人工智能在工业上的应用日趋广泛，从图像识别、自然语言处理到自动驾驶、机器翻译等领域逐渐纵深发展，已经成为现代工业系统不可或缺的重要组成部分。相应地，在人工智能领域的知识产权保护也受到越来越多的关注，各国的高科技企业都抢先在相关领域布局大量的专利申请。目前全球涉及到人工智能的专利申请已经超过几十万件，并且专利申请量还呈高速增长的趋势。

但是，人工智能专利申请在授权方面却遇到了很大的阻碍。人工智能的核心部分是机器学习算法，专利申请也主要集中在该领域。机器学习算法多体现为数学方法，而数学方法在很多国家都不属于专利保护的客体。尤其是，在欧洲专利局（EPO）审查指南[1]中明确指出人工智能和机器学习基于诸如分类、聚类等计算模型和算法，而计算模型和算法本身具有抽象的数学本质，审查时需要重点关注。在欧洲专利审查判例中，对于涉及数学方法的案件，需要判断其是否具有“技术性”。

对于“技术性”，无论在成文法还是判例法中，都没有给出确切的定义，而是考虑到技术不断发展、新技术不断涌现，将更多的解释权留给欧洲专利局或国家法院。从实践中，可以看到对技术性的判断多使用类比法，即将案件与已形成共识的案例进行类比，进而将相应的方案判定为具有“技术性”或不具备“技术性”。然而，对于新兴的人工智能领域中典型的算法类发明，这样的类比很困难，也给申请人带来了巨大的困扰。

本文结合具体案例分析EPO对人工智能专利申请的审查逻辑，并探讨可能的应对策略。

一、EPO对人工智能专利申请的审查逻辑

在欧洲的审查实践中，对专利申请的技术性，通常需要进行两轮审查[2]：第一轮审查，审查权利要求是否包含技术手段；第二轮审查，审查权利要求是否具有新颖性和创造性。

第一轮审查采用“任意技术手段法”，即任何包含使用技术手段的方法和任何技术手段本身具有技术性，因而属于欧洲专利公约（EPC）第52条第1款意义上的发明，因此不能依据EPC第52条第2和3款对权利要求提出反对。

第一轮审查通常比较容易通过。对于人工智能和机器学习类专利申请，在权利要求中引入“计算机”等技术手段或在权利要求中限定真实世界的具有技术性的数据，即可通过第一轮审查。例如，对于权利要求“一种用于对皮肤病变图像进行分类的计算机实现的方法，利用增广数据生成训练数据，训练神经网络”，由于包括了计算机、皮肤病变图像等技术特征能够通过第一轮审查。但是，该权利要求也包括神经网络等本身指向抽象模型或算法的非技术特征，即为混合型权利要求，还需要经历第二轮审查。

第二轮审查，使用问题解决法(- )，考虑对发明的技术性作出贡献的所有特征。审查混合型权利要求的新颖性和创造性，一般可包括如下步骤：（i）根据发明上下文的技术效果，确定对发明的技术性有贡献的特征；（ii）基于步骤（i）中确定的对发明的技术性有贡献的特征，选择最接近的现有技术；（iii）确定要求保护的发明与最接近的现有技术的区别。

在步骤（iii）中，将权利要求作为一个整体，来确定与最接近的现有技术的区别特征，确定由区别特征产生的技术效果，并从区别特征中区分作出技术贡献的特征和未作出技术贡献的特征。

对发明的技术性作出贡献的所有特征既包括技术特征，也包括以下特征：单独看是非技术的，但从发明的上下文来看，有助于产生服务于技术目的的技术效果，从而对发明的技术性作出贡献。

对发明的技术性没有做出贡献的特征无法支持创造性，如果某特征仅对解决非技术问题作出贡献，则无法支持创造性。例如人工智能问诊,专利技术，发明与现有技术的区别，如果单独看为非技术特征，从发明的上下文来看，也无法产生服务于技术目的的技术效果，则认为这些区别特征无法对技术问题的解决作出贡献，在判断创造性时不予考虑。

如果没有区别特征，则提出新颖性反对意见。如果有区别特征，但区别特征未作出任何技术贡献，则提出创造性反对意见。如果区别特征包含作出技术贡献的特征，则基于这些特征带来的技术效果确定客观技术问题，进而判断用于解决客观技术问题的技术方案对本领域技术人员来说是否显而易见。

