隆天律丛∣基于复审案例浅谈神经网络的客体问题
Posted 隆天知识产权
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了隆天律丛∣基于复审案例浅谈神经网络的客体问题相关的知识,希望对你有一定的参考价值。
引 言
传统意义上的神经网络一般是指生物体的神经细胞(即神经元)通过细胞体上的突起相互连接而组成的网络,该网络用于产生生物体的意识,帮助生物体进行思考和行动。而人工神经网络(Artificial Neural Network,以下简称为神经网络)是一种模拟生物体的神经元连接网络的数学模型,可以模仿生物体大脑的智能活动来进行数学计算,从而解决各种计算任务。由此可见,神经网络是一种天然地具有“智力”属性的通用性的数学算法,这也导致了神经网络相关的专利申请中的全部内容或者部分内容容易被视为涉及智力活动的规则和方法,进一步地会被认为不属于技术方案而被排除在专利的授权客体之外。
人工神经网络
针对神经网络或者其他涉及人工智能等新业态新领域的专利申请,国家知识产权局在2019年12月31日发布了关于修改《专利审查指南》的公告(第343号)。修改后的《专利审查指南》对涉及人工智能、“互联网+”、大数据以及区块链等的发明专利申请的审查特殊性作出规定,并通过若干审查示例在一定程度上明确了相关专利申请的审查规则,具体对涉及客体问题判断时使用的技术方案的三要素,即技术手段、技术问题、技术效果,做出了详细说明。然而,在专利实务中,由于方案的多样性和复杂性,神经网络的相关申请内容通常难以在抽象的数学算法和具体的技术方案之间进行准确划界。在面对一件专利申请是否属于专利法规定的授权客体的问题时,专利申请人/专利代理师以及专利审查员也往往会因认知上的差异而得出不同的判断结果。
当专利审查员依据《专利法》第2条第2款或者《专利法》第25条第1款的相关规定对一件神经网络相关的专利申请作出不属于专利保护客体的驳回决定时,专利申请人可以根据《专利法》第41条的规定向专利复审委员会请求复审,专利复审委员会在经过复审后可以作出维持原驳回决定或者撤销原驳回决定的复审决定。专利复审程序可以在某些情况下纠正专利审查程序中相关主体的认知错误,而专利复审结果也可以在某种程度上更加客观地反映相关法条规定的适用条件。因此,本文基于若干复审案例对神经网络的客体问题做简单探讨,以期对神经网络相关专利申请的撰写、涉及客体问题的审查意见答复提供一定的参考。
一、关于神经网络的客体问题的三种认知
美 国
欧 洲
中 国
1)神经网络属于一种通用性的算法工具,神经网络的相关结构或者方法依赖于计算机设备的硬件结构,其数据处理过程也必然涉及计算机内部的数据获取、数据传输、数据存储等技术手段。因此,神经网络本身便是一种能够在多种不同的技术领域中进行应用的技术方案,属于专利保护的客体。
2)在涉及神经网络的权利要求中清楚地限定某一个具体的技术领域,基于该技术领域的神经网络的模型结构或者模型训练/优化/应用方法等方案涉及通过计算机程序对该技术领域中的技术数据进行数据处理的技术手段。这种方案属于审查指南第九章规定的涉及计算机程序的发明专利申请,具体涉及通过执行计算机程序处理外部技术数据的情形。因此,与某一具体技术领域相结合的神经网络构成一种技术方案,属于专利保护的客体。
3)在未限定具体技术领域的情况下,对神经网络的结构或者算法步骤进行优化涉及对计算机程序的计算资源、计算效率等方面进行性能优化的技术手段。这种方案属于审查指南第九章规定的涉及计算机程序的发明专利申请,具体涉及通过执行计算机程序改善计算机系统内部性能的情形。因此,即便没有与具体技术领域做结合,基于神经网络对计算性能进行提升优化的方案足以构成技术方案,属于专利保护的客体。
