我要投稿

AI专利与“技术方案”

发布日期：2024-08-20 05:35:13 浏览次数： 1614

在之前所讨论的USPTO关于AI专利适格性的47-49号案例，以及英国上诉法院关于AI专利的最新判决中。均包含了一个不那么明显、但是却十分重要的判断环节-涉案权利要求是否做出了“技术贡献”或“技术改进”。

该“技术贡献/技术改进”的判断过程并非完全清晰，尤其是，当这一过程被并入适格性的判断流程，就更加使人困惑。因为至少从表面看来，这一过程应当在新创新部分被评估。

上述案例在适格性判断过程中出现的“技术贡献/技术改进”，可能源于对专利的本质考量。

《专利法》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。而《审查指南》进一步规定：技术方案是对要解决的技术问题所采取的利用了自然规律的技术手段的集合。而对于什么才是“技术手段”，就没有进一步的定义了。

在上述案例中体现的问题换个说法就是：这些涉及AI领域的权利要求，是否属于技术方案？

从知识体系层级来说，技术的底座是科学。而若问什么学科（知识）是科学，以及什么学科（知识）是技术。大概只能说：传统的“数理化”属于科学多一些，而在它们之上生长出来的应用类学科（例如化工、EE）属于技术多一些。在“数理化”中，数学和物理基本百分百属于“Abstract Idea”，因而是“纯”科学。如今AI专利的基底-深度学习自身，属于数学和物理领域。

由于不能禁锢人的思维，并且人所揭示、理解的自然规律不应属于任何个人或公司，故科学领域的发现（Discovery）不能也无法被授予专利权。但是技术领域的改进，由于其脱离了完全的“抽象概念”，其实现在现实世界中需要一定的制造或复制成本，从而是一种“发明（Invention）”，并可以作为一种“Property（财产）”被保护。

所以，专利本质上是非完全抽象的、需要金钱和物质成本才能实现的方案。用如今AI领域一个热门方向的语言来说就是：它具有“具身（Embodied）”性，具身性代表着此东西不是完全虚拟的，而在现实世界中必须有落地实现，并且这种落地实现是可朽的。在专利文件中，一个很重要的部分是“具体实施方式（Embodiments）”，所表达的就是这个含义。

对如今的AI专利来说，其普遍包括一个“科学基底”-深度学习，以及在此之上的“应用场景”。前者基本属于“抽象概念”范畴。表面上看如果将两者结合，则可使抽象概念落地到实际的场景中，解决实际的问题-即构成技术方案。但是往往、在专利申请文件（权利要求）中，上述结合并不明显而是模糊的，或者这种“应用场景”自身不够明晰、偏向于科学一侧-尤其是没有明晰地定义出“技术问题”的情况下更是如此。

在这种情况下，审查员从权利要求中读到的可能仅仅是使用计算机程序解决某个问题，至于这个问题是“纯抽象的”，还是人们在生产生活中所实际要解决的，则难以判断。另一方面，由于人和机器交互日益增多，越来越多的AI类专利所要解决的问题与人机交互相关，对应地，权利要求的技术方案可能指向的“问题”更多地是人的主观感受的提升，这种情况下，权利要求实际失去了工业实用性，因为没有两个人是相同的，人的主观感受提升不属于技术问题的范畴-正如英国上诉法院案例判决中所体现的那样。

大面上看，专利这一古老的概念应当更多地属于“实体”经济体系，而非“虚拟”经济体系。那么，在资本所设想的未来的Metaverse（元宇宙）中，是否应当有专利的存在？这是一个有趣的问题，我们将在后面讨论它。

