8月17日-19日，由知产前沿新媒体举办的“第二届中国人工智能知识产权峰会”在杭州召开，本次大会吸引了线上与线下近位人工智能IP人士参加。
戴思敏是REYDAIP法国睿达专利律师事务所负责人、欧洲专利律师，在欧洲专利申请实务方面有近十年的经验。17日的会前研讨会上，戴律师就欧洲人工智能专利审查实践及策略话题做主题发言。知产前沿新媒体现将戴律师的主题分享整理成文，供人工智能知识产权从业人员参考学习。
如需购买第二届人工智能知识产权峰会直播回顾，请后台私信“CAIIPS”
重点导读
一、欧洲专利局对计算机实施发明（CII）类申请的审查实践
（一）专利授权的法律基础
（二）EPC针对计算机实施发明（CII）的审查方法
二、欧洲专利审查指南：人工智能和机器学习
（一）人工智能和发明人问题
（二）欧洲专利审查指南：人工智能和机器学习
三、欧洲专利审查指南新动态：G1/19对人工智能发明的影响
四、实例分析
如何应用COMVIK方法和“问题-手段”方法分析三件专利的创造性？
一、欧洲专利局对计算机实施发明（CII）类申请的审查实践
（一）专利授权的法律基础
根据欧洲专利系统的基本原则，任何技术领域中的任何发明，包括由计算机实施的发明都是可以被授予专利的，只要它们满足欧洲专利公约（EPC）规定的授权标准。首先必须是Article52（1）EPC中定义的发明，必须是新颖的，有创造性和工业应用性。
在EPC中，并没有对“发明”给出正向的定义，但在Article52（2）EPC中对“非发明”提供了一个不完全列表，如果专利申请仅仅涉及列表中的主题本身，则是被排除可专利性的（Article52（3）EPC）。计算机实施的发明涉及计算机、计算机网络、其他可编程的运算器，这种发明还包括涉及计算机软件装置的特征。而人工智能领域是计算机科学领域的一个子领域。它包括数值计算模型和算法，用于解决例如分类等数据分析问题。它们的工作方式模仿了人类智能的许多方面，比如制定决策、主题训练、或者制定规则。人工智能和机器学习实际上是计算机实现的发明。针对这类发明，主要需要注意数学方法、精神活动、计算机程序这些主题，当权利要求中仅仅记载了这些主题本身，它们是被排除可专利性的。
基于EPC的原则，专利的目的是为了保护技术领域中的创造，权利要求中的主题必须具有技术性质，并且具有技术教导。而一些主题是抽象的纯智力活动，因此不获得任何直接的技术结果，所以这就是为什么这些主题被排除可专利性。但是必须狭窄地排除可专利性的主题，所以EPC使用了“assuch（本身）”这个限定词，防止扩大化解释。
（二）EPC针对计算机实施发明（CII）的审查方法
欧专局对于计算机实施的发明有非常坚实的审查方法。这套审查方法经常被称为“two-hurdle（两步跨栏）”法。这个方法在欧专局被广泛而统一地采用，它的结果可预测，并且经过欧专局上诉委员会的判例发展了很多年。也在欧专局审查指南中有详细说明。而且欧专局扩大上诉委员会也在去年的G1/19决定中肯定了这套方法。
根据两栏法，首先要确定权利要求中定义的主题是否落入了被排除可专利性的主题。如果确定没有被排除，那么原则上属于具有可专利性的发明。接下来再确认发明是否有新颖性、创造性和工业应用性，这一步就是所谓的第二步跨栏，也就是审查评估的第二部分。
评估的第一部分，即第一步跨栏是要检查是否仅记载了被排除可专利性的主题本身。例如不能是仅定义了数学方法本身的权利要求。为了评估权利要求主题是否具有技术性质，可以检查权利要求中是否记载了任何技术装置或任何硬件。如果权利要求中记载有任何适格的，不被排除可专利性的特征，比如由计算机实施的数学方法，那么该权利要求即具有技术性质。该发明总体被认为具有可专利性。要注意的是，仅仅存在未指明装置的可能性是不够的。技术装置（计算机或计算机可读存储介质）必须在权利要求中指明。
在第一步跨栏的评估中，审查员对以下主题不会提出反对。比如，一种计算机实施的方法、一种计算机、一种计算机可读介质、或者一种数据载体信号，因为它们都是物理实体，或者包含技术装置。但是，一种计算机程序在某种程度上更复杂一些。之前讲过，计算机程序本身是被排除可专利性的。所以如果权利要求涉及计算机程序的话，当它在计算机上运行时，必须具有所谓的“进一步的技术效果（furthertechnicaleffect）”，而且这个进一步的技术效果必须不能局限于仅仅是软件即计算机程序与计算机硬件的正常物理交互。例如，程序运行时计算机中有电流流过的事实并不能赋予计算机程序任何技术性质。但是如果计算机程序控制了某种技术流程，或者它控制计算机某种内部功能工作，或是控制计算机内部功能交互接口，那么该权利要求则具有进一步的技术效果。
