点击章节题目阅读其他章节：
第二章 主要国家和地区的人工智能产业政策、知识产权的立体保护和专利申请态势
第三章 中国及其他主要法域的人工智能专利保护
随着人工智能（AI）技术的日新月异，各国都在不断探索人工智能技术以及其他新领域、新业态技术的创新对于专利保护制度带来的新的挑战和保护制度方面的完善需求。本文下面以IP五局（中国国家知识产权局、美国专利商标局、欧洲专利局、日本专利局、韩国专利局）所在的国家/地区的专利制度和实务为例，介绍中国及其他主要法域的AI专利保护。
3.1 中国的人工智能专利实务
3.1.1实务中应考虑的因素
与普通专利类似，人工智能领域专利的撰写和授权程序的实务需要兼顾专利的获得和获得后专利权的行使。
专利权的获得主要的考虑是符合《专利法》、《专利法实施细则》和《专利审查指南》。
专利权的行使主要考虑的因素包括：
· 在独立权利要求中限定较宽的范围，在从属权利要求中布置附加的技术特征，以保证合理的子范围层次；
· 考虑整个产业链，撰写多套权利要求以涵盖所有有价值的主题，从而避免缩限技术方案的应用场景；
· 便于侵权的认定；
· 提高专利稳定性，避免被无效。
3.1.2与专利权的获得相关的主要法律规范
与人工智能相关的专利权的获得主要涉及到《专利法》、《专利法实施细则》、《专利审查指南》的如下条款。如下表所示。
3.1.3授权客体
3.1.3.1专利审查指南针对AI相关发明的授权客体的规定
在中国，授权客体主要涉及《专利法》的两个条款，即第二条和第二十五条。
根据《专利法》第二条第二款的规定，“发明”是指对产品、方法或者其改进所提出的新的技术方案。换言之，在中国任何发明专利申请都必须构成技术方案。在确定技术方案时，我国采用“三要素标准”（即技术问题、技术手段和技术效果）。在这一标准下，技术方案应当旨在通过使用符合自然规律的技术手段解决技术问题，并能够产生符合自然规律的技术效果。
根据《专利法》第二十五条第一款第（二）项的规定，智力活动的规则和方法由于一般不解决任何技术问题，因而不属于技术方案，因此不能授予专利权。因此，单纯的算法或数学规则作为智力活动的规则和方法被排除获得专利权的可能性。
专利审查指南第二部分第九章第6节对“包含算法特征或商业规则和方法特征的发明专利申请”的审查特殊性给出了具体规定。这类发明专利申请涉及“人工智能”、“互联网+”、“大数据”以及“区块链”等。本节涉及与授权客体、新颖性/创造性以及权利要求书和说明书的撰写要求有关的审查规则，并具体结合十个例子说明了关于授权主题和新颖性/发明性的审查规则。下面首先介绍授权客体的相关内容。
根据审查指南该部分的规定，与新领域相关的申请首先依据《专利法》第二十五条进行审查，如果申请通过第二十五条的审查，即该申请不是智力活动的规则或方法，则根据《专利法》第二条进行审查，即审查申请是否为技术方案。
（1） 专利法第二十五条的审查规则
对第二十五条的审查，如果权利要求除包括智力活动的规则和方法特征外，还包括技术特征，则该权利要求整体不视为智力活动的规则和方法，因此不能根据第二十五条排除其获得专利权的可能性。相反，如果权利要求不包括任何技术特征，而仅包括智力活动的规则和方法特征，则该权利要求被视为智力活动的规则和方法，应根据第二十五条予以排除。
[示例1]
示例1示出了一种没有任何技术特征的智力活动方法。示例1是一种建立数学模型的方法。该示例的权利要求如下。
一种建立数学模型的方法，其特征在于，包括以下步骤：
根据第一分类任务的训练样本中的特征值和至少一个第二分类任务的训练样本中的特征值，对初始特征提取模型进行训练，得到目标特征提取模型；其中，所述第二分类任务是与所述第一分类任务相关的其它分类任务；
根据所述目标特征提取模型，分别对所述第一分类任务的每个训练样本中的特征值进行处理，得到所述每个训练样本对应的提取特征值；
将所述每个训练样本对应的提取特征值和标签值组成提取训练样本，对初始分类模型进行训练，得到目标分类模型；
将所述目标分类模型和所述目标特征提取模型组成所述第一分类任务的数学模型。
该方法包括处理特征值和训练模型的步骤。但是，该方法不涉及任何特定的应用领域。因此，该方法中的特征值是抽象的数学数据，处理步骤是抽象的数学方法步骤，得到的模型是抽象的通用分类模型。因此，示例1的解决方案不涉及任何技术特征，属于第二十五条规定的智力活动的方法。
（2） 专利法第二条的审查规则
对于第二条，权利要求是否为技术方案，以权利要求整体是否采用符合自然规律的技术手段解决技术问题并达到技术效果为依据。特别是，如果权利要求中限定的算法步骤与技术问题相关并达到技术效果，则该权利要求原则上属于技术方案。例如，如果算法处理的数据是技术领域中具有确切技术含义的数据，算法的执行涉及使用自然规律来解决技术问题，则可以认为算法步骤与技术问题相关。
下面的示例2至示例6涉及基于第二条的审查，其中示例2至示例4被认为是技术方案，示例5、示例6被认为不是技术方案。
[示例2]
示例2涉及一种卷积神经网络（Convolutional Neural Network，CNN）模型的训练方法。该示例的权利要求如下：
一种卷积神经网络CNN模型的训练方法，其特征在于，所述方法包括：
获取待训练CNN模型的初始模型参数，所述初始模型参数包括各级卷积层的初始卷积核、所述各级卷积层的初始偏置矩阵、全连接层的初始权重矩阵和所述全连接层的初始偏置向量；
获取多个训练图像；
在所述各级卷积层上，使用所述各级卷积层上的初始卷积核和初始偏置矩阵，对每个训练图像分别进行卷积操作和最大池化操作，得到每个训练图像在所述各级卷积层上的第一特征图像；
对每个训练图像在至少一级卷积层上的第一特征图像进行水平池化操作，得到每个训练图像在各级卷积层上的第二特征图像；
根据每个训练图像在各级卷积层上的第二特征图像确定每个训练图像的特征向量；
根据所述初始权重矩阵和初始偏置向量对每个特征向量进行处理，得到每个训练图像的类别概率向量；
根据所述每个训练图像的类别概率向量及每个训练图像的初始类别，计算类别误差；
基于所述类别误差，对所述待训练CNN模型的模型参数进行调整；
基于调整后的模型参数和所述多个训练图像，继续进行模型参数调整的过程，直至迭代次数达到预设次数；
将迭代次数达到预设次数时所得到的模型参数作为训练好的CNN模型的模型参数。
该方法在各级卷积层上对训练图像进行卷积操作和最大池化操作后，进一步对最大池化操作后得到的特征图像进行水平池化操作，使训练好的CNN模型在识别图像类别时能够识别任意尺寸的待识别图像。本示例中，训练方法各步骤处理的数据为图像数据，反映出训练算法与图像信息处理的特定技术领域相关。本示例的训练方法解决了CNN模型仅能识别具有固定尺寸的图像的技术问题，通过在不同卷积层上对图像进行不同处理并训练的技术手段，达到能够识别任意尺寸图像的技术效果。因此，示例2属于第二条规定的技术方案。
[示例3]
示例3涉及一种关于共享单车的使用方法。该示例的权利要求如下：
一种共享单车的使用方法，其特征在于，包括以下步骤：
步骤一，用户通过终端设备向服务器发送共享单车的使用请求；
