關于算法可專利性的思考

摘 要：本文主要介紹了算法的概念以及我國關于算法的相關規定以及審查標準介紹，同時通過典型案例的剖析，探討判斷算法是否屬于專利保護客體的方法，而隨著技術的不斷發展，領域的不斷變化，在判斷時還需要結合具體的案例進行實際分析給出客觀判斷結果。

關鍵詞：算法 可專利性 客體

中圖分類號：TP39 文獻標識碼：A 文章編號：1003-9082（2019）09-000-01

引言

算法（Algorithm，或稱邏輯算法）是指解題方法的精確描述，是對被組織在一定數據結構中的數據進行的一串處理和操作，以解決一定問題的方法和過程[1]?！比欢?，什么樣的算法是屬于專利保護的客體，怎么具體判斷算法是否滿足專利性的標準，這些問題值得我們探討。

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技術方案”，專利法第二十五條第一款規定：對下列各項，不授予專利權，其中第二項為智力活動的規則和方法;智力活動的規定和方法是指導人們進行思維、表達、判斷和記憶的規則和方法，由于其沒有采用技術手段或者利用自然規律，也未解決技術問題和產生技術效果，因而不構成技術方案，它即不符合專利法第二條第二款的規定，又屬于專利法第二十五條第一款第（二）項規定的情形[2]。

一、我國涉及算法的專利申請的審查思考

要排除算法獨占性，數學算法或原理本身屬于科學研究中的基礎理論，一方面，由于這些基礎理論是所有應用學科的研究基礎，如果對其進行專利保護，則將使得專利權人獲得某種基礎原理的獨占權，從而對所有需要采用該基礎原理的應用學科的技術創新與發展帶來不利影響。另一方面，任何國家或地區的專利法，都會對可專利的對象進行限定，這些限定無一例外的都排除了對抽象概念或智力活動規則進行授權。而數學算法與原理本身是一種典型的人類智力活動的規則和方法的延伸，也是一種抽象的概念和理論，因而，在主要國家和地區的專利審查中都對這類申請不給予專利保護。

在進行技術方案的判斷時，要將技術的三要素作為一個整體來進行對待，即基于該算法的解決方案采用了何種技術手段，解決該技術領域的何種技術問題，獲得了那些相應的技術效果，專利法意義上的技術手段是通過技術特征來體現的，只有能夠解決技術問題并獲得技術效果的手段，才能構成技術手段，技術問題和技術效果是相互對應的，方案能夠解決技術問題， 必然會帶來相應的技術效果;應當避免割裂三要素關系、孤立地從某一個要素來進行判斷，應該結合權利要求記載的方案從整體上進行考量，從方案整體上去理解發明，判斷方案中提及的各手段是否使方案解決了技術問題，并在實現方案的過程中是否產生了技術效果。

二、案例分析

下面結合幾個實際案例來分析涉及算法的發明。

案例一、申請號：CN201410767787.4

權利要求1保護一種基于KNN的置信回歸算法，其中限定了五個步驟，包括確定樣本集，在未知回歸樣本集中選出未知樣本，計算出xp與已知回歸樣本集中每個樣本之間的歐式距離，在已知樣本集中查詢出與xp的歐式距離最近的K個樣本，回歸模型預測未知樣本xp的回歸值。

分析：

本申請涉及到一種機器學習領域，其中KNN即為鄰近算法，或者說K最近鄰分類算法（KNN，k-NearestNeighbor）是數據挖掘分類技術中最簡單的方法之一，KNN算法不僅可以用于分類，還可以用于回歸，也即該算法并沒有給出具體的應用領域，同時權利要求中通過確定樣本集，選出未知樣本，計算出未知樣本xp與已知回歸樣本集中每個樣本之間的歐式距離DE，然后在已知樣本集中查詢出與未知樣本xp的歐式距離最近的K個樣本，回歸模型預測未知樣本xp的回歸值等手段，其要解決的問題是置信回歸不準確的問題，然而，該解決方案所要實現的提高置信回歸準確性的效果，是通過KNN的回歸算法直接得到的，其本質上是對機器學習涉及到的KNN算法本身進行優化和改進，從而達到提高置信回歸準確性的效果，是數學運算方面的問題，并非是技術問題和技術效果，采用的上述步驟均屬于算法本身的運算步驟。

該方案沒有提及該算法能夠用于解決何種實際的技術問題，沒有限定算法參數在技術問題中所體現的物理含義，即沒有形成具有技術意義的技術方案，以及也沒有體現出運用該算法后能夠帶為解決技術問題帶來何種技術效果，因而權利要求要保護的對象僅僅是一種數學運算方法，屬于人為制定和調整的算法規則。

