作者：苗青盛        发表在IPRdaily官网

人工智能是研究用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。本文笔者以一个曾经处理过的涉及人工智能的案件为例，来说明笔者在撰写过程中曾经考虑或者探讨过的一些常规问题，以供互相学习讨论。

摘要：本文基于人工智能的版权保护方案的申请撰写案例，来探讨涉及人工智能案件撰写过程中需要常规注意的必要特征区分、侵权要件准备、保护范围设计、方案清楚描述的几个问题。

关键词：人工智能 专利 撰写 单边 神经网络 显性 侵权

前言

人工智能（AI）是研究用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”，也会集中表达创新的成果。

从现有专利申请的角度来看，过去五年，涉及人工智能的专利申请量在所有技术领域是增速最快的，全球各大申请人都在积极布局大量申请，也充分证明了人工智能发展的巨大前景。而且，如下图所示，在人工智能的各个技术分支上，专利量可以说是均匀分布、齐头并进。同时，国内申请人在一些基础领域和应用领域都有所突破，几个主要的申请人进行了大量的专利储备，众多的国内申请人也参与到人工智能的研发和专利申请中来。

各技术分支国内专利申请量比对（来自中国专利保护协会）

相关企业申请量（2016-2018，来自德勤2018人工智能报告）

在笔者日常的接触中，目前国内的大型企业，尤其通常意义的家电企业、信息企业、智能终端企业以及互联网企业，都有对应的人工智能的研发团队，也在进行或者必将进行大量的涉及人工智能的专利申请。

那么，对于专利代理师而言，针对特定领域案件的特定要求，需要掌握一些基本的撰写要求，才能满足或者符合技术或者企业的需求，把基础工作做好。下面笔者以一个曾经处理过的涉及人工智能的案件为例，来说明笔者在撰写过程中曾经考虑或者探讨过的一些常规问题，以供互相学习讨论。

案例简述

在一个技术方案中，描述了一种电影水印的检索方法，涉及版权保护技术领域。

现有技术中，是对电影图像的某些关键帧标记水印，以验证电影来源的合法性。但由于目前播放终端制式要求不同，在传播过程中会进行图像的转制处理，原始水印信息就会受到损伤，并且水印仅结合了部分图像的信息或者预设信息，被改动的可能性极大，从而无法准确检索或者验证；同时现有技术中通过多维的水印表达，后续检索的数据处理量过大。

在本方案中，获取电影的视频图像，针对每帧图像进行特征表达，根据多层神经网络，获取多维水印；基于第一压缩方法，生成一维水印信息，作为用于检索的水印。将一维水印信息与预先训练得到的一维水印数据库进行比对，获取基本数据源集合；将该电影的多维特征向量和数据源集合的电影的多维特征向量比较，获取电影的版权来源信息。

注意到，相对于现有技术，具有几个创新特征。第一，多维水印是经过基于多层神经网络的特征模型来获取，制式唯一并且转换不受损失，实际上该特征模型可以是现有的，也可以是本方案中特有的网络结构，从而保障制式的一致性和转变的损失率低；第二，多维特征比对改变为一维特征比对，一次大量比对转换为二次小范围筛选，降低最耗损处理能力的计算量。

撰写原则

在撰写时，笔者主要遵从以下的撰写原则，针对该案件的具体情况，来设计权利要求的架构和特征布局。其中：

第一，应用领域或者应用对象的扩展可能性，涉及人工智能的案件，要考虑模型的扩展可能性，从对象变化的角度去考虑。

第二，技术手段的扩展可能性，考虑训练输入的变化性，或者应用模型的变化性。

第三，应用和训练的结合程度，或者可独立性，对于基于神经网络的案件，要注意到改进在于模型本身还是应用端，或者二者兼有。

第四，单边撰写的可能性，考虑方案适用的对象，是否有不同终端、服务端或者云端的处理过程，这些过程是否可以独立描述为技术方案。

第五，显性撰写的可能性，考虑技术方案是否能够从输入、输出去显性表达，而不是停留在内部处理过程。

第六，虚拟系统的必要性，基于人工智能案件大多是方法类，考虑在应用中是否有可能或者有必要出现实体系统或者构建虚拟系统。

第七，客体问题，基于人工智能案件，会涉及一些规则的制定和适用，那么注意将规则、处理流程避免客体中的智力规则问题。

第八，方法撰写的常规考虑，需要注意对于操作的限定，描述动作的准确性，判断流程是否需要出现等等。

具体分析

针对本技术方案，提供的是一种检索方法，但根据解决的技术问题，可以看到核心是水印的生成方式，这个生成方式是可以独立构建方案的，其次才是基于该水印的比较流程，那么该方案的权利要求架构就是将水印生成方法和水印的检索方法构建两套独立的权利要求。虽然两个方法中都需要通过神经网络去生成水印，但是落脚点分别在生成和比较。