步骤二，服务器获取用户的第一位置信息，查找与所述第一位置信息对应一定距离范围内的共享单车的第二位置信息，以及这些共享单车的状态信息，将所述共享单车的第二位置信息和状态信息发送到终端设备，其中第一位置信息和第二位置信息是通过GPS信号获取的；
步骤三，用户根据终端设备上显示的共享单车的位置信息，找到可以骑行的目标共享单车；
步骤四，用户通过终端设备扫描目标共享单车车身上的二维码，通过服务器认证后，获得目标共享单车的使用权限；
步骤五，服务器根据骑行情况，向用户推送停车提示，若用户将车停放在指定区域，则采用优惠资费进行计费，否则采用标准资费进行计费；
步骤六，用户根据所述提示进行选择，骑行结束后，用户进行共享单车的锁车动作，共享单车检测到锁车状态后向服务器发送骑行完毕信号。
该方法中，用户通过用户终端设备向服务器发起租赁单车的使用请求，服务器基于用户终端设备的位置向用户终端设备提供用户周围的共享单车的位置信息和状态信息，用户可以基于用户终端设备上显示的信息找到可用的共享单车。该方法利用用户终端设备和服务器中的计算机程序来控制或引导用户使用共享单车的方式。权利要求涉及的收集、计算和使用权利要求涉及的位置信息和状态信息是解决轻松且准确地寻找共享单车这一技术问题的技术手段。因此，示例3属于第二条规定的技术方案。
[示例4]
示例4涉及一种区块链节点间通信方法。该示例的权利要求如下：
一种区块链节点通信方法，区块链网络中的区块链节点包括业务节点，其中，所述业务节点存储证书授权中心CA发送的证书，并预先配置有CA信任列表，所述方法包括：
第一区块链节点接收第二区块链节点发送的通信请求，其中，所述通信请求中携带有第二区块链节点的第二证书；
确定所述第二证书对应的CA标识；
判断确定出的所述第二证书对应的CA标识，是否存在于所述CA信任列表中；
若是，则与所述第二区块链节点建立通信连接；
若否，则不与所述第二区块链节点建立通信连接。
该通信方式使用CA证书和预先配置的CA信任列表来提高存储在区块链中的数据的安全性。使用证书增强通信安全是一种符合自然规律的解决技术问题的技术手段。因此，示例4属于第二条规定的技术方案。
[示例5]
示例5涉及一种消费返利的方法。该示例的权利要求如下：
一种消费返利的方法，其特征在于，包括以下步骤：
用户在商家进行消费时，商家根据消费的金额返回一定的现金券，具体地，
商家采用计算机对用户的消费金额进行计算，将用户的消费金额R划分为M个区间，其中，M为整数，区间1到区间M的数值由小到大，将返回现金券的额度F也分为M个值，M个数值也由小到大进行排列；
根据计算机的计算值，判断当用户本次消费金额位于区间1时，返利额度为第1个值，当用户本次消费金额位于区间2时，返利额度为第2个值，依次类推，将相应区间的返利额度返回给用户。
该方法利用计算机基于消费金额执行一套返利规则，为消费者提供优惠券，提高消费者的消费意愿。在这种方法中，返利规则是一种人为的规则，不受自然规律的约束。因此，虽然该方法由计算机执行，但计算机并不运行受自然规律约束的程序。因此，示例5不属于第二条规定的技术方案。
[示例6]
示例6涉及一种基于用电特征的经济景气指数分析方法。该示例的权利要求如下：
一种基于地区用电特征的经济景气指数分析方法，其特征在于，包括以下步骤：
根据待检测地区的经济数据和用电数据，选定待检测地区的经济景气指数的初步指标，其中，所述初步指标包括经济指标和用电指标；
通过计算机执行聚类分析方法和时差相关分析法，确定所述待检测地区的经济景气指标体系，包括先行指标、一致指标和滞后指标；
根据所述待检测地区的经济景气指标体系，采用合成指数计算方法，获取所述待检测地区的经济景气指数。
该方法通过在计算机上执行分析算法，基于区域的用电特征评估区域的经济景气指数。该示例使用的工具受经济规律而非自然规律约束，因此不属于第二条规定的技术方案。
以上为当前专利审查指南对AI相关客体问题的规定。2021年8月，为了适应新专利法的实施，国家知识产权局发布了《专利审查指南》的修改征求意见稿。在该征求意见稿中，上述第二部分第9章第6节的内容没有审查原则上的变化，但对客体问题和新颖性创造性的审查补充了几点操作上的具体规则和几个示例。具体地，对于客体问题的审查，补充了“如果权利要求的解决方案涉及深度学习、分类聚类等人工智能、大数据算法的改进，该算法与计算机系统的内部结构存在特定技术关联，能够解决如何提升硬件运算效率或执行效果的技术问题，包括减少数据存储量、减少数据传输量、提高硬件处理速度等，从而获得符合自然规律的计算机系统内部性能改进的技术效果，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。”以及“如果权利要求的解决方案处理的是具体应用领域的大数据，利用分类聚类、回归分析、神经网络等挖掘数据中符合自然规律的内在关联关系，据此解决如何提升具体应用领域大数据分析可靠性或精确性的技术问题，并获得相应的技术效果，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。”该征求意见稿对AI相关发明的客体问题给出了更明确和更具可操作性的指引。
3.1.3.2 AI技术各层涉及的授权客体问题
如前所述，AI技术大致可以分为三层：应用层、技术服务层和基础设施层。这些技术层涉及的可专利主题如下图所示。本节将主要讨论每个技术层可能出现的授权客体问题。根据上文介绍的授权客体问题审查原则和规则的介绍，AI技术中可能出现授权客体问题的技术主要涉及基础设施层中的“数据”、“算法”以及应用层解决方案中的“商业方法”。
图3.1.3-1
3.1.3.2.1 AI领域涉及 “数据”的专利申请的授权客体
- 考虑的问题：
涉及大数据和数据库的权利要求是否仅与信息表示方法有关。
- 标准：
1. 没有任何技术特征
如果所涉及的主题没有任何技术特征，限定的内容仅仅是一种人为定义的数据录入表达形式、人为定义的排列或定义的数据字段，那么它实际上是一种信息表示方法，权利要求保护的本质是一组特定的数据，其属于智力活动的规则和方法，不符合授权条件。
2. 包含技术特征
如果所涉及的主题包含技术特征，尽管主题名称与数据或数据库相关，但限定的内容不仅仅是一种人为定义的数据录入表达形式、人为定义的排列或定义的数据字段，也不是一种信息表示方法，因此不属于智力活动的规则和方法。
- 撰写建议：
如果虽然涉及数据架构，但是通过这种数据架构来实现一定的数据处理，整体方案采用存储、索引等技术手段来解决减少冗余、降低存储空间需求的技术问题，并带来相应的技术效果，则其构成技术方案，属于可专利的主题。专利文件的撰写方式不仅应描述数据本身的特征，而且应反映对数据进行特定处理的技术特征。
- AI领域涉及“数据”的专利申请的授权客体问题的示例性权利要求
3.1.3.2.2 AI领域涉及“算法”的专利申请的授权客体
- 考虑的问题：
涉及算法的权利要求是否只是算法或数据计算规则或程序本身。
- 标准：
1. 单纯的算法或计算规则
由于纯算法或计算规则只涉及使用计算机程序进行数值运算，属于智力活动的规则和方法，因此不能授予专利权。
2. 算法与通用计算机的结合
如果该结合能够体现计算机系统内部性能的改进，则该结合应为可专利的主题。
