在2019年末，审查指南又修改了，此次修改后的审查指南于2020年2月1日起开始执行。此次修改主要是针对软件领域案件的审查增加了一节，该节中就软件领域案件的客体问题以及新颖性和创造性问题举了一些实际的例子。本文讨论的是客体的问题，说简单点就是哪些东西可以通过专利保护？哪些东西不能通过专利保护。
大家知道并不是世间万物都可以申请专利的，只有技术才是专利保护的客体。专利法第二条给出了技术方案的定义，技术方案需要包括三要素：有技术特征、解决技术问题、取得技术效果，这三要素缺一不可，只有三要素均具备才是技术方案。专利法第二十五条举了一个不是技术方案的特例，这个特例是智力活动的规则和方法。
什么是智力活动的规则和方法呢？例如，狼人杀的游戏规则。这个游戏规则是人类自己定义的，它规定了预言家有什么能力那预言家就有什么能力，这个是基于人的思想意识的，并不是依赖于客观不可改变的自然规律，所以这种游戏规则就是一种智力活动的规则和方法。类似的例子还有日历，人类规定了今年是2020年，其实如果大家规定今年是2030年也可以，这就是一种规定而已。
智力活动的规则和方法为什么不是技术方案呢?它不具备技术方案的哪个要素呢？很显然，智力活动的规则和方法是没有技术特征的，所以它不是技术方案。
那么，我们在计算机上实现一下狼人杀的游戏规则，此时其实利用了计算机的计算规律，例如，判断A的权限是否为预定权限，在为预定权限的情况下，所述A能够进行选择并由计算机判断所述A的选择是否正确。这个写法其中包括了技术特征：计算机来进行判断就是利用了技术特征。但是包括了技术特征的方案就一定是技术方案吗？其实不一定，此时还要看是否能够解决技术问题，以及是否能够取得技术效果。计算机实现狼人杀的过程并没有对计算机技术进行任何的改动，其解决问题也是如何实现人类的规则，此时该问题不是技术问题，因此，在计算机上实现狼人杀的方案可以理解为不是技术方案，其虽然不是智力活动的规则与方法，但是其由于不是技术方案，因此也不能授予专利权。
这其中是有问题的：什么样的问题是技术问题？什么的问题不是技术问题？对此审查指南中并没有规定，所以大家对什么样的方案是保护客体拿捏不准，基于该问题，审查指南此次修改给出了例子。需要说明的是，这是审查指南修改的表面原因，真正的原因我们慢慢分析。
审查指南关于智力活动的方法和规则以及技术方案增加的内容如下：
6.1.1 根据专利法第二十五条第一款第（二）项的审查
如果权利要求涉及抽象的算法或者单纯的商业规则和方法，且不包含任何技术特征，则这项权利要求属于专利法第二十五条第一款第（二）项规定的智力活动的规则和方法，不应当被授予专利权。例如，一种基于抽象算法且不包含任何技术特征的数学模型建立方法，属于专利法第二十五条第一款第（二）项规定的不应当被授予专利权的情形。再如，一种根据用户的消费额度进行返利的方法，该方法中包含的特征全部是与返利规则相关的商业规则和方法特征，不包含任何技术特征，属于专利法第二十五条第一款第（二）项规定的不应当被授予专利权的情形。
如果权利要求中除了算法特征或商业规则和方法特征，还包含技术特征，该权利要求就整体而言并不是一种智力活动的规则和方法，则不应当依据专利法第二十五条第一款第（二）项排除其获得专利权的可能性。
6.1.2 根据专利法第二条第二款的审查
如果要求保护的权利要求作为一个整体不属于专利法第二十五条第一款第（二）项排除获得专利权的情形，则需要就其是否属于专利法第二条第二款所述的技术方案进行审查。
对一项包含算法特征或商业规则和方法特征的权利要求是否属于技术方案进行审查时，需要整体考虑权利要求中记载的全部特征。如果该项权利要求记载了对要解决的技术问题采用了利用自然规律的技术手段，并且由此获得符合自然规律的技术效果，则该权利要求限定的解决方案属于专利法第二条第二款所述的技术方案。例如，如果权利要求中涉及算法的各个步骤体现出与所要解决的技术问题密切相关，如算法处理的数据是技术领域中具有确切技术含义的数据，算法的执行能直接体现出利用自然规律解决某一技术问题的过程，并且获得了技术效果，则通常该权利要求限定的解决方案属于专利法第二条第二款所述的技术方案。
其实看到上面的内容还是不容易理解什么样的方案是技术方案，尤其是包括算法的软件方案。
那么有最简单的一个判断方法：如果该算法处理的数据是真实世界的数据，则该算法是技术方案，如果该算法处理的数据就是一堆无实际意义的数，那么该算法就不是技术方案。
审查指南修改中还给出了例子：
例1：
一种建立数学模型的方法，其特征在于，包括以下步骤：
根据第一分类任务的训练样本中的特征值和至少一个第二分类任务的训练样本中的特征值，对初始特征提取模型进行训练，得到目标特征提取模型；其中，所述第二分类任务是与所述第一分类任务相关的其它分类任务；
根据所述目标特征提取模型，分别对所述第一分类任务的每个训练样本中的特征值进行处理，得到所述每个训练样本对应的提取特征值；
