文/北京集佳知识产权代理有限公司 潘晓松

　　近年来，随着人工智能（AI）技术的快速发展，美国专利商标局（USPTO）针对专利主题适格性（subject matter eligibility），即专利客体问题发布了更新指导，以应对AI相关权利要求评估的挑战。本文基于USPTO 2024年7月发布的更新指导以及2024年12月底发布的培训材料中的Example 48、即“语音分离”判例，对主题适格性问题进行了探讨。

　　一、法律框架：AI发明背景下的Alice/Mayo测试

　　根据相关指导和培训材料的指示，所有AI相关的软件发明都必须通过源于最高法院判例的Alice/Mayo两步法测试：

　　1.第一步（Step 2A, Prong One）：权利要求是否“指向”（directed to）一个司法例外，如自然法则、自然现象或抽象概念。在AI领域，最常见的抽象概念包括“数学概念”（如数学关系、公式、算法）和“精神过程”（如人类可以通过思维完成的观察、评估、判断）。

　　2.第二步（Step 2A, Prong Two & Step 2B）：如果第一步的答案为是，那么权利要求是否包含“显著更多”（significantly more）的要素，从而将这个抽象概念转化为具体的、具有创造性的应用。

　　USPTO的最新指南强调，在评估第二步之前，审查员应首先在第一步的第二个分支（Prong Two）中判断：权利要求作为一个整体，是否将司法例外“整合”（integrates）到了一个“具体的实践应用”（practical application）中？如果答案是肯定的，那么该权利要求就不再被视为“指向”抽象概念，从而直接满足101条的要求，无需进入更为严格的Step 2B分析。

　　二、Example 48详细分析：基于AI的语音分离和识别

　　Example 48标题为“使用深度神经网络的语音分离”，描述了一个在嘈杂环境中分离混合语音信号的系统、例如虚拟会议。该发明使用一种人工神经网络（深度神经网络，DNN），用包含较少说话者的混合语音信号对其进行训练，训练后的网络可分离更多声源的语音信号。

　　1.不具主题适格性的权利要求1（Claim 1）

　　权利要求1描述了一个语音分离的方法，包括：

　　(a)接收包含多个不同声源sn（其中n∈{1,…,N}）语音的混合语音信号x；

　　(b)使用短时傅里叶变换将所述混合语音信号x转换为时间-频率域的频谱图，并获取特征表示X，其中X对应于所述混合语音信号x的频谱图和从所述混合语音信号x中提取的时间特征；

　　(c)使用深度神经网络（DNN）通过公式V=fθ(X)确定嵌入向量V，其中V=fθ(X)是所述混合语音信号x的全局函数。

　　USPTO的分析：该权利要求被认定为“指向”抽象概念，因而不具备主题适格性。

　　•步骤(b)中的傅里叶变换是纯粹的数学计算。

　　•步骤(c)中明确限定了一个数学公式，用于计算嵌入向量，这同样属于数学概念。

　　•虽然权利要求中提到了“接收信号”和使用“DNN”，但被认为是高度概括性的。接收数据仅仅是常规的“数据收集活动”（data gathering），而使用通用的DNN来执行数学计算，则被视为“应用它”（apply it）的指令，即将抽象的数学公式应用在一个通用计算环境上。

　　核心结论：权利要求1的整体内容仅仅是描述了一系列的数学运算，从一个信号计算出另一个数据（嵌入向量），并未限定如何利用这个计算结果去解决实际的“语音分离”技术问题。因此，未能将抽象的数学概念整合到具体的实践应用中。

　　2.具备主题适格性的权利要求2（Claim 2）——从抽象计算到具体技术实现

　　权利要求2是在权利要求1的基础上进一步限定的方法，增加了以下步骤：

　　(d)将所述嵌入向量V划分为与不同声源sn对应的聚类；

　　(e)对所述聚类应用二进制掩码，以生成带掩码的聚类；

　　(f)从所述带掩码的聚类中合成语音波形，其中每个语音波形对应于不同的声源sn；

　　(g)组合所述语音波形以生成混合语音信号x’，具体为：将与不同声源sn对应的语音波形拼接，排除目标声源ss的语音波形，使得所述混合语音信号x’包含来自不同声源sn的语音波形，且不包含来自目标声源ss的语音波形；

　　(h)将所述混合语音信号x’传输至远程位置存储。

　　USPTO的分析：该权利要求被认定为具备适格性。

　　•步骤(h)中的“传输”属于无关紧要的“非解决方案相关活动”。

　　•步骤(f)和(g)通过记载 “深度神经网络如何辅助聚类分配以匹配混合语音信号中识别的声源，随后将这些聚类合成为时域中的分离语音波形，并转换为排除非目标声源音频的混合语音信号”，体现了说明书中讨论的改进。

　　权利要求2的技术方案解决了“分离同类语音源的语音”的问题，且无需预先知晓说话者数量或进行说话者特定训练。

　　这些步骤体现了说明书中描述的改进。因此，该权利要求指向对现有计算机技术或语音分离技术的改进，且已将抽象概念整合为实际应用。

　　总结：Example 48代表了AI下§ 101分析的关键进步，AI往往涉及数学模型，风险抽象，该判例强调了记载（recitation）例外与涉及（involve）例外的区分。权利要求1明确记载数学概念，而权利要求2同样涉及数学概念但突出了整体权利要求分析，相关培训材料中指出，需要评估各个限定特征之间的相互关联（例如权利要求2的步骤(f)和(g)）。同时，也提醒申请人，应强调解决的技术问题，而非仅结果。

　　参考资料：

　　1.Reminders on evaluating subject matter eligibility of claims under 35 U.S.C. 101；

　　2.2024 Guidance Update on Patent Subject Matter Eligibility, Including on Artificial Intelligence