摘 要

按照中国专利审查指南修订内容可知，人工智能算法若能与具体的技术应用领域结合，或者能够对计算机系统的内部性能进行改善，则能够符合中国专利法中关于专利保护客体的规定，进而可能获得专利权。人工智能算法创新持续不断，如此多涉及人工智能算法模型的改进方案，该采用怎样的方式进行专利布局，以获得更加全面、有效的保护是值得探讨的。本文主要从产业链布局角度和专利侵权角度分析人工智能算法模型改进方案在专利布局上可以采取的一些策略，希望能抛砖引玉、引发更深层次的探讨。
关键词：人工智能；模型改进；专利布局；产业链；专利侵权

>>>  一、引 言

随着人工智能技术的逐步发展、成熟，人工智能技术被广泛应用于各个领域，如：智慧交通、智能医疗、智慧金融、智慧家庭等等；产出了较多热门产品，如：智能汽车、机器人、智能家居等，给人们的生活带来了便利。各类智能产品需要人工智能算法来实现，关于人工智能算法的创新越来越多，因而涉及人工智能领域的专利申请是否符合专利保护客体，以及是否能够获得专利权，成为人们关注的焦点。
中国国家知识产权局在2021年8月13日公布了《专利审查指南修改草案（征求意见稿）》，在该征求意见稿中第二部分第九章6.1.2补充了涉及人工智能领域的专利申请是否符合专利保护客体，以及关于新颖性和创造性评判等相关的审查标准[1]。按照中国专利法及专利审查指南修订内容的相关规定，如果人工智能算法能够对计算机系统的内部性能进行改善，或者与具体应用领域结合以解决具体应用领域的技术问题，并获得相应的技术效果，则属于专利保护客体。按照目前专利审查指南的修订内容，人工智能领域的专利申请有获得专利权的可能，为此笔者不再讨论人工智能算法与专利保护客体相关的问题，而是从检索现有的关于人工智能算法模型改进的专利申请案例的布局方式出发，主要探讨关于人工智能算法模型改进、相关专利布局等话题，并提供一些专利布局策略，以期帮助相关专利权人获得更加全面、有效的专利保护。

>>>  二、涉及人工智能算法模型训练创新的专利保护布局的几种常见方式

涉及人工智能算法模型训练的创新点主要包括：
样本数据
模型结构
模型参数
损失函数等

关于创新点在人工智能算法模型训练的创新，属于《专利审查指南》第九章中规定的涉及计算机程序的发明专利申请，申请人通常会布局方法权利要求和产品权利要求：
方法权利要求用于保护计算机程序在计算机上运行的过程
产品权利要求包括程序模块架构的装置、实体硬件（计算机设备、计算机可读存储介质）、计算机程序产品等
· “程序模块架构的装置的权利要求用于对软件产品的销售、许诺销售、进口等侵权行为进行约束”
· 计算机设备属于软硬结合的产品，“计算机设备”权利要求用于保护存储及运行计算机程序的设备
· “计算机可读存储介质”权利要求用于保护存储有计算机程序的介质，保护以存储介质为媒介的程序产品的销售、许诺销售、进口等行为
· “计算机程序产品”权利要求可适用于保护在云端或服务器等上实现计算机程序的分发或下载等销售行为
不难看出，产品权利要求的布局均是以计算机程序实现的方法流程为基础对应架构的相关产品权利要求。基于此，笔者以方法权利要求布局角度来进行讨论。
笔者通过对检索得到的专利文献分析发现，目前专利文献中关于人工智能算法模型训练的方法权利要求布局主要有以下五种布局方式：
（一）模型训练过程和模型应用过程分别单独布局权利要求，且两者互不关联
案例一
CN114170547A
权利要求1：
一种交互关系检测方法，其中，包括：
获取待检测图像；
利用训练过的交互关系检测模型对所述待检测图像进行交互关系检测；其中，所述交互关系检测模型，用于：根据所述待检测图像，……，得到第一交互关系检测结果。
权利要求2：
一种模型训练方法，其中，包括：
获取带有交互关系标签的样本图像；
……对所述交互关系检测模型进行参数优化；其中，所述交互关系检测模型，用于：根据所述样本图像，……，得到第一样本交互关系检测结果；所述目标样本交互关系检测结果是根据所述第一样本交互关系检测结果确定的。
权利要求3：
一种交互关系检测方法，其中，包括：
获取交通摄像设备拍摄的交通图像；……；
利用训练过的交互关系检测模型对所述交通图像进行交互关系检测；其中，所述交互关系检测模型，用于：根据所述交通图像，……，得到第一交互关系检测结果。
分析如下：
在案例一中，创新点在人工智能算法模型结构上，模型训练过程和模型应用过程都有相同的模型结构，无论是在训练，还是在应用，两者对数据处理具有相同的处理逻辑。如此，模型训练和模型应用分别单独进行布局，既能体现相应的创新点，且两组权利要求之间也相互不影响。

