2024年1月27日，由《中国知识产权》杂志主办的“第十四届知识产权新年论坛暨2024中国知识产权经理人年会”在京召开。本届新年论坛主题为“和谐共生 砥砺向上”，站在2024年的新起点，在强国愿景的指引下，从积能、共识、提升、深化层面对中国知识产权事业的变革挑战与发展机会作出总结与展望。在分论坛二“人工智能知识产权热点问题探讨”上，广州嘉权专利商标事务所有限公司副总经理李镇江发表了主题演讲。

李镇江在演讲中分析了黑盒人工智能案件的撰写的新创性问题，以及白盒人工智能案件撰写的冗余技术特征问题，并给出了人工智能案件对于算法和智力规则的规避建议。

以下为演讲实录：

黑盒人工智能案件的撰写的新创性问题

人工智能的专利申请分为两类，即黑盒案件和白盒案件。所谓“黑盒”，即内部工作原理对用户不可见的AI系统。随着近两年ChatGPT的广泛兴起，涌现出了大量将ChatGPT当作黑盒、主打ChatGPT的应用端和输入输出端改进的专利申请案例。举例来说，在某案件中，拟申请的技术方案可自动通过在网站上爬取商品名称、图片、厂家、性能等关键词，并生成特有的提示语输入到ChatGPT中，从而设计出个性化的商品展示网页。从公众常识来看，该案不过是对ChatGPT的一种应用，其对AI模型本身和算法并没有什么突出的改进，只是对提示语以及提取关键词做了一定的设计。这样的技术方案尽管有可能成为《专利法》的保护客体，但在审查过程中很可能暴露出创造性不足的问题。

对于上述类似案例的专利申请而言，应如何提升AI模型应用的技术方案的专利申请成功率？解决方案有以下三个。

一是增加输入数据的前处理。以上述案件为例，申请人可以考虑在关键词输入之前做一些更加复杂的工作，例如在爬取商品名称、图片、厂家、性能等关键词后，将其输入知识图谱中，在知识图谱中找到与关键词相隔距离小于预定距离的扩充关键词；而后，将扩充关键词继续输入知识库中，得到含有扩充后关键词且与物品基本信息的匹配度达到预定阈值的语段，再将其输入ChatGPT中得到结果。在专利申请中体现上述前处理程序，将有助于获得更好的授权前景。

二是进行模型体系结构的更复杂的布局（广度、深度）。以上述案件为例，申请人可以在征得用户同意的情况下，收集用户的历史购买偏好和历史浏览习惯数据，并将之分别与商品基本信息结合输入第一大语言模型和第二大语言模型中，形成结合历史购买偏好的第一向量和结合历史浏览习惯的第二向量；而后再将这两个页面展示结果通过融合模型进行融合，得到一个既考虑用户历史偏好又考虑到其历史浏览习惯的商品展示页面的设计。上述技术方案在广度上拓展了模型的体系结构。

三是增加输出数据的后处理。以上述案件为例，在得到设计好的物品展示页面后，还可通过设计其与其他物品展示页面的排序，增加输出数据的后处理。

白盒人工智能案件撰写的冗余技术特征问题

所谓“白盒”案件，即申请人针对人工智能模型的内部算法等做了切实改进的申请案件。当前，此类案件往往存在技术特征冗余的问题，即技术方案通过大量连接的模型和层组合以解决技术问题，但其中哪些模型和层起到关键作用则并不明确。对此，代理人应当熟知常见深度神经网络模型和层的作用，并结合发明要解决的问题以及常见深度学习模型和层的作用，确定最关键的模型或层；发明人也应向代理人详细说明模型改进的各个层和要素的作用，避免撰写出来的申请文件丧失应有的保护范围。

以某个能够高准确率预测用户的语音输入结果的语音输入法相关申请为例。该技术方案共有12个层，其中，LSTM层起到了构架上下文语义联系的作用，是时序音素序列中最关键的层；多头注意力模型的作用在于突出输入语音中最重要的部分；融合层能够融合时序音素序列与上文语音，结合进行下文语音预测。可见，上述三个层是本申请中起到核心作用的层，在构造权利保护范围时，应以这三个层为技术特点去撰写权利要求。