二、涉及多种技术领域的神经网络能否作为通用技术方案而成为专利保护客体
案例1:面向深度学习的稀疏自适应神经网络、算法及实现装置 |
|||
决定号 |
192123 |
决定日 |
2019-09-23 |
申请号 |
201510944909.7 |
申请日 |
2015-12-16 |
案例1的驳回决定所针对的权利要求1内容如下:
案例2:分层型神经网络装置、判别器学习方法以及判别方法 |
|||
决定号 |
195731 |
决定日 |
2019-10-15 |
申请号 |
201480073042.6 |
申请日 |
2014-02-10 |
驳回决定中指出:权利要求1并未明确限定该方法处理的具体技术问题,未与具体的技术领域相结合,解决的问题是通过人的思维活动而进行的方法算法问题,属于一种数学问题而不是技术问题,其实际采用的手段是自定义校正值、权重值配置,属于人为规定,不是技术手段;其方案带来的效果也是算法改进带来的算法/数学效果,而非技术效果,因此,权利要求1所要求保护的解决方案不够成技术方案,不符合专利法第2条第2款的规定。
在复审程序中,复审请求人在权利要求1中增加了“该装置用于与控制、预测或诊断相关的信息处理”以及“学习数据存储部”、“训练数据存储部”、“判别处理部”等涉及数据处理的相关特征,并陈述意见:修改后的权利要求1明确了该装置所应用的技术领域,即,“该装置用于与控制、预测或诊断相关的信息处理”;对于权重和数据的存储、学习和传输等特征均属于技术手段。
针对复审请求人作出的修改以及意见陈述,合议组认为:就“该装置用于与控制、预测或诊断相关的信息处理”而言,是算法数学模型的功能属性,并非专利法意义上的具体的技术领域。至于通过神经网络的具体结构进行权重和数据的存储、学习和传输等特征是算法数学模型构成要素的功能性描述,属于算法数学模型的属性本身,不属于专利法意义上的技术手段。
合议组决定维持国家知识产权局对本申请作出的驳回决定。
基于案例1及案例2的复审结果做如下对比分析:
在以上两个案例中,复审请求人通过陈述意见或者修改权利要求的方式各自为其要求保护的方案限定了多个技术领域,使得相关的神经网络成为可以跨越多个技术领域的通用算法,无法体现神经网络在具体技术领域中的“特殊性”。合议组对两件复审请求均作出了维持驳回决定的复审决定。具体而言:
三、涉及某一指定技术领域的神经网络能否依据执行计算机程序处理外部技术数据的目的而成为专利保护客体
案例3:粒子群优化LVQ神经网络的方法及扰动、谐波检测方法 |
|||
决定号 |
209524 |
决定日 |
2020-04-15 |
申请号 |
201510310098.5 |
申请日 |
2015-06-08 |
案例3的驳回决定所针对的权利要求1内容如下:
一种分布式电源扰动类型的在线检测的方法,其特征在于,包括:利用粒子群优化学习向量量化LVQ神经网络的方法,依据输入的电能质量信号中的扰动类型信息,对所述电能质量信号的扰动类型进行检测,
其中,利用粒子群优化学习向量量化LVQ神经网络的过程,包括:
建立粒子群,其中所述粒子群中粒子的位置的分量与LVQ神经网络中的连接权值一一对应;
利用粒子群迭代算法,迭代更新所述粒子群中所有粒子的位置和速度;
其中,每次更新粒子的位置和速度后,均计算每个粒子的最优适应度位置,并利用得到的粒子的最优适应度位置获取粒子群的最优适应度位置,以及,利用所述粒子群的最优适应度位置更新所述LVQ神经网络的所述连接权值;
当所述粒子群迭代算法达到设定的迭代次数,或,所述LVQ神经网络的实际输出和预期输出的差值满足预设范围时,停止对粒子群中粒子位置和速度的更新;
所述每次更新粒子的位置和速度后,均计算每个粒子的最优适应度位置,包括:
每次更新粒子的位置和速度后,计算粒子当前的适应度值;
