随着人工智能在各个领域的快速发展，机器学习技术在众多领域得到应用，涉及机器学习专利申请及相关知识产权诉讼迅速增长。
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500位人工智能IP人士参加。在19日的大会上，斐锐律师事务所合伙人、深圳代表处首席代表Ryan McCarthy先生围绕“基于人工智能创新的美国专利保护实践”作主题发言，结合不断演变的美国判例法，对AI发明可专利性、相关说明书已经权利要求撰写作出分享，以期为中国创新主体在美国申请AI专利提供策略参考。
知产前沿新媒体现将Ryan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。
如需购买第二届中国人工智能知识产权峰会直播回顾，请后台私信“CAIIPS 2022”
重点导读
一、美国专利申请趋势
二、美国AI相关知识产权诉讼
三、可授权专利客体
（一）规范模式
（二）案例分析
（三）2019版美国专利客体适格性指南（USPTO 2019 PEG）
四、说明书
一、美国专利申请趋势
在过去的几十年内，美国人工智能/机器学习（AI/ML）专利申请呈现惊人的增长态势。如图，2002年至2018年间，AI专利年均申请量增长超过100%，从每年3万件增长到每年6万多件。同期，包含有AI的所有专利申请的份额从9%增长到近16%。1976年，在USPTO使用的所有技术子类中，含有AI的专利约占9%，到2018年，这一比例扩大到42%以上。[1]
根据WIPO杂志的统计[2]，自1960年代以来，大约有34万份人工智能相关的发明专利申请，超过160万篇关于人工智能的科学出版物得以公开和发表。与人工智能领域相关科学出版物的兴盛始于2001年，比专利申请的激增早12年。然而，科技论文与发明的比例从2010年的8:1下降到2016年的3:1，表明了从理论研究向实践实施的转变。
机器学习相关发明主要分布在G05控制/调节以及G06计算/推算/计数技术领域，2010年以来，人工智能相关发明专利申请的公开量急剧增加，2019年约达27330件，在十年间增长了64%。未来随着人工智能在更多领域的应用与发展，上述技术领域的专利申请规模有望进一步提升。
二、美国AI相关知识产权诉讼
相关诉讼案件相较于专利的申请与公开具有时间上的滞后性。2019年之前的诉讼案件所涉专利大部分源于前十年公开的专利，则预计未来8年的诉讼案件将大部分围绕2008年至2018年公开的专利。
因此，随着大量人工智能领域发明专利被公开，随之而来的相关诉讼也预计将不断增多。
三、可授权专利客体
（一）规范模式
《联邦法典》（United States Code）第35编第101条（35 U.S.C.§101）明确了可授权专利客体的类别，即“任何新颖且有用的方法（process)、机器（machine)、产品（manufacture）或物质组合（a composition of matter）或其新而有用的改进”四种法定类型。
因此在机器学习相关的技术领域，用于解决具体的技术问题的技术方案与过程、一种机器学习模型正在执行某种功能的方法或者是一种训练模型都可以纳入可以授权的专利客体范围。
另一方面，例外客体及排除规则在司法实践中逐渐以判例方式形成，主要包括自然法则（例如重力）、自然现象（例如电磁、化学反应）以及抽象概念（例如数学公式、对冲风险、源于数据的数据）。
下图为USPTO审查专利是否符合《联邦法典》第35编第101条的通常判断步骤，下面将结合其相关内容，以机器学习技术方案为例对专利保护客体判断问题进行分析：
- 第一步，首先判断是否属于方法、机器、产品或组合物四类法定类别。以机器学习技术举例，主要涉及为解决某种技术问题的过程与方法；
- 第二步，判断其是否涉及法定排除事项（2A）。在实践中，人工智能所依靠的算法往往很容易落入抽象概念的范畴，进而被排除于可专利主题之外；
- 第三步，需要判断权利要求是否记载了司法排除对象之外的附加元素（2B），如果添加的元素使得专利能够具体应用到技术环境，则该专利仍属于可授权客体，反之则不满足101条款专利适格的主题。
（二）案例分析
当前，有关人工智能专利相关的判例不多，但该领域相关诉讼仍在增加。专利案件的初审首先在各地区法院中进行。当事人对判决结果存有异议的可上诉至联邦巡回法院，最高法院则为专利诉讼的最终上诉法院。因此，短期内，人工智能技术相关的判决更多出自联邦巡回法院。
1.Diamond诉Diehr案
20世纪七八十年代，美国的计算机软件业起步发展，涌现出一系列有关计算机软件发明保护的案例。这些案例所涉的计算机软件远不可和当前机器学习技术同日而语，但也为机器学习技术保护的研究提供方向。一个机器学习的算法模型是否能够成为专利法保护的客体？可以在美国联邦最高法院1981年审理的Diamond诉Diehr一案中找到启发。