（二）模型训练过程和模型应用过程分别布局权利要求，模型应用的权利要求采用引用模型训练过程各权利要求方式
案例二
CN113343132A
权利要求1：
一种模型训练的方法，其特征在于，包括：
获取训练样本，……；
通过待训练的排序模型，确定……；
根据……，训练所述排序模型。
权利要求8：
一种信息展示的方法，其特征在于，包括：
接收用户输入的搜索语句；
……将所述各搜索结果输入到预先训练的排序模型中，得到所述搜索语句对应的排序结果，所述排序模型是通过上述权利要求1～7任一项方法训练得到的；……。
分析如下：
在案例二中，权利要求1布局了根据模型训练方法得到模型，权利要求8布局了模型应用的方法，且引用了模型训练的权利要求中任一项，如此模型应用的技术方案包括了所引用的权利要求中模型训练的全部技术特征，同时还包括了模型应用的技术特征。

（三）模型应用过程作为独立权利要求和模型训练作为模型应用过程的从属权利要求布局，以及模型训练过程作为独立权利要求布局

案例三
CN111191791A
权利要求1：
一种机器学习模型的应用方法，其特征在于，所述方法包括：
获取当前任务的预测样本；
调用适用于所述当前任务的机器学习模型；
通过所述机器学习模型输出所述预测样本对应的预测结果；
其中，所述机器学习模型是……样本数据进行训练得到的。
权利要求2：
根据权利要求1所述的方法，其特征在于，所述机器学习模型的训练过程如下：
确定所述当前任务与所述历史任务之间的相关性；
……所述当前任务的机器学习模型。
权利要求8：
一种机器学习模型的训练方法，其特征在于，所述方法包括：
确定当前任务与历史任务之间的相关性；
……得到适用于所述当前任务的机器学习模型。
分析如下：
在案例三中，权利要求1布局了模型应用过程的技术方案，且在权利要求中对模型训练仅做了突出创新点的限定，权利要求2作为权利要求1的从属权利要求布局了模型训练过程。权利要求8单独布局了模型训练过程的技术方案。

（四）模型应用过程作为独立权利要求，模型训练过程作为模型应用权利要求的从属权利布局
案例四
CN114090726A
权利要求1：
一种文本意图识别方法，其特征在于，包括：
根据预先构造的实体字典库，……确定所述待识别文本对应的意图。
权利要求7：
根据权利要求1-6中任一项所述的方法，其特征在于，所述意图文本识别方法是通过网络模型执行的，所述网络模型通过以下步骤训练得到：
获取第一文本序列；
……调整所述网络模型的模型参数，以对所述网络模型进行训练。
分析如下：
在案例四中，权利要求1布局了模型应用过程的技术方案，权利要求7作为权利要求1的从属权利要求布局了模型训练过程。

（五）模型训练过程布局独立权利要求，模型应用过程作为模型训练过程权利要求的从属权利要求布局
案例五
CN114067321A
权利要求1：
一种文本检测模型训练方法，其特征在于，包括：
获取样本图像集合，其中，每个样本图像包含至少一个真实文本对象；
基于所述样本图像集合，……确定目标损失值，并采用所述目标损失值进行参数调整。
权利要求10：
如权利要求1至9任一所述的方法，其特征在于，所述基于……之后，还包括：
获取待处理图像；……；
采用所述目标文本检测模型，对所述多个目标文本框图像进行实例分割，获得至少一个目标文本对象。
分析如下：
在案例五中，权利要求1布局了模型训练过程的技术方案，权利要求10作为权利要求1的从属权利要求布局了模型应用过程。