在第二步跨栏评估中，需要确定权利要求是否具有创造性。由计算机实施的发明通常混合包含了技术特征和非技术特征。评估这种包含技术特征和非技术特征的混合型发明的创造性时，欧专局会运用一种所谓的“COMVIK”方法，来自判例T/00。使用这种方法，在评估创造性时，审查员会将权利要求中对发明贡献了技术性质的所有特征纳入考量范围。但是有些单独孤立地看来是非技术性的特征也有可能被考虑。条件是，这些非技术特征，在发明的背景中，对技术效果有贡献，服务于一种技术目的，那么审查员会认为它们也对发明贡献了技术性质，因此也会在评估创造性的时候把它们纳入考量范围。另一方面，对发明不贡献技术性质的那些特征，在评估创造性时不会被考虑。如果某个特征只解决了发明的某个非技术性问题，例如涉及一种商业方法的问题，那么在评估创造性的时候这个特征不会被考虑。
二、欧洲专利审查指南：人工智能和机器学习
（一）人工智能和发明人问题
DABUS申请将AI系统指定为发明人，并在世界许多国家的专利局进行了提交。这些申请在年被欧专局驳回，申请人提起了上诉。去年12月21日，欧专局上诉法律委员会认为，根据EPC，专利申请的发明人必须是具有法律能力的人。因此将AI系统指定为发明人不符合EPC的规定。
迄今为止，欧专局上诉法律委员会作出的这个决定是世界上首个关于DABUS申请发明人问题的最终决定。其他一些国家的专利局和欧专局一样拒绝了AI作为发明人的想法，比如英国、德国、美国、新西兰和韩国。南非接受并注册了DABUS专利，不过南非不对专利申请进行实质审查。
（二）欧洲专利审查指南：人工智能和机器学习
在欧专局的审查指南中有一个章节是专门针对人工智能和机器学习的申请。首先，其定义了人工智能，是基于用于分类、聚类、回归和降维的计算模型和算法，例如神经网络、遗传算法、支持向量机、k-means、核回归和判别分析。这种计算模型和算法本身具有抽象的数学性质，无论它们是否可以基于训练数据进行“训练”。
因此，EPO审查指南G-II,3.3.1中提供的指导通常也适用于此类计算模型和算法。诸如“支持向量机”“推理引擎”或“神经网络”之类的术语可能根据上下文仅指抽象模型或算法，因此它们本身并不一定暗示使用技术手段。在审查要求保护的主题是否具有整体技术特征时，必须考虑到这一点（EPC第52条第（1）、（2）和（3）条）。
人工智能和机器学习在各个技术领域都有应用。例如，在心脏监测设备中使用神经网络来识别不规则的心跳就做出了技术贡献。基于低级特征（例如图像的边缘或像素属性）对数字图像、视频、音频或语音信号的分类是分类算法的进一步典型技术应用。可以在指南G-II，3.3.1下的列表中找到可以使用人工智能和机器学习的技术目的的更多示例。
然而，仅根据文本内容对文本文档进行分类本身不被视为技术目的，而是语言目的（T/09）。对抽象数据记录或甚至“电信网络数据记录”进行分类而没有任何技术用途的迹象表明结果分类本身也不是技术目的，即使分类算法可能被认为具有有价值的数学属性，例如鲁棒性(T/06)。在分类方法服务于技术目的的情况下，如果生成训练集和训练分类器的步骤支持实现该技术目的，它们也可能有助于本发明的技术特征。
人工智能本质上属于计算机实施的数学方法。在欧专局被承认具有技术目的的数学方法，通常需要控制特定的技术系统或过程。其需要限定到到一个特定的技术应用，最常见的人工智能方法会应用于例如人脸识别、语音识别等等。有技术目的的数学方法如下述示例：
三、欧洲专利审查指南新动态：G1/19对人工智能发明的影响
欧专局扩大上诉委员会在年3月10日作出了G1/19决定。在这个决定中，委员会肯定了应用COMVIK方法来审查计算机实施的发明专利申请。而且澄清了术语“技术性（technical）”必须是开放性的概念。在EPC中没有具体定义，因为它的涵义会随着技术演进进一步发展。G1/19决定还确认了欧专局的实务操作并且维持了计算机实施发明在欧洲的可专利性的稳定。在今年修订的欧专局审查指南中反映了G1/19的一些认定。比如新加入了关于如何评估模拟输出的技术性质的标准的章节，具有技术贡献的数学步骤的新示例。
在G1/19决定里，扩大上诉委员会指出计算机模拟（simulation）的主要特点有：
技术性或非技术性系统或过程的数据形式的数值模型，该数值模型计算机可处理；
表示模型（可能包括随机函数）行为的方程；
提供数值输出的算法，该数值输出表示被建模系统或过程的计算出的状态（尤其是，通过时间增量计算或基于大量随机事件计算出的总和或平均值）。
