在人工智能快速发展的当下，人工智能类专利的保护客体问题备受关注。近年来，针对该类型发明专利的实质审查，随着专利审查指南的不断完善，审查标准愈发规范和严格，从最初要求说明技术方案应用场景、处理的数据对象需具备确切物理含义，逐步过渡到目前要求体现技术方案与数据对象之间紧密耦合关系，才得以符合专利法保护客体的要求。本文将浅谈如何克服专利法保护客体这一问题，使人工智能类专利满足专利法要求，获得有效保护。

一、《专利法》相关规定及审查指南要求

依据我国专利法第二条第二款，专利保护客体需为技术方案。而《专利审查指南》对包含算法特征的权利要求进行审查时，需整体考虑其全部特征。若权利要求中算法的各个步骤与所解决的技术问题密切相关，处理的数据为技术领域中具有确切技术含义的数据，且算法的执行能直接体现利用自然规律解决技术问题的过程，并取得技术效果，则该方案属于专利法规定的技术方案。

二、克服保护客体问题的关键策略

（一）明确技术领域和应用场景

在专利申请文件中，应清楚地界定发明所涉及的具体技术领域，如图像识别、语音识别等，使审查员能够直观地了解发明与具体技术领域的关联。例如，对于一种图像分类算法，应明确指出其应用的具体领域，如医学图像诊断领域等。

算法处理的数据对象应具有具体技术领域中的确切技术含义，这是实现人工智能算法类专利技术方案与具体领域紧密耦合的关键。例如，将算法应用于图像识别领域，算法处理的数据为图像的像素数据或特征向量等，而非针对抽象数据（如数值数据）进行优化。

（二）阐明技术方案与数据对象之间的紧密耦合关系

在专利申请文件的权利要求书中，需精准且清晰地界定技术方案的实现方式，并强调其与具体技术特征的紧密结合。例如，对于一种图像分类算法，应详细阐述算法各步骤如何针对具有明确物理含义的图像数据（如像素值、颜色通道信息、纹理特征等）进行处理。具体而言，在图像预处理阶段，如何对图像的像素数据进行归一化、裁剪、增强等操作，以提升后续处理的效率和质量。在特征提取阶段，如何根据图像数据的特点，运用卷积神经网络中的卷积层和池化层，提取图像的关键特征，如边缘、角点、纹理等，以及这些特征在解决图像分类技术问题中的作用和意义。在分类决策阶段，如何根据提取的特征向量，通过全连接层或其他分类器，对图像进行准确分类，并阐述该分类过程如何与图像数据的物理特征紧密关联，从而实现特定的技术效果，如提高分类准确率、降低误判率等。

通过上述阐述，明确体现出技术方案与数据对象之间的紧密耦合关系，确保权利要求中的每一步骤都紧密围绕解决技术问题展开，并充分运用遵循自然规律的技术手段，而不仅仅是对数据进行抽象的数学运算或逻辑处理，从而有力地证明该技术方案符合专利法对保护客体的要求，具有专利的可授予性。

（三）突出解决的技术问题和实现的技术效果

在撰写专利申请文件时，准确区分技术问题与数学问题至关重要。技术问题应聚焦于运用遵循自然规律的技术手段，解决具体技术领域中的实际难题，例如提升图像识别的精准度、增强语音识别的清晰度以及优化数据传输的效率等。相对而言，数学问题则主要围绕提升计算效率、改善方程收敛性等方面展开，未体现出具体应用的场景，仅为抽象、通用的问题。

在专利申请文件中，对技术问题的阐述必须清晰明确，同时详细描述技术方案如何解决该问题，并实现预期的技术效果。例如，在图像识别领域，若现有技术在处理低分辨率图像时存在识别准确率低、速度慢的问题，所提出的技术方案通过采用深度学习算法，对图像的像素数据进行特征提取和分析，从而有效提升了低分辨率图像的识别准确率。这种技术效果的实现直接体现了技术方案对实际技术问题的解决能力，有力地证明了该方案属于专利法所保护的技术方案范畴，进一步凸显了其创新性和实用性价值。

三、案件分析

结合发明专利审查实务工作中积累的经验，现给出两个案件示例进行保护客体分析：

（一）案件一：一种卷积神经网络特征的处理方法，该方法包括以下步骤：

基于获得的视觉特征向量计算各特征图在原始图片上的分布；

根据各特征图在原始图像上的分布，提取与原始图片中的各元素对应的特征向量；

针对所述原始图片中的关注区域，将该关注区域内的所有元素的特征向量相加，以得到与所述关注区域对应的特征向量，从而得到图像特征提取模型。

该解决方案中的各个步骤所处理的数据均为图像数据或从图像数据中获得的特征表示，且逐步从原始图像数据中提取出关注区域的特征向量。该方法与图像信息处理密切相关，阐明了处理方法与图像特征之间的紧密耦合关系，解决了提高图像识别和搜索精度的技术问题，采用了遵循自然规律的技术手段，并取得了相应的技术效果，符合专利法第2条第2款对技术方案的要求。

（二）案件二：一种语音信号分离与识别方法

该方法权利要求1仅涉及将语音信号输入神经网络进行分离，输出嵌入向量。这种描述方式使得算法与具体技术领域的结合较为松散，相较于案件一，并未体现出技术方案与数据对象之间的紧密耦合关系，容易被认定不符合专利法第2条第2款的规定。为克服这一缺陷，进一步增加了后续步骤，如将神经网络输出的嵌入向量进行聚类、对每个聚类应用掩膜以提取单一声源的语音信号，进一步合成新的音频并传输储存。这些步骤明确将算法应用于语音识别系统，提高了免提环境下语音指令识别的准确率。通过增加后续步骤，使得本方法将纯粹的信号分离过程与具体的技术应用场景关联起来，使算法与语音识别技术领域紧密结合，体现出算法与语音信号之间的紧密耦合关系，形成了一个完整的技术方案，能够满足专利法第2条第2款的规定。

四、结束语

当下，人工智能技术蓬勃发展，人工智能类专利的保护客体问题已成为专利审查的核心关注点。随着专利审查指南的持续优化，我国在人工智能专利保护领域的制度日益完善，审查标准不断与时俱进，为人工智能创新成果的保护提供了更清晰、更具操作性的指引。作为知识产权从业者以及人工智能领域的创新者，我们应积极顺应这一趋势，以更严谨的态度投入到专利申请与审查工作中，深入领会专利法和审查指南的精神，持续提升专利申请文件的撰写质量。唯有如此，才能在日益严格的审查环境中，保障人工智能类专利获得有效的法律保护，推动人工智能技术的创新与应用迈向更高的台阶！