《專利法》第二條第二款規(guī)定：發(fā)明，是指對產(chǎn)品、方法或者其改進所提出的新的技術(shù)方案。這是對可申請專利保護的發(fā)明客體的一般性定義。但如何定義專利法中所述“發(fā)明”，各國做法不同。一些國家的專利法從正面對“發(fā)明”作出定義，既規(guī)定哪些主題屬于專利法意義上的“發(fā)明”；一些國家的專利法從反面對“發(fā)明”作出定義，既規(guī)定哪些主題不屬于專利法意義上的“發(fā)明”。采用前一種做法的典型代表是美國和日本；采用后一種做法的典型代表是歐洲。
在《專利法》第二十五條中沒有明確規(guī)定計算機程序是否能夠授予專利權(quán)。但在《專利審查指南》中“關(guān)于涉及計算機程序的發(fā)明專利申請審查的若干規(guī)定”一章規(guī)定：如果涉及計算機程序的發(fā)明專利申請的解決方案執(zhí)行計算機程序的目的是為了處理一種外部技術(shù)數(shù)據(jù)，通過計算機執(zhí)行一種技術(shù)數(shù)據(jù)處理程序，按照自然規(guī)律完成對該技術(shù)數(shù)據(jù)實施的一系列技術(shù)處理，從而獲得符合自然規(guī)律的技術(shù)數(shù)據(jù)處理效果，則這種解決方案屬于專利法第二條第二款所說的技術(shù)方案，屬于專利保護的客體。如果涉及計算機程序的發(fā)明專利申請的解決方案執(zhí)行計算機程序的目的是為了改善計算機系統(tǒng)內(nèi)部性能，通過計算機執(zhí)行一種系統(tǒng)內(nèi)部性能改進程序，按照自然規(guī)律完成對該計算機系統(tǒng)組成部分實施的一系列設(shè)置或調(diào)整，從而獲得符合自然規(guī)律的計算機系統(tǒng)內(nèi)部性能改進效果，則這種解決方案屬于專利法第二條第二款所說的技術(shù)方案，屬于專利保護的客體。例如，在判斷算法的改進能否提升計算機系統(tǒng)內(nèi)部性能時，需要關(guān)注算法特征與計算機系統(tǒng)的內(nèi)部結(jié)構(gòu)是否存在特定的技術(shù)關(guān)聯(lián)。如果權(quán)利要求請求保護的方案僅涉及抽象算法的改進，未體現(xiàn)出算法特征與計算機系統(tǒng)的內(nèi)部結(jié)構(gòu)存在何種技術(shù)關(guān)聯(lián)，方案解決的是算法本身優(yōu)化的問題，不屬于技術(shù)問題，獲得的相應(yīng)效果也是算法優(yōu)化帶來的效果，不屬于技術(shù)效果，該方案不屬于專利法第二條第二款所述的技術(shù)方案。以一件涉及新領(lǐng)域新業(yè)務(wù)的案件為例，對其是否屬于專利法保護的客體進行分析。權(quán)利要求1：一種調(diào)整人工神經(jīng)網(wǎng)絡(luò)(ANN)的方法，其中所述 ANN 至少包括多個層，所述方法包括：獲取待訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型；使用高比特定點量化來對所述神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，以獲得經(jīng)訓(xùn)練的高比特定點量化神經(jīng)網(wǎng)絡(luò)模型；使用低比特對所述高比特定點量化神經(jīng)網(wǎng)絡(luò)模型進行微調(diào)，以獲得經(jīng)訓(xùn)練的帶低比特定點量化的神經(jīng)網(wǎng)絡(luò)模型；以及輸出所述經(jīng)訓(xùn)練的帶低比特定點量化的神經(jīng)網(wǎng)絡(luò)模型。說明書：基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的方法具有先進的性能，但與傳統(tǒng)方法相比需要更多的計算和內(nèi)存資源。盡管大多數(shù)基于 CNN 的方法需要依賴于大型服務(wù)器，但近年來，智能移動設(shè)備的普及也為神經(jīng)網(wǎng)絡(luò)壓縮帶來了機遇與挑戰(zhàn)，例如許多嵌入式系統(tǒng)也希望具有由 CNN 方法實現(xiàn)的高精度實時目標(biāo)識別功能。然而，將多層級和大數(shù)據(jù)量的 CNN 用于小型系統(tǒng)必須克服資源有限的問題。