人工智能算法可专利性探析——从知识生产角度区分抽象概念与具体应用

被引:29
作者
狄晓斐
机构
[1] 国家知识产权局专利审查协作北京中心
关键词
人工智能算法; 可专利性; 知识生产; 抽象概念; 具体应用;
D O I
暂无
中图分类号
D913 [民法];
学科分类号
030105 ;
摘要
人工智能算法的客体属性是人工智能技术可专利性问题的核心。根据方法发明专利保护的发展历史可知,方法可专利性判定的原则应当是考察权利要求作为一个整体是否构成对抽象概念的具体应用。同时,历史的经验还表明,目前主流测试标准的实质要求均只构成该原则的充分不必要条件。具体适用该原则时,相比于已有区分标准,从知识生产的角度能够更有效地界分抽象概念和具体应用。根据这一标准,人工智能算法属于对抽象概念的具体应用。这样,人工智能技术的可专利性问题就转化为对抽象概念实际应用程度的阈值设置问题。鉴于行业发展现状、专利法的立法目的、我国现阶段的战略规划和法制环境,应当给予人工智能算法专利保护。
引用
收藏
页码:81 / 96
页数:16
相关论文
共 14 条
[1]   美国《专利客体适格性审查指南》的最新修订及评述 [J].
张韬略 .
知识产权, 2020, (04) :84-96
[2]   智能算法专利保护的制度探索 [J].
蔡琳 .
西北工业大学学报(社会科学版), 2019, (03) :103-111+3
[4]   人工智能算法对专利保护政策的挑战及应对 [J].
王立石 ;
于行洲 ;
宋洁 ;
张洁 .
软件, 2019, 40 (04) :128-132
[5]   “发现”与“发明”的重新界分 [J].
何怀文 .
知识产权, 2013, (09) :20-31
[6]   综观全球软件专利发展十年回顾 [J].
袁建中 .
电子知识产权, 2009, (04) :50-56
[8]  
图解深度学习[M]. 人民邮电出版社 , 山下隆义, 2018
[9]  
专利法[M]. 浙江大学出版社 , 何怀文, 2016
[10]   Neural Networks and Neuroscience-Inspired Computer Vision [J].
Cox, David Daniel ;
Dean, Thomas .
CURRENT BIOLOGY, 2014, 24 (18) :R921-R929