2022年11月ChatGPT一经推出，便惊艳了全球。以ChatGPT为代表的AI（Artificial Intelligence，人工智能）大模型技术掀起了新一轮人工智能的浪潮。从最初的神经网络概念的提出，到今天的大模型火遍全球，经历了几十年的时间。在这几十年中，中国申请人在AI方面的专利申请越来越多，并且海外布局也越来越广泛。

欧洲是中国申请人进行海外专利布局时非常重视的地区。而中国申请人在欧洲申请AI相关专利时，经常遇到并且感到困惑的问题是客体和创造性问题。本文将结合实际案例，针对AI相关专利申请在欧洲遇到的客体和创造性问题进行简要分析。

一、发明的可专利性

EPC（欧洲专利公约）第52条规定了可取得专利的发明：

（1）所有技术领域中具有新颖性、创造性且易于工业应用的任何发明，应当授予欧洲专利。

（2）下述内容不应被视为第（1）款所指的发明：

（a）发现、科学理论和数学方法；

（b）美学创作；

（c）智力活动、游戏或商业的方案、规则和方法，以及计算机程序；

（d）信息表述。

（3）只有在欧洲专利申请或欧洲专利涉及第（2）款规定的客体或行为本身时，第（2）款才会排除该款所指客体或行为的可专利性。

EPC第52条第（2）款列举了不授予专利权的客体。而EPC 第52条第（1）款意义上的“发明”必须是具体的并且具有技术性，它可以属于任何技术领域。因此，如果要求保护的主题具有技术性，即使属于EPC第52条第（2）款列举的客体，也不应排除在可专利性之外。

对于AI相关专利申请，通常涉及算法即数学方法，并且在欧洲专利局（EPO）审查指南中人工智能和机器学习也被划分到Part G, Chapter II, 3.3数学方法中。可见，对于AI相关专利申请，在EPO审查过程中被作为EPC第52条第（2）款的数学方法的一种进行审查。那么根据为EPC第52条第（1）款的规定，AI相关的专利申请是否可授予专利权，关键在于“技术性”的审查。

二、EPO的审查逻辑

EPO审查指南Part G, Chapter II, 3.3描述了关于数学方法的审查逻辑，如果一项权利要求是针对一种涉及使用技术手段（例如计算机）的方法或装置，其主题就整体而言具有技术性的特征，因此根据第52条第（2）款和第（3）款不被排除在可专利性之外。一旦根据第52条第（2）款和第（3）款确定所要求保护的主题作为一个整体没有被排除在可专利性之外，并且因此是第52条第（1）款含义范围内的一项发明，就要审查可专利性的其他要求，特别是新颖性和创造性步骤。

可见，对于涉及数学方法（涉及AI）的专利申请的技术性，采用两步法审查：步骤1，判断要保护的主题是否包括具有技术性的特征；步骤2，判断要求包含的主题是否具有新颖性和创造性。

由于，EPO遵循“任意技术手段”法，例如计算机、网络和因特网等的存在才可执行的方法权利要求被视为EPC 第52条意义上的“发明”。同样，系统或设备由于根据其定义应当存在技术手段通常也被视为法定“发明”。 例如，权利要求的设备包括输入装置、数据处理装置（如计算机）和输出装置，属于EPO第52(1)条意义上的发明。

因此，通过步骤1的审查比较容易，只需要权利要求中包含任意技术手段（例如计算机）即可。

通过步骤1的审查后，要求保护的主题则属于混合型发明。EPO审查指南G-VII,5.4中指出在评价此类混合型发明的创造性时，应使用问题解决法（problem-solution approach）确保对发明的技术性作出贡献的所有特征都得以考虑。这些特征也包括下述特征：单独看是非技术的，但从发明的上下文来看，有助于产生服务于技术目的的技术效果，从而对发明的技术性作出贡献。