在通用计算机上执行算法的操作通常不被视为单纯的智力活动的规则和方法，因为权利要求包括执行数学运算的通用计算机。然而，这样的解决方案仍可能因为未采用技术手段解决技术问题而被认为不属于技术方案，不符合专利法第二条第二款。因此，在算法与通用计算机结合的方案中，需要进一步考虑是否解决技术问题和带来技术效果。如果算法的改进带来了计算机性能的改进，则表明解决了技术问题和带来了技术效果，因而该结合属于可专利的主题。
3. 算法与特定技术领域的结合
在算法与应用技术领域相结合的情况下，算法所涉及的参数反映了该技术领域的物理意义，整体解决方案不再是数值运算，而是解决特定应用领域的技术问题，因而不属于智力活动的规则和方法，而是技术方案。
- 撰写建议：
1. 在AI算法的每个具体步骤与要解决的问题之间建立明确的技术关联；
2. 将AI算法的计算和数据方面的因素与相应的技术构思关联起来；
3. 尽量结合计算机处理技术描述相关数据处理，以便更清晰地区分数据处理与抽象数学运算；
4. 强调技术方案整体上具备技术问题、技术手段和技术效果三个技术要素，强调通过应用AI算法进行特定技术领域的数据处理能够解决该领域的技术问题。
- AI领域涉及“算法”的专利申请的授权客体问题的示例性权利要求：
3.1.3.2.3 AI领域涉及“商业方法”的专利申请的授权客体
- 考虑的问题：
与商业方法有关的权利要求是否涉及技术特征并解决技术问题
- 标准：
涉及商业方法的权利要求，如果既包含商业规则和方法的内容，又包含技术特征，并且采用自然规律解决了技术问题，则属于可专利的主题。
- 撰写建议：
1. 对于涉及AI辅助的商业方法，应在权利要求中体现规则与技术的结合。
2. 对于涉及AI辅助的商业方法，解决方案应体现自然规律。
- AI领域涉及“商业方法”的专利申请的授权客体问题的示例性权利要求：
3.1.4新颖性/创造性
如上文所述，专利审查指南第二部分第九章第6节对“包含算法特征或商业规则和方法特征的发明专利申请”的审查特殊性给出了具体规定。本节介绍新颖性创造性的相关内容。
作为基本原则，权利要求中记载的所有特征（包括技术特征，算法特征或商业规则和方法特征）在审查时均应作为一个整体考虑，不得简单割裂技术特征与算法特征或商业规则和方法特征。该原则禁止审查员简单地忽略算法特征或商业规则和方法特征（例如算法和商业规则），这些特征很可能是相关新领域的发明点。
新颖性审查时，应当考虑权利要求中限定的所有特征，包括技术特征和算法特征或商业规则和方法特征。
创造性审查时，应将与技术特征功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征与所述技术特征作为一个整体考虑。换言之，审查员在创造性审查中不能直接忽略算法或商业规则和方法特征，而需要考虑算法或商业规则和方法特征是否在功能上支持技术特征，并与技术特征存在相互作用关系，以确定该算法或商业规则和方法特征是否对现有技术具有技术贡献。如果算法或商业规则和方法特征对现有技术具有技术贡献，则算法或商业规则和方法特征应视为对创造性审查具有贡献；否则，不应视为对创造性审查具有贡献。“功能上彼此相互支持、存在相互作用关系”是指算法特征或商业规则和方法特征与技术特征紧密结合、共同构成了解决某一技术问题的技术手段,并且能够得相应的技术效果。
下面介绍专利审查指南针对创造性审查的4个示例。在示例1和示例2中，相对于最接近的现有技术的区别特征是算法特征，但是这些算法特征和相关技术特征功能上彼此相互支持且存在相互作用关系，因此，将这些算法特征与技术特征一起考虑来评价创造性。示例3中，相对于最接近的现有技术的区别特征包括技术特征和商业规则特征，它们功能上彼此相互支持且存在相互作用关系，因此，将这些技术特征和商业规则特征一起考虑来评价创造性。示例4中，相对于最接近的现有技术的区别特征是智力活动的规则特征，在功能上不支持技术特征，也不与技术特征存在相互作用关系。因此，该智力活动规则的特征不被认为对现有技术具有技术贡献。
[示例1]
示例1涉及一种基于多传感器信息仿人机器人跌倒状态检测。该示例的权利要求如下：
一种基于多传感器信息仿人机器人跌倒状态检测方法，其特征在于包含如下步骤：
（1）通过对姿态传感器信息、零力矩点ZMP传感器信息和机器人步行阶段信息进行融合，建立分层结构的传感器信息融合模型；
（2）分别利用前后模糊决策系统和左右模糊决策系统来判定机器人在前后方向和左右方向的稳定性，具体步骤如下：
①根据机器人支撑脚和地面之间的接触情况与离线步态规划确定机器人步行阶段；
②利用模糊推理算法对ZMP点位置信息进行模糊化；
③利用模糊推理算法对机器人的俯仰角或滚动角进行模糊化；
④确定输出隶属函数；
⑤根据步骤①到步骤④确定模糊推理规则；
⑥去模糊化。
该权利要求相对于最接近的现有技术的区别特征是特定的模糊算法。该特定模糊算法以姿态信息、ZMP点位置信息和步行阶段信息为输入参数，计算信息确定仿人机器人的稳定状态，为进一步发出准确的姿态调整指令提供依据。因此，上述算法特征与权利要求中限定的其他技术特征（例如确定仿人机器人稳定状态）紧密结合，形成一种技术手段，即在功能上彼此相互支持且彼此相互作用，应当综合考虑来评价创造性。由于没有现有技术公开或教导使用上述模糊算法来确定仿人机器人的稳定状态，因此，示例1的解决方案被认为具有创造性。
[示例2]
示例2涉及一种基于合作协进化和多种群遗传算法的多机器人路径规划系统。该示例的权利要求如下：
一种基于合作协进化和多种群遗传算法的多机器人路径规划系统，其特征在于：
（1）机器人的一条路径采用一个染色体表示，染色体就表示成节点的链表形式，即[（x，y），time]，（x，y，time∈R），（x，y）表示机器人的位置坐标，time表示从前一个节点移动本节点需要的时间消耗，开始节点的time等于0，每个机器人个体的染色体除了初始节点的初始位置，结束节点的目标位置固定以外，中间节点和节点个数都是可变的；
（2）每个机器人Robot（i）的路径path（j）的适应度函数表示成φ（pi，j）：
||pi，j||=Distance（pi，j）+ws×smooth（pi，j）+wt×Time（pi，j）
其中||pi，j||是距离、平滑度和时间消耗的线性组合，ws是平滑加权因子，wt是时间加权因子；Distance（pi，j）表示路径长度，smooth（pi，j）表示路径的平滑度，Time（pi，j）是路径pi，j的时间消耗；每个机器人采用所述适应度函数，通过Messy遗传算法优化得到最优路径。
该权利要求相对于最接近的现有技术的区别特征是用于多机器人路径规划的Messy遗传算法。机器人的前进路径是通过优化 Messy 遗传算法获得的。因此，上述算法特征与权利要求中限定的其他技术特征（例如机器人的路径、位置等）紧密结合，形成一种技术手段，即在功能上彼此相互支持且彼此相互作用，应当综合考虑来评价创造性。但是，在示例2中，另一个现有文件公开了使用各种遗传算法来优化路径，且Messy遗传算法可以获得更好的优化结果。因此，结合两个现有技术文件，示例2的解决方案被认为缺乏创造性。
[示例3]