人工智能案件对于算法和智力规则的规避

人工智能本身是一种模型，是一种抽象的算法，只有运用到产业化、商业化场景中，才可能具有一些技术可专利性。对于人工智能相关专利申请而言，如果权利要求涉及抽象的算法或者单纯的商业规则和方法，且不包含任何技术特征，则属于《专利法》第二十五条第一款第（二）项规定的智力活动的规则和方法，不应被授予专利权。但如果权利要求中除了算法特征或商业规则和方法特征，还包含技术特征，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，则不应依据《专利法》第二十五条第一款第（二）项排除其获得专利权的可能性。

根据《专利审查指南》的规定，对一项包含算法特征或商业规则和方法特征的权利要求是否属于技术方案进行审查时，需要整体考虑权利要求中记载的全部特征。如果该项权利要求记载了对要解决的技术问题采用了利用自然规律的技术手段，并且由此获得符合自然规律的技术效果，则该权利要求限定的解决方案属于《专利法》第二条第二款所述的技术方案。例如，如果权利要求中涉及算法的各个步骤体现出与所要解决的技术问题密切相关，如算法处理的数据是技术领域中具有确切技术含义的数据，算法的执行能直接体现出利用自然规律解决某一技术问题的过程，并且获得了技术效果，则通常该权利要求限定的解决方案属于《专利法》第二条第二款所述的技术方案。

根据上述法律法规的规定，建议人工智能相关专利申请人在申请中应注意以下事项：首先，专利的申请主题应尽量贴合于识别方法、检测方法、资源调度方法等，突出该算法是为了解决产业链条中的一个环节的自动识别、检测、资源调度等问题，即突出处理对象（数据）的产业化性和处理过程的产业化性。其次，在权利要求中注意避免社会规则和经济规则，突出自然规则。最后，在背景技术中应强调产业化大背景下的一个无法自动识别、检测、资源调度等小问题。

下面通过一则举例来说明人工智能案件撰写中如何规避算法和智力规则。

贫困问题是当今世界最尖锐的社会问题之一，利用灯光遥感、移动互联网数据等可以很好地评估贫困的分布情况，但是贫困形成的原因分析仍有很长的路要走。目前，对于贫困的原因分析多从社会、经济、劳动力等具体方面进行分析，也可从土地资源、水资源等角度进行分析，但是多保持在定性分析角度，缺乏贫困成因的定量分析。

本申请为一种贫困分析方法，包括：

基于分析对象的分析角度，分别获取相应的贫困数据和影响贫困的指标数据；

基于所述贫困数据得到多个贫困等级；

基于所述指标数据得到多个指标等级；

生成所述分析对象的贫困分析集合，所述贫困分析集合的每个元素由一个贫困等级和至少一个指标等级组成；

以及基于所述贫困分析集合生成强关联规则集。

对于该申请，合理的撰写形式如下：

一种资源调度方法，其特征在于，包括：

获取目标区域的第一状态和引起所述第一状态的多个候选成因数据；

将所述第一状态和多个所述候选成因数据输入成因识别模型，所述成因识别模型包括……，从而由所述成因识别模型输出成因数据；

基于所述成因数据，从多个候选资源中确定应用于所述目标区域的目标资源；

将所述目标资源调度到所述目标区域。

应注意的是，在撰写该申请的背景技术时要强调：“在资源调度过程中，需要将资源调度到需要资源的区域。需要调度的资源与需要资源的区域的状态有关。而目前评估区域的状态主要采取人工评估的方式，有很大的主观性，也不准确，造成资源调度的准确性差，调度后资源利用率不高。”

总结言之，对于涉及纯算法改进的技术方案，代理人应启示发明人尽量选择应用方向、构想应用场景，结合应用场景来构造权利要求，规避申请被视为算法和智力规则的可能，避免申请因不符合专利授权的客体要求而遭驳回。