以及輸出所估計的q（x）和V（x）。”
在第一次審查意見中，審查員認為，因為權利要求1所要求保護的一種用於估計物件的行為的成本函式和價值函式的逆向強化學習方法屬於一種數學模型理論，其並未應用於具體的工業技術領域，方法的各個步驟與方案要解決的問題之間不具有明確的技術關聯，方法所涉及的計算不具有該技術領域相應的物理技術含義，並且未說明應用該方法能夠達到解決該特定技術領域的技術問題的效果，因此權利要求1屬於專利法第25條第1款第（二）項規定的不授予專利權的範圍。
然而，本案的演算法可以應用到多個領域，申請人出於其自身考慮，並不想將該演算法侷限到某一特定領域；並且同時，說明書中也並沒有公開對具體應用的具體引數的相關描述。因此，在針對第一次審查意見的答覆中，代理人僅依據說明書記載的內容，對權利要求稍作修改，即，將“一種用於估計物件的行為的成本函式和價值函式的逆向強化學習的方法”修改為“一種用於透過逆向強化學習估計物件的行為的方法，所估計的物件的行為由成本函式和價值函式表示，其中，所述成本函式用於預測所述物件在新嘗試或環境中的效能，並且所述價值函式表示最佳狀態轉變”；並從以下方面進行了爭辯：
1、本申請所要保護的客體並非逆向強化演算法本身，而是在於使用逆向強化學習演算法來估計物件的行為。因此，修改後的權利要求1要求保護的方法屬於估計物件行為的領域，其解決如何估計物件行為的問題。
2、本申請涉及到對物理世界的作用，包括從外部輸入資料、對資料進行處理以及向外部輸出資料，這些都是技術手段，不屬於智力活動的規則和方法的範疇。
3、雖然權利要求1的方法並沒有限定具體的應用領域，但是如說明書中所述，該方法可以在各種各樣的應用場合中用於估計物件的行為。
然後，在第二次審查意見中，審查員認為，成本函式和價值函式依然是抽象的數學標識方法，而權利要求1實質上是用修改後的貝爾曼方程求解成本函式和價值函式，從而解決逆向強化學習效率不高的問題，其方案中並沒有涉及具有具體物理含義的函式和引數，因此並不能夠解決具體技術領域的問題，其實質上還是一種資料模型理論。因此權利要求1屬於專利法第25條第1款第（二）項規定的不授予專利權的範圍。
針對上述審查意見，尤其是關於“沒有應用到具體技術領域”的審查意見，由於說明書中缺乏對具體引數的相應描述和記載，因此申請人在針對第二次審查意見的答覆中僅進行了爭辯，認為“估計物件的行為”本身即是一個具體的技術應用領域，例如，以說明書中列舉的網路行為預測為例，利用本案所提出的方法，透過對以往使用者的網路瀏覽行為進行分析，可以更加準確地為使用者顯示推薦的文章，從而改善網站使用體驗。而且，由於本案可以應用於很多的更加具體的應用場景，無法窮盡，因此在權利要求中採用了“估計物件的行為”這樣的表述。若要更加具體地限定應用場景是不現實的，而且對於申請人也是不公平的。
另外，在本案中，透過計算機對錶示物件行為的資料進行處理，最後輸出表示物件在新環境中的效能的資料，在這其中，“物件的行為”和“物件在新環境中的效能”都是獨立於人的主觀意識的客觀存在，所以該方法整體上並不屬於人的思維活動（演算法），而涉及與客觀世界的互動。因此，申請人認為修改後的權利要求1不屬於專利法第25條第1款所規定的不授予專利權的範圍。
但審查員並不認同上述爭辯，認為本案權利要求實質上仍是一種智力活動的規則和方法，而不是一種利用自然規律和自然力的技術方案，屬於專利法第二十五條第1款第（二）項所述的智力活動的規則和方法的範圍。本案目前已申請複審。
思考
1。結合上述案例，可以看出，該案例被駁回的主要原因是：所涉及的逆向學習演算法並沒有與具體的技術領域相結合。換句話說，在權利要求中，並沒有體現出該逆向學習演算法是如何應用到在具體技術領域中解決具體技術問題的技術方案中的。
根據2019年12月31日頒佈的國家智慧財產權局關於修改《專利審查指南》的決定，“如果權利要求中的演算法應用於具體的技術領域，可以解決具體技術問題，那麼可以認為該演算法特徵與技術特徵功能上彼此相互支援、存在相互作用關係，該演算法特徵成為所採取的技術手段的組成部分，在進行創造性審查時，應當考慮所述的演算法特徵對技術方案作出的貢獻”。因此，演算法與具體技術領域的結合或在其中的應用應該體現在：演算法步驟的執行能夠採用具有自然規律的技術手段，解決具體技術領域的具體技術問題，並形成具體的技術效果；同時，在演算法設計中，各個特徵與引數應與解決該具體技術問題的特徵和引數緊密關聯，不可分割。換言之，涉及演算法的發明的可專利性正是體現在該演算法是如何“應用”到具體技術領域中解決具體技術問題的技術方案上。
2。另外，在對涉及演算法發明的說明書進行撰寫時，需要注意要將該演算法所能夠應用的具體技術領域、能夠解決的具體技術問題以及所產生的具體技術效果明確記載在說明書中，同時，要將演算法的各個引數與解決具體技術問題各個步驟中的引數密切關聯起來，從而體現演算法在具體技術領域中的應用；在對審查意見進行答覆時，需要注意在權利要求的修改中，首先要在權利要求中體現出的具體技術領域，其次要演算法中所涉及的各個引數與解決具體技術問題的各個步驟中的各個引數相結合，使演算法和所要解決的具體技術問題的各個步驟緊密關聯。
結語
人工智慧發明的核心創新在於演算法的改進。對某一種演算法本身進行改進之後，再透過修改不同的引數值、閾值以及特徵量生成方式，可以惠及多個技術領域中的多種技術應用。從這個角度上說，演算法本身的改進即是一種更廣泛意義上的創新，其將在更多個技術領域產生更大影響。
專利法的立法本意是“提高創新能力，促進科學技術進步和經濟社會發展”。隨著科技發展，演算法在人工智慧發明中的作用不斷提高。只有鼓勵對演算法本身進行創新，才能在此基礎上，對演算法在各個具體領域中的應用進行再創新。因此，為了保護與鼓勵演算法創新，使其能夠更好地在工業領域加以應用，呼籲在一定條件和適當範圍內，對演算法本身的創新授予專利權。
編輯：北京三友
轉載註明出處