电学领域保护客体问题浅析(上篇)

发布时间:2020-08-18 作者:逯恒 来源:超凡知识产权公众号 阅读量:203

导读

客体问题一直是电学领域新申请在审查阶段遇到的常见问题,从出现频率的角度来看,虽然近年来审查风向偏于使用创造性的条款进行审查,但从18年开始,客体问题出现的频率逐渐呈上升趋势。纵观其原因,大致有二:

1、新兴技术(如数学建模)开始进行专利申请,受限于撰写水平,或者受限于审查难度、审查成本,使用客体法条进行审查较为合适;

2、近些年我国对专利保护客体问题研究的越发深入,客体方面的规则设定的越发合理,在审查时使用客体法条进行审查也可以达到审查目的。从实操角度来看,企业更加关注有客体风险的案件如何保护、如何提高授权率,代理人也更加关注如何规避客体问题。由此,本文将对电学领域常见的客体问题进行简要分析。

 

可以肯定的是,设置保护客体法条的目的是避免一些不适合的方案被授予专利权,即定义出不应授权方案(非客体方案)。如“人”“水”等概念的定义,任何对象的定义均有一定的不完备性(当然,也可以认为是语言的不完备性导致的),虽然通过具体词语的限定可以明显的确定出哪些具体对象符合该定义,但位于概念边缘的具体对象则难以确定其是否符合该定义。更甚于传统意义中的“人”“水”等概念。

 

非客体方案更难定义,其原因有二:

1、这一概念完全是人为定义的,并不是从自然界中的实际对象转化过来的;

2、这一概念在自然界中缺乏直观对象,难以产生直观的感受。

虽然理解困难,但还是得直面这一问题。在理解非客体方案这一概念的时候,可以通过专利法、细则等文献中的文字记载来进行较为直观的感受。先援引法二条二款的原文“发明,是指对产品、方法或者其改进所提出的新的技术方案”,再援引审查指南中关于法二条二款的说明“未采用技术手段解决技术问题,以获得符合自然规律的技术效果的方案,不属于专利法第二条第二款规定的客体”。

从字面意思来看,法二条中的重点描述词是“技术方案”,指南中的重点描述词是“技术手段+技术问题+自然规律+技术效果”。相较而言,“技术方案”要比“发明”更具体一点,“技术手段+技术问题+自然规律+技术效果”要比“技术方案”更具体一点,但不论是哪种描述方式都有其不完备性。比如,技术手段的要求,可以通过增加一些具有技术性的特征来克服。至于技术问题的要求则更容易克服,一个方案或多或少、或直接或间接,都可以与技术问题挂钩,技术效果也是一样。在这种情况下,我们该如何确定哪些方案是非客体方案呢?

笔者认为,关于客体问题,其核心在于三点:

核心点1:自然规律,不是数学规律;

核心点2:方案与技术问题的紧密程度;

核心点3:自然规律是客观规律,是不以人的意志为转移的规律。

 

关于核心点1,数学规律指的是没有物理含义的几个数字之间进行的计算,而自然规律指的是在特定物理环境下,反映各个对象关系的规律。

我们先来看一个最近修改审查指南后的例子:

 

例1一种建立数学模型的方法,其特征在于,包括以下步骤:

根据第一分类任务的训练样本中的特征值和至少一个第二分类任务的训练样本中的特征值,对初始特征提取模型进行训练,得到目标特征提取模型; 

其中,所述第二分类任务是与所述第一分类任务相关的其它分类任务;

根据所述目标特征提取模型,分别对所述第一分类任务的每个训练样本中的特征值进行处理,得到所述每个训练样本对应的提取特征值;

将所述每个训练样本对应的提取特征值和标签值组成提取训练样本,对初始分类模型进行训练,得到目标分类模型;

将所述目标分类模型和所述目标特征提取模型组成所述第一分类任务的数学模型。

可以看出,例1中的处理对象是所有训练样本,方案中的特征值、样本等特征均没有任何特定物理含义的特征,是数学层面的参数,故该方案反应的也是数学层面(也可以认为是数字层面)的规律,并非是物理层面的规律,因此,例1不符合客体要求。

 

再来看一个最近修改审查指南后的例子:

 

例2一种卷积神经网络CNN模型的训练方法,其特征在于,所述方法包括:

获取待训练CNN模型的初始模型参数,所述初始模型参数包括各级卷积层的初始卷积核、所述各级卷积层的初始偏置矩阵、全连接层的初始权重矩阵和所述全连接层的初始偏置向量;

获取多个训练图像;

在所述各级卷积层上,使用所述各级卷积层上的初始卷积核和初始偏置矩阵,对每个训练图像分别进行卷积操作和最大池化操作,得到每个训练图像在所述各级卷积 层上的第一特征图像;

对每个训练图像在至少一级卷积层上的第一特征图像进行水平池化操作,得到每个训练图像在各级卷积层上的第二特征图像;

根据每个训练图像在各级卷积层上的第二特征图像确定每个训练图像的特征向量;

根据所述初始权重矩阵和初始偏置向量对每个特征向量进行处理,得到每个训练图像的类别概率向量;

