11月12日，國家知識產權局發布關于就《專利審查指南第二部分第九章修改草案（征求意見稿）》公開征求意見的通知。通知公布了包含算法特征或商業規則和方法特征的發明專利申請審查相關規定這一條的相關修改內容，進一步明確涉及人工智能、區塊鏈、商業規則和方法等新領域新業態專利審查規則的需求。

關于就《專利審查指南第二部分第九章修改草案（征求意見稿）》公開征求意見的通知

為全面貫徹黨中央國務院關于加強知識產權保護的一系列指示精神，回應創新主體對進一步明確涉及人工智能、區塊鏈、商業規則和方法等新領域新業態專利審查規則的需求，國家知識產權局起草形成了《專利審查指南第二部分第九章修改草案（征求意見稿）》（以下簡稱“征求意見稿”）。為廣泛征求社會各界意見，現將該征求意見稿及其起草說明予以公布。有關單位和各界人士可以在2019年12月11日前，選擇以下方式中的一種，圍繞征求意見稿的修改完善提出具體意見：

1. 電子郵件：tiaofasi@cnipa.gov.cn

2. 傳真：010-62083681

3. 信函：北京市海淀區西土城路6號國家知識產權局條法司審查政策處? 郵編100088（請于信封左下角注明“審查指南”）

附件：1.《專利審查指南第二部分第九章修改草案（征求意見稿）》

2.《關于<專利審查指南第二部分第九章修改草案（征求意見稿）>的說明》

附件1：

專利審查指南第二部分第九章修改草案

（征求意見稿）

6. 包含算法特征或商業規則和方法特征的發明專利申請審查相關規定

涉及人工智能、互聯網+、大數據以及區塊鏈等的發明專利申請，一般包含算法或商業規則和方法等智力活動的規則和方法特征，本節旨在根據專利法及其實施細則，對這類申請的審查特殊性做出規定。

6.1 審查基準

審查應當針對要求保護的解決方案，即權利要求所限定的解決方案進行。在審查中，不應當簡單割裂技術特征與算法特征或商業規則和方法特征等，而應將權利要求記載的所有內容作為一個整體，對其中涉及的技術手段、解決的技術問題和獲得的技術效果進行分析。

6.1.1根據專利法第二十五條第一款第（二）項的審查

如果權利要求涉及抽象的算法或者單純的商業規則和方法，且不包含任何技術特征，則這項權利要求屬于專利法第二十五條第一款第（二）項規定的智力活動的規則和方法，不應當被授予專利權。例如，一種基于抽象算法且不包含任何技術特征的數學模型建立方法，屬于專利法第二十五條第一款第（二）項規定的不應當被授予專利權的情形。再如，一種根據用戶的消費額度進行返利的方法，該方法中包含的特征全部是與返利規則相關的商業規則和方法特征，不包含任何技術特征，屬于專利法第二十五條第一款第（二）項規定的不應當被授予專利權的情形。

如果權利要求中除了算法特征或商業規則和方法特征，還包含技術特征，該權利要求就整體而言并不是一種智力活動的規則和方法，則不應當依據專利法第二十五條第一款第（二）項排除其獲得專利權的可能性。

6.1.2根據專利法第二條第二款的審查

如果要求保護的權利要求作為一個整體不屬于專利法第二十五條第一款第（二）項排除獲得專利權的情形，則需要就其是否屬于專利法第二條第二款所述的技術方案進行審查。

對一項包含算法特征或商業規則和方法特征的權利要求是否屬于技術方案進行審查時，需要整體考慮權利要求中記載的全部特征。如果該項權利要求記載了對要解決的技術問題采用了利用自然規律的技術手段，并且由此獲得符合自然規律的技術效果，則該權利要求的解決方案屬于專利法第二條第二款所述的技術方案。例如，如果權利要求中涉及算法的各個步驟體現出與所要解決的技術問題密切相關，如算法處理的數據是技術領域中具有確切技術含義的數據，算法的執行能直接體現出利用自然規律解決某一技術問題的過程，并且獲得了技術效果，則通常該權利要求的解決方案屬于專利法第二條第二款所述的技術方案。

6.1.3新穎性和創造性的審查

對包含算法特征或商業規則和方法特征的發明專利申請進行新穎性審查時，應當考慮權利要求記載的全部特征，所述全部特征既包括技術特征，也包括算法特征或商業規則和方法特征。

對既包含技術特征又包含算法特征或商業規則和方法特征的發明專利申請進行創造性審查時，應將與技術特征功能上彼此相互支持、存在相互作用關系的算法特征或商業規則和方法特征與所述技術特征作為一個整體考慮?！肮δ苌媳舜讼嗷ブС?、存在相互作用關系”是指算法特征或商業規則和方法特征與技術特征緊密結合、共同構成了解決某一技術問題的技術手段,并且能夠獲得相應的技術效果。

例如，如果權利要求中的算法應用于具體的技術領域，可以解決具體技術問題，那么可以認為該算法特征與技術特征功能上彼此相互支持、存在相互作用關系，該算法特征成為所采取的技術手段的組成部分，在進行創造性審查時，應當考慮所述的算法特征對方案作出的貢獻。