在该案中，Diehr公司所请求的发明为制造橡胶产品时控制压力与时间的方法，该工序利用模具，首先在一定温度和压力下将未固化的原料定型，然后在模具中对合成橡胶进行固化处理，这样产品将保持原有形状，在成型完成后可以直接使用。本案的争议焦点在于，该发明主张使用计算机软件执行阿列纽斯德方程式，则其是否属于美国专利法第101条中可保护的专利。
方程式确属于传统数学算法、抽象概念，但需要注意的是，其被运用在成型橡胶的具体制造过程当中，运用该方程式，可以通过已知的时间、温度和熟化关系，计算出打开模具的时间，通过反复计算与比对，从而确定合适的熟化时间。
法院判例结果亦表明，单纯的数学表达不是专利保护的对象，但当数学公式和计算机程序应用于具体的方法中，作为解决具体问题的整体技术方案的一部分时，该整体技术方案也可以授予专利权的。
2.BASCOM诉AT&T案
案涉专利为一种内容过滤系统，通过采取一定的通信网络技术，提供远程互联网服务，服务器可针对单独个别客制要求来过滤文件内容。在该案中，联邦巡回法院认为，“该技术一些组件和功能尽管看起来是通用的，但某些限定特征是非常规的（例如完成的步骤取决于分布式增强），所有限定特征的整体有序组合也是非常规的。”
因此，网络内容过滤软件的内容过滤本身可能是一种抽象思维，但涉案专利的创造性构想（inventive concept）即改进之处在于，在特定位置并针对每个终端用户都具备合适的定制过滤功能，此构想已将抽象的想法转换成合格专利的发明。
3.In re Board of Trustees I[3]（联邦巡回上诉法院，2021年3月11日）
斯坦福大学提交了一种用于长程单倍型的精确构建的方法和系统的专利申请，它提供了即使在没有亲源信息的情况下，仍可利用某一特定统计模型推导出单倍型定相的方法。据权利要求记载，该发明通过采用特定类型的隐马尔可夫模型来预测单倍型定相，改进了精确性。
在该案中，联邦巡回上诉法院维持了PTAB的驳回决定，理由在于：
- 首先，该申请的权利要求指向执行计算的数学算法，为专利不适格的抽象想法。
- 其次，尽管通过“新的或不同的数学过程的使用”，“该过程产生了大量的单倍型定相预测”，但该过程并不是一个“改进的技术过程”。
- 再者，权利要求并没有明确列举所请求的数学算法的实际应用，而只是请求在响应某一请求时提供单倍型定相。
有鉴于该案例，人工智能领域的专利申请需要对底层技术进行改进，对算法所生成产出的用途或实际应用进行明确列举，才能符合专利保护客体的要求。
4.In re Board of Trustees II[4]（联邦巡回上诉法院，2021年3月25日）
斯坦福大学提交了另一件专利申请“一种用于推断不相关个体集合中的单倍型阶段的计算机方法”，权利要求亦称，该发明使用特定类型的隐马尔可夫模型来预测这些单倍型阶段，提高了现有模型的准确性。该方案实际上与案例3十分相似。PTO审理认为权利要求同样指向使用数学计算和统计建模，且计算精度的改进不被认为是对工艺过程的改进，而仅仅是对抽象数学计算的增强。
对此，斯坦福大学辩称，该发明的技术改进在于，通过计算精度的提高可以获得更大的计算效率，提高计算机的处理能力。然而遗憾的是，斯坦福大学因其未向PTAB提出该论点，因而在该案上诉至联邦巡回上诉法院阶段丧失了该项抗辩资格。
就本案而言，申请人明确列举了所请求的数学计算和统计建模的实际应用，正如斯坦福大学所提出的争辩，如果发明的技术改进不仅仅强调精度提高本身，而在于更准确地预测可增进工艺过程，那么该发明就很有可能成为专利保护客体。
5.PurePredictive, Inc.诉H2O.AI案 （加利福尼亚州北区法院，2017 年）
案涉专利涉及一种使用数学算法进行预测分析的方法。机器学习模型首先接收随机数据并生成训练函数，根据输入与预期输出的结果调整模型的参数，以达到在提供相应的输入时准确产生预期输出，并以此创建规则集。
H2O.AI认为，该项权利要求是针对测试和完善算法的抽象数学过程，试图垄断基本数学操作的使用，而不提及任何具体的实施、应用、目的或用途。对此，PurePredictive辩称，该项专利不仅针对计算机相关技术，而且还对其相关特定问题进行了改进。最终，原审法院支持了H2O.AI关于该权利要求无效的观点。
原审法院参考了专利说明书中对发明的描述，即该发明是一种“蛮力、试错的方法”，“产生一个预测性的组合，而不考虑特定领域或应用”，这使法院断定，这“进一步表明该流程只是通过机器运行数据而已”。目前，联邦巡回上诉法院已经确认该判决。
（三）2019版美国专利客体适格性指南（USPTO 2019 PEG）