根据所述每个训练图像的类别概率向量及每个训练图像的初始类别,计算类别误差;

基于所述类别误差,对所述待训练CNN模型的模型参数进行调整;

基于调整后的模型参数和所述多个训练图像,继续进行模型参数调整的过程,直至迭代次数达到预设次数;

将迭代次数达到预设次数时,所得到的模型参数作为训练好的CNN模型的模型参数。

可以看出,相较于例1而言,例2中的方案是针对样本为图像的方案所设计的,例2中使用了如特征图像、训练图像等多个更为具体的特征。故例2中的方案的客体问题是较为轻微的。

 

由上述两个例子可以看出,权利要求中使用了物理含义更具体的特征,或者说使用了具有特定物理含义的特征,就可以使得方案符合客体要求。是否只要引入了具有物理含义的特征就可以保证方案没有客体问题了呢?答案当然是否定的。

 

再来看一个2010版审查指南中所记载的例子:

 

例3一种利用计算机程序实现自动计算动摩擦系数μ的方法,其特征在于,包括以下步骤:

计算摩擦片的位置变化量S1 和S2 的比值;

计算变化量的比值S2/S1 的对数logS2/S1;

求出对数logS2/S1 与e的比值。

审查指南中也附加了对例3的评价“这种解决方案不是对测量方法的改进,而是一种由计算机程序执行的数值计算方法,求解的虽然与物理量有关,但求解过程是一种数值计算,该解决方案整体仍旧属于一种数学计算方法。因此,该发明专利申请属于专利法第二十五条第一款第(二) 项规定的智力活动的规则和方法,不属于专利保护的客体”。

 

通过例3可以看出,并不是只要方案中出现了物理特征就可以,正如本次审查指南修改的部分“将与技术特征功能上彼此相互支持、存在相互作用关系的算法特征或商业规则和方法特征与所述技术特征作为一个整体考虑”,其重点在于强调“相互支持,相互作用关系”,即只有将非技术特征和技术特征有效的结合起来才能够克服客体问题。那么怎么判断二者能否“有效的”结合起来呢?这要看二者是否对同一个技术目的会产生协同的贡献。

实际上,客体问题并不是一个门槛,并不是将方案写成什么形态就必然能够克服客体问题;客体问题与创造性问题也并不是相互独立的两个问题,而是客体和创造性共同保障了授权专利能够符合专利制度的预期。

再引用一段本次修改审查指南后记载的部分,“如果权利要求中的算法应用于具体的技术领域,可以解决具体技术问题,那么可以认为该算法特征与技术特征功能上彼此相互支持、存在相互作用关系,该算法特征成为所采取的技术手段的组成部分,在进行创造性审查时,应当考虑所述的算法特征对技术方案作出的贡献”。

从上述可以看出,非技术特征与技术目的的关联性越强,则其客体问题和创造性问题越容易克服。如例3中虽然提及了物理量,但这些物理量与所期望解决的技术问题“自动化处理”并无直接关系,自动化处理完全是由于该方案是由计算机来完成的,这些物理量所构成的计算规则原本就属于现有技术,因此,在考虑其是否是符合客体的时候,不应当考虑这些物理特征。

其实,这也是很明显的,如果一个权利要求可以通过形式上的简单修改(如增加几个无价值的物理特征,或技术特征)就能完全的克服客体问题,甚至创造性问题,这该是多么荒谬的事情。

整体来看,方案中体现的具有物理含义的特征越多,越具体,则越容易克服客体问题,但实际上,并不能认为只要使用了具有物理含义的特征就必然可以克服客体问题。而是方案中所使用的特征的物理含义越明显,且该特征与技术目的的关联性越强,就越能克服客体问题。并且,结合本次审查指南的修改内容,也可以明确的看出:目前的审查风向越来越注重实质内容,而不是形式内容,如果增加的特征与所要达到的技术目的无关,则这些特征在审查时可能会被某种程度上“忽略掉”。

 

涉及核心点1问题的方案大致可分为两类:

第一类:新兴技术,如涉及模型训练的案件;代理人可能为了要到更大的保护范围,所以选择性的忽略掉了具有特定物理含义的特征,进而导致方案越发接近利用数学规律的方案;

第二类:技术交底书中的记载并不理想,而代理人也没有深挖,导致代理人只写了表面上的内容。

涉及核心点1问题的方案还是比较好解决的,由于一般企业客户通常均是在有产品或者有产品雏形之后才进行的专利申请,因此,只要让代理人对方案进行深入了解,并且在撰写的时候严格把关即可,但应当注意的是,用来反映自然规律的特征和技术目的的关联性是否足够强。而核心点2和3则更为复杂,笔者会在下一篇中进行分析。

 

通过本次审查指南的修改,可以看出,中国的专利制度的确在朝着更合理、更专业、更细致的方向发展,这使得知识产权从业门槛进一步得到了提高,各位知产人的基本功还需与时俱进,进一步对知识产权制度加深理解。

寥寥千字难以论清客体问题,本文仅从一个侧面进行了简要分析,文中定有言语不周之处,仅望以此文为初涉知产行业的同学提供些许帮助。