摘要：《欧洲专利局审查指南》进行了2018年的修改并已于2018年11月1日正式生效，其中明确了人工智能（AI）的审查指导原则，具体指出当AI应用于技术领域时，这种技术才有可能具有专利资格。尽管中国《专利审查指南》目前还未细化AI的审查原则，但是纯粹的人工智能技术作为智力活动规则和方法中的一类，中国《专利审查指南》已经给出了总体的审查指导原则。即，人工智能技术应当应用于具体技术领域，并且权利要求应当体现出人工智能技术与具体技术领域中相应物理实现的对应关系。
关键词：专利申请、人工智能、技术领域
序言
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。
日前，清华大学中国科技政策研究中心发布《中国人工智能发展报告2018》（下称《报告》），《报告》显示，中国已经成为全球人工智能专利布局最多的国家，数量略微领先美国和日本，三国占全球专利公开数量的74%。AI专利的申请最多的国内机构包括以国家电网、阿里巴巴、腾讯、乐视、北京光年无限等为代表的公司企业和以浙大、东南大学、华南理工、清华等为代表的科研院校。《报告》指出，2017年，中国人工智能市场规模达到237亿元，同比增长67%，人工智能企业数量达到1011家，仅次于美国的2028家。
基于中国国家专利局的数据，中国AI专利涉及的研究领域基本覆盖了AI研究的各个方向，其中在数据库（38038）、机器学习（13877）、人机交互（9969）、大物联网（8929）、大数据（5055）、语音技术（4835）、虚拟现实（3577）、数据挖掘（1422）、深度学习（786）、自然语言处理（819）、机器人学（1547）等领域尤为活跃。另外，在人工智能的实践应用中，无人机（9356）、人脸识别（3207）、社交网络（710）、自动驾驶（647）等AI具体应用方向专利数量可观。
作为AI技术日益火爆的一个佐证，在今年（2018年）修改的《欧洲专利局审查指南》中，欧专局特别为审查员审查人工智能和机器学习相关发明提供了进一步的指导。
一、欧洲的AI审查原则
最新版的《欧洲专利局审查指南》G部分“可专利性”第II章“发明”第3.3节“数学方法”下对“人工智能和机器学习”进行了如下规定：
3.3.1人工智能和机器学习
人工智能和机器学习基于用于分类、聚类、回归和降维的计算模型和算法，例如神经网络、遗传算法、支持向量机、k均值、核回归和判别分析。这些计算模型和算法本身具有抽象的数学性质，而不管它们是否可以基于训练数据进行“训练”。因此，G-II,3.3中提供的指导通常也适用于这种计算模型和算法。
在审查所要求保护的主题整体上是否具有技术特性时（第52(1)、(2)和(3)条），仔细查看诸如“支持向量机”、“推理引擎”或“神经网络”之类的表达，因为它们通常指的是缺乏技术特性的抽象模型。
人工智能和机器学习在各种技术领域中得到应用。例如，在心脏监测设备中使用神经网络识别不规则的心跳有技术贡献。基于低级特征（例如，图像的边缘或像素属性）对数字图像、视频、音频或语音信号的分类是分类算法的进一步典型技术应用。然而，仅仅就其文本内容对文本文档进行分类本身不应视为技术目的，而是语言目的（T 1358/09）。对抽象数据记录、甚至“电信网络数据记录”进行分类而没有表明由此产生的分类有任何技术用途，其本身也不是技术目的，即使分类算法可能被认为具有有价值的数学特性，例如鲁棒性（T 1784/06）。
在分类方法用于技术目的的情况下，如果生成训练集和训练分类器的步骤支持实现该技术目的，则它们也可以有助于发明的技术特性（technical character）。
简言之，最新版的《欧洲专利局审查指南》解释了AI“用于分类，聚类，回归和降维的计算模型和算法......本身具有抽象的数学性质。”然而，该指南指出AI技术“在各个领域都有应用”，“并解释当AI技术应用于技术领域时，这些技术可能具有专利资格。”
