24小时热门版块排行榜

返回列表

13108017953

铜虫 (小有名气)

应助: 1 (幼儿园)
金币: 321.2
帖子: 116
在线: 17.6小时
虫号: 37180477

[交流] 新审查指南施行半年，AI方向的专利申请是不是更看"技术味"了？

最近帮课题组整理了几件算法方向的专利申请材料，正好赶上新修订的《专利审查指南》今年1月1日起施行，其中对人工智能相关专利申请的审查标准做了不少完善，还增加了比特流专利申请的专门规定。手上这几件恰好都是AI相关的，把观察到的变化和踩过的坑分享一下，抛砖引玉。
1. "算法+应用场景"这个门槛其实更高了
以前圈子里流传的说法是"纯数学算法不能授权，加个应用场景就可以"。新指南施行后，我的感受是光贴一个应用场景的标签不够了，审查员会看算法和场景是不是真正"咬合"：算法的改进是否解决了具体的技术问题、采用了技术手段、带来了技术效果。同样是注意力机制的改进，写成"一种改进的注意力机制"容易被归到智力活动的规则和方法，而写成"用于XX图像中小目标缺陷检测的……方法"、并且说明书里讲清楚为什么这个改进在该场景下有效，通过的概率明显不一样。
2. 说明书的写法要求更实了
AI类申请最容易收到的审查意见就是公开不充分。几个容易踩的点：
- 训练过程要写出来：数据怎么获取、预处理流程、训练步骤、损失函数，不能只写一句"采用深度学习方法训练"
- 评价指标要具体：说"效果显著提升"不如写清楚在什么数据集上、用什么指标、提升幅度大致多少
- 算法与技术问题的关联要交代：为什么这个算法结构适合这个问题，而不是泛泛的通用描述
我们之前有一件申请，模型结构图画得很漂亮，但训练环节就写了一段话，审查意见直接指出本领域技术人员依据现有记载无法再现，后来补充了实验细节才推进下去。
3. 论文和专利的边界要提前划好
做AI的老师都知道，论文讲究消融实验、对比SOTA，但专利要的是"边界"——权利要求概括的保护范围。论文里把最优参数写死，专利跟着写死，授权了保护范围也窄得可怜。建议专利文件里做适度概括，把最优参数和具体实施细节放进从属权利要求。另外还是老话题：论文一旦online就算公开，新颖性就没了。AI方向论文周期短、预印本文化又盛行，先专利后论文的顺序更要提前排好，别让arXiv把自己的后路断了。
4. 保护组合的问题
算法核心（比如模型结构的改进）适合走专利；训练数据集、数据标注流程更多靠技术秘密和软著兜底；涉及工程部署的部分还可以考虑软著登记。单一专利保护不了整个技术体系，课题组内部最好提前想清楚哪些公开换保护、哪些保留不公开。
顺带提一句，新指南这次对涉及芯片设计的比特流专利申请也做了专门规定，做硬件加速、FPGA方向的老师可以关注一下。

以上是基于最近几件申请的个人观察，不同领域的把握尺度可能有差异，仅供参考。各位做AI、机器学习方向的虫友，最近收到的审查意见主要集中在哪些点上？有没有"明明加了应用场景还是被驳"的情况？想听听大家的实际经验。

回复此楼