对于混合型发明采用以下步骤审查创造性：

（i）根据发明上下文的技术效果确定对发明的技术性有贡献的特征；

（ii）基于步骤（i）中确定的对发明的技术性有贡献的特征，选择最接近的现有技术；

（iii）确定要求保护的发明与最接近的现有技术的区别；

（a）如果没有区别（甚至没有非技术的区别），则提出新颖性反对意见（EPC第54 条）；

（b）如果区别未作出任何技术贡献，则提出创造性反对意见（EPC第56条）。反对的理由应当是：如果未对现有技术作出技术贡献，则权利要求的主题不具备创造性；

（c）如果区别包含作出技术贡献的特征，则适用以下方法：

基于这些特征带来的技术效果确定客观技术问题；

如果所要求保护的用于解决客观技术问题的技术方案对本领域技术人员来说是而易见的，则以不具备创造性拒绝（EPC第56 条）；

如果所要求保护的用于解决客观技术问题的技术方案对本领域技术人员来说是非显而易见的，则权利要求具备创造性。

可以看出，对于混合型发明，确定的对发明的技术性作出贡献的特征是比较关键的步骤。EPO审查指南Part G, Chapter II, 3.3也提到对于创造性步骤的评估，当要求保护的发明基于数学方法时，评估该数学方法是否对发明的技术性作出贡献。

三、对发明的技术性作出贡献的评估

EPO审查指南Part G, Chapter II, 3.3指出数学方法对发明的技术性作出贡献，例如，通过将其应用于技术领域和/或适用于特定的技术实施，产生服务于技术目的的技术效果。评估这两种情况的标准解释如下。

技术应用

当评估数学方法对发明的技术特征的贡献时，必须考虑该方法在发明的上下文中是否产生服务于技术目的的技术效果。

数学方法的对技术性作出贡献的例子有：

控制特定的技术系统或过程，例如X射线设备或钢材冷却过程；

根据测量结果确定压实机所需的压实次数，以达到所需的材料密度；

数字音频、图像或视频增强或分析，例如去噪、检测数字图像中的人物、估计传输的数字音频信号的质量；

语音信号的源分离；语音识别，例如将语音输入映射到文本输出；

对数据进行编码，以实现可靠和/或高效的传输或存储（以及相应的解码），例如对通过噪声信道传输的数据进行纠错编码，对音频、图像、视频或传感器数据进行压缩；

对电子通信进行加密/解密或签名；在RSA密码系统中生成密钥；

优化计算机网络中的负载分布；

通过处理从生理传感器获得的数据来确定受试者的能量消耗；根据从耳温检测器获得的数据导出受试者的体温；

提供基于DNA样本分析的基因型估计，以及提供该估计的置信区间，以便量化其可靠性；

通过处理生理测量的自动化系统提供医疗诊断。

一个普通的目的，如“控制一个技术系统”，不足以赋予数学方法一个技术特征。技术目的必须是特定的。

此外，仅仅数学方法可以服务于技术目的这一事实也是不够的。权利要求在功能上明确或隐含地限于技术目的。这可以通过在技术目的和数学方法步骤之间建立足够的联系来实现，例如，通过指定数学步骤序列的输入和输出如何与技术目的相关，使得数学方法与技术效果有因果联系。

定义输入数学方法的数据的性质并不一定意味着该数学方法有助于发明的技术特征。

如果数学方法的步骤被用于从物理特性的测量中导出或预测现有真实对象的物理状态，如在间接测量的情况下，则不管结果的用途是什么，这些步骤都做出了技术贡献。

技术实施

当权利要求是针对数学方法的特定技术实施时，数学方法也可以独立于任何技术应用而对发明的技术性产生贡献，并且数学方法特别适用于该实施，因为其设计是由计算机系统或网络的内部功能的技术考虑所激励的。如果数学方法被设计成利用实施该方法的技术系统的特定技术属性来带来诸如有效利用计算机存储容量或网络带宽之类的技术效果，则可能发生这种情况。例如，采用多项式归约算法来利用与计算机硬件的字长匹配的字长移位是基于这样的技术考虑，并且可以有助于产生所述算法的高效硬件实现的技术效果。又例如，将机器学习算法的数据密集型训练步骤的执行分配给图形处理单元（GPU）,将预备步骤分配给标准中央处理单元（CPU）,以利用计算平台的并行架构。权利要求应针对在GPU和CPU上实现的步骤，以使这种数学方法对技术性产生贡献。