依次判断每个粒子当前的所述适应度值是否优于其当前的最优适应度位置对应的适应度值,如果是,则利用粒子的当前位置替换所述粒子的最优适应度位置;
所述计算粒子当前的适应度值,包括:
利用公式计算粒子当前的适应度值;
其中,N为训练样本总数;和分别为相应于第i个训练样本的输出层的期望输出和实际输出。
案例4:一种神经网络训练方法及装置 |
|||
决定号 |
206423 |
决定日 |
2020-03-18 |
申请号 |
201710450211.9 |
申请日 |
2017-06-15 |
驳回决定中指出:权利要求1请求保护的方案不涉及任何应用领域,解决的问题是模型训练本身,模型训练过程中所使用的神经网络的输入输出并未限定具体技术领域的具体物理参数,因此,该方法实际上要保护的对象仅限定单纯的算法,因而权利要求实质上要保护的是一种智力活动的规则和方法,属于专利法第25条第1款第2项所述的智力活动的规则和方法的范围。
在复审程序中,复审请求人在权利要求1中增加了特征“在实时的计算机视觉处理过程中,低计算能力的处理设备获取图像数据;所述处理设备使用预先设置的目标网络对获取到的图像数据进行计算机视觉处理,得到计算机视觉处理结果;其中,所述目标网络是通过如下处理得到的:”,并同时将权利要求书中的“样本数据”修改为“样本图像数据”。
针对复审请求人作出的修改以及意见陈述,合议组认为:复审请求人修改后增加的特征属于技术特征,因而该权利要求就其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条被排除其获得专利权的可能性。该方案需要通过低计算能力的处理设备将图像数据进行处理,其中“处理”、“获取”等数据采集和数据处理的执行属于利用了遵循自然规律的技术手段,解决了技术问题,并获得了技术效果,符合专利法第2条第2款的规定。
合议组决定撤销国家知识产权局对本申请作出的驳回决定。
四、未涉及具体技术领域的神经网络能否依据改善计算机系统内部性能的目的而成为专利保护客体
|
|||
|
|
|
|
|
|
|
|
案例5的驳回决定所针对的权利要求1内容如下:
一种用于压缩神经网络的方法,包括:
获取待压缩的经训练后的神经网络;
从所述神经网络的各层中选取至少一层作为待压缩层;
按照待压缩层在所述神经网络中所处的层级的层级数由大到小的顺序,依次对每个待压缩层执行以下处理步骤:基于该待压缩层所包括的参数的总数量确定裁剪比率,基于所述裁剪比率和参数值阈值,从该待压缩层所包括的参数中选取参数进行裁剪,并利用机器学习方法,基于预置的训练样本对经裁剪后的神经网络进行训练;
将对选取出的各个待压缩层进行所述处理步骤后所得的神经网络确定为经压缩后的神经网络,并存储所述经压缩后的神经网络。
|
|||
|
|
|
|
|
|
|
|
案例6的驳回决定所针对的权利要求1内容如下:
基于案例5及案例6的复审结果做如下对比分析:
在以上两个案例中,复审请求人均在复审程序的意见陈述中阐明其要求保护的方案能够改善计算机系统的内部性能,合议组依据不同的理由对两件复审请求均作出了撤销驳回决定的复审决定。具体而言:
五、结论
基于以上对与神经网络的客体问题相关的复审案例进行的分析和比较,可得到如下结论:
隆天联鼎知识产权代理有限公司
电学部副经理
资深专利代理师
↑↑↑长按二维码识别关注
以上是关于隆天律丛∣基于复审案例浅谈神经网络的客体问题的主要内容,如果未能解决你的问题,请参考以下文章
干货书应用深度学习,425页pdf概述基于案例的深度神经网络理解方法
基于BP神经网络的草莓等级识别,BP神经网络的详细原理,神经网络1000案例之7
FPGA教程案例59深度学习案例6——基于FPGA的CNN卷积神经网络之整体实现