将所述每个训练样本对应的提取特征值和标签值组成提取训练样本，对初始分类模型进行训练，得到目标分类模型；
将所述目标分类模型和所述目标特征提取模型组成所述第一分类任务的数学模型。
在这个例子中，特征值以及目标特征以及训练样本等内容都是数学概念的，并对应一个真实世界存在的内容，所以这不是技术方案，就是一种数学算法。如果加一个限定则就是真实世界存在的内容了：
一种建立数学模型的方法，其特征在于，包括以下步骤：
根据第一分类任务的训练样本中的特征值和至少一个第二分类任务的训练样本中的特征值，对初始特征提取模型进行训练，得到目标特征提取模型；其中，所述第二分类任务是与所述第一分类任务相关的其它分类任务，所述训练样本为语句，所述特征值为该语句中的相邻词语的关联性；
根据所述目标特征提取模型，分别对所述第一分类任务的每个训练样本中的特征值进行处理，得到所述每个训练样本对应的提取特征值；
将所述每个训练样本对应的提取特征值和标签值组成提取训练样本，对初始分类模型进行训练，得到目标分类模型；
将所述目标分类模型和所述目标特征提取模型组成所述第一分类任务的数学模型，其中，所述第一数学模型用于处理语句。
这样修改后的内容不再是抽象的数学方法，而是一种在语言处理中使用的技术，所以是技术方案。这样正向的例子在修改后的审查指南中也给出了一个：
一种卷积神经网络CNN模型的训练方法，其特征在于，所述方法包括：
获取待训练CNN模型的初始模型参数，所述初始模型参数包括各级卷积层的初始卷积核、所述各级卷积层的初始偏置矩阵、全连接层的初始权重矩阵和所述全连接层的初始偏置向量；
获取多个训练图像；
在所述各级卷积层上，使用所述各级卷积层上的初始卷积核和初始偏置矩阵，对每个训练图像分别进行卷积操作和最大池化操作，得到每个训练图像在所述各级卷积层上的第一特征图像；
对每个训练图像在至少一级卷积层上的第一特征图像进行水平池化操作，得到每个训练图像在各级卷积层上的第二特征图像；
根据每个训练图像在各级卷积层上的第二特征图像确定每个训练图像的特征向量；
根据所述初始权重矩阵和初始偏置向量对每个特征向量进行处理，得到每个训练图像的类别概率向量；
根据所述每个训练图像的类别概率向量及每个训练图像的初始类别，计算类别误差；
基于所述类别误差，对所述待训练CNN模型的模型参数进行调整；
基于调整后的模型参数和所述多个训练图像，继续进行模型参数调整的过程，直至迭代次数达到预设次数；
将迭代次数达到预设次数时所得到的模型参数作为训练好的CNN模型的模型参数。
分析及结论
该解决方案是一种卷积神经网络CNN模型的训练方法，其中明确了模型训练方法的各步骤中处理的数据均为图像数据以及各步骤如何处理图像数据，体现出神经网络训练算法与图像信息处理密切相关。该解决方案所解决的是如何克服CNN模型仅能识别具有固定尺寸的图像的技术问题，采用了在不同卷积层上对图像进行不同处理并训练的手段，利用的是遵循自然规律的技术手段，获得了训练好的CNN模型能够识别任意尺寸待识别图像的技术效果。因此，该发明专利申请的解决方案属于专利法第二条第二款规定的技术方案，属于专利保护客体。
这两个例子都是人工智能的例子，由这两个例子可以看出一些此次修改审查指南的真正原因。
大家都知道在2019年Google就机械学习的一个基础算法申请的专利获得了授权，该消息在机械学习领域是非常的震撼，因为该基础算法专利几乎是机器学习领域无法规避的专利。
下面这段话摘抄自机器之心：
机器学习模型训练中，过拟合现象实在令人头秃。而 2012 年 Geoffrey Hinton 提出的 Dropout 对防止过拟合有很好的效果。之后大量 Dropout 变体涌现，这项技术也成为机器学习研究者常用的训练 trick。
万万没想到的是，谷歌为该项技术申请了专利，而且这项专利昨日正式生效！
我们可以在 Google Patents 上看到这项技术的专利详情页面：https://patents.google.com/patent/US9406017B2/en
Dropout 自 2012 年以来就产生了非常重要的影响，现在的神经网络训练基本上都会用一些 Dropout 作为正则化器。这主要是因为神经网络的拟合能力太强大了，稍不留神就会产生过拟合的情况，因此不论是循环还是卷积，根据过拟合调整丢弃概率还是非常好用的。
此前 Hinton 等研究者也尝试构建更强大的Dropout，例如神似剪枝的 Targeted Dropout、大幅减少迭代数的 Multi-Sample Dropout 等。但最近谷歌为 Dropout 这一通用技术申请了专利，且专利现在已经生效了。就这么简单精炼的一个技术，用 NumPy 写前向和反向传播代码也就几行的功夫，专利真的会对我们有大影响吗？
如果你是初创公司，现在需要融资，在你的算法中使用谷歌的专利会是一个很大的负担，甚至可能影响融资。