使用问题解决法，根据发明上下文的技术效果确定对发明的技术性有贡献的特征，是决定人工智能和机器学习类专利申请能否通过第二轮审查的关键。

人工智能和机器学习基于分类、聚类、回归和化简等计算模型和算法，例如神经网络、基因算法、支持向量机器、k-means等。这些计算模型和算法本身是抽象的，不具有技术性。但是，人工智能和机器学习在各技术领域的应用可认为具有技术性。也就是说，人工智能算法单独看是非技术的，但从发明的上下文来看，如果有助于产生服务于技术目的的技术效果，则认为对发明的技术性作出贡献，可支持创造性。

在评价特征是否能够对技术性做出贡献时，判断人工智能算法是否服务于技术目的至关重要。

EPO审查指南给出了一些技术目的示例，包括：数字音频、图像或视频增强或分析，例如，去噪、检测数字图像中的人；音频信号中的源分离、声音识别，例如将声音输入映射到文本输出；基于DNA样本的分析提供基因评估，提供评估的置信度区间以量化可靠性；通过自动系统处理生理测量数据来提供医学诊断。这些技术目的示例可以用作类比的基础。

需要说明的是，技术目的不能是通用的，诸如“控制技术系统”这样通用的目的不足以赋予技术性。技术目的必须是特定的，或者说具体的，例如前面列举的声音识别、视频增强等。

并且，仅仅是能够用于特定的技术目的也是不够的，权利要求必须在功能上限定于特定的技术目的。通常而言，仅仅限定人工智能算法的输入数据的技术性是不够的[3]。这种功能上的限定可以通过在技术目的和权利要求的人工智能算法之间建立足够的联系而实现。例如，通过限定人工智能算法的输入和输出与技术目的相关，使得人工智能算法与技术效果之间建立因果关系。即，使得权利要求中人工智能算法的特征能够对技术问题的解决作出贡献，从而在创造性审查中被考虑。

一般而言，算法的技术目的主要由其提供的结果的直接技术相关性决定。例如，对于搜索关键词的语义获取方法，或者进一步的基于语义获取进行搜索关键词的扩展，虽然能够用于提高搜索引擎上的搜索效率，但是由于这些算法在权利要求中并没有明确限定如何用于在搜索引擎上进行关键词搜索提高，其提供的直接结果也并非提高搜索引擎上的搜索效率，因此也不认为具有技术性。

EPO审查指南中还指出，作为一种数学方法的人工智能算法，通过应用于某一技术领域或适用于特定的技术实施，服务于技术目的，产生技术效果，可认为具有技术性。

对于应用于某一技术领域的情况，人工智能算法的常见应用领域包括图像处理、声音处理、故障检测、预测维护、医学分析、自动驾驶等等。

例如，在心跳监控装置中使用神经网络以识别不规律的心跳，被认为具有技术性。又例如，基于低层级特征，如图像的边缘或像素属性，来对数字图像、视频、音频或声音信号进行分类，被认为是分类算法的典型技术应用，具有技术性。

但是，仅仅对文本文档本身进行分类而不管文本内容，则被认为是为语言目的而非技术目的，因而不具有技术性。对抽象的数据记录，即使是通信网络数据记录，进行分类，而不指出分类结果的技术应用，也不认为具有技术性。在分类方法为技术目的的情况下，生成训练集和训练分类器如果支持实现该技术目的，则被认为具有技术性。

对于适用于特定的技术实施的情况，主要考量人工智能算法是否专用于该技术实施，其设计是否基于计算机的内部功能的技术考量。例如，采用与计算机硬件的词尺寸匹配的词尺寸切换的多项式化简算法，可以认为产生了有效的硬件实施的技术效果，具有技术性。但是，如果算法仅仅是一般的技术实施人工智能问诊,专利技术，例如，只是在通用的硬件、软件环境中实现了算法，即便算法的效率提升了，也不认为具有技术性。

二、人工智能专利申请的审查示例

下面结合具体示例来讨论什么样的权利要求既能通过第一轮审查，又能通过第二轮审查。

原权利要求记载“一种对图像进行分类的方法，包括：

通过在颜色空间中旋转第一组图像，获得第二组训练图像；

使用所述第二组训练图像训练神经网络，得到图像分类模型；

利用所述图像分类模型对图像进行分类”。

这样的权利要求，虽然提到对图像进行分类，但并没有限定对什么类型的图像进行分类，即没有限定到任何具体的应用领域，也没有包含任何技术手段，无法通过第一轮审查。通过将“图像”限定为“皮肤病变图像”，或者将方法限定为“计算机实现”，例如将权利要求的主题修改为“一种用于对皮肤病变图像进行分类的计算机实现的方法”，可以帮助权利要求通过第一轮审查。

