人工智能（Artificial Intelligence，英文缩写为AI），是研究、开拓用于仿照、延伸和扩展人的智能的理论、方法、技能及运用系统的一门新的技能科学。
人工智能在技能层面常日涉及语音、图像识别、自然措辞处理、大数据和打算机视觉等技能，上述技能均可能涉及数学模型的天生和运用。

随着人工智能的广泛运用，基于人工智能的专利申请越来越多。
此前，国家工业信息安全发展研究中央、工信部电子知识产权中央最新发布了《2020人工智能中国专利技能剖析报告》（以下简称“报告”）。
该报告显示，在新基建政策的勉励下，中国人工智能技能专利申请数量不断增长。
截至2019年底，我国人工智能技能专利申请总量首次超过美国，成为环球申请数量最多的国家。
只管2020年新冠肺炎疫情爆发，但我国人工智能技能创新并未因此受阻，截至2020年10月，我国人工智能专利申请共计69.4万件，同比增长56.3%。

基于上述情形，干系领域的专利代理行业从业者应尽早理解并学习人工智能类专利的撰写办法，以提高从业技能。

笔者基于浅薄的撰写履历，对涉及人工智能的技能方案进行概括，认为基于人工智能的发明创造紧张涉及模型构造、演习过程、实际运用过程等几个方面的改进。
对付上述几种改进办法，笔者总结出如下权利哀求撰写的准备思路。

常日情形下，人工智能类申请文件中，在独权中常日描述利用人工智能模型进行实际运用的详细过程，但如果发明点为演习过程的改进，则应在独权中描述模型的演习过程。

一、对付模型构造上进行改进的发明创造

为突出发明点，在撰写方法权利哀求时，可采取将模块“动作化”的办法，对模型中每层布局的处理进行解释。
例如，对付某个已有模型A，现有技能包括依次连接的输入层a、中间层b和输出层c，而发明改进点在于在中间层b后输出层c之间引入一质量评估层d。
则独权可描述为：

通过输入层a对输入数据进行处理，得到数据1；

通过中间层b对数据1进行处理，得到数据2；

通过质量评估层d对数据2进行xx处理，得到数据3；

通过输出层对数据3进行处理，得到输出结果。

上述举例的质量评估层d，其对应的“XX处理”可例如为“质量评估”，以突出该发明点在全体方案中所起的浸染；同时，对付数据3，也可通过命名突出该技能特色的浸染，例如多尺度的质量指标等，以便于在技能效果中阐述技能方案所能达到的效果。
此外，还需在从权中对质量评估层d的详细布局或数据处理办法进行描述。

二、对付在演习过程进行改进的发明创造

应在方法的独权中重点描述演习过程，而对付后期的实际运用过程，可在独权中通过静态限定的办法进行撰写，或另起从权进行撰写。
例如在独权末了描述：得到演习完成的模型，以便通过该模型进行XX实际运用（或对数据进行处理，得到结果数据）。

在演习过程中的改进例如对丢失函数的改进，目前已有的丢失函数常日根据样本标注（期望输出）和实际输出得到，当方案的改进点在于在打算丢失函数时，引入对样本的分布评估时，可布局如下：

一种XX模型的演习方法，其特色在于，包括

获取样本集，样本集包括样本数据和样本数据的样本标注；

构建模型对样本数据进行处理，得到实际输出；

对样本数据进行分布评估，得到分布评估指标；

根据样本标注、实际输出和分布评估指标确定丢失函数；

利用丢失函数调节所述模型的参数，得到演习完成的模型。

应该把稳的是，对付在演习阶段改进的技能方案，在布局权利哀求时，须要考虑技能方案的完全性。
若该改进点无法作为独立的技能方案，则应该撰写完全的演习方案，以担保技能方案的完全与独立，例如上述例子中权利哀求所描述的技能方案。
但某些方案仅涉及演习阶段的某一独立环节的改进时，例如样本采集环节，则可定位该详细的独立环节为一独立的技能方案，而无需布局模型的整套演习过程或模型运用阶段，以避免不当缩小权利哀求的保护范围。

三、对付在实际运用过程进行改进的发明创造

应在独权中重点描述实际运用过程。
例如，在实际运用中将两个已有模型进行结合，基于两个模型的结果综合确定终极结果的方案，可在独权中描述对上述过程进行描述，突出每个模型在全体方案的浸染。

在撰写权利哀求时，如果技能方案中既包括模型的演习阶段也包括模型的运用阶段，模型的运用阶段以及演习阶段都具有创新点时，可以考虑构建两个独立权利哀求。
如果发明的创新点表示在模型的运用阶段，模型的演习只是现有技能，或者是现有技能的大略组合，或是对模型的运用阶段起到赞助浸染且创造性不是很明显，可以将模型的演习阶段列入从属权利中。

此外，笔者此前所打仗的一涉及人工智能的新案，个中模型的演习、构造均为现有技能，改进点在于将该方案运用在对某一种特定诱骗行为的识别场景中。
这类技能方案发明人会认为其创新程度很高，但就专利申请的角度来说，其新创性高度可能并不高。
对付某一运用处景，在现有技能中已经存在利用神经网络模型的运用的情形下，欲申请的技能方案若只是考虑更多维度的模型输入信息，且对模型本身不具有适应该场景的改进，创造性也是不敷的。
对付这种情形，可将网络模型看作一个黑盒子，当输入特定的数据，就能输出相应的结果，或指示某类特定信息的结果，在进行权利哀求的撰写时，无需纠结网络模型的内部构造以及其演习过程。

此时，在撰写独立权利哀求时，应将侧重点多放在数据的预处理、模型的输入、输出数据部分，例如图像中特色的标记等，如果模型的演习过程中对办理技能问题有一定影响，可以将模型的演习过程作为从属权利哀求。
例如，在上述所举实例中，笔者认为，在布局独权时可对该类特定的诱骗行为进行详细的描述。
即解释该模型输出的结果是指示识别工具为XX型工具的概率，个中，该XX型工具是指通过某一特定的诱骗流程进行诱骗的用户工具。
当然，为避免涌现敏感词汇，“诱骗”等带有色彩的字词可更换为“非正常交易”、“非常结算”等词汇，并在解释书中对其进行进一步的阐明。

以上内容为笔者根据个人撰写经历总结出的在人工智能领域类专利申请文件中权利哀求的撰写思路。
当然，人工智能领域涉及的知识十分广阔，在撰写权利哀求时，构建的办法也不完备是绝对的，须要详细情形详细剖析。
上述肤见若有疏忽之处，还请批评示正。

编辑：Shawn来源：隆天知识产权