于是，申请人可以使用这些指南来评估具体申请在EPO原则下通过审核的可能性。例如，有利地描述诸如“基于低级特征对数字图像、视频、音频或语音信号的分类”之类的应用，以及“在心脏监测设备中使用神经网络识别不规则的心跳”。“然而，仅仅就其文本内容对文本文档进行分类本身不应视为技术目的，而是语言目的”。该指南进一步指出，具有“有价值的数学特性，例如鲁棒性”的分类算法在没有技术应用的情况下不会产生技术效果，这表明提高非技术性服务的准确性或效率可能不足以建立技术效果。
二、中国的AI审查实际
中国《专利审查指南》第二部分第1章第4.2节“智力活动的规则和方法”规定：
如果一项权利要求仅仅涉及智力活动的规则和方法，则不应当被授予专利权。如果一项权利要求，除其主题名称以外，对其进行限定的全部内容均为智力活动的规则和方法，则该权利要求实质上仅仅涉及智力活动的规则和方法，也不应当被授予专利权。例如，数学理论和换算方法。
除了上述所描述的情形之外，如果一项权利要求在对其进行限定的全部内容中既包含智力活动的规则和方法的内容，又包含技术特征，则该权利要求就整体而言并不是一种智力活动的规则和方法，不应当依据专利法第25条排除其获得专利权的可能性。
另外，《专利审查指南》第二部分第9章第2节“涉及计算机程序的发明专利申请的审查基准”规定：
如果一项权利要求仅仅涉及一种算法或数学计算规则，则该权利要求属于智力活动的规则和方法，不属于专利保护的客体。如果一项权利要求除其主题名称之外，对其进行限定的全部内容仅仅涉及一种算法或者数学计算规则，则该权利要求实质上仅仅涉及智力活动的规则和方法，不属于专利保护的客体。
除了上述所述的情形之外，如果一项权利要求在对其进行限定的全部内容中既包含智力活动的规则和方法的内容，又包含技术特征，则该权利要求就整体而言并不是一种智力活动的规则和方法，不应当依据专利法第25条排除其获得专利权的可能性。
那么，如何才能使得一项涉及AI技术的方法权利要求不仅包含智力活动的规则和方法的内容，还包含技术特征呢？假设AI技术为某种具体的算法，权利要求应当清楚地表明解决方案中各步骤以及各函数参数与具体的技术领域中相应物理实现的对应关系，各个参数要结合具体的技术领域。相应地，说明书和权利要求书不仅要记载具体的技术领域，还要将该算法涉及的各函数参数与相应的操作关联起来。下面举例进行说明。
实际案例：一种纵向抽样型可靠性鉴定试验方法。
可靠性鉴定试验是为了鉴定产品与规定的可靠性要求是否一致，由订购方、第三方用有代表性的产品在规定条件下所作的试验，是产品批量定型、量化生产的重要前提和依据。
背景技术：船用吊艇架等大型船用机电产品不具备足够数量的抽取样本（每台类型仅有几台），而且这些产品的正常使用属于间歇性工作（0.5-1次/天）。如果在实验室进行共计2000小时的完整连续的可靠性鉴定试验，若0.5小时/次，则一共4000次，这是任何吊艇架都无法承受的工作强度。
该发明针对现有技术的可靠性鉴定试验方法用于数量少、间断使用、每次使用时间短的产品的试验时，存在的可抽取的试验样本少、无法进行连续性试验等缺陷与不足，提供了一种新的可靠性指标和可靠性鉴定试验方法，采用从产品的整个寿命周期的使用次数中抽取部分使用次数作为试验样本的纵向抽样方法，并将现有技术的平均故障间隔时间的计时型指标改为平均故障间隔次数为依据的计数型指标，从而有效解决试验样本少、无法进行连续性试验的技术问题，特别适用于船用吊艇架以及类似产品的可靠性鉴定试验。
原权利要求1：
一种纵向抽样型可靠性鉴定试验方法，其特征在于包括以下步骤：
1)选择试验样本，选用单个受试产品，将所述产品的预期总使用次数作为抽样整体，记为N，选取某一段时间内的使用次数作为一个抽样样本，记为n；
