韓國知識產權局（KIPO）于2021年1月18日發布了與第四次工業革命有關的重要技術領域的《專利審查指南》，其中包括基于機器學習的人工智能的審查指南。在人工智能審查指南中，除了關于計算機相關發明的相應資格要求外，還針對不同類別的人工智能發明（例如下圖所示的人工智能模型訓練發明和人工智能應用發明）的說明和新穎性（創造性）要求提供了具體指南。KIPO的《專利審查指南》還特別提供了各種人工智能發明的示例，其中包括關于可實施性（《專利法》第42條第3款第i項）和創造性要求（《專利法》第29條第2款）的實用撰寫技巧。

一、可實施性要求

根據第42條第3款第i項，應清楚且完整地撰寫發明的說明，以便該發明所屬領域的普通技術人員（POSITA）能夠容易地實施所要求保護的發明。關于人工智能發明，KIPO建議對包括技術問題、解決方案和具體技術配置（例如，訓練數據、數據預處理，經過訓練的模型和損失函數等）進行說明，以使POSITA能夠實施所主張的發明，除非技術配置是所屬領域眾所周知的。指南針對不同類型的人工智能發明提供了一些撰寫技巧，具體如下（為了簡化說明，以下內容將人工智能模型訓練發明進一步分為兩類——“人工智能訓練數據發明”是用于數據預處理的發明，“人工智能建模發明”是旨在構建機器學習模型的發明）：

1、人工智能訓練數據發明

描述如何處理原始數據以生成、更改、添加或刪除訓練數據，以及原始數據和訓練數據之間的相關性（即說明為什么使用原始數據以及為什么要以某種方式對訓練數據進行預處理）。

2、人工智能建模發明

指定任何技術配置或方法以實施或訓練模型（例如，如果使用神經網絡集合來訓練模型，則應確認所使用的神經網絡以及使用該神經網絡訓練模型的過程或手段）。

3、人工智能應用發明

提供有關訓練模型的輸入數據和輸出數據之間的相關性的詳細信息，即：（1）指定訓練數據；（2）描述用于解決技術問題的訓練數據的特征之間的相關性；（3）使用訓練數據或訓練方法表示要訓練的機器學習模型；（4）描述通過使用訓練數據和方法解決技術問題的訓練模型如何生成。

二、創造性要求

根據第29條第2款，如果POSITA能夠很容易地實施一項發明，則該發明不具有可專利性。KIPO警告稱，一項僅僅描述人工智能技術用途的權利要求不太可能獲得專利，除非有用于解決技術問題的區別性技術配置（例如，訓練數據、數據預處理、經過訓練的模型、損失函數等）。否則，所主張的發明將僅被視為一種已知的人工智能技術，而這種技術可以很容易地由POSITA完成。類似的警告同樣適用于那些僅使用人工智能技術將可能已經實施或以前為人工實施的過程系統化或計算機化，只是簡單地修改了常規的人工智能技術的設計（例如，對訓練模型的簡單更改）以及僅在常規人工智能技術基礎上添加或替換已知技術的發明。

因此，根據經驗，KIPO建議具體說明區別化的技術配置（例如，訓練數據、數據預處理、經過訓練的模型、損失函數等），并詳細說明由技術配置直接產生的、超出常規人工智能技術效果的技術效果，也就是說，需避免僅就技術效果做出結論性陳述（例如提高處理速度、有效處理海量數據、減少錯誤或提供準確的預測等）。有關創造性要求的一些撰寫技巧如下：

1、人工智能