随着人工智能的快速发展,人工智能对各行各业的影响非常大。在近年的发明专利申请中也涵盖了越来越多的人工智能算法模型的专利申请。由于算法模型的特殊性,在案件撰写时需要特别注意,以避免难以授权。
笔者关注到一件涉及算法模型的无效案例,该案例发明名称为“一种建立废钢等级划分神经网络模型方法”,权利要求1的内容如下:1.一种建立废钢等级划分神经网络模型方法,其特征在于,所述图像数据特征的提取是对图像画面像素点矩阵数据进行卷积神经网络卷积计算的集合实现的提取,包括:由集合输出的多条线路卷积层或卷积层加池化层计算构成的对图像中物体颜色、边缘特征和纹理特征的提取,以及对图像中物体边缘、纹理之间关联特征的提取;
其中,一,所述图像中物体颜色、边缘特征的提取是由三条线路卷积层加池化层计算输出的集合输出构成,包括从左至右的第一条线路一层池化层、第二条线路二层卷积层和第三条线路四层卷积层;二,所述对图像中纹理特征的提取是对上述图像中物体颜色、边缘特征的提取集合输出进行的提取,是由三条线路卷积层计算输出的集合输出构成,包括从左至右的第一条线路0卷积层、第二条线路二层卷积层和第三条线路三层卷积层;纹理特征形成的是卷积网络的激活函数。
无效宣告请求人提供了3份专利文件作为证据材料,认为权利要求1与证据1相比具有区别技术特征,但无效宣告请求人认为该区别技术特征被证据2和公知常识公开,或者该区别技术特征被证据2和证据3公开。
针对上述理由,合议组不同意,在无效决定中指出:在判断包含算法特征的发明专利的创造性时,应将其算法和应用场景进行整体把握。即使现有技术公开了相同或类似的算法架构及相关模块,但由于算法应用到不同场景时,需要根据应用场景的不同、所要解决的技术问题的不同对算法的训练模式、重要参数或相关步骤等进行调整,如果该调整解决了不同应用场景下特定的技术问题并相应获得了有益的技术效果,则具有创造性。