示例3涉及一种物流配送方法。该示例的权利要求如下：
一种物流配送方法，其通过批量通知用户取件的方式来提高物流配送效率，该方法包括：
当派件员需要通知用户取件时，派件员通过手持的物流终端向服务器发送货物已到达的通知；
服务器批量通知派件员派送范围内的所有订货用户；
接收到通知的订货用户根据通知信息完成取件；
其中，服务器进行批量通知具体实现方式为，服务器根据物流终端发送的到货通知中所携带的派件员ID、物流终端当前位置以及对应的配送范围，确定该派件员ID所对应的、以所述物流终端的当前位置为中心的配送距离范围内的所有目标订单信息，然后将通知信息推送给所有目标订单信息中的订货用户账号所对应的订货用户终端。
该权利要求相对于最接近的现有技术的区别特征是批量通知派送范围内的所有订货用户，而不是一一通知，相应地具有不同的具体通知实施方式，例如不同的数据架构和通信方式。通知规则的特征和具体通知实施方式的特征在功能上彼此相互支持且彼此相互作用，应当综合考虑。由于没有现有技术公开或教导使用上述特征来提高派送效率，因此，示例3的解决方案被认为具有创造性。
[示例4]
示例4涉及一种动态观点演变的可视化方法。该示例的权利要求如下：
一种动态观点演变的可视化方法，所述方法包括：
步骤一，由计算设备确定所采集的信息集合中信息的情感隶属度和情感分类，所述信息的情感隶属度表示该信息以多大概率属于某一情感分类；
步骤二，所述情感分类为积极、中立或消极，具体分类方法为：如果点赞的数目p除以点踩的数目q的值r大于阈值a，那么认为该情感分类为积极，如果值r小于阈值b，那么认为该情感分类为消极，如果值b≤r≤a,那么情感分类为中立，其中a>b；
步骤三，基于所述信息的情感分类，自动建立所述信息集合的情感可视化图形的几何布局，以横轴表示信息产生的时间，以纵轴表示属于各情感分类的信息的数量；
步骤四，所述计算设备基于所述信息的情感隶属度对所建立的几何布局进行着色，按照信息颜色的渐变顺序为各情感分类层上的信息着色。
该方法自动收集人们在社交平台上发布的事件信息，分析信息中的情绪，并通过着色图将情绪随时间的变化可视化地显示在计算机中。最接近的现有技术公开了一种类似的方法，区别仅在于示例4的方案使用不同的情绪分类规则来确定情绪及其变化。情感分类规则是人为制定的规则，该规则不影响着色过程。换句话说，情感分类规则的特征和着色过程的技术特征并非功能上彼此相互支持、存在相互作用关系。因此，该区别特征被认为是智力活动规则的孤立特征，即使没有现有技术文件公开该特征，示例4的方案由于对现有技术没有技术贡献，也被认为缺乏创造性。
3.1.5权利要求的撰写
3.1.5.1 符合授权条件的考虑
· 主题名称的要求
根据现行《审查指南》，与计算机程序有关的发明专利申请的权利要求可以写成过程（方法）权利要求或产品权利要求，即执行该过程的装置。模棱两可的权利要求主题，例如“一种用于……的技术” 或“一种用于……的算法”是不被允许的，因为不清楚其要求保护产品还是方法。
一般认为在中国可申请专利的“产品”应该是物理存在的产品，而不能是程序、模型等无形对象。因此，直接要求保护算法或数学模型的权利要求在中国不具有可专利性。根据现行专利《审查指南》，软件相关专利的权利要求一般可以撰写为“方法”、“装置”和“计算机可读存储介质”。然而，根据2021年8月公布的专利审查指南的修改征求意见稿，“计算机程序产品”也将成为可接受的权利要求形式，例如“一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现以下步骤：……”
此外，对于AI相关的发明，建议在独立权利要求及其主题部分中指明利用AI的技术领域或应用场景，以便该权利要求可以构成在中国被允许的技术方案。
例如，假设在自动驾驶汽车技术领域应用了预测模型或学习模型，以预测车辆将采取的行为或行动，则可以将发明的独立权利要求起草为产品权利要求，例如：“一种由处理器和存储计算机可执行指令的存储器组成的无人驾驶汽车，当处理器执行这些指令时，会导致处理器执行操作包括……（预测模型的具体操作）”，和/或方法权利要求，例如，“一种预测无人驾驶汽车行为的方法，所述方法包括……（预测模型的具体操作）”。
· 技术方案的要求
首先，根据上文对授权客体的说明，权利要求所保护的方案应当是技术方案，必须满足专利法及审查指南对保护客体的要求。
此外，对于AI相关的权利要求的技术方案的撰写在实务中还应当注意以下问题。
（1）无论写成哪种形式的权利要求，都必须从整体上反映该发明的技术方案，记载解决技术问题的必要技术特征，而不能只概括地描述该计算机程序所具有的功能和该功能所能够达到的效果。如果写成方法权利要求，应当按照方法流程的步骤详细描述该计算机程序所执行的各项功能以及如何完成这些功能；如果写成产品（如仪器、装置）权利要求，应当具体描述计算机程序的各种功能的组件部分的执行步骤。
（2）对于AI相关的发明，权利要求通常包括技术特征和非技术特征（例如算法或数学模型）。根据现行《审查指南》，权利要求同时包含技术特征和非技术特征时，不应仅仅因为非技术特征而被排除获得专利权的可能性。但是，如果非技术特征对解决技术问题没有贡献，则在确定权利要求保护的技术方案的新颖性/创造性时，可以不予考虑。因此，将非技术特征撰写为与技术特征密切相关以便与技术特征共同发挥作用来解决技术问题是非常重要的。
· 创造性的要求
中国采用三步法来确定权利要求所限定的解决方案的创造性，包括：步骤1，确定最接近的现有技术；步骤2，确定发明的区别特征和发明实际解决的技术问题 ；步骤3，确定要求保护的发明对于本领域技术人员而言是否显而易见。
根据现行《审查指南》，对于AI相关发明，对既包含技术特征又包含算法特征或商业规则和方法特征的发明专利申请进行创造性审查时，应将与技术特征功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征与所述技术特征作为一个整体考虑。“功能上彼此相互支持、存在相互作用关系”是指算法特征或商业规则和方法特征与技术特征紧密结合、共同构成了解决某一技术问题的技术手段,并且能够获得相应的技术效果。例如，如果权利要求中的算法应用于具体的技术领域，可以解决具体技术问题，那么可以认为该算法特征与技术特征功能上彼此相互支持、存在相互作用关系，该算法特征成为所采取的技术手段的组成部分，在进行创造性审查时，应当考虑所述的算法特征对技术方案作出的贡献。再如，如果权利要求中的商业规则和方法特征的实施需要技术手段的调整或改进，那么可以认为该商业规则和方法特征与技术特征功能上彼此相互支持、存在相互作用关系，在进行创造性审查时，应当考虑所述的商业规则和方法特征对技术方案作出的贡献。因此，非常重要的是在权利要求中描述非技术特征如何与特定应用场景中的技术特征相互作用，从而共同为解决技术问题做出贡献。
· 得到说明书支持的要求
根据中国《专利法》第二十六条第四款，“权利要求书应当以说明书为依据，清楚、简要地限定要求专利保护的范围”。
