浅谈涉及机器学习专利的撰写思路

作者：户瑞婧 专利工程师

在人工智能不断发展的时代，涉及机器学习的专利申请越来越多。本文结合机器学习领域的专利撰写实践，浅谈涉及机器学习的专利的撰写思路。

一、撰写前的准备工作

在涉及机器学习的交底材料中往往会针对一个机器学习模型的构建、训练或者应用的过程进行详细描述，为了在撰写时能够将技术方案撰写的更清楚，首先需要以交底材料为基础，了解与交底材料中详细描述的模型相关的基础知识。具体可以从以下几个方面入手：

1、在第一次撰写涉及机器学习的专利时，可以从学习机器学习相关的基本术语开始。例如学习、训练、分类、回归等基本术语；

2、了解交底材料中与模型相关的专业名词，例如在GAN神经网络中的“对抗训练”、在卷积神经网络中的“卷积”、“反卷积”等专业名词；

3、了解交底材料中详细介绍的模型对应的基本模型、模型结构以及模型相关的函数、计算公式等。

在了解基础知识的基础上，为了能够将交底材料中的技术方案撰写的更加完整，同时能够进行恰当的上位，在撰写前需要以交底材料为基础与发明人确认以下两个问题：

1、确认技术方案中所使用的模型在结构上是否进行改进，训练过程是否与现有技术有所不同；

2、确认交底材料中的模型是否可以被其它模型替代，是否能够完成相同的效果。

在确认以上两个问题之后，可以根据交底材料确认技术方案的发明点和具体的技术细节。

二、权利要求的布局

第一，根据上述与发明人确认的两个问题的答案，可以对权利要求进行整体布局。

➩ 方案中的模型在结构上没有改进并且训练过程也没有发生变化时，可以判断技术方案为应用型的技术方案，可以直接构建模型应用的方法类的权利要求；

➩ 方案中的模型在结构上进行了改进或者训练过程发生了变化，并不涉及应用相关的内容，此时可以布局一套模型构建或者训练类的权利要求；

➩ 方案中的模型在结构上进行了改进或者训练过程发生了变化，同时涉及应用相关的内容，此时可以布局一套模型构建或者训练类的权利要求和一套或者多套模型应用的方法类的权利要求；

➩ 方案中的模型可以被其它模型替代并且能够完成相同的效果时，在撰写时注意独立权利要求的范围。

第二，根据以上种情况分别进行相应的考虑，在整体布局的基础上将技术方案的具体技术细节填充在各个权利要求中。

➩ 布局模型应用的方法类权利要求时，由于模型在结构上没有改进并且训练也没有发生变化，因此可以将模型作为预设条件直接写入权利要求，技术方案的撰写过程与其他技术方案的撰写过程相同；

➩ 布局模型构建或者训练类的权利要求时，可以针对与发明人预先确认过的改进点进行布局；

➩ 布局一套模型构建或者训练类的权利要求和一套或者多套模型应用的方法类的权利要求时，可以先针对与发明人预先确认过的改进点对模型构建或者训练类的权利要求进行布局，随后将模型作为预设条件写入一套或者多套模型应用的方法类的权利要求。

需要注意的是，在布局一套模型构建或者训练类的权利要求和一套或者多套模型应用的方法类的权利要求时，需要注意单一性的问题。

另外，在方案中的模型可以被其它模型替代时，布局模型应用的方法类权利要求必须注意独立权利要求的保护范围，在应用的方法具有创造性时，可以将交底材料中详细描述的模型放在从属权利进行撰写。

三、说明书的撰写

撰写说明书的目的是用于支持权利要求，并对权利要求进行详细的解释。在机器学习类的说明书撰写时，仍然需要关注与发明人确认的问题对应的几种情况：

➩ 仅布局了模型应用的方法类权利要求时，说明书关注的重点应当是模型的应用过程，因此着重对应用过程进行说明。此外，可以以交底材料中详细说明的模型为一个实施例放在说明书中；

➩ 仅布局了模型构建或者训练类的权利要求时，说明书关注的重点应当是模型构建的过程或者训练的过程，因此需要对模型整体的结构以及具体的训练过程进行详细的解释。此外，可以将交底材料中提到的可能的应用场景作以举例的方式写入说明书；

➩ 同时布局一套模型构建或者训练类的权利要求和一套或者多套模型应用的方法类的权利要求时，可以将说明书分为两部分，分别对模型的构建或者训练过程和模型的应用过程进行详细说明。此外，可以将交底材料中详细说明的模型和应用过程作为实施例，分别写入对应的部分。

需要注意的是，将说明书分为两部分分别对模型的构建或者训练过程和模型的应用过程进行详细说明时，仍然需要注意单一性的问题，强调两部分之间的联系。

四、示例性案例

交底材料：

模型训练过程：

将参数1输入模型A得到加密参数2，将加密参数2输入模型B得到参数3，根据参数1与参数3的差别对模型A和模型B进行训练，直至参数1与参数3的差别小于预设值；其中，模型A对参数1的处理过程和模型B对加密参数2的处理过程相反。

模型应用过程：

将目标参数输入模型A得到加密参数2；

将加密参数2输入模型B还原目标参数。

沟通与分析得到的结论：

模型A和模型B均为现有模型，但两者的训练过程与现有技术不同，且模型A和模型B可以被其它模型替换；同时，模型A和模型B可以分别进行加密和解密的应用。

因此，权利要求的布局为一套模型训练方法的权利要求和两套模型应用的权利要求。

独立权利要求布局如下：

➩  一种模型训练方法，其特征在于，包括：

将第一参数输入第一模型进行加密，以获取所述第一参数对应的第二加密参数；

将所述第二加密参数输入第二模型进行解密，以获取所述第二加密参数对应的第三参数；

根据所述第一参数与所述第三参数之间的偏差率对所述第一模型和所述第二模型的进行重复更新，直至所述第一参数与所述第三参数之间的偏差率小于预设阈值；

其中，所述第一模型的加密过程与所述第二模型的解密过程互为逆过程。

➩ 一种参数加密方法，其特征在于，包括：

获取第一模型；其中，所述第一模型是根据上述模型训练方法训练得到的，用于确定第一参数与第二加密参数之间的对应关系；

利用所述第一模型对所述第一参数进行加密处理，以使所述第一参数被加密生成第二加密参数。

➩ 一种参数解密方法，其特征在于，包括：

获取第二模型；其中，所述第二模型是根据上述模型训练方法训练得到的，用于确定第二加密参数与第三参数之间的对应关系；

获取根据第一模型加密得到的第二加密参数，将所述第二加密参数输入所述第二模型进行解密处理，以使所述第二加密参数被解密生成第三参数；其中，所述第一模型的加密过程与所述第二模型的解密过程互为逆过程。

需要注意的是，在本案例中若模型A和模型B不可以被其他模型替换时，可以将权利要求书中的第一模型和第二模型分别替换为模型A和模型B。

五、总 结

根据上述分析可知，在遇到有关机器学习类的案例时，对交底材料中的技术方案的改进点的确认对权利要求的整体布局十分重要，因此在撰写前必须确认技术方案中发生改进的方面，进而对权利要求进行布局。同时由于模型是否可以替换对权利要求的保护范围影响较大，因此也需要在撰写前进行确认。最后，在撰写多套权利要求的过程中，很容易忽略单一性的问题，因此撰写结束后需要对多套权利要求的单一性进行检查。以上内容仅供大家参考，如有不足之处欢迎批评指正。