很多人工智能模型可以落入这个计算机模拟的定义，例如，神经网络可以由一系列数学方程定义。因此G1/19适用于这类人工智能发明。不过G1/19定义暗示了模型行为是由方程表示的，似乎排除了模型行为由除此类方程之外的其他元素定义的模拟方法。比如基于决策树的人工智能相关模型。
实际上模拟方法和人工智能方法所引发的可专利性问题非常相似。计算机模拟和机器学习都基于数学模型和算法，都可以应用于技术和非技术系统。判例T/14中，发明是在车辆自动驾驶的背景下，对行人人流的建模，对虚拟行人的运动进行模拟建模来训练车辆行为模型。其他例子比如机器学习模型用于模拟环境中流体或粒子的行为。另一个例子是与产品设计软件相关的发明案例，所有工业领域都可能用到产品设计软件以降低研发阶段的成本。
计算机实现的方法的技术性质可以由其输入（例如物理值的测量）或输出（例如用于控制机器的信号）的技术效果来贡献。但不是所有计算机模拟都存在这种与物理现实的直接联系，但在G1/19中，扩大上诉委员会特别指出，纯数字模拟仍然可能产生两种技术效果，一种是与模拟实施相关联的技术效果，另一种是与模拟输出相关联的技术效果。
与模拟实施有关的技术效果分成两种，一种是，使模拟更好地利用特定的硬件技术特性，或是使模拟算法更好地适应计算机系统/网络。另一种是，使计算机系统/网络来更有效率地进行模拟。这些技术效果与实施细节十分相关，因此这些细节需要作为限制性特征写在权利要求中。
与模拟输出有关的技术效果。首先，输出的数据或信息需要有意义。在正常情况下，“认知（Cognitive）”数据或信息是非技术性的。其次，反映在计算机中建模的系统或过程的物理状态或行为的计算数值数据通常不对发明贡献技术性质，即使建模非常精确地模拟了系统的状态或行为。也即是说，这两种输出数据或信息是没有技术效果的。
但是，某些输出数据会有潜在的技术效果。所谓潜在技术效果，意思是有意图地技术利用输出数据时可能会产生的技术效果，而且只有当权利要求明确记载或至少暗示了对输出数据的这种有意图的技术利用，审查员才会认为有潜在的技术效果。另外，权利要求不可以涵盖对输出数据的其他非技术利用，例如获取科学信息、用于训练目的信息。如果对输出数据的有意图的利用没有被限制到仅技术利用，那么潜在的技术效果就不是从权利要求的整体范围得出的，也就因此不会被审查员认可。
间接测量值的情况。测量值通常都有技术目的，因为测量值实际上是通过对物理实体进行测量得到的物理特性数值，因此测量值被认可具有技术效果。只要保持测量值的物理特性，将其用于数学模拟，模拟也是具有技术性质的，不需要在权利要求里表明对输出数据进一步的技术利用。只要维持测量值的物理性质，就足够了。同样，基于测量值对真实物体物理状态的预测也是具有技术效果的。
G1/19决定还认为评估模拟是否有技术性质的一些论证并不适当。比如，仅论证模拟的系统或过程是个技术系统或技术过程是不足以说明模拟有技术性质的；仅论证模拟使用了正确的技术原理是不够的；强调模拟精准地反映了现实状况也是不充分的。
四、实例分析
如何应用COMVIK方法和“问题-手段”方法分析三件专利的创造性？
以关于预测凝结风险的发明为例，该发明解决了如何以更准确可靠的方式确定表面上的凝结风险的客观技术问题，并且从现有技术文件来看，使用建筑内部24小时的空气温度和湿度平均值来计算温度不显而易见，因此该具有创造性。
在这个例子中，有些孤立看来是非技术的特征，例如那些数学步骤，实际上在本发明的背景中作出了技术贡献，因为它们使用了物理测量值，预测现实凝结状态，因此在评估创造性时应该被纳入考量。另一方面，用彩色显示风险点的这个非技术特征是没有技术贡献的，因为它属于“信息呈现（presentationofinformation）”，取决于用户的主观个人偏好。
再以喷涂技术领域的发明为例，其区别技术特征是使用结合了神经网络和模糊逻辑的神经模糊控制器。与人工智能相关的计算模型和算法本身就具有抽象的数学性质。将神经网络分析结果与模糊逻辑相结合的特征本身属于数学步骤，没有技术性质，但该数学步骤的输出直接用于特定技术过程的控制，有助于产生服务于技术目的的技术效果。因此，在评价创造性时需要纳入考量。
再以关于增材制造中数据的权利要求为例，其整个权利要求范围暗示了对数据有意图的技术利用：控制设备制造产品，因此该数据具有潜在技术效果。
撰写人工智能发明需要注意什么？可以以下几点作为参考：
1.强调数学步骤（算法、数学模型）的技术目的，例如控制特定技术流程、技术系统；
2.描写对技术流程的改变或对技术特性的影响，例如对性能的提升、工艺流程质量的改善；
3.描写如何训练数学模型；
4.将数学模型的输入和输出与技术流程的特性（例如物理参数）进行关联；
5.描写对数据输出的有意图的技术利用。
作者：戴思敏
编辑：Sharon