2)确定试验指标，所述试验指标为计数型指标MNBF，所述试验指标MNBF的合格规定值SV和最低可接受值MAV，通过受试产品的寿命周期、使用强度、单位时间内允许的故障次数进行确定，确定SV值和MAV值之后，按照公式p0＝1/SV和p1＝1/MAV，计算得到受试产品的合格水平p0和不合格水平p1，然后按照公式D＝p1/p0确定鉴别比d；
3)确定研制方风险α和使用方风险β；
4)确定试验方案，根据参数α、β、p0、p1和d，通过查表法或计算法确定具体试验方案(N，n，c)或(n，c)；
5)合格与否的评定，在n次试验中，当样本中不成功的次数b不超过允许的不成功次数c，则判断试验样本为合格；当样本中不成功的次数b超过允许的不成功次数c，则判断试验样本为不合格。
授权的权利要求1：
一种纵向抽样型可靠性鉴定试验方法，用于对船用吊艇架进行可靠性鉴定试验，其特征在于，包括以下步骤：
1)选择试验吊艇架样本，选用单个受试吊艇架，将所述吊艇架的预期总使用次数作为抽样整体，记为N，选取某一段时间内的使用次数作为一个抽样样本，记为n；
2)确定试验指标，所述试验指标为计数型指标MNBF，所述试验指标MNBF的合格规定值SV和最低可接受值MAV，通过吊艇架的寿命周期、使用强度、单位时间内允许的故障次数进行确定，假设吊艇架的使用寿命足以支撑整个使用期，且按规定进行维护保养，可确定每套吊艇架平均每天使用次数a，船舶的年均出海天数b，计算得到产品的年均使用次数e＝a×b，在该船用吊艇架的研制中和试验前，经过使用分析和用户要求确定可接受的产品平均故障次数，规定合格的故障次数规定值f和最低可接受的故障次数规定值g，即可得到吊艇架试验指标的合格规定值SV＝e/f，最低可接受值MAV＝e/g；确定SV值和MAV值之后，按照公式p0＝1/SV和p1＝1/MAV，计算得到吊艇架的合格水平p0和不合格水平p1，然后按照公式d＝p1/p0确定鉴别比d；
3)确定研制方风险α和使用方风险β；
4)确定试验方案，根据参数α、β、p0、p1和d，通过计算法确定具体试验方案(N，n，c)或(n，c)，其中c为允许的试验不成功次数；具体步骤为：首先确定α与β，然后将选定的α与β代入下列(3)、(4)式，引用(1)或(2)式并使其同时成立而解得的n和c即为所需的试验参数：
案例分析
通过比较可以看出，该授权权利要求1不涉及数学算法的步骤，作为算法与应用领域之间紧密关联的桥梁，无法从整体方案中剥离出来。四个参数SV、MAV、α、β根据产品实际使用情况、用户需求、研制方和用户能够接受的风险程度确定，这些参数并不是随意确定的，而是和产品的实际情况密切相关。该权利要求所寻求保护的对象并不是抽象的数学公式本身，而是利用数理统计计算公式获得试验参数的过程。
换言之，该授权权利要求1涉及吊艇架可靠性鉴定试验领域中如何获得总试验次数n和允许故障次数c的纵向抽样型可靠性鉴定试验方法。该方法是将抽象的数理统计计算方法应用到一个具体的吊艇架可靠性鉴定试验领域，其中的数理统计计算方法与吊艇架的可靠性鉴定试验密切关联，是数学算法在特定应用领域的具体应用，不属于智力活动的规则和方法，属于专利保护的客体。
三、总结
对于AI技术的专利申请，必须将具体的AI技术应用于特定技术领域，并与特定物理实现紧密的结合，这种结合必须紧密到该权利要求中不涉及算法的步骤无法从整体方案中剥离出来。而且，权利要求必须以具体的方式进行描述，不要占先具体AI技术的所有实质性的特定应用，其判断标准是权利要求是否将完全独占该具体的AI技术，以至于其所寻求保护的对象是抽象的算法本身。
鉴于当前中国的AI审查实践和AI技术的重要性，中国《专利审查指南》未来的修改可能会明确AI的审查原则。
参考文献：
[1] 《中国人工智能发展报告2018》，2018年7月
[2] Guidelines for Examination in the European Patent Office，November 2018.
[3] 中华人民共和国国家知识产权局. 专利审查指南2010[M]. 北京. 知识产权出版社，2010: 172-173.