如果你是个和谷歌有专利纠纷的组织，起诉前请三思，因为谷歌也有专利武器反诉你。
如果你是谷歌的专利律师，你是人生赢家。
这个专利是否会产生实质性的影响，目前还不清楚，谷歌方面也未有回应。
由此可见，这个专利对于机器学习的重要性。大家都知道，对于机器学习基础框架而言，中国的企业没有太大的发言权，其技术基本掌握在老外手里，这些基础框架以及基础技术一旦被授予了专利权，对中国企业影响比较大。那么这个专利能否在中国授权呢？下面我们来看一下这个专利的独立权利要求：
1.A computer-implemented method comprising:
obtaininga plurality of training cases; and
traininga neural network having a plurality of layers on the plurality of trainingcases, each of the layers including one or more feature detectors, each of thefeature detectors having a corresponding set of weights, and a subset of thefeature detectors being associated with respective probabilities of beingdisabled during processing of each of the training cases, wherein training theneural network on the plurality of training cases comprises, for each of thetraining cases respectively:
determiningone or more feature detectors to disable during processing of the trainingcase, comprising determining whether to disable each of the feature detectorsin the subset based on the respective probability associated with the featuredetector,
disablingthe one or more feature detectors in accordance with the determining, and
processingthe training case using the neural network with the one or more featuredetectors disabled to generate a predicted output for the training case.
英语的权利要求看不懂？没关系，我使用了专注于专利人工智能翻译的翻译引擎来进行翻译，感谢优选字符！大家感兴趣的话可以试用：http://www.youxuanzifu.com/
1.一种计算机实现的方法，包括：
获得多个训练情况；以及
训练神经网络，所述神经网络具有在所述多个训练案例上的多个层，所述层中的每一个包括一个或多个特征检测器，所述特征检测器中的每一个具有对应的权重集合，并且所述特征检测器的子集与在处理所述训练案例中的每一个训练案例期间被禁用的相应概率相关联，其中，针对所述训练案例中的每一个训练案例，在所述多个训练案例上训练所述神经网络分别包括：
确定在处理所述训练情况期间要停用的一个或一个以上特征检测器，包括基于与所述特征检测器相关联的所述相应概率确定是否停用所述子集中的所述特征检测器中的每一者，
根据所述确定禁用所述一个或多个特征检测器，以及
使用所述神经网络处理所述训练情况，其中，禁用所述一个或多个特征检测器以生成所述训练情况的预测输出。
通过这个翻译后的权利要求可以看出，在该权利要求中没有任何的实际处理的内容，其就是一种抽象的算法，其并没有应用实际领域，因此，按照新的审查指南来说，这不是技术方案，不能授予专利权。
因此，该专利能在美国授权的专利，在中国远远不行！
对于机器学习，中国的企业基本以应用为主，如果以应用为主的话，其在撰写权利要求的时候必然会涉及到具体领域的具体技术术语，例如，人脸识别的，肯定会写人脸；语音解析的，肯定会写上音频等等，一旦权利要求中涉及到了具体领域的技术词语，此时就是技术方案了！
所以，审查指南修改后对中国的申请人是有利的！
综上可以看出，此次修改针对了目前中国机器学习的国情，包括了浓浓的爱国之意！向审查指南修改的老师致敬！另外，韩一星提前给大家拜年了！新年快乐！
完
联系客服