构建权利要求，首先考虑的是创新特征，针对创新特征构建最小方案，考虑最小方案是否可以独立解决技术问题，从而设计独立权利要求；避免根据发明人的完整方案来构建权利要求，将较多的非必要特征纳入到权利要求中，尤其是独立权利要求中。

构建权利要求，其次要考虑创新特征的独立性和组合性，对于本方案，虽然应用到特定的神经网络来解决问题，但是也看到生成过程的图像特征获取本身就不同，这两个特征是否关联还是可以区分，根据沟通获取，这两个特征不是必须要关联的，那么就在独权中将其不同时出现。也就是将不同的创新特征争取设计独立的一个权利要求，或者尽可能围绕每个不同的创新特征构建不同的独立权利要求。

针对应用领域的扩展性问题，本技术方案考虑的是电影版权，但实际上可以应用到多种图像的处理，那么涉及到视频图像或者大量的静态图像都可以应用到安全识别的问题，那就可以修改主题到图像的水印生成方法和图像的检索方法，将应用领域扩展到图像处理，将应用对象扩展到图像，而不仅仅是电影视频本身。

针对技术手段的扩展可能性，对于总体结构，神经网络模型可以选用现有特征，那么这个神经网络就可以在独权进行功能概述，在从权使用本方案的网络结构进行进一步限定。对于输入对象，考虑不同对象的选用的适用性，是每一帧图像都要用，还是关键帧图像就可以表达，要做不同的区分。

针对应用和训练的结合程度，这是涉及人工智能案件都要考虑的问题，本方案模型本身具有改进，模型的应用具有改进，但是单纯的描述模型不能成为一个完整的技术方案，就将其最小适用即水印生成概扩后进行独立保护，那么一定意义上将训练和应用进行了区分，也是通过生成方法来表达了模型本身的改进。在应用时候，独权一般不建议出现模型的详细结构，无论是通用模型还是改进模型，而通过功能性描述进行概括出现。但是对于改进仅仅是模型本身的时候，如果不出现模型具体结构，也会存在方案不完整的情况。

针对单边撰写的可能性，本方案虽然在后端处理，但是考虑到也可以应用到播放终端，或者播放终端处进行采集，那么就不要在权利中限定特定的应用端，开放实施主体来撰写。同时，在从权中考虑如果应用到不同的终端，在处理输入和输出时候的区别特征。总的来说，在每个方案中，都要注意处理主体的唯一性，以及整套方案的处理主体的唯一性。

针对显性撰写的可能性，该方案并不明显，但是需要考虑在播放端设备进行采集时候获取的对象，以及比较后提供的结果，而处理过程可以布置到从权通过“以用于”的方式来进行撰写。这样，可以明确看到侵权设备的直接出现的比较特征，便于后续维权使用。

针对虚拟系统的必要性，该方案明确的是一种方法，但是为了适用美国案和日本案的需要，布置虚拟系统和存储介质是必要的，但是国内申请的虚拟装置就不一定需要出现，而实际上在处理流程上也不会出现或者侵权设备上也不具备可以一一比对的特征模块。

针对客体问题，这个是尤为要关注的，虽然发明人提供的案件可能是规则或者处理流程，但是考虑到来源于实业，必然有其具体的应用环境。结合应用环境，并且将特征归结到具体物理结构或者物理特征，可以避免这个问题，尤其针对本方案，有明确的应用对象和处理对象，这在客体问题上将不会产生困扰。

针对一些方法撰写的常规考虑，首先要注意到方案限定大多归结到对于操作动作的限定，避免用对象或者结构类特征去限定，尤其避免引入结构特征而限制应用范围；其次，描述动作要准确，计算、提取等除非准确表达、尽量避免用，而使用一些中性词汇来表达，例如获取、实现，争取从结果角度来表述动作特征；再次，出现选择的分支方案时候，要考虑每次都会出现分支还是某个分支是主线，尽可能围绕主线来撰写，并且判断的动作并不一定会出现在执行主体上，会额外增加表达特征。

结束语

综上，涉及人工智能的专利申请，虽然是一类新的应用领域，但还是要遵从一般的撰写原则，此外就是在应对个案时候需要考虑方案的特殊性、特征的特殊性和未来维权的特征设定权利要求的架构和特征布局。