文/北京集佳知识产权代理有限公司 张海永

　　引言

　　美国专利法第101条定义了可专利主题的范围，即任何新的、有用的工艺、机器、制造物或物质组合都可以获得专利。然而，美国最高法院长期以来一直认为，自然法则、自然现象和抽象概念是可专利主题的例外。这些例外虽未在法律条文中明确提及，但是通过司法解释确立了属于这些例外的申请不具有专利适格性。随着人工智能技术（AI）的发展，越来越多的人工智能相关的专利申请开始涌现，本文简要介绍了人工智能领域专利适格性判断，并提供了一些针对AI相关发明如何克服适格性问题的建议。

　　一、美国专利适格性概述

　　美国专利法第101条规定了发明必须属于四个法定类别之一：工艺、机器、制造物或物质组合。大多数发明都符合这些类别，但有些不符合。例如，仅涉及软件代码或纯数据的发明不符合专利保护条件，因为这些项目不属于上述四个类别之一。同样，仅请求保护“经过训练的神经网络”的申请也不符合第101条的规定，但如果请求保护训练神经网络的方法或使用经过训练的神经网络的计算机，则满足专利适格性要求。

　　实际上，第101条中专利适格性的真正复杂性来自于非法定例外：自然法则、自然现象和抽象概念。美国最高法院强调，这些例外至关重要，因为对这些基本科学和技术工具的专利可能会阻碍而非促进创新。例如，不能对物理定律或数学算法的抽象形式申请专利。然而，这些原则的新应用，如从中衍生出的新的并且有用结构或工艺，可以申请专利。

　　二、专利适格性判断标准

　　美国专利与商标局在审查指南MPEP中采用了Alice/Mayo判例中的流程来判断专利申请是否满足101条款的适格性要求，并于2019年对该判断流程进行了更新。

　　判断流程包括：步骤1，判断权利要求是否是针对工艺、机器、制造物或物质组合；步骤2A，判断该权利要求是否指向自然法则、自然现象和抽象概念，如果否的话，则权利要求具有专利适格性，如果是的话，进入步骤2B的判断；步骤2B，如果在步骤2A中判定该权利要求指向司法例外，评估该权利要求中是否存在附加元素使得权利要求具有创造性，如果是的话，则该权利要求具有专利适格性，否则的话，则该权利要求不具有专利适格性，不可以授权。

　　在更新的判断流程中，步骤2A进一步被细分为两个分支：分支1，判断权利要求是否引用或者包括了司法例外，例如抽象概念等；分支2，如果权利要求包含或者引用了司法例外，则进一步判断该权利要求整体上是否将该司法例外整合到实际的技术应用中，如果是的话，则step 2A的判断结果为该权利要求并未指向司法例外，因此符合专利适格性的要求。

　　三、关于人工智能的例子

　　针对专利适格性要求，美国专利与商标局还提供了许多例子并介绍了如何根据101条来进行判断。唯一直接与人工智能相关的例子是第39个例子。这个例子涉及一个旨在提高识别数字图像中人脸的能力的AI系统。先前使用神经网络进行面部检测的方法在处理面部图像的移动、扭曲和变化时的鲁棒性方面存在不足。该发明通过使用对面部图像进行数学变换开发的扩展训练集，并采用迭代训练算法来最小化误报，从而改进了这项技术，从而得到一个更可靠的面部检测模型。

　　这个例子中的步骤涉及收集数据、修改数据、创建两个训练集，然后在训练集上训练神经网络。通过分析，该权利要求符合第101条的规定，因为该权利要求“没有陈述MPEP中列举的任何司法例外”。特别是，专利局指出，这些步骤没有陈述任何数学关系、公式或计算（尽管该权利要求可能“基于数学概念，但数学概念并未在权利要求中陈述”），没有陈述思维过程（“因为这些步骤实际上不能在人脑中执行”），也没有陈述任何组织人类活动的方法，如基本经济概念或管理人与人之间的互动。因此，该权利要求符合专利适格性要求，因为它没有引用司法例外。

　　但是审查员对于上述例子的解读是非常有限度的，即审查员还是会倾向于基于具体的权利要求来对专利适格性进行判断。虽然一些人工智能相关的权利要求也是涉及上述的例子中的收集数据并训练得到神经网络的过程，但是审查员并未同意这些如此撰写的权利要求具有专利适格性。

　　这种倾向从专利审判和上诉委员会的部分判词中可见一斑：

　　1、第39个例子具体限定到了图像分析，“因此，第39个例子解决了与分析图像以识别和分析其中的面部图像相关的技术难题。而申请人未证明当前权利要求提供了此类图像分析的方案。相反，说明书称权利要求涉及使用信息处理系统来估计医疗资源的需求”；

　　2、第39个例子具体限定了数据准备或者两个训练阶段，“在此申请中，训练数据并没有以任何特定方式转换或策划以训练机器学习模型。也没有像第39个例子那样分阶段训练模型以提高其准确性”；

　　3、权利要求中的金融活动的表述（或者其他抽象概念）使得权利要求不具有适格性，“简单来说，权利要求1与第39个例子中的权利要求不同，它陈述了商业互动，包括广告、营销或销售活动或行为，这是一种组织人类活动的方法，因此，该权利要求是一个抽象概念”。

　　四、对AI相关发明的建议

　　基于上述对第39个例子分析可以看出，它的作用比预期中的要小，但是从这个例子中仍然可以总结出一些针对AI相关发明的建议。

　　1、在权利要求中描述具体的数据和数据处理

　　详细描述AI如何训练以及如何处理数据是至关重要的，并且解释用于开发训练数据的特定算法、模型和技术，以及这些如何有助于解决技术问题。例如，如果AI使用新的训练数据集或独特的数据预处理方法，这些细节应包含在专利申请中并成为权利要求的一部分。第39个例子对面部图像进行了相对简单的变换来训练神经网络。然而，PTAB的决定强调了，训练数据的预处理是第39个例子能够在第101条下获得专利适格性的关键要素之一。

　　2、详细描述AI系统的训练过程

　　第39个例子要求保护一个两步训练过程：首先在一组经过变换的面部图像上训练神经网络，然后基于检测到的错误在第二组上重新训练神经网络。这种迭代方法不仅提高了模型的鲁棒性，还解决了误报问题。PTAB的决定强调了，这个两步过程是该例子具有专利适格性的主要原因之一。如果可能的话，新的AI专利申请应在说明书中突出训练过程中的任何具有独特性的元素，并将这些元素包含在权利要求中，以克服任何潜在的101条的专利适格性问题。