新加坡《人工智能相关专利申请审查补充指南》的解读

在全球各司法管辖区专利的审查指南进行了一系列更新后，新加坡知识产权局（IPOS）于2024年10月发布了《人工智能相关专利申请审查补充指南》（简称“《补充指南》”）。特别是，《补充指南》提供了有关评估新加坡人工智能相关专利申请主题可专利性的指导方法。

与欧洲和我国等其他司法管辖区不同，现行新加坡《专利法》中没有对不可专利的主题的排除范围进行定义。因此，对新加坡专利申请的主题可适格性审查依赖于IPOS制定的审查指南。然而，值得注意的是，为了遵守主要司法管辖区的国际专利规范和惯例，新加坡的审查指南明确规定与以下五方面内容有关的主题不会被视为发明：

（1）发现；

（2）科学理论和数学方法；

（3）美学创作；

（4）进行心理活动、游戏或商业行为的计划、规则或方法；

（5）信息呈现。

因此，尽管《补充指南》中删除了不可专利主题的定义，但主题的可专利性审查在新加坡专利申请审查中仍然具有相关性。该《补充指南》专门针对人工智能相关发明确立了主题可专利性测试标准。

人工智能相关发明的主题可专利性测试标准如下：

准确解释权利要求；确定实际贡献；以及判定实际贡献是否仅属于不可专利的主题范畴。

如果认定实际贡献仅属于不可专利的主题，则该权利要求不会被视为定义了发明。

步骤（1）涉及对权利要求的解释。新加坡采用目的性解释方法，在解释权利要求时，应以本领域技术人员基于权利要求书所用语言能够理解专利权人真实意图为准。

步骤（2）涉及通过考量待解决问题、发明的运作机制及其优势来确定实际贡献。审查的重点是权利要求的实质内容，而不是权利要求的形式。因此，当为执行特定任务而编程的计算机或计算机程序本身对技术作出具有技术性质的贡献时，均符合可专利性要求，并可以此形式主张权利。

步骤（3）涉及判定实际贡献是否仅属于不可专利的主题范畴。如果人工智能相关专利权利要求的实际贡献是解决了一个特定的（而不是通用的）问题，那么它可能不仅仅是一种数学方法。相反，如果人工智能相关专利权利要求的实际贡献是，例如，一种似乎无法解决特定问题的人工智能算法，那么它很可能只是一种数学方法，而不是一项发明。该指南进一步强调，仅凭数学方法可以解决特定问题这一事实是不够的。所主张保护的方法应在功能上限定为解决该问题，通过在问题与数学方法步骤之间建立足够的联系，明确规定数学步骤序列的输入和输出与问题之间的关联，从而使数学方法与解决所述问题形成因果联系。

此外，仅仅确定正在解决的是一个特定（而非通用）的问题可能是不够的，因为，例如，该特定问题本身可能是一种纯粹的商业方法。因此，在确定与人工智能相关的专利权利要求是否涉及可专利主题时，有必要考虑实际贡献是否完全落入不可专利主题范畴。举例来说，如果某专利权利要求的实际贡献被确定为一种用于动态确定多级营销方案中各层级成员薪酬水平的人工智能算法，尽管该算法可论证为解决特定问题而设计，但由于所解决的特定问题属于纯粹商业方法类别，该专利权利要求仍不能构成发明。

《补充指南》中提供的选定示例：

示例A：针对处理器优化已训练的神经网络的规模

背景

经过训练的神经网络可能没有针对它们运行的处理器进行优化，导致计算时间比预期的要长。在时间敏感性场景中，这可能是一个重大缺陷。例如，自动驾驶车辆运用图像识别技术检测道路潜在危险时，必须能够及时完成识别，以便采取适当措施（如使车辆停止）来避免事故。申请人开发了一种通过缩小训练好的神经网络的规模来加快执行时间的方法。这是通过从神经网络中选择性地删除权重较轻的节点来实现的，从而可以大限度地减少任务的总计算时间。

权利要求

一种用于减少神经网络在处理器上执行计算任务的算术运算次数的服务器，该服务器包括：

确定单元，用于确定处理器中的算术计算器的数量；

设置单元，用于将所需的算术运算的数量设置为等于处理器中的算术计算器的数量；

以及缩减单元，用于减少神经网络的节点数量；

以及其中，所述缩减神经网络中的算术运算次数等于由所述设置单元设置的算术运算的次数，并且所述神经网络节点按其权重的顺序被移除；

以及执行所述经缩减神经网络以在所述处理器上执行所述计算任务。

分析

（1）解释权利要求

该权利要求定义了一种服务器，该服务器包含具有指定功能的多种类型的单元。该权利要求没有进一步定义这些单元实际上是物理硬件还是计算机程序，因此该服务器可能只是在执行计算机程序或程序集合。然而，该权利要求并为将该处理器限制为服务器的一部分，即处理器可以是不同设备或计算机的一部分。经缩减的神经网络在处理器上执行的计算任务未作具体限定。除此以外，该权利要求的解释不存在其他争议点。

