《专利法》第二条第二款规定：发明，是指对产品、方法或者其改进所提出的新的技术方案。这是对可申请专利保护的发明客体的一般性定义。但如何定义专利法中所述“发明”，各国做法不同。一些国家的专利法从正面对“发明”作出定义，既规定哪些主题属于专利法意义上的“发明”；一些国家的专利法从反面对“发明”作出定义，既规定哪些主题不属于专利法意义上的“发明”。采用前一种做法的典型代表是美国和日本；采用后一种做法的典型代表是欧洲。
在《专利法》第二十五条中没有明确规定计算机程序是否能够授予专利权。但在《专利审查指南》中“关于涉及计算机程序的发明专利申请审查的若干规定”一章规定：如果涉及计算机程序的发明专利申请的解决方案执行计算机程序的目的是为了处理一种外部技术数据，通过计算机执行一种技术数据处理程序，按照自然规律完成对该技术数据实施的一系列技术处理，从而获得符合自然规律的技术数据处理效果，则这种解决方案属于专利法第二条第二款所说的技术方案，属于专利保护的客体。如果涉及计算机程序的发明专利申请的解决方案执行计算机程序的目的是为了改善计算机系统内部性能，通过计算机执行一种系统内部性能改进程序，按照自然规律完成对该计算机系统组成部分实施的一系列设置或调整，从而获得符合自然规律的计算机系统内部性能改进效果，则这种解决方案属于专利法第二条第二款所说的技术方案，属于专利保护的客体。例如，在判断算法的改进能否提升计算机系统内部性能时，需要关注算法特征与计算机系统的内部结构是否存在特定的技术关联。如果权利要求请求保护的方案仅涉及抽象算法的改进，未体现出算法特征与计算机系统的内部结构存在何种技术关联，方案解决的是算法本身优化的问题，不属于技术问题，获得的相应效果也是算法优化带来的效果，不属于技术效果，该方案不属于专利法第二条第二款所述的技术方案。以一件涉及新领域新业务的案件为例，对其是否属于专利法保护的客体进行分析。权利要求1：一种调整人工神经网络(ANN)的方法，其中所述 ANN 至少包括多个层，所述方法包括：获取待训练的神经网络模型；使用高比特定点量化来对所述神经网络模型进行训练，以获得经训练的高比特定点量化神经网络模型；使用低比特对所述高比特定点量化神经网络模型进行微调，以获得经训练的带低比特定点量化的神经网络模型；以及输出所述经训练的带低比特定点量化的神经网络模型。说明书：基于卷积神经网络（CNN）的方法具有先进的性能，但与传统方法相比需要更多的计算和内存资源。尽管大多数基于 CNN 的方法需要依赖于大型服务器，但近年来，智能移动设备的普及也为神经网络压缩带来了机遇与挑战，例如许多嵌入式系统也希望具有由 CNN 方法实现的高精度实时目标识别功能。然而，将多层级和大数据量的 CNN 用于小型系统必须克服资源有限的问题。鉴于现有 CNN 参数具备大量冗余的事实，可以通过神经网络定点化来大幅降低资源使用量。但现有的量化方法通常只考虑部署阶段而忽视训练阶段，或者是追求精度而不能很好地克服硬件的限制。本申请提供一种调整人工神经网络(ANN)的方法，通过神经网络定点化来降低资源使用量，使带低比特定点量化的神经网络模型能够在低比特位宽的 FPGA、GPU、ASIC 平台上运行，能够在极低位宽的情况下实现可以媲美浮点网络的计算精度。探讨问题：如何判断算法特征是否与计算机系统的内部结构存在特定技术关联。本申请权利要求记载的解决方案是否提升计算机系统内部性能，是否构成技术方案？观点一：本申请权利要求 1 请求保护一种调整人工神经网络(ANN)的方法，经过训练得到的结果也是优化后的神经网络模型，在权利要求1中未对具体的应用领域进行限定，实质上并未解决某一具体领域存在的技术问题，也未采用利用自然规律的技术手段，得到的效果也并非技术效果，因此不构成技术方案。观点二：本申请权利要求 1 请求保护的方案，通过对训练阶段的改进得到带低比特定点量化的神经网络模型，利用该模型可降低资源使用量，并能够在低比特位宽的 FPGA、GPU、ASIC 平台上运行，作用于硬件设备，采用了利用自然规律的技术手段，能够解决相应的技术问题，并获得符合自然规律的计算机系统内部性能改进的技术效果，因此其构成技术方案。本申请权利要求 1 请求保护一种调整人工神经网络的方法，其记载的方案所采用的手段是通过高比特定点量化，低比特微调，得到训练后的神经网络模型，通过神经网络定点化降低资源使用量。而权利要求1对神经网络模型的高比特定点量化、低比特微调、模型输出等技术手段，并未体现出与低比特位宽的 FPGA、GPU、ASIC 平台有哪些技术关联。也就是说，本申请权利要求1限定的技术方案仅仅是对模型训练方法本身的优化，并非遵循自然规律的技术手段，其所达到的效果也是通过调整人工神经网络算法本身获得的，并非符合自然规律的技术效果。因此，本申请权利要求 1 请求保护的解决方案不属于专利法第二条第二款规定的技术方案。尽管本申请说明书中声称要解决的问题是如何得到带低比特定点量化的神经网络模型，使带低比特定点量化的神经网络模型能够在低比特位宽的 FPGA、GPU、ASIC 平台上运行，但当前权利要求 1 记载的解决方案中并未记载任何因FPGA、GPU、ASIC 平台作为硬件实现环境存在哪些约束或限制进而导致对算法作出相应改进的技术内容。由此权利要求1 限定的解决方案并未反映出算法特征与计算机系统的内部结构存在特定技术关联，无法解决提升硬件运算效率或执行效果的技术问题，也无法获得符合自然规律的计算机系统内部性能改进的技术效果。
作者：北京品源专利代理有限公司 杨钊颖
华体会官网_华体会官网(中国)
电话咨询
联系方式
