文/北京市集佳律師事務(wù)所 戈曉美

　　摘要：“人工智能+”時代，將基礎(chǔ)算法垂直應(yīng)用到千行百業(yè)的真實場景，成為人工智能技術(shù)升級、產(chǎn)業(yè)增長的新路經(jīng)。人工智能技術(shù)的場景依賴性特征對傳統(tǒng)算法中心主義的專利創(chuàng)造性評價提出特殊挑戰(zhàn)。本文結(jié)合國家知識產(chǎn)權(quán)局復(fù)審和無效審理部發(fā)布的“廢鋼等級劃分神經(jīng)網(wǎng)絡(luò)模型”無效案與字節(jié)跳動“用于處理圖像的方法和裝置”復(fù)審案，剖析應(yīng)用場景特征通過訓(xùn)練數(shù)據(jù)、模型參數(shù)、技術(shù)目標(biāo)等維度對算法或模型產(chǎn)生的實質(zhì)性影響，提出人工智能專利創(chuàng)造性評價中場景特征的考量路徑，為司法實踐與專利代理提供參考。

　　引言

　　人工智能技術(shù)的爆發(fā)式發(fā)展推動相關(guān)專利申請量激增，但算法與應(yīng)用場景的深度綁定使創(chuàng)造性評價面臨困境。《專利審查指南（2010）》對人工智能專利的創(chuàng)造性判斷規(guī)則缺乏具體指引，實踐中常存在“重算法輕場景”或“場景泛化認(rèn)定”的誤區(qū)。國家知識產(chǎn)權(quán)局發(fā)布的“廢鋼等級劃分”無效案（第55072號決定）與字節(jié)跳動圖像處理復(fù)審案（第1694596號決定），通過明確應(yīng)用場景特征的評價價值，為該領(lǐng)域創(chuàng)造性判斷樹立了示范標(biāo)桿。本文基于兩案核心爭議，探討場景特征對算法或模型的影響機理及審查認(rèn)定規(guī)則。

　　一、人工智能技術(shù)特征與場景關(guān)聯(lián)性基礎(chǔ)

　　人工智能技術(shù)的核心構(gòu)成包括算法架構(gòu)、訓(xùn)練數(shù)據(jù)與應(yīng)用目標(biāo)，三者均與具體場景存在內(nèi)在關(guān)聯(lián)。與傳統(tǒng)技術(shù)不同，人工智能算法的效能高度依賴應(yīng)用環(huán)境：同一基礎(chǔ)算法在不同場景中需通過數(shù)據(jù)適配、參數(shù)調(diào)整實現(xiàn)功能落地，而場景差異直接決定技術(shù)問題的邊界與解決方案的方向。

　　從技術(shù)本質(zhì)看，應(yīng)用場景對人工智能技術(shù)的影響體現(xiàn)為三重邏輯：一是場景定義技術(shù)問題，不同場景的實踐需求決定算法需解決的核心矛盾；二是場景約束數(shù)據(jù)形態(tài)，訓(xùn)練數(shù)據(jù)的采集范圍、特征維度隨場景特性變化；三是場景引導(dǎo)模型優(yōu)化，算法的參數(shù)配置、特征提取重點需匹配場景專屬需求。這種關(guān)聯(lián)性構(gòu)成場景特征納入創(chuàng)造性評價的核心依據(jù)。

　　二、典型案例中場景特征對算法的影響解析

　　（一）廢鋼等級劃分無效案：場景差異引發(fā)的算法實質(zhì)性調(diào)整

　　1.案件核心事實：涉案專利（ZL201910958076.8）公開一種基于卷積神經(jīng)網(wǎng)絡(luò)的廢鋼等級劃分方法，針對廢鋼收購場景中“疊壓混雜廢鋼的尺寸分級”問題，通過提取圖像邊緣與紋理關(guān)聯(lián)特征、優(yōu)化訓(xùn)練數(shù)據(jù)實現(xiàn)等級自動劃分。請求人以證據(jù)1（廢鋼分揀場景的種類識別方法）結(jié)合證據(jù)2（通用卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)）主張其缺乏創(chuàng)造性，審理部門最終維持專利權(quán)有效。

　　2.場景對算法的影響維度：

　　技術(shù)問題重構(gòu)：收購場景需解決“疊壓廢鋼的尺寸分級”以確定收購價格，分揀場景則需實現(xiàn)“單一品類的種類識別”以制定再利用策略，場景差異導(dǎo)致核心技術(shù)問題完全不同。

　　訓(xùn)練數(shù)據(jù)異化：涉案專利采用“形態(tài)混雜、相互疊壓的廢鋼圖像”，證據(jù)1則使用“已分類的單一品類廢鋼圖像”，數(shù)據(jù)形態(tài)差異直接決定特征提取的側(cè)重點。