（2）确定实际贡献

实际的贡献是按照权重的顺序删除神经网络的节点，使缩减后神经网络的算术运算次数与处理器内算术计算器数量相匹配。

（3）实际贡献是否仅属于不可专利的主题

实际贡献包括用于从神经网络中删除节点以在处理器上执行计算任务的算法，属于特定技术问题。该特定问题在功能上仅限于通过该方法的步骤实现，至少在确定处理器中算术计算器的数量和在处理器上执行缩减后神经网络方面是这样。因此，实际贡献不仅仅是一种数学方法，因此该权利要求定义了该发明。

示例B：扩展神经网络的方法

背景

随着神经网络规模的扩大，其性能也可能提高，然而，在训练神经网络时，这通常也会伴随着复杂性的增加。申请人设计了一种方法，通过向网络的隐藏层逐步添加节点来扩展训练过的神经网络，随后对结构扩展后的网络进行训练。该方法能在扩展神经网络的同时保留先前已习得的知识，实现渐进式训练。

权利要求

一种扩展已训练神经网络的计算机实现的方法，该方法包括：

将已训练的神经网络存储在存储器中；

用处理器选择神经网络隐藏层中的节点；

在包括所选节点的隐藏层中添加新节点；

以及将新节点连接到该隐藏层相邻的前后层节点；

设置新节点的权重；

以及通过训练扩展到包括新节点的神经网络来调整新节点的权重。

分析

（1）解释权利要求

该权利要求定义了与运行计算机程序的普通计算机相关联的物理组件，即存储器和处理器。权利要求解释方面不存在争议点。

（2）确定实际贡献

实际的贡献是通过将节点及其权重添加到神经网络的隐藏层来扩展已训练的神经网络的算法。

（3）实际贡献是否仅属于不可专利的主题

实际贡献是一种用于扩展已训练的神经网络的算法，未针对特定技术问题提出解决方案。所主张的方法可以应用于使用神经网络的任何技术领域，因此该问题似乎是一个通用问题。从功能上看，该权利要求中计算机执行的任务，即存储在内存中和运行计算机程序，在本质上似乎是通用的功能，因此权利要求中所述的计算机与方法之间未产生实质性交互，也未对实际贡献形成额外补充。因此，实际贡献仅是一种数学方法，因此该权利要求没有定义该发明。

结语

如前所述，在评估与人工智能相关的专利权利要求是否属于不可专利的主题时，重要的是要确定专利权利要求的实际贡献是否旨在解决特定问题，以及特定问题本身是否完全落入数学方法或商业方法等排除范畴。例如，如果专利权利要求涉及一种数学方法，那么至关重要的是，通过在问题和数学方法的步骤之间建立足够的因果关系，对所主张的方法进行功能限制，以解决问题。

与IPOS的做法相反，欧洲专利局（EPO）的做法在评估可专利性和创造性方面采用"双门槛"审查模式。在一道专利资格门槛要求所主张的权利要求整体不得属于《欧洲专利公约》第52条第（2）款和第（3）款中定义的“非发明”范畴。这是一个较低的门槛：只要权利要求涉及或使用技术手段（如计算机）即符合第52条1款的发明定义。第二个门槛是如何评估创造性。对于包含技术和非技术特征的权利要求的创造性步骤，EPO使用“问题—解决方案”方法进行评估，该方法涉及确定发明的哪些特征有助于其技术特征（即通过提供技术效果有助于技术问题的技术解决方案）。如果某个特征有助于发明的技术特征，则该特征可以支持创造性步骤的存在。对于人工智能和机器学习相关发明，发明的技术特征可能与这些发明是否服务于“特定的技术目的”（例如，数字音频、图像或视频数据的分类）或针对“特定技术实现”（例如新型计算硬件布局）有关。值得注意的是，我国知识产权局（CNIPA）对人工智能相关发明的审查方法与欧洲专利局（EPO）相似。

本文认为，与EPO或CNIPA相比，IPOS似乎对人工智能相关或机器学习相关的发明采取了更宽松的标准。这是因为在评估人工智能相关或机器学习相关发明的可专利性时，新加坡的路径是解释权利要求并确定实际贡献，然后判断实际贡献是否解决了一个不完全属于不可专利主题的特定问题。新加坡的方法并没有忽视那些可能被视为非技术性的特征，而是涉及在确定实际贡献以及实际贡献是否解决了特定问题时，将权利要求的特征作为一个整体来考虑。另一方面，EPO对创造性步骤的“问题—解决方案”方法包括首先要通过考虑权利要求的具体特征是否具有技术性质来识别技术问题，其中非技术特征对权利要求的技术特征没有贡献。因此，可能会出现一种情况，例如，在Main-Line Corporate Holdings Ltd诉DBS Bank Ltd[2012]SGHC 147一案中，与确定支付交易中的运营货币有关的权利要求在新加坡被认定可获得专利，但在EPO却被视为缺乏创造性被驳回，因为EPO在考虑创造性时忽略了旨在解决非技术性问题的相关特征。

来源：中保护知识产权网

免责声明：版权归原创所有仅供学习参考之用，禁止用于商业用途，部分文章推送时未能及时与原作者取得联系，若来源标错误侵犯到您的权益烦请告知我们将立即删除。