人工智能高科技成果的專利保護一直以來都是一大難題，中國人工智能的專利申請數量已經是全球第一，而專利申請授權率卻只有21-53%，明顯低于美國、日本、歐洲、以色列。人工智能技術包括數據、計算能力、算法三大塊，在少量的人工智能授權專利中，絕大部分都是與硬件相關的計算能力板塊，一小部分是關于應用場景的算法板塊，而在人工智能數據板塊，專利授權幾乎為零！

2019年中國人工智能大會（Chinese Congress on Artificial Intelligence 2019，簡稱“CCAI 2019”）將于9月21日-22日在青島膠州召開。據悉，美中知識產權合作協會（US-China Association for IP Cooperation）相關學者將出席此次盛會，并在中國首次公開破解人工智能專利保護難題的秘笈。就人工智能如何才能穩妥地享受專利保護的問題，美中知識產權合作協會中方聯絡人王景林先生近期接受了經濟日報記者的書面采訪。

↑美中知識產權合作協會中方聯絡人王景林

問：中國人工智能數據板塊的專利授權幾乎為零的原因是什么？

答：數據產業，包括數據的采集、標注、提取、校驗、清洗、線上眾包等程序，特別是大數據產業，是實現人工智能的前期準備和必要基礎。我國投入巨額資金進行人工智能數據的開發，數據產業急需專利保護，但長期以來，人工智能數據難以獲得專利保護。

客觀原因是，人工智能數據，容易被認為是“抽象概念”、“純數學范疇”；在歐洲常常被認為“缺乏技術手段”；而在中國則被冠以“智力活動的規則”。

主觀原因是，關于人工智能數據的專利保護，作為知識產權的創造者一直望而卻步，而且罕見有人探索通過顛覆傳統的專利撰寫方式而實現人工智能數據專利申請高授權率的途徑。

人工智能數據的科研成果，如果獲得專利保護，第一關是要屬于專利的保護對象（客體）。第二關是要滿足授予專利權的條件，即新穎性、創造性、工業實用性。按照傳統的觀念，人工智能數據的專利申請難以通過第一關。

問：中國人工智能數據獲批專利權這么少，以前沒做過相關工作嗎？

答：人工智能數據的研發成果，無論是數字化采集、信息化標注、智能化提取、科學化校驗、精準化清洗，還是商業化線上眾包；無論用于模型訓練，還是模型應用；無論是用于深度學習、人機融合、類腦思考、機器翻譯，還是用于計算機味覺、觸覺等新領域，核心往往都是算法。以往的人工智能數據的專利申請，所表達出來的都是“科學方法”，而不是專利法要求的“技術措施”，因此，越強調是人工智能數據領域的科研成果，專利申請就越容易被駁回。

中國在人工智能領域原創性、基礎性成果比較少，但不是專利申請基數大、但獲批少的根本原因；人工智能數據作為應用型的發明創造應該更有機會獲得專利權。實踐表明，人工智能領域申請專利的方式（claim drafting approach）多年來缺乏創新，沒有跟上時代的步伐，這才是問題的關鍵所在。

專家學者一直呼吁對人工智能數據的研發成果進行法律保護。但是關于人工智能是否屬于專利法保護的對象，已經爭論了多年，一直沒有找到有效的解決方案，可人工智能技術正在迅速發展，人工智能數據的知識產權保護問題日趨緊迫。

世界知識產權組織（WIPO）已經釋放出為人工智能立法的信號，但“人工智能法”真正實施之日難以預期。

因此，人工智能數據的研發主體迫切需要獲得專利保護。

問：從專利保護的角度，您對人工智能數據專利申請具體有什么建議？

答：實踐證明，不是專利法不保護人工智能數據，而是以往的人工智能數據的專利申請方式與專利法不配套。近年來，在歐美、在中國的專利申請實踐都反復證實，以結構屬性描述人工智能數據的專利申請，在現有的專利法框架下，就可以高比例地獲得專利權。

因為人工智能數據具有雙重屬性：邏輯屬性、結構屬性。長期以來，研發主體總是以邏輯屬性表達人工智能數據的研發成果，結果是只能進行軟件著作權登記。根本原因是，人工智能數據的研發屬于軟件工程，研發人員習慣于采用高級程序設計語言編程，這無意中脫離了對在硬件中存儲與處理過程的關注。也就是說，忽略了還可以結構屬性描述人工智能數據的科研成果。

打個比喻，邏輯屬性、結構屬性相當于一個硬幣的兩個表面。以邏輯屬性描述人工智能數據的研發成果，根據專利法的字面規定，就不會授予專利權。但法律并沒有禁止以結構屬性描述人工智能數據的研發成果。

因此，以結構屬性描述人工智能數據的研發成果，包括無人駕駛車輛、無人機、智能搜索引擎、智能停車場、智能機器人、電子警察等領域，授權率在美國超過了80%，在中國和歐洲都超過了70%。這與創造性的審查標準有關，美國僅要求非顯而易見，中國和歐洲還要求具有技術效果。

問：怎樣才能提高人工智能類專利申請的授權率？具體做法有哪些？

答：改為以結構屬性描述人工智能數據的專利申請，是破解人工智能數據專利保護難題的最大秘笈。

人工智能數據的研發成果，屬于學術前沿，只要闖過了第一關，解決了專利保護客體問題，自身的創造性一般是沒有問題的，所以往往容易闖過第二關，授權率自然就非常之高。

人工智能數據的專利申請涉及機器的聽、說、讀、摸、聞、做、學等。其中，無論是用于遺傳算法的機器學習，還是用于類神經網絡算法的深度學習，之前的駁回比例都非常高，駁回理由基本都是純數學算法，抽象概念，不屬于專利的保護范疇。

如果說是用于自動控制、傳感器技術、模式識別、圖像識別、語言識別、自然語音處理等領域技術創新的成果，獲得專利權的阻力就小得多。

從知識產權的角度看，人工智能數據的研發成果，僅僅是在專家系統的基礎上擁有了機器學習功能、或增加了人機融合，應用的領域從機器、工業裝置延伸至生活、服務、下棋、刷臉等；從隱式的客觀存在變成了顯式的商業化亮相。能否被依法授予專利權，看的是技術方案，并不是看涉及的技術領域是否時髦。

還有就是盡量少用數學公式描述人工智能數據的來龍去脈，能夠用生活中的語言說清楚技術創新所在，非常有利于人工智能數據專利申請的授權。當然這種做的難度非常大。如果必須用數學語言描述，對每個變量、每個符號都要賦予其物理意義，對于每個數學式都要解釋在技術上到底會發生什么。

問：關于人工智能數據類的專利申請，您最想說的話是什么？

答：科學技術強調創新；申請專利的方式方法同樣也需要創新。按照傳統的專利撰寫模式，人工智能數據的專利保護無望，中國的人工智能科研成果通過發表論文只能是無償地送給世界；改用創新的“機器腦”方式申請人工智能類的專利，成功率非常之高，有助于促進我國的人工智能產業進入良性循環。