【簡介：】人工智能發(fā)展進入新階段經(jīng)過60多年的演進，特別是在移動互聯(lián)網(wǎng)、大數(shù)據(jù)、超級計算、傳感網(wǎng)、腦科學等新理論新技術以及經(jīng)濟社會發(fā)展強烈需求的共同驅動下，人工智能加速發(fā)展，呈現(xiàn)

人工智能發(fā)展進入新階段經(jīng)過60多年的演進，特別是在移動互聯(lián)網(wǎng)、大數(shù)據(jù)、超級計算、傳感網(wǎng)、腦科學等新理論新技術以及經(jīng)濟社會發(fā)展強烈需求的共同驅動下，人工智能加速發(fā)展，呈現(xiàn)出深度學習、跨界融合、人機協(xié)同、群智開放、自主操控等新特征。

人工智能成為國際競爭的新焦點人工智能是引領未來的戰(zhàn)略性技術，世界主要發(fā)達國家把發(fā)展人工智能作為提升國家競爭力、維護國家安全的重大戰(zhàn)略，加緊出臺規(guī)劃和政策，圍繞核心技術、頂尖人才、標準規(guī)范等強化部署，力圖在新一輪國際科技競爭中掌握主導權。

以下主要從整體上說明撰寫涉及機器學習的專利申請文件時需要考慮的因素：

明確改進之處。上述模型訓練和模型應用的各個階段，都可以進行改進。因此，布局權利要求時，需要考慮哪個或哪些階段做了改進，改進的階段具體做了哪些改進，改進的重點在哪里，以及改進之處彼此間的關聯(lián)，等等。明確了這些改進之處，就基本可以據(jù)此確定權利要求的布局。

先考慮布局模型應用的權項，再考慮布局模型訓練的權項。由于模型訓練可能一次性完成，但模型在訓練好之后可能被重復應用，就是說模型應用再現(xiàn)的可能性比模型訓練再現(xiàn)的可能性要高的多。而且模型訓練一般僅在后臺完成，而模型應用則有可能由前臺完成，供用戶使用。因此，模型應用相比模型訓練更容易取證。因此，建議優(yōu)先考慮構建模型應用的權利要求，再考慮構建模型訓練的權利要求。如果模型本身是現(xiàn)有技術，而且也沒有針對特殊場景做特殊的調(diào)整，那么在權利要求中詳細對模型進行描述的意義并不大。一般只需要在說明書中以公開充分且能夠支持權利要求的基本需求進行描述即可。因為現(xiàn)有技術說的再細致也是現(xiàn)有技術，不如把撰寫精力用在對實際改進點的縱向挖掘和橫向擴展上。

如果模型不是主要的改進點，可以將模型當作黑盒處理，將數(shù)據(jù)輸入模型并由模型輸出結果。比如將X數(shù)據(jù)提取特征Y后輸入Z模型，獲得所述Z模型輸出的類別。甚至在一些情況下，模型都可以不用出現(xiàn)。比如根據(jù)X數(shù)據(jù)的Y特征確定類別。

模型訓練和模型應用一般不會同時出現(xiàn)在獨權中。比如模型訓練可以布局為模型應用的從權，也可以將模型訓練和模型應用分別布局成不同的獨權。但也有例外，比如當改進點在于對模型訓練所產(chǎn)生中間數(shù)據(jù)的應用上，且模型訓練和模型應用分割開后都是現(xiàn)有技術，那么就需要將模型訓練和模型應用放到一起來寫，以突出發(fā)明點。

AI技術架構也是分成硬件，中間層，上層應用，現(xiàn)在在芯片層面各個廠商都有布局，中間層就是深度學習框架，谷歌是第一個發(fā)布開源框架的廠商，隨后Facebook,國內(nèi)百度都已開源相關框架，人工智能技術希望國內(nèi)廠商真正從源頭上創(chuàng)新，從芯片，框架層面都應用國產(chǎn)，不要再被國外卡脖子了。