为了获得较宽的保护范围，权利要求特别是独立权利要求所限定的技术方案通常是说明书中所公开的实施例的概括。然而，这样的概括往往会在审查员的审查意见中以权利要求的保护范围不受说明书的支持为由遭到驳回。在这种情况下，如果说明书中没有记载足够数量的实施例，申请人的争辩就很难被审查员接受，继而，权利要求往往需要被具体限制为与说明书的公开内容保持一致。
对于AI相关的发明，例如，如果说明书中只公开了一种算法来解决技术问题，一般不允许在独立权利要求中概括一个通用术语，例如“算法”。相反，应用场景中算法的具体参数可能需要记载到独立权利要求中。
· 保护范围清楚的要求
根据中国《专利法》第二十六条第四款，“权利要求书应当以说明书为依据，清楚、简要地限定要求专利保护的范围”。
应当以清楚、简要的特征限定权利要求，以便权利要求可以被建构为具有明确的保护范围。因此，应尽可能避免在权利要求中使用冗长而模棱两可的句子。
3.1.5.2 充分保护的考虑
· 权利要求撰写的适当层次
在独立权利要求中，撰写较大的保护范围，并进一步限制附加的技术特征以在从属权利要求中形成较小的保护范围，以便建立合理的保护等级和层次。建立合理的保护等级和层次的目的是使专利的保护范围具有可扩展性，例如，撰写从属权利要求使其包括在技术问题解决方案的基础上解决的额外非技术问题、在技术手段的基础上的额外非技术手段、以及在实现技术效果的基础上实现的额外非技术效果，都可以有所帮助，从而在授权程序和无效宣告程序中提供多层次的灵活防卫体系，如下图所示。
· 权利要求涵盖的主题
为便于专利权利的实施，应考虑整个产业链的情况，尽量撰写多套权利要求以涵盖所有有价值的主题，同时对方法、设备、存储介质和系统主张权利要求。
以下是一些建议的撰写的示例：
1. 一种基于神经网络的图像语义分割方法，其中所述神经网络包括输入层、中间层和输出层，所述图像语义分割方法包括：……
2. 一种用于图像语义分割的神经网络的训练方法，其中所述神经网络包括输入层、中间层和输出层，所述训练方法包括：……
3. 一种图像语义分割设备，所述图像语义分割设备包括：
存储器，用于存储非暂时性计算机可读命令；以及
处理器，用于运行所述计算机可读命令以使所述图像语义分割设备能够执行……
4. 一种训练装置，所述训练装置包括：
存储器，用于存储非暂时性计算机可读命令；以及
处理器，用于运行所述计算机可读命令以使所述训练装置执行用于图像语义分割的神经网络的训练方法......
5. 一种计算机可读存储介质，用于存储非暂时性计算机可读命令，当计算机执行该命令时，使所述计算机能够执行基于神经网络的图像语义分割方法......
6. 一种基于神经网络的图像语义分割方法，包括：
图像采集设备；
通信设备；
处理设备……
· 考虑在行使权利阶段便于专利权的实施
为便于侵权认定，撰写权利要求应当考虑以下三个方面：侵权对象容易认定、侵权直接成立、支持较高的赔偿金额，如下图所示。
3.1.6说明书的撰写
· 专利授权客体的要求
为了体现AI相关发明属于授权客体，AI相关发明的说明书应当以能够构成技术方案的形式撰写，即技术问题、技术手段和技术效果三要素应在说明书中得到实质性的体现。
AI相关的发明通过使用计算模型和/或算法来执行特定任务是很常见的，然而根据专利法，这些发明可能被视为智力活动的规则和方法。因此，要想在中国获得专利权，AI相关的发明必须服务于技术目的，解决技术问题。也就是说，应当在说明书中记载使用AI的技术领域或技术应用场景。
根据现行的《审查指南》，技术问题的说明需要包含在说明书中，但在实践中，缺少技术问题并不是必须纠正的缺陷。也就是说，发明所解决的技术问题并不一定需要在说明书中明确记载。所以原则上申请人可以自己决定是否在说明书中包含对技术问题的明确说明。
一般而言，我们不建议在说明书中具体说明技术问题，因为这将使本发明被限制到解决该具体技术问题。实践中，专利权人在侵权诉讼中行使专利权或在他人提起的无效宣告程序中为专利权辩护时，通常不允许专利权人将技术问题改变为说明书中未记载的其他技术问题。然而，如果AI相关的发明没有明确的“技术”目的，则强烈建议在说明书中记载技术问题或在说明书的背景部分说明现有技术的技术问题，和/或在说明书中记载说明书实施例部分的技术效果，以使审查员相信该发明是为了解决包括技术问题在内的问题。
2017年4月1日《审查指南》做出重大修订，与商业模式相关的权利要求不再被排除在可专利性之外。修订前，与商业方法相关的发明很可能被作为不应被授予专利权的智力活动的规则和方法而被驳回。所以，在《审查指南》修订前，为了给审查员一个该发明不是单纯的商业方法的“良好”的第一印象，在商业方法相关发明的说明书中明确说明技术问题是非常重要的。目前由于指南已经修订，这样的技术问题说明没有以前那么重要，但是，明确说明技术问题仍然对可能被视为“非技术性” 目的的商业方法相关的发明或AI相关的发明有所帮助。
· 充分公开的要求
中国《专利法》第二十六条第三款规定：“说明书应当对发明或者实用新型作出清楚、完整的说明，以所属技术领域的技术人员能够实现为准；必要的时候，应当有附图。摘要应当简要说明发明或者实用新型的技术要点。”
根据现行《审查指南》，与计算机程序有关的发明专利申请，应当在附图中呈现计算机程序的原理流程图，并在说明书中基于时间顺序的流程图以自然语言对计算机程序的每一步进行说明。说明书中应当对计算机程序的主要技术特征进行描述，以使得本领域技术人员能够根据说明书中的流程图及其说明，制作出能够产生说明书描述的技术效果的计算机程序。说明书中不要求提供源代码，但是，必要时可以使用通常用于帮助理解本发明的标记程序语言来部分地提供源代码。
利用AI的发明通常包括非技术特征，例如被视为智力活动规则和方法的算法。利用AI的发明同时涉及技术特征和非技术特征的，非技术特征必须是与技术特征相关联的特征且与技术特征共同实现功能。对于该情形，现行专利审查指南第二部分第9章第6.3.1节明确规定了“说明书中应当写明技术特征和与其功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征如何共同作用并且产生有益效果。例如，包含算法特征时，应当将抽象的算法与具体的技术领域结合，至少一个输入参数及其相关输出结果的定义应当与技术领域中的具体数据对应关联起来；包含商业规则和方法特征时，应当对解决技术问题的整个过程进行详细描述和说明，使得所属技术领域的技术人员按照说明书记载的内容，能够实现该发明的解决方案。”换言之， 应当清楚、完整地描述智力活动的抽象规则和方法（例如算法）如何与具体的应用场景相结合，以及如何限定参数并将其与该应用场景中的各种数据相关联，使得本领域技术人员能够按照说明书和附图中的内容，利用AI实现该发明，从而解决该发明所宣称要解决的技术问题，产生预期的效果。
例如，如果基于训练数据构建AI算法（或预测模型，或学习模型）以根据输入数据输出特定结果，则应清楚地描述算法本身，并且使用什么数据集作为输入数据以及如何处理数据以获得预测的输出数据，都应在说明书中予以公开，以使本领域技术人员能够通过使用相同或相似的数据集来实行本发明。如果使用不同的数据集来训练学习算法，说明书中应该清楚地描述数据集之间的差异以及如何使用差异来训练学习算法。仅描述“黑盒算法”或仅提及“神经网络”是危险的，除非使用此类算法或神经网络是众所周知的现有技术。