检索到的现有技术公开了一种神经网络，用于检测皮肤病变并产生额外的预处理图像。比较可知，主题修改后的权利要求与现有技术的区别主要在于：通过在颜色空间中旋转第一组训练图像，获得第二组训练图像。

这样的区别特征，单独看是非技术特征，从发明的上下文来看，也无法产生服务于技术目的的技术效果，因此无法对技术性作出贡献，需要对权利要求进行进一步的限定。

修改后的权利要求记载“一种用于对皮肤病变图像进行分类的计算机实现的方法，包括：

通过在颜色空间中旋转第一组训练图像以包括肤色变化，获得第二组训练图像；

使用所述第二组训练图像训练深度卷积神经网络，得到图像分类模型，其中，在训练过程中通过随机激活所述深度卷积神经网络中的节点来应用函数；

利用所述图像分类模型对皮肤病变图像进行分类”。

修改后的权利要求加入了更多限定。如前所述，权利要求的主题是技术特征，问题在于其他特征是否也对技术性作出贡献。从发明的上下文来看，本发明应用于医学分析的特定技术领域，服务于提高皮肤病变图像分类精度的技术目的，并且能够产生服务于该技术目的的技术效果。并且，权利要求中除主题之外的其他特征，通过特定的神经网络类型以及特定的训练方式，确保该权利要求功能上限于该技术目的，具有技术性。

修改后的权利要求与现有技术的区别特征包括：1）神经网络的类型不同；2）神经网络的训练过程不同。如上面分析的，这些区别特征，虽然单独看是非技术特征，但从发明的上下文来看，有助于提高皮肤病变图像分类精度，对发明的技术性作出贡献，能够支持创造性。

由此，相对于最接近的现有技术，可以确定权利要求所解决的客观技术问题是：如何提高皮肤病变图像分类精度。如果所要求保护的用于解决客观技术问题的技术方案对本领域技术人员来说是非显而易见的，则权利要求具备创造性。

三、总结

在欧洲的审查实践中，人工智能专利申请需要经历两轮技术性的审查。应对第一轮审查比较容易，只需在权利要求中包含技术特征即可，哪怕只是限定为“计算机执行”。应对第二轮审查比较困难，权利要求中对技术性作出贡献的特征才能支持创造性。对于人工智能算法类特征，单独看是非技术的，需要在发明的上下文中帮助产生服务于技术目的的技术效果，才能对发明的技术性作出贡献。

EPO审查指南给出了一些技术目的示例。实践中可以参考这些技术目的在说明书中描述人工智能算法的技术目的，也可以在答复审查意见时将这些示例作为类比的基础。并且，仅仅是能够用于特定的技术目的也是不够的，权利要求必须在功能上限定于特定的技术目的。这种功能上的限定可以通过在技术目的和权利要求的人工智能算法之间建立足够的联系而实现。

EPO审查指南中还指出，通过应用于某一技术领域或适用于特定的技术实施，服务于技术目的，产生技术效果，人工智能算法可认为具有技术性。对于技术领域，目前已经有普遍达成共识的人工智能常见应用领域。实践中也可以参考这些常见应用领域在说明书中描述人工智能算法的技术领域，也可以在答复审查意见时将这些常见应用领域作为类比的基础。对于特定的技术实施，主要考量人工智能算法是否专用于该技术实施，其设计是否基于计算机的内部功能的技术考量。实践中可以在说明书中通过特定的硬件或软件实施环境来强化这一点，尤其需要避免采用通用的计算机系统等描述。

另外，对于上面的示例，权利要求经过了较大的修改才认为具有技术性。由于EPO对修改的严格要求，如需对权利要求进行修改，原始的申请文件如说明书中必须包含足够的技术细节，来提供修改依据。另外，未在说明书中提及，或不能从说明书中得出，而仅在审查过程中提出的技术问题，一般得不到认可，因此需要在说明书中清楚地描述技术问题。

综上，本文希望通过结合具体案例分析EPO对人工智能的专利申请的审查逻辑，探讨可能的应对策略，帮助申请人在欧洲获得人工智能的专利保护。

参考文献：

[1] for in the , 2021.

[2] 计算机实施发明/软件相关发明专利审查对比研究报告. 中国国家知识产权局, 欧洲专利局，2019.

[3] 李永红.《欧洲专利局审查指南》近期修改介绍——关于专利保护客体, 专利代理, 2019, 第2期：3-15.

（来源：）（图源网络，侵权必删）