再如，如果權利要求中的商業規則和方法特征的實施需要技術手段的調整或改進，那么可以認為該商業規則和方法特征與技術特征功能上彼此相互支持、存在相互作用關系，在進行創造性審查時，應當考慮所述的商業規則和方法特征對方案作出的貢獻。

6.2 審查示例

以下，根據上述審查基準，給出包含算法特征或商業規則和方法特征的發明專利申請的審查示例。

（1）屬于專利法第二十五條第一款第（二）項范圍之內的包含算法特征或商業規則和方法特征的發明專利申請，不屬于專利保護的客體。

【例1】

一種建立數學模型的方法

申請內容概述

發明專利申請的解決方案是一種建立數學模型的方法，通過增加訓練樣本數量，提高建模的準確性。該建模方法將與第一分類任務相關的其它分類任務的訓練樣本也作為第一分類任務數學模型的訓練樣本，從而增加訓練樣本數量，并利用訓練樣本的特征值、提取特征值、標簽值等對相關數學模型進行訓練，并最終得到第一分類任務的數學模型，克服了由于訓練樣本少導致過擬合而建模準確性較差的缺陷。

申請的權利要求

一種建立數學模型的方法，其特征在于，包括以下步驟：

根據第一分類任務的訓練樣本中的特征值和至少一個第二分類任務的訓練樣本中的特征值，對初始特征提取模型進行訓練，得到目標特征提取模型；其中，所述第二分類任務是與所述第一分類任務相關的其它分類任務；

根據所述目標特征提取模型，分別對所述第一分類任務的每個訓練樣本中的特征值進行處理，得到所述每個訓練樣本對應的提取特征值；

將所述每個訓練樣本對應的提取特征值和標簽值組成提取訓練樣本，對初始分類模型進行訓練，得到目標分類模型；

將所述目標分類模型和所述目標特征提取模型組成所述第一分類任務的數學模型。

分析及結論

該解決方案不涉及任何具體的應用領域，其中處理的訓練樣本的特征值、提取特征值、標簽值、目標分類模型以及目標特征提取模型都是抽象的通用數據，利用訓練樣本的相關數據對數學模型進行訓練等處理過程是一系列抽象的數學方法步驟，最后得到的結果也是抽象的通用分類數學模型。該方案是一種抽象的模型建立方法，其處理對象、過程和結果都不涉及與具體應用領域的結合，屬于對抽象的數學方法的優化，且整個方案并不包括任何技術特征，該發明專利申請的解決方案屬于專利法第二十五條第一款第（二）項規定的智力活動的規則和方法，不屬于專利保護客體。

（2）為了解決技術問題而利用技術手段，并獲得技術效果的包含算法特征或商業規則和方法特征的發明專利申請屬于專利法第二條第二款規定的技術方案，因而屬于專利保護的客體。

【例2】

一種卷積神經網絡模型的訓練方法

申請內容概述

發明專利申請在各級卷積層上對訓練圖像進行卷積操作和最大池化操作后，進一步對最大池化操作后得到的特征圖像進行水平池化操作，使訓練好的CNN 模型在識別圖像類別時，能夠識別任意尺寸的待識別圖像。

申請的權利要求

一種卷積神經網絡 CNN 模型的訓練方法，其特征在于，所述方法包括：

獲取待訓練 CNN 模型的初始模型參數，所述初始模型參數包括各級卷積層的初始卷積核、所述各級卷積層的初始偏置矩陣、全連接層的初始權重矩陣和所述全連接層的初始偏置向量；

獲取多個訓練圖像；

在所述各級卷積層上，使用所述各級卷積層上的初始卷積核和初始偏置矩陣，對每個訓練圖像分別進行卷積操作和最大池化操作，得到每個訓練圖像在所述各級卷積層上的第一特征圖像；

對每個訓練圖像在至少一級卷積層上的第一特征圖像進行水平池化操作，得到每個訓練圖像在各級卷積層上的第二特征圖像；

根據每個訓練圖像在各級卷積層上的第二特征圖像確定每個訓練圖像的特征向量；

根據所述初始權重矩陣和初始偏置向量對每個特征向量進行處理，得到每個訓練圖像的類別概率向量；

根據所述每個訓練圖像的類別概率向量及每個訓練圖像的初始類別，計算類別誤差；

基于所述類別誤差，對所述待訓練 CNN 模型的模型參數進行調整；

基于調整后的模型參數和所述多個訓練圖像，繼續進行模型參數調整的過程，直至迭代次數達到預設次數；

將迭代次數達到預設次數時所得到的模型參數作為訓練好的 CNN 模型的模型參數。

分析及結論

該解決方案是一種卷積神經網絡 CNN 模型的訓練方法，其中明確了模型訓練方法的各步驟中處理的數據均為圖像數據以及各步驟如何處理圖像數據，體現出神經網絡訓練算法與圖像信息處理密切相關。該解決方案所解決的是如何克服CNN 模型僅能識別具有固定尺寸的圖像的技術問題，該方案采用了在不同卷積層上對圖像進行不同處理并訓練的手段，利用的是遵循自然規律的技術手段，獲得了訓練好的 CNN 模型能夠識別任意尺寸待識別圖像的技術效果。因此，該發明專利申請的解決方案屬于專利法第二條第二款規定的技術方案，屬于專利保護客體。