四、AI相关专利申请的案例

1. 一种方法，包括：

包括多个工作器计算单元和总体存储库的系统接收用于训练神经网络以执行机器学习任务的训练数据，所述训练数据包括多个训练示例以及针对每个训练示例的相应目标输出；以及

所述系统使用所述训练数据确定用于执行所述机器学习任务的优化的神经网络架构，包括：

保持总体数据，针对候选架构的总体中的每个候选架构,所述总体数据包括(i)定义所述候选架构的数据以及(ii)指定在确定所述优化的神经网络架构时最近如何训练具有所述候选架构的神经网络的数据，以及

使用均与每个其他工作器计算单元异步运行的多个工作器计算单元中的每一个来重复执行下述操作：

（1）通过所述工作器计算单元，从所述总体中选择多个候选架构，针对每个选定的候选架构并且通过所述工作器计算单元，在所述训练数据的训练子集上训练具有所述候选架构的新神经网络以确定所述新神经网络的参数的训练值；

（2）通过在所述训练数据的验证子集上评估经训练的新神经网络的性能，针对每个选定的候选架构并且通过所述工作器计算单元确定拟合度测度，通过所述工作器计算单元，基于具有最佳拟合度测度的所选定的候选架构生成新的候选架构；

（3）将所述新的候选架构添加到所述总体中，以及

（4）从所述总体中移除最近被训练最少的候选架构。

基于前面提到的两步法审查的逻辑，首先，按照步骤1判断要保护的主题是否包括具有技术性的特征。很明显上述权利要求1中包括多个工作器计算单元和总体存储库的系统属于技术特征。而优化的神经网络架构的方法属于数学方法，那么权利要求整体属于混合型发明。按照混合型发明的审查逻辑，可以得到以下结论。

权利要求1与对比文件的区别包括：

（1）在权利要求1的方法中，总体数据还包括（ii）指定在确定优化的神经网络结构时具有候选结构的神经网络最近被训练了多久的数据；

（2）在权利要求1的方法中，使用多个工作者计算单元中的每一个来执行操作，每个工作者计算单元与每个其他工作者计算单元异步操作；

（3）在权利要求1的方法中，从总体中移除的候选架构是最近训练最少的候选架构。

权利要求1的区别符合EPO审查指南Part G, Chapter II, 3.3中提到的数学方法的特定的技术实施。所要求保护的方法使用多个工作者计算单元在异步、分布式计算设置中搜索神经网络的最佳架构。该方法特别适合于这种异步、分布式计算设置。对于工作者计算单元对最优神经网络架构的（全局）搜索做出的每个贡献（贡献=神经网络的新候选架构），该方法进行跟踪，并可以保持固定大小的候选架构总体，该总体仅包括最近生成的那些候选架构。

权利要求1所解决的技术问题是如何在分布式计算环境中实现对比文件中的方法。

面对权利要求1所解决的技术问题，区别特征没有在任何已知的现有技术文献中完整公开，现有技术也没有提供任何启示。因此，权利要求1具有创造性。

五、总  结

AI相关专利申请需要通过两步法审查，其中使保护的主题包含“任意技术特征”即可通过步骤1的审查，但是通过步骤2的创造性审查则比较困难。将AI算法应用于技术领域和/或适用于特定的技术实施，有助于产生服务于技术目的的技术效果，对发明的技术性作出贡献，从而支持创造性。对于AI算法应用于技术领域，审查指南中给出了一些示例，并且比较容易理解。对于AI算法适用于特定的技术实施，本文中通过一个案例进行了简单的分析，希望能够给大家带来一些启示。