　　模型參數(shù)適配：為處理疊壓圖像的邊緣模糊問題，涉案專利針對性調(diào)整卷積核參數(shù)與特征融合邏輯，提取“邊緣-紋理關(guān)聯(lián)特征”，需要對例如提取的特征之類的重要數(shù)據(jù)、輸入層輸出層之間的各層級的模型參數(shù)等進(jìn)行調(diào)整，而證據(jù)1無需此類參數(shù)優(yōu)化。

　　該案明確：即使基礎(chǔ)算法架構(gòu)相似，場景差異引發(fā)的技術(shù)問題重構(gòu)、數(shù)據(jù)形態(tài)異化與參數(shù)調(diào)整，足以使技術(shù)方案具備非顯而易見性。

　　（二）字節(jié)跳動圖像處理復(fù)審案：場景限定帶來的算法功能升級

　　1.案件核心事實：涉案申請（201810734681.2）公開一種圖像處理方法，針對“球場等特定對象的關(guān)鍵點檢測”場景，通過融合位置信息的訓(xùn)練數(shù)據(jù)優(yōu)化關(guān)鍵點檢測模型。審查部門曾以對比文件1、2結(jié)合公知常識駁回申請，復(fù)審階段申請人明確場景限定及對應(yīng)算法調(diào)整后，決定撤銷駁回。

　　2.場景對算法的影響維度：

　　限定特定技術(shù)問題：修改前，權(quán)利要求中未明確技術(shù)問題與應(yīng)用場景的關(guān)聯(lián)，僅描述為“處理圖像的方法”，缺乏對特定場景下技術(shù)問題的限定；修改后，明確技術(shù)問題為“基于圖像的球場數(shù)據(jù)分析”，與對比文件1（人臉識別）和對比文件2（遮擋判斷）所解決的技術(shù)問題形成明顯差異，體現(xiàn)了算法在特定場景下的功能定向與技術(shù)目標(biāo)重塑。

　　明確訓(xùn)練數(shù)據(jù)的場景特征：修改前，未明確訓(xùn)練數(shù)據(jù)的來源與特性，模型訓(xùn)練缺乏場景針對性；修改后，訓(xùn)練數(shù)據(jù)來源于“目標(biāo)對象（如球場）自身的拍攝圖像”，強調(diào)同一球場的多個圖像用于訓(xùn)練，訓(xùn)練目標(biāo)為輸出關(guān)鍵點的位置坐標(biāo)與可見性概率。數(shù)據(jù)中蘊含球場的幾何結(jié)構(gòu)、視角變換、關(guān)鍵點分布等場景特征，導(dǎo)致模型在結(jié)構(gòu)、輸入輸出設(shè)計上與通用模型（如D1/D2）產(chǎn)生實質(zhì)性差異。

　　明確模型參數(shù)的適配關(guān)系：修改前，僅描述“不同目標(biāo)對象對應(yīng)不同關(guān)鍵點檢測模型”，未明確模型與場景的適配關(guān)系；修改后，明確“關(guān)鍵點檢測模型是基于目標(biāo)對象的拍攝圖像和位置信息集合訓(xùn)練得到的”，強調(diào)“模型與目標(biāo)對象個體一一對應(yīng)”，模型輸出同時包含位置坐標(biāo)+可見性概率，且二者同步輸出，體現(xiàn)了算法與場景在功能上的深度融合與相互支持。

　　該案表明：場景特征通過限定特定技術(shù)問題、明確訓(xùn)練數(shù)據(jù)的場景特征、明確模型參數(shù)的適配關(guān)系實現(xiàn)算法功能升級時，其技術(shù)貢獻(xiàn)應(yīng)納入創(chuàng)造性評價范疇。

　　三、人工智能專利創(chuàng)造性評價中場景特征的把握路徑

　　結(jié)合兩案裁判邏輯與人工智能技術(shù)特點，場景特征的創(chuàng)造性評價可遵循“場景解構(gòu)—影響評估—創(chuàng)造性關(guān)聯(lián)”的三步路徑。

　　（一）場景特征的解構(gòu)維度

　　首先需要明確場景的核心要素：一是場景屬性，包括技術(shù)領(lǐng)域、實踐環(huán)節(jié)、環(huán)境約束等客觀特征，如廢鋼收購場景的“現(xiàn)場疊壓”屬性；二是場景需求，即該場景下待解決的具體技術(shù)矛盾，如球場場景的“動態(tài)關(guān)鍵點定位”需求；三是場景約束，包括數(shù)據(jù)可得性、實時性要求等技術(shù)限制。上述要素共同構(gòu)成場景影響算法的基礎(chǔ)框架。

　　（二）場景對算法影響的實質(zhì)性判斷

　　場景特征是否構(gòu)成創(chuàng)造性評價的關(guān)鍵要素，核心在于判斷其是否引發(fā)算法或模型的實質(zhì)性調(diào)整，具體包括三方面：