案例二、

申請號：CN201510012972.7

權利要求1保護一種基于RBF神經網絡M-RAN算法的數控慢走絲線切割機床熱誤差建模方法，其中流程限定了單輸入RAN網絡結構，以及M-RAN算法，另外對這兩個步驟下的具體流程進行了詳細限定。

分析：

本申請涉及到一種基于RBF神經網絡M-RAN算法的數控慢走絲線切割機床熱誤差建模方法，另外申請在主題名稱中記載了將RBF神經網絡M-RAN算法用于數控慢走絲線切割機床熱誤差測量，其限定部分的內容中各個計算步驟和參數對數控慢走絲線切割機床熱誤差沒有任何關聯，即其僅在主體名稱中給出了具體的應用領域即機床誤差建模領域，因此除了主體名稱之外，該權利要求的特征部分均是利用RBF神經網絡結合M-RAN算法進行建模，其在建模的過程中并未將上述方法應用于具體的領域。

另外建模所使用的RBF神經網絡的輸入輸出并未限定具體技術領域的具體物理參數，并且RBF神經網絡和M-RAN算法中涉及的參數并未應用于具體的領域，不具有相應的物理含義，其本質上是對RBF神經網絡M-RAN算法本身進行優化和改進，其是涉及到數學運算方面的問題，因此，其在建模過程中并沒有涉及到解決相應的技術問題，同時也不存在對應的技術效果。

因此，綜合考慮，其內容僅僅涉及算法，而不是一種利用技術手段或自然規律的技術方案。因此，從整體考慮的原則出發，不能僅從主體名稱來判斷，同時要考慮方案中如何具體體現算法應用于該領域以解決該領域的技術問題。

案例三、

申請號：CN201410323290.3

權利要求1保護一種基于歐幾里得范數意義下的最佳最小二乘解分析拋物面天線反射面精度的方法，其中包含了八個步驟：對拋物面天線反射面精度進行測量，得到反射面的形狀數據，確定擬合方程，將測量值代入寫成矩陣的擬合方程中，定義系數矩陣和z向量，求系數矩陣A的Moore-Penrose廣義逆，求方程參數，得到參數β后代入下式即得到拋物面的焦距f值，計算均方根RMS值，另外對這八個步驟下的具體流程進行了詳細限定。

分析：

本申請中涉及一種基于歐幾里得范數意義下的最佳最小二乘解分析拋物面天線反射面精度的方法，由于反射面的機械精度是結構設計的核心，直接影響天線的電氣性能，因此對于如何分析拋物面天線的核心構件-反射面的精度顯得至關重要。本申請中通過涉及對拋物面天線反射面精度進行測量，得到反射面的形狀數據，接著利用相關數據進行擬合的求解，并最終計算得到均方根RMS值，該過程整體涉及到拋物面天線反射面精度分析的問題，因此，本申請采用如上的技術手段可以解決拋物面天線反射面精度分析的技術問題，并且可以達到計算簡單，快速，同時精度高的技術效果。

從技術方案的整體來考慮，本申請涉及到在反射面的精度分析領域，通過將反射面的相關參數代入、擬合并求解等技術手段，解決了拋物面天線反射面精度分析的技術問題，并且可以達到計算簡單，快速，同時精度高的技術效果。因此，綜合考慮，本申請屬于被保護的客體的范疇，至于是否滿足授權的其他條件，還需要進一步認真分析探討。

三、總結

在具體審查時，要保持整體考慮的原則，既要考慮該方案是否應用的具體領域[3]，同時還要將技術三要素：技術手段，技術問題，技術效果進行綜合考慮。在判斷時還需要結合具體的案例進行實際分析給出客觀判斷結果。對于涉及算法的專利申請，并不代表都不能被授予專利權，若想滿足保護客體的要求，要將算法涉及到的領域，算法采用了何種技術手段，相應的解決了何種技術問題，并能達到對應的何種技術效果撰寫清楚。

參考文獻

[1]中國計算機學會.英漢計算機辭典[M].北京：人民郵電出版社，1984.

[2]中華人民共和國國家知識產權局.專利審查指南2010[M].北京：知識產權出版社，2010，119-124.

[3]洪巖.淺析如何理解算法與具體應用領域的結合[J].專利代理，2016（2）：40-44.

作者簡介：齊蓓蓓（1986.2—），女，山東人，審查員，中級職稱，碩士，主要從事研究的領域：主要審查基于計算機輔助設計以及界面交互技術等領域。