充分公开的案例示例
专利权人上海智臻持有关于聊天机器人系统（简称“小i机器人”）的中国专利ZL200410053749.9。上海智臻认为苹果公司的Siri功能与其专利技术具有相同的功能，于2012年6月在上海市第一中级法院以苹果为被告提起专利侵权诉讼。作为对策，苹果在专利复审委员会（PRB）对智臻的专利提起专利无效宣告程序，公开不充分为专利无效的原因之一。本案被视为中国首例AI发明侵权与无效案件。专利复审委员会认定专利权有效。苹果随后以PRB为被告向北京知识产权法院提起专利行政诉讼，但北京知识产权法院维持了PRB的决定。苹果随后向北京市高级人民法院提起上诉。
2015年4月，北京市高级人民法院判决该专利未充分公开聊天机器人的机制，致使本领域技术人员无法获得用户如何与聊天机器人交互以玩游戏（被视为本发明相对于现有技术的区别特征）的技术效果。特别是，该描述没有清楚地描述如何分析输入格式语句和/或自然语言，然后将与游戏相关的内容发送到游戏服务器。
2020年6月，最高人民法院再审判决撤销北京市高级人民法院的判决，而维持北京知识产权法院的判决和专利复审委员会的决定，即专利权最终被维持有效。最高人民法院认定游戏服务器的技术特征属于与现有技术共有的技术特征，不是区别技术特征，因而对充分公开的要求较低。本领域技术人员能够获知该领域中所有的现有技术，有应用常规实验手段的能力，可以自行检索现有技术以实现共有技术特征的功能，无需说明书给出具体指引，因此，本案中，本领域的技术人员基于知识水平能够知道如何实现游戏服务器的技术特征，从而该技术特征公开充分。
从上述上海智臻与苹果的案例中可以看出，虽然最高人民法院最终认定该专利公开充分，但充分公开发明对于一项发明是至关重要的，尤其是与发明构思相关的技术部分。一旦审查员在发明专利申请的实质审查阶段提出“公开不充分”问题，或者专利权挑战者在相应的无效宣告程序中提出“公开不充分”问题，申请人/专利权人将很难就此问题进行争辩。一个困境是，如果你争辩未公开的技术部分是现有技术的一部分，可能会导致发明显而易见的问题，但如果为了非显而易见性，你争辩未公开的技术部分是在发明中新提出的 ，则根本无法解决公开不充分的缺陷。
· 支持权利要求的要求
根据中国《专利法》第二十六条第四款，“权利要求书应当以说明书为依据，清楚、简要地限定要求专利保护的范围”。
为了获得较宽的保护范围，权利要求特别是独立权利要求所限定的技术方案通常是说明书中所公开的实施例的概括。然而，这样的概括往往会在审查员的审查意见中以权利要求的保护范围不受说明书的支持为由遭到驳回。在这种情况下，如果说明书中没有记载足够数量的实施例，申请人的争辩就很难被审查员接受。因此，说明书中撰写多个实施例以支持权利要求的通用保护范围是很重要的。
对于使用算法或数学模型的AI相关发明，有时很难将发明限制在某个技术领域，因为这会将发明的保护范围显著缩小到该特定技术领域。在这种情况下，建议描述使用 AI 的多个应用场景。虽然多个应用场景有可能会导致单一性问题，但通过提交分案申请可以轻松解决单一性问题。
3.1.7 结论
在中国，任何可申请专利的发明都必须是技术方案，AI相关发明在这方面也不例外。由于AI相关发明往往涉及使用算法和/或计算模型，因此强烈建议在说明书和权利要求中描述使用AI的技术领域或应用场景。根据现行《审查指南》，虽然AI相关发明不会仅因为涉及非技术特征就被排除在可授权范围外，但是，仍强烈建议在说明书和权利要求中描述技术特征和非技术特征之间具有紧密关系，可以使技术特征和非技术特征共同发挥功能以解决技术问题。
考虑到中国企业在开发、研究和利用AI技术方面非常积极，而且AI技术受到中国各级政府的高度鼓励，可以预见，利用AI的发明在中国将更容易得到保护。
3.2 美国的人工智能专利实务
本节将介绍在美国专利法下人工智能（AI）专利撰写的建议。在美国，对于专利申请和授权，AI被限定为包括以下八种组成技术中的一种或多种：知识处理、语音、AI硬件、进化计算、自然语言处理、机器学习、视觉和规划控制。
3.2.1 与专利权的获得相关的主要条款
与AI相关的专利权利获取阶段所考虑的美国《专利法》和审查指南（MPEP）的主要条款如下表所示。
3.2.2 专利客体适格性
本部分介绍USPTO发布的专利客体适格性审查指南（2019修改版）和示例。
在AI领域中，在美国进行专利布局的策略与在中国有很大的相似性。本质上，在申请与AI相关的专利时，美国和中国都要求发明具有客体适格性、新颖性和创造性。此外，必须完整、清晰、简洁和准确地公开发明内容，并且权利要求应清楚地限定要求保护的范围。同时，发明的能够实现也是一共同要求，这确保了本领域技术人员可以实现本发明中涉及的技术方案。
然而，在实践中，确定与AI相关的发明的客体在美国是否具有适格性是更为复杂。在由美国最高法院的判决结果（参见Alice Corp. v. CLS Bank International, 573 U.S. 208 （2014））衍生得到的Alice两步测试法的基础上，USPTO在2019年发布了最新版的专利客体适格性审查指南（2019 PEG），新指南的发布进一步明确和统一了35 U.S.C. §101在专利审查中的运用，并且使审查员能够更容易地确定一项权利要求是否记载了司法例外中的抽象概念。
2019 PEG对评估客体适格性的审查程序进行了修订，在原有的步骤2A中引入了新的双重分支分析。根据该新的双重分支分析，涉及过程、机器、制品或物质组成的权利要求可以具有客体适格性，除非权利要求记载了司法例外且该司法例外不能被整合到实际应用中。对于记载了司法例外但该司法例外没有被整合到实际应用中的权利要求，应对该权利要求进行重新评估以确定其是否记载了显著多于司法例外的额外元素，即判断权利要求的元素是否超过了该领域中公知的、例行的、常规的活动。2019 PEG进一步将落入分支一中的“抽象概念”范畴的客体限制在以下三种类别中：数学概念、组织人类活动的特定方法以及智力活动。图3.2.2-1示出了根据2019 PEG评估客体适格性的流程图。
图 3.2.2-1
此外，USPTO在发布2019 EPG的同时，还公开了数个示例以说明如何将2019 PEG应用于实践（例如与计算机相关的发明、软件等）中。
其中一个示例（示例39）展示了权利要求没有记载任何在2019 EPG中列举的司法例外的情况。具体地，示例39涉及一项与AI相关的假想发明，其要求保护一种用于面部检测的训练神经网络的计算机实现的方法，具体如下：
“一种用于面部检测的训练神经网络的计算机实现的方法，所述方法包括：
从数据库收集一组数字面部图像；
将一个或多个变换应用到每个数字面部图像，包括镜像、旋转、平滑或对比度降低以创建修正的一组数字面部图像；
创建第一训练集，包括所收集的一组数字面部图像、所修正的一组数字面部图像、以及一组数字非面部图像；
在第一阶段使用所述第一训练集训练所述神经网路；
创建用于训练的第二阶段的第二训练集，包括所述第一训练集和在训练的所述第一阶段之后被错误地检测为面部图像的数字非面部图像；以及
在第二阶段使用所述第二训练集训练所述神经网路。”