鑒于現(xiàn)有 CNN 參數(shù)具備大量冗余的事實，可以通過神經(jīng)網(wǎng)絡(luò)定點化來大幅降低資源使用量。但現(xiàn)有的量化方法通常只考慮部署階段而忽視訓(xùn)練階段，或者是追求精度而不能很好地克服硬件的限制。本申請?zhí)峁┮环N調(diào)整人工神經(jīng)網(wǎng)絡(luò)(ANN)的方法，通過神經(jīng)網(wǎng)絡(luò)定點化來降低資源使用量，使帶低比特定點量化的神經(jīng)網(wǎng)絡(luò)模型能夠在低比特位寬的 FPGA、GPU、ASIC 平臺上運行，能夠在極低位寬的情況下實現(xiàn)可以媲美浮點網(wǎng)絡(luò)的計算精度。探討問題：如何判斷算法特征是否與計算機系統(tǒng)的內(nèi)部結(jié)構(gòu)存在特定技術(shù)關(guān)聯(lián)。本申請權(quán)利要求記載的解決方案是否提升計算機系統(tǒng)內(nèi)部性能，是否構(gòu)成技術(shù)方案？觀點一：本申請權(quán)利要求 1 請求保護一種調(diào)整人工神經(jīng)網(wǎng)絡(luò)(ANN)的方法，經(jīng)過訓(xùn)練得到的結(jié)果也是優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型，在權(quán)利要求1中未對具體的應(yīng)用領(lǐng)域進行限定，實質(zhì)上并未解決某一具體領(lǐng)域存在的技術(shù)問題，也未采用利用自然規(guī)律的技術(shù)手段，得到的效果也并非技術(shù)效果，因此不構(gòu)成技術(shù)方案。觀點二：本申請權(quán)利要求 1 請求保護的方案，通過對訓(xùn)練階段的改進得到帶低比特定點量化的神經(jīng)網(wǎng)絡(luò)模型，利用該模型可降低資源使用量，并能夠在低比特位寬的 FPGA、GPU、ASIC 平臺上運行，作用于硬件設(shè)備，采用了利用自然規(guī)律的技術(shù)手段，能夠解決相應(yīng)的技術(shù)問題，并獲得符合自然規(guī)律的計算機系統(tǒng)內(nèi)部性能改進的技術(shù)效果，因此其構(gòu)成技術(shù)方案。本申請權(quán)利要求 1 請求保護一種調(diào)整人工神經(jīng)網(wǎng)絡(luò)的方法，其記載的方案所采用的手段是通過高比特定點量化，低比特微調(diào)，得到訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型，通過神經(jīng)網(wǎng)絡(luò)定點化降低資源使用量。而權(quán)利要求1對神經(jīng)網(wǎng)絡(luò)模型的高比特定點量化、低比特微調(diào)、模型輸出等技術(shù)手段，并未體現(xiàn)出與低比特位寬的 FPGA、GPU、ASIC 平臺有哪些技術(shù)關(guān)聯(lián)。也就是說，本申請權(quán)利要求1限定的技術(shù)方案僅僅是對模型訓(xùn)練方法本身的優(yōu)化，并非遵循自然規(guī)律的技術(shù)手段，其所達到的效果也是通過調(diào)整人工神經(jīng)網(wǎng)絡(luò)算法本身獲得的，并非符合自然規(guī)律的技術(shù)效果。因此，本申請權(quán)利要求 1 請求保護的解決方案不屬于專利法第二條第二款規(guī)定的技術(shù)方案。盡管本申請說明書中聲稱要解決的問題是如何得到帶低比特定點量化的神經(jīng)網(wǎng)絡(luò)模型，使帶低比特定點量化的神經(jīng)網(wǎng)絡(luò)模型能夠在低比特位寬的 FPGA、GPU、ASIC 平臺上運行，但當(dāng)前權(quán)利要求 1 記載的解決方案中并未記載任何因FPGA、GPU、ASIC 平臺作為硬件實現(xiàn)環(huán)境存在哪些約束或限制進而導(dǎo)致對算法作出相應(yīng)改進的技術(shù)內(nèi)容。由此權(quán)利要求1 限定的解決方案并未反映出算法特征與計算機系統(tǒng)的內(nèi)部結(jié)構(gòu)存在特定技術(shù)關(guān)聯(lián)，無法解決提升硬件運算效率或執(zhí)行效果的技術(shù)問題，也無法獲得符合自然規(guī)律的計算機系統(tǒng)內(nèi)部性能改進的技術(shù)效果。
作者：北京品源專利代理有限公司 楊釗穎
首頁
電話咨詢
聯(lián)系方式
