引言：

人工智能（AI，Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能技术已经在语音处理、图像处理、自然语言处理等场景得到了非常广泛的应用。

人工智能领域是新领域新业态中的重点领域，各大中小型企业都有投入研发力量对人工智能技术进行研究。尤其是随着近些年ChatGPT的爆火，涉及人工智能技术的产品越来越常见，对人工智能领域的专利申请需求也与日俱增。

本文结合一件无效案例，对人工智能领域专利的创造性判断和撰写思路进行探讨。

案例：

方案分析和无效决定

涉案专利名称为“一种建立废钢等级划分神经网络模型方法”（专利号：ZL201910958076.8），专利权人为北京同创信通科技有限公司，无效宣告请求人为衡阳镭目科技有限责任公司。

涉案专利权利要求1请求保护的是一种用于废钢收储的等级分类检测的模型建立方法，具体公开的内容包括：针对废钢收储的等级分类检测这一特定的应用场景，神经网络模型的具体结构设计，具体模型结构下对图像中物体颜色、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，以实现收储中的废钢等级分类检测功能。

请求人认为：以证据1（CN109919243A，公开日2019年06月21日）作为最接近的现有技术，权利要求1相对于证据1、证据2（“Inception-v4，Inception-ResNet and the Impact of Residual Connections on Learning”，Christian et al，公开日2016年08月23日）和公知常识的结合，或者证据1、证据2和证据3（北京邮电大学硕士学位论文《基于深度学习的细粒度图像识别研究》，陈鹤深，公开日2018年03月21日）的结合不具备创造性。

合议组认为：证据1未提及有关规格、等级等相关内容，基于证据1的记载也仅能表明在种类分类完毕后可能分为不同规格，这些不同规格都是属于同一种类的废钢铁料型，这与涉案专利的混杂在一起的不同形状、可能分属不同类型的废钢料整体进行等级划分不同；且证据1未公开如何分级。

证据2和证据3均未公开提取的是图像数据的哪些特征，也没有公开提取相关数据特征用于何种具体的应用场景、解决该场景中具体存在的哪些技术问题。

同时，目前也无证据表明建立对废钢料等级划分的神经网络模型，以达到对废钢收储的等级分类检测，以及针对该问题如何具体选取数据参数和相关模块属于本领域的公知常识。

因此，请求人的无效理由不成立。

启示

1、关于人工智能领域专利的创造性判断

上述无效宣告请求审查决定认为，人工智能领域的专利涉及计算机程序和算法，其主要解决的是某个应用场景下的任务实现问题或者提高计算设备的性能等，因此，在人工智能领域的专利创造性判断中，应将算法和应用场景进行整体分析，特别是要考虑将算法应用到不同场景后是否对算法的训练模式、重要参数或相关步骤等进行了实质性调整，且该调整是否解决了特定的技术问题、获得了有益的技术效果。

如合议组给出的意见中认为：虽然证据1与涉案专利的模型训练步骤相同，但是，证据1的模型结构与涉案专利不同，并且，二者的应用场景不同，不同的应用场景产生的技术问题不同，提供的训练数据显然也是不同的，针对不同的训练数据，所提取的特征也是不同的。而证据2、3与涉案专利的应用场景、所解决的技术问题、训练数据以及提取的特征都是不同的，因此，证据2、3未给出结合启示。

综上，在面对人工智能领域专利案件的创造性问题时，可以以应用场景作为突破口，确定本案应用场景下要解决的特定技术问题，并结合人工智能算法，分析在解决特定技术问题时，对本案算法涉及的训练模式、重要参数或相关步骤等是否有实质性调整，如果有，则认为有创造性。

如果一模型跨场景应用，无需对训练模式、模型参数、相关步骤等进行实质性调整，则这种应用场景的不同并不能使整体方案具备创造性。

2、关于人工智能领域专利申请的撰写思路

第一，应当明确应用场景，以及该应用场景下要解决的特定技术问题。

第二，涉及模型结构/模型参数改进的，模型结构/模型参数相对于现有技术的实质性改变要明确，并且说明模型结构/模型参数的改进所带来的特定技术效果。

第三，模型训练过程应当详尽，包括应用场景下的特定样本数据、所提取的与解决的特定技术问题相关联的数据特征、有实质性调整的模型训练过程等。

第四，在进行有益效果分析时，应当将算法和应用场景进行整体的结合分析，从算法的训练模式、重要参数或相关步骤等改进的角度，分析人工智能技术在特定应用场景下所获得的特定技术效果。