根据USPTO的分析，尽管权利要求中的一些要素可能基于数学概念（例如，“一个或多个变换”是数学变换公式），但是这些数学概念在权利要求中没有被记载。此外，所要求保护的步骤不是在人类的头脑中实际执行的，故权利要求并不指向智力活动。而且，权利要求也没有记载任何组织人类活动的方法，诸如基本的经济概念或管理人与人之间的交互。因此，USPTO认为，由于该权利要求没有落入抽象概念的三个分组中的任何一个分组，上述权利要求具有客体适格性。
另一项与AI相关的假想发明涉及一种用于网络流量数据的自适应监测的方法。在这一示例（示例40）中，USPTO提供了如下的两项权利要求：
由上可知，权利要求1和权利要求2之间的主要区别在于权利要求1包括了额外的一个特征：“当收集的流量数据大于所述预定阈值时，收集与所述网络流量相关的额外的流量数据，所述额外的流量数据包括网络流（Netflow）协议数据。”然而，正是这样的差异使得权利要求1具有适格性而权利要求2不具有适格性。
参照USPTO的分析，权利要求1和权利要求2均属于心里过程。这是由于两个权利要求都记载了“由所述网络工具将收集的流量数据中的至少一个与预定阈值进行比较”这一特征。然而，仅是存在“由所述网络工具”这一表述不能表明该步骤不是在人类的头脑中实际执行。换句话说，名义上的普通的网络工具不能将权利要求从智力活动这一类别中移除。
尽管在采用步骤2A的分支一进行判断后，权利要求1和权利要求2都被认为是记载了司法例外，但是只有权利要求1作为一个整体将司法例外整合到实际应用中。具体而言，上述权利要求1中所记载的额外的一个特征避免了网络上过量的流量体积和对网络性能的阻碍，提供了对现有系统的具体改进，从而得到改进的网络监测。因此，权利要求1具有适格性。相比之下，权利要求2中除了指向智力活动的特征之外的其他特征，仅指示了使用通用计算机组件（即“网络工具”）来实现智力活动，这意味着没有对实践抽象概念施加任何有意义的限制。在这种情况下，就步骤2A的分支二而言，抽象概念并没有被整合到实际应用中，因此该权利要求作为一个整体属于抽象概念。
此外，根据图3.2.2-1，权利要求2还应该在步骤2B中进行评估。USPTO在其分析中提到：“根据2019 PEG，应在步骤2B中对在步骤2A中得出的‘额外元素是非重要的解决方案之外的活动’的结论进行重新评估以确定它是否超过了该领域中公认的、例行的、常规的活动。”在本示例中，只是以通用的方式（即“由网络工具”）收集数据属于公认的、例行的、常规的活动，并未提供任何发明构思。因此，权利要求2不具有适格性。
在另一个示例（示例41）中，USPTO提供的假想发明涉及用于在两个计算机终端之间建立加密通信的方法。
该示例权利要求记载了数学概念：“对消息块文字信号MA的每个进行编码以生成密文文字信号CA，其中CA=MAe （mod n）。”结合权利要求中的额外元素（即“在第一计算机终端处接收明文文字信号”、“将明文文字信号转换成一个或多个消息块文字信号MA”以及“通过通信信道向第二计算机终端发送已编码的密文文字信号CA”），数学概念被整合到保护私用网络通信的过程。因此，示例权利要求具有适格性。
在这一示例中，USPTO还声明抽象概念是可以通过公认的、例行的、常规的活动整合到实际应用中，这不需要在步骤2A的分支二中进行评估。
在又一示例（示例42）中，要求保护的发明涉及一种管理人与人之间交互的方法，该方法允许用户访问病人的诊疗记录并从其他用户实时接收更新的病人信息。在该示例中，提供了两项权利要求（即权利要求1和权利要求2），这两项权利要求均记载了组织人类活动的方法。然而，权利要求1记载了对现有技术的改进，其允许远程用户以标准化的格式实时共享信息，无论由用户输入的信息的格式如何。这体现了将抽象概念整合到实际应用中。因此，权利要求1具有适格性。而另一方面，权利要求2只是简单地在通用计算机上实现抽象概念，这不能够被认为是将抽象概念整合到实际应用中。权利要求2也没有提供任何可以添加到抽象概念中的发明构思，从而使得权利要求2不具有适格性。
3.2.3 关于“额外元素”
本部分介绍USPTO确定“额外元素”是否表示公知的、例行的、常规的活动”的指南。
如上所陈述的，确定是否记载了显著多于司法例外的额外元素就是确定权利要求的元素是否超过了该领域中公知的、例行的、常规的活动。USPTO于2018年4月19日发布了一份备忘录，明确了对于“额外元素是否表示公知的、例行的、常规的活动”的确定。该备忘录的发布是针对联邦巡回法院在Berkheimer案中的判决结果（参见Berkheimer v. HP Inc., 881F.3d 1360 （Fed. Cir. 2018））而作出的进一步规范。
在Berkheimer一案中，具有争议的美国专利US 7,447,713B1的发明涉及在数字资产管理系统中对文件进行数字处理和归档。该专利的独立权利要求1如下：
1.一种在计算机处理系统中归档项目的方法，所述方法包括:
将所述项目呈现给解析器；
将所述项目解析成多个多部分对象结构，其中，所述结构的部分具有与其相关联的可检索信息标签；
根据先前存储在档案中的对象结构评估所述对象结构；以及
至少在所述对象与预定标准和用户定义规则中的至少一个之间存在预定差异的情况下，呈现用于手动调节的评估对象结构。
此外，该专利的说明书描述了以所谓非常规的方式存储解析数据的发明特征。详细地说，说明书中提到了传统的数字资产管理系统包括大量包含多个冗余文档元素的文档，导致低效率和高成本。然而，与现有技术系统相比，要求保护的发明可以如说明书中记载的来提高效率和计算机功能。
“……通过消除档案14中的冗余，将会提高系统操作效率、降低存储成本，并且可以实现一对多的编辑过程。其中，对许多文档或文件共有的单个链接对象进行的一次编辑，该编辑过程的结果可以传播通过所有链接的文档和文件。如本领域技术人员所理解的，一对多编辑能力大大减少了更新表示数据包或数据包手册等的文件所需的工作量。”（参见美国专利US 7,447,713B1公开文本第16纵列52-60行）
在本案的判决中，联邦巡回法院的结论是：上述权利要求1指向抽象概念（解析和比较数据），但是，权利要求1没有记载任何在说明书中公开的所谓非常规活动。具体而言，联邦巡回法院认为：“权利要求1记载了一种归档方法，该方法包括解析数据、分析数据并将其与先前存储的数据进行比较，以及在存在差异时呈现数据以进行调节。（但是）它（权利要求1）不包括消除存储对象结构的冗余或实现归档中链接文档的一对多更改的限制。”因此，权利要求1的元素只是用传统计算机组件执行解析和比较数据这一抽象概，而没有包括所谓非常规的方式。在这种情况下，联邦巡回法院根据适格性确定的步骤2B认定权利要求1不具有适格性。
3.2.4 关于计算机实现的功能性权利要求
本部分介绍USPTO关于审查计算机实现的功能性权利要求限制是否符合35 U.S.C. §112的规定。
在实践中，USPTO发现功能性语言经常被用于要求保护的计算机实现的发明，诸如大多数的与AI相关的发明。为了更好地理解如何撰写具有功能性限制的计算机实现的功能性权利要求，以及如何满足书面描述和能够实现的要求，USPTO在2019年发布了一份指南。