　　1.算法核心要素是否變化：主要考慮根據(jù)應(yīng)用場景的不同所要解決的技術(shù)問題的不同，對算法的訓(xùn)練數(shù)據(jù)、模型參數(shù)或其他方面是否進(jìn)行了相應(yīng)調(diào)整？如特征提取維度、訓(xùn)練數(shù)據(jù)結(jié)構(gòu)、模型參數(shù)配置等因場景差異發(fā)生調(diào)整則在判斷創(chuàng)造性時應(yīng)予以考慮，若僅為算法的簡單套用則不構(gòu)成實質(zhì)性變化。

　　2.技術(shù)效果是否專屬：主要考慮調(diào)整后的算法是否解決了場景特有的技術(shù)問題并獲得了有益的技術(shù)效果？如廢鋼收購場景的“疊壓識別精度”提升，則在創(chuàng)造性判斷時應(yīng)予以考慮。

　　3.調(diào)整難度是否顯而易見：主要考慮場景引發(fā)的算法優(yōu)化對本領(lǐng)域技術(shù)人員而言是否需要創(chuàng)造性勞動？如果兩個應(yīng)用場景和處理對象之間存在較多的相似之處，將這種算法從一應(yīng)用場景轉(zhuǎn)用到另一應(yīng)用場景時無需對算法流程模型參數(shù)等要素作出實質(zhì)性改變，則這種應(yīng)用場景和處理對象的不同并不能使整體方案具備創(chuàng)造性。

　　（三）創(chuàng)造性評價的場景關(guān)聯(lián)規(guī)則

　　1.整體考量原則：《審查指南》第二部分第九章第6.1.3節(jié)規(guī)定，應(yīng)將與技術(shù)特征功能上彼此相互支持、存在相互作用關(guān)系的算法特征或商業(yè)規(guī)則和方法特征與所述技術(shù)特征作為一個整體考慮。將場景特征與算法特征作為技術(shù)方案的有機整體審查，避免孤立評價算法架構(gòu)或場景描述，如廢鋼案中需結(jié)合“收購場景+關(guān)聯(lián)特征提取”綜合判斷。

　　2.區(qū)別技術(shù)特征聚焦：若場景差異導(dǎo)致區(qū)別技術(shù)特征（如訓(xùn)練數(shù)據(jù)優(yōu)化、參數(shù)調(diào)整），需進(jìn)一步判斷該特征是否為場景專屬且非顯而易見，如字節(jié)跳動案中“位置信息融合訓(xùn)練”與球場場景的強關(guān)聯(lián)性。

　　3.技術(shù)啟示排除規(guī)則：若現(xiàn)有技術(shù)未公開相同場景下的算法應(yīng)用，且不同場景間的算法遷移需克服技術(shù)障礙，則可排除現(xiàn)有技術(shù)的結(jié)合啟示。

　　四、結(jié)論與建議

　　人工智能專利的創(chuàng)造性評價需突破“算法中心主義”局限，充分考量應(yīng)用場景特征的技術(shù)價值。從兩案實踐來看，場景特征并非抽象的應(yīng)用背景，而是通過定義技術(shù)問題、約束數(shù)據(jù)形態(tài)、引導(dǎo)模型優(yōu)化對算法產(chǎn)生實質(zhì)性影響，當(dāng)這種影響導(dǎo)致技術(shù)方案具備非顯而易見性且產(chǎn)生專屬技術(shù)效果時，應(yīng)認(rèn)定其具備創(chuàng)造性。

　　對專利撰寫而言，需在申請文件中寫明所解決的特定功能或應(yīng)用領(lǐng)域中的技術(shù)問題，明確場景特征與算法調(diào)整的關(guān)聯(lián)邏輯：一是詳細(xì)披露場景的技術(shù)屬性與具體需求；二是清晰說明針對場景需求的算法優(yōu)化細(xì)節(jié)，包括數(shù)據(jù)處理方式、參數(shù)設(shè)置依據(jù)；三是量化場景專屬的技術(shù)效果，如識別精度、處理效率的提升數(shù)據(jù)。

　　對審查實踐而言，應(yīng)進(jìn)一步細(xì)化場景特征的審查標(biāo)準(zhǔn)：針對“算法+場景”型發(fā)明，重點核查場景差異與算法調(diào)整的因果關(guān)系；針對通用算法的場景應(yīng)用，嚴(yán)格區(qū)分“實質(zhì)性優(yōu)化”與“簡單套用”，避免不當(dāng)否定真正的場景創(chuàng)新或不當(dāng)授權(quán)泛化技術(shù)方案。

　　未來隨著人工智能技術(shù)的場景化深入發(fā)展，需持續(xù)完善審查規(guī)則，在鼓勵技術(shù)創(chuàng)新與防范專利濫用之間實現(xiàn)平衡，為新質(zhì)生產(chǎn)力發(fā)展提供知識產(chǎn)權(quán)保障。