美国专利客体适格性指南（Patent Subject Matter Eligibility Guidance，PEG），载于《美国专利审查程序手册》（Manual of Patent Examining Procedure，MPEP），是PTO发放给专利审查员用于评估专利适格性的指南，指南内提供多个示例，说明如何根据指南进行相关分析。2019年，PTO对其再次修改和完善，形成现行指南。在该版本的专利适格性分析中，相较于此前的分析路径，对步骤2A进行了进一步细分，即：
- 第一，判断权利要求是否描述了抽象概念、自然规律或自然现象。
- 第二，判断所描述的司法排除对象是否整合到实际应用中。
- 第三，是否记载了司法排除对象之外的附加元素（2B）。
- 例如，指南展示的示例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。
PTO认为，该权利要求并非阐述数学关系、公式或计算；并非心理过程，因为它并非实际在人脑中执行；并非阐述人类活动的组织方法（例如基本经济概念、人际互动管理方法）；因此，该权利要求不属于2019 PEG中列举的法定例外情况，具有客体适格性。
四、说明书
专利申请文件的撰写质量决定一项专利权能否形成、专利权人能否获得有效的合法的、最大化的、稳定的法律保护。根据《美国法典》第35编第112(a)条，对专利说明书提出两个要求：一为可实施性，即应当告知相关领域的技术人员如何制作和使用权利要求所述的发明；二为清楚准确的书面表述，明确表明申请人权利要求所述的客体。
MPEP第2161.01(i)条亦规定，“在审查计算机实施的功能性权利要求时，审查员应判定说明书是否揭露了执行权利要求所述功能的计算机和算法（例如必要步骤和/或流程图）并且提供了充分的信息，让相关领域的普通技术人员 能够合理地得出结论：发明人在提交申请时已拥有权利要求所述的客体。”
为避免专利申请因说明书不符合规范而被驳回，基于机器学习技术的特点，笔者根据多年实务经验总结出以下说明书撰写建议：
- 充分说明创新的技术环境和技术必要性。
- 避免使用明显的数学术语来描述创新。
- 考虑在描述背景时对已确立的先有技术的实施进行说明，避免在说明书中明确指出先有技术（例如，“美国专利案号X,XXX,XXX、致 Jones、揭露……”）。
- 避免对权利要求中所述的特征进行“黑盒”描述，需要对模型整体的结构以及具体的训练过程进行详细的解释。
- 明确阐述单个特征和/或多个特征的技术效果/优势，将优势与权利要求中所述的特征/特征组合关联起来。
当前，美国对专利适格性的判定越来越依赖于说明书中的陈述。因此，对一项技术方案保护的最佳方式便是从说明书撰写开始投资。一份优质和全面的专利申请有助于提高专利审查的效率和授予专利保护的可能性，很大程度上减少专利申请因驳回、修改、复审而产生的各项成本，避免限制最终授予专利的范围。
斐锐律师事务所
斐锐律师事务所（Fish & Richardson P.C.）是一家全球性的、以知识产权业务为主的律师事务所。作为全球性的知识产权律师事务所，2019年，斐锐在中国设立深圳办事处，目前在美国、欧洲和中国拥有14家分所以及400余名律师和技术专家，提供无缝连接式的国际知识产权服务。
作为全美专利诉讼排名第一律所、专利审判与上诉委员会排名第一律所、全球性的专利申请律所以及商标与版权业务第一梯队律所，斐锐拥有在各个相关技术领域具备丰富经验的律师团队，其中包括100余位各专业领域博士学位获得者、100余位拥有电子工程或计算机科学学位的律师以及前联邦巡回法院助理和其它法院前法律助理。
自1878年创立起，斐锐的律师们赢得了数个案额达十亿美元级的争议案件，广受全球最具创造性及影响力企业的赞誉与信赖。未来，斐锐将继续在代理实务中不断创造新的案例法。
注释（上下滑动阅览）
【1】Inventing AI Tracing the diffusion of artificial intelligence with U.S. patents, USPTO, Office of the Chief Economist, IP Data Highlights, Number 5, 2020年10月。
【2】The IP behind the AI boom, James Nurton, WIPO 杂志, 2019年2月。
【3】In Re THE BOARD OF TRUSTEES, 20-1012 (Fed. Cir. 2021).
【4】In Re THE BOARD OF TRUSTEES, 20-1288 (Fed. Cir. 2021).
作者：Ryan McCarthy
编辑：Sharon