一般来说，一份专利申请应在其公开中包含适当的书面描述和能够实现的支持。此外，对于计算机实现的功能性权利要求，功能性限制（即，就元素执行的功能来限定元素而不描述执行该功能的结构、材料或动作的权利要求限制）被要求为将其正确地视为手段（或步骤）加上功能的限制，且要足够明确。
特别地，对于执行特定计算机功能的计算机实现的功能性权利要求，说明书必须公开用于执行要求保护的特定计算机功能的算法。此外，必须参考说明书来确定用于执行要求保护的功能的相应的结构、材料或动作，其中相应的结构应该是专门被编程为执行所公开的算法的计算机。未能公开任何算法或所公开的算法不足以执行所有要求保护的功能将会导致计算机实现的权利要求不明确。
以下是书面描述不足以支持计算机实现的权利要求的限制的示例。基于Media Rights Techs., Inc. v. Capital One Financial Corp.一案（参见Media Rights Techs., Inc. v. Capital One Financial Corp., 800 F.3d 1366, 1374 （Fed. Cir. 2015）），USPTO根据该案中具有争议的专利US 7,316,033，提供了如下的假设性权利要求：
“一种防止未授权的电子媒体记录的方法，包括：
响应于由客户端系统接收媒体内容，激活遵约机制，所述遵约机制与所述客户端系统耦合，所述客户端系统具有在其上可操作的媒体内容呈现应用并且与所述遵约机制耦合；
通过将所述媒体内容呈现应用的常用数据路径转向受控数据路径来控制所述客户端系统的数据输出路径；
用所述遵约机制监控所述受控数据路径，以确保没有未授权的电子媒体记录；以及
经由所述数据输出路径将所述媒体内容指向与所述遵约机制耦合的定制媒体设备，用于选择性地限制所述媒体内容的输出。”
在上述权利要求中，联邦巡回法院首先确定术语“遵约机制”是执行计算机实现的功能的手段加功能的限制，所述计算机实现的功能包括“用所述遵约机制监控所述受控数据路径，以确保没有未授权的电子媒体记录”。然后，联邦巡回法院认为说明书没有公开足够的用于监控功能的结构。鉴于如下的说明书部分，
“……当新检索的部分被呈现时，版权遵约机制（CCM）300然后再次检查规则是否被执行，并且如果规则没有被执行，则检索媒体文件的其它部分或者暂停媒体文件的呈现，而且，在循环环境中，这些步骤在媒体文件的回放过程中重复执行，直到媒体文件的内容已经被完整呈现。有利的是，通过在播放媒体文件期间持续监控，CCM 300可以检测不期望的活动，并执行由CCM 300限定的规则。”
联邦巡回法院持有的观点是：尽管说明书描述了遵约机制应用于监控数据路径的一组规则，但是说明书没有提供关于所述规则本身的详情或者遵约机制是如何确定所述规则是否被执行。因此，权利要求1的“遵约机制”限制是不明确的。
此外，如上所述，当包含计算机实现的权利要求限制的权利要求被认为是不明确的时，说明书会被认为是缺少书面描述。在这种情况下，同样也无法满足能够实现的要求。
3.2.5 AI是否能作为发明人的问题
由于越来越多的发明利用了AI的优势，那么如果AI自身开始进行发明创造又会是怎样的情形呢？USPTO会接受AI作为发明人的专利申请吗？针对这一问题，答案是“NO”。
USPTO在最近发布的一份决定书中表达了他们关于AI作为发明人的态度（参见关于第16/524350号申请的申述的决定）。在该决定书中，USPTO通过解释美国专利法和MPEP中的语言，并引用了联邦巡回法院的一些判决书中的说明，最后认为“AI不能够成为发明人”。例如，在一份早期的判决中（参见Beech Aircraft Corp. v. EDO Corp. 755 F. Supp. 985, 987），联邦巡回法院指出“仅有自然人可以成为‘发明人’。”
类似地，中国国家知识产权局同样不认可AI作为发明人。参照中国的《专利审查指南》，其在第一部分第一章的4.1.2中明确规定了“发明人应当是个人”。
3.2.6 案例分析
【案例1】
本案例涉及用于图像处理领域中人脸检测的技术。基于本案中涉及的申请所假设的权利要求如下：
“一种用于人脸空间定位方法，所述方法包括：
获取由单个图像采集装置采集的人脸图像；
在所述人脸图像上执行人脸区域检测，以确定所述人脸图像中的人脸区域定位信息；以及
根据所述人脸区域定位信息，确定人脸的空间定位信息。
在审查过程中，审查员认为上述权利要求被不满足35 U.S.C. §101规定。具体而言，审查员首先认为上述权利要求指向一个过程并且落入抽象概念中的“智力活动”这一分组的范畴。换言之，上述权利要求记载了司法例外。其次，审查员认为上述权利要求没有任何将司法例外整合到实际应用的额外元素。审查员还认为上述权利要求没有包括显著多于司法例外的额外元素。
为了克服审查员在审查过程提出的上述意见，对于上述权利要求进行了如下的修改：
“一种用于人脸空间定位方法，所述方法包括：
获取由单个图像采集装置采集的人脸图像；
在所述人脸图像上执行人脸区域检测，以确定所述人脸图像中的人脸区域定位信息；以及
根据所述人脸区域定位信息以及人脸矩形框的预定定位信息，确定人脸的空间定位信息，所述单个图像采集装置在所述人脸矩形框内执行人脸识别。
遵循2019 EPG，在上述修改后的权利要求的基础上，进行了如下的争辩。在争辩部分，首先对审查员关于“权利要求记载了司法例外”这一意见进行了反驳。争辩中指出：修改后的权利要求中所记载的特征“由单个图像采集装置采集的人脸图像”和“所述单个图像采集装置…执行人脸识别”不能在人类头脑中执行，因此上述权利要求不属于“智力活动”。即使上述权利要求被认为是记载了一种“智力活动”，在争辩中进一步指出了修改后的权利要求中寻求保护的技术方案具有实际应用价值，并且可以解决具体技术问题，例如，改进图像处理领域。此外，争辩中还指出修改后的权利要求中的元素显著多于司法例外，而不是仅描述了该领域中公知的或例行的或常规的活动（诸如接受数据输入并进行数字比较或数学运算）。
基于上述修改后的权利要求和争辩，本案克服了不符合35 U.S.C. §101规定的审查意见。
【案例2】
本案例的分析主要集中于如何在答复意见中进行“权利要求记载了显著多于司法例外的额外元素”的争辩。本案中的发明涉及视频监控方法。在审查过程中，审查员在其意见书中指出权利要求记载了一个抽象概念但没有包含显著多于该抽象概念的额外的元素，因此权利要求被不满足35 U.S.C. §101规定。
为了克服审查意见，在答复意见书中对权利要求进行了修改并提出了争辩意见。以下是从实际案例中衍生得到的原始提交的权利要求和修改后的权利要求的对比图，以及答复时的争辩意见。
修改后的权利要求记载了“在所述监控区域中标记所述多个监控对象的位置”、“确定每个位置中的监控对象相对于所述监控区域的面积的权重”和“所述权重是每个位置中的监控对象在视频图像中所占据的面积”的特征。这些特征显然显著多于可以由操作器实现的抽象概念。因此，修改后的权利要求符合35 U.S.C. §101规定。
3.3欧洲的人工智能专利实务
本节将介绍在欧洲专利法下人工智能（AI）相关的专利实务。
……
第三章更多内容，请关注下期。