53AI，企业落地应用大模型首选服务商

产品：大模型应用平台+智能体定制开发+落地咨询服务

承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业

160+中大型企业正在使用53AI

立即咨询预约演示

百度智能云邀53AI：共创AI新纪元，启航智能新时代

2024-05-27

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

2024-05-22

热点资讯

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

2024-07-18

万字长文解析：大模型需要怎样的硬件算力

2024-03-30

全面对比dify、coze、streamlit、chainlit

2024-04-26

“大数据+”医疗

2024-04-11

太强了！10大开源大模型！

2024-05-06

Qwen2 阿里最强开源大模型（Qwen2-7B）本地部署、API调用和WebUI对话机器人

2024-06-12

【深度】AI搜索产品深度分析-搜索原理和商业模式分析

2024-07-09

大模型训练及推理【硬件选型指南】及 GPU 通识

2024-05-09

Ollama 本地运行大模型(LLM)完全指南

2024-07-25

HealthGPT：华工数字孪生人实验室发布主动健康大模型基座

2023-07-01

大家都在问

股份行积极布局大模型，哪些应用场景值得投入？

2024-09-24

企业AI战略和数据战略，哪个先行

2024-09-23

大模型驱动多轮对话在智能营销场景下的应用与实践

2024-09-23

『深度长文』Anthropic推出全新“上下文检索”：大幅增加RAG检索准确性！

2024-09-23

Coze/扣子快速制作MVP：公众号内容自动总结推送（附8000字实操教程）

2024-09-23

HRGraph: 利用大型语言模型（LLMs）构建基于信息传播的HR数据知识图谱与职位推荐

2024-09-23

专题解读 | 混合专家模型在大模型微调领域进展

2024-09-23

基于LaMA-Factory微调llama3.1-8B

2024-09-23

开箱即用的企业大模型应用平台

工作+AI

业务+AI

AIx业务

大模型咨询

大模型定制

相关资讯

160+中大型企业正在使用53AI

百度智能云邀53AI：共创AI新纪元，启航智能新时代

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

热点资讯

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

万字长文解析：大模型需要怎样的硬件算力

全面对比dify、coze、streamlit、chainlit

“大数据+”医疗

太强了！10大开源大模型！

Qwen2 阿里最强开源大模型（Qwen2-7B）本地部署、API调用和WebUI对话机器人

【深度】AI搜索产品深度分析-搜索原理和商业模式分析

大模型训练及推理【硬件选型指南】及 GPU 通识

Ollama 本地运行大模型(LLM)完全指南

HealthGPT：华工数字孪生人实验室发布主动健康大模型基座

大家都在问

股份行积极布局大模型，哪些应用场景值得投入？

企业AI战略和数据战略，哪个先行

大模型驱动多轮对话在智能营销场景下的应用与实践

『深度长文』Anthropic推出全新“上下文检索”：大幅增加RAG检索准确性！

Coze/扣子快速制作MVP：公众号内容自动总结推送（附8000字实操教程）

HRGraph: 利用大型语言模型（LLMs）构建基于信息传播的HR数据知识图谱与职位推荐

专题解读 | 混合专家模型在大模型微调领域进展

基于LaMA-Factory微调llama3.1-8B

热门标签

开箱即用的企业大模型应用平台

工作+AI

业务+AI

AIx业务

大模型咨询

大模型定制

相关资讯

160+中大型企业正在使用53AI

百度智能云邀53AI：共创AI新纪元，启航智能新时代

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

热点资讯

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

万字长文解析：大模型需要怎样的硬件算力

全面对比dify、coze、streamlit、chainlit

“大数据+”医疗

太强了！10​大开源大模型！

Qwen2 阿里最强开源大模型（Qwen2-7B）本地部署、API调用和WebUI对话机器人

【深度】AI搜索产品深度分析-搜索原理和商业模式分析

大模型训练及推理【硬件选型指南】及 GPU 通识

Ollama 本地运行大模型(LLM)完全指南

HealthGPT：华工数字孪生人实验室发布主动健康大模型基座

大家都在问

股份行积极布局大模型，哪些应用场景值得投入？

企业AI战略和数据战略，哪个先行

大模型驱动多轮对话在智能营销场景下的应用与实践

『深度长文』Anthropic推出全新“上下文检索”：大幅增加RAG检索准确性！

Coze/扣子快速制作MVP：公众号内容自动总结推送（附8000字实操教程）

HRGraph: 利用大型语言模型（LLMs）构建基于信息传播的HR数据知识图谱与职位推荐

专题解读 | 混合专家模型在大模型微调领域进展

基于LaMA-Factory微调llama3.1-8B

热门标签

太强了！10大开源大模型！