《專利法》第二條第二款規定：發明，是指對產品、方法或者其改進所提出的新的技術方案。這是對可申請專利保護的發明客體的一般性定義。但如何定義專利法中所述“發明”，各國做法不同。一些國家的專利法從正面對“發明”作出定義，既規定哪些主題屬于專利法意義上的“發明”；一些國家的專利法從反面對“發明”作出定義，既規定哪些主題不屬于專利法意義上的“發明”。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定計算機程序是否能夠授予專利權。但在《專利審查指南》中“關于涉及計算機程序的發明專利申請審查的若干規定”一章規定：如果涉及計算機程序的發明專利申請的解決方案執行計算機程序的目的是為了處理一種外部技術數據，通過計算機執行一種技術數據處理程序，按照自然規律完成對該技術數據實施的一系列技術處理，從而獲得符合自然規律的技術數據處理效果，則這種解決方案屬于專利法第二條第二款所說的技術方案，屬于專利保護的客體。如果涉及計算機程序的發明專利申請的解決方案執行計算機程序的目的是為了改善計算機系統內部性能，通過計算機執行一種系統內部性能改進程序，按照自然規律完成對該計算機系統組成部分實施的一系列設置或調整，從而獲得符合自然規律的計算機系統內部性能改進效果，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內部性能時，需要關注算法特征與計算機系統的內部結構是否存在特定的技術關聯。如果權利要求請求保護的方案僅涉及抽象算法的改進，未體現出算法特征與計算機系統的內部結構存在何種技術關聯，方案解決的是算法本身優化的問題，不屬于技術問題，獲得的相應效果也是算法優化帶來的效果，不屬于技術效果，該方案不屬于專利法第二條第二款所述的技術方案。以一件涉及新領域新業務的案件為例，對其是否屬于專利法保護的客體進行分析。權利要求1：一種調整人工神經網絡(ANN)的方法，其中所述 ANN 至少包括多個層，所述方法包括：獲取待訓練的神經網絡模型；使用高比特定點量化來對所述神經網絡模型進行訓練，以獲得經訓練的高比特定點量化神經網絡模型；使用低比特對所述高比特定點量化神經網絡模型進行微調，以獲得經訓練的帶低比特定點量化的神經網絡模型；以及輸出所述經訓練的帶低比特定點量化的神經網絡模型。說明書：基于卷積神經網絡（CNN）的方法具有先進的性能，但與傳統方法相比需要更多的計算和內存資源。盡管大多數基于 CNN 的方法需要依賴于大型服務器，但近年來，智能移動設備的普及也為神經網絡壓縮帶來了機遇與挑戰，例如許多嵌入式系統也希望具有由 CNN 方法實現的高精度實時目標識別功能。然而，將多層級和大數據量的 CNN 用于小型系統必須克服資源有限的問題。鑒于現有 CNN 參數具備大量冗余的事實，可以通過神經網絡定點化來大幅降低資源使用量。但現有的量化方法通常只考慮部署階段而忽視訓練階段，或者是追求精度而不能很好地克服硬件的限制。本申請提供一種調整人工神經網絡(ANN)的方法，通過神經網絡定點化來降低資源使用量，使帶低比特定點量化的神經網絡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可以媲美浮點網絡的計算精度。探討問題：如何判斷算法特征是否與計算機系統的內部結構存在特定技術關聯。本申請權利要求記載的解決方案是否提升計算機系統內部性能，是否構成技術方案？觀點一：本申請權利要求 1 請求保護一種調整人工神經網絡(ANN)的方法，經過訓練得到的結果也是優化后的神經網絡模型，在權利要求1中未對具體的應用領域進行限定，實質上并未解決某一具體領域存在的技術問題，也未采用利用自然規律的技術手段，得到的效果也并非技術效果，因此不構成技術方案。觀點二：本申請權利要求 1 請求保護的方案，通過對訓練階段的改進得到帶低比特定點量化的神經網絡模型，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，作用于硬件設備，采用了利用自然規律的技術手段，能夠解決相應的技術問題，并獲得符合自然規律的計算機系統內部性能改進的技術效果，因此其構成技術方案。本申請權利要求 1 請求保護一種調整人工神經網絡的方法，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，得到訓練后的神經網絡模型，通過神經網絡定點化降低資源使用量。而權利要求1對神經網絡模型的高比特定點量化、低比特微調、模型輸出等技術手段，并未體現出與低比特位寬的 FPGA、GPU、ASIC 平臺有哪些技術關聯。也就是說，本申請權利要求1限定的技術方案僅僅是對模型訓練方法本身的優化，并非遵循自然規律的技術手段，其所達到的效果也是通過調整人工神經網絡算法本身獲得的，并非符合自然規律的技術效果。因此，本申請權利要求 1 請求保護的解決方案不屬于專利法第二條第二款規定的技術方案。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網絡模型，使帶低比特定點量化的神經網絡模型能夠在低比特位寬的 FPGA、GPU、ASIC 平臺上運行，但當前權利要求 1 記載的解決方案中并未記載任何因FPGA、GPU、ASIC 平臺作為硬件實現環境存在哪些約束或限制進而導致對算法作出相應改進的技術內容。由此權利要求1 限定的解決方案并未反映出算法特征與計算機系統的內部結構存在特定技術關聯，無法解決提升硬件運算效率或執行效果的技術問題，也無法獲得符合自然規律的計算機系統內部性能改進的技術效果。
作者：北京品源專利代理有限公司 楊釗穎
首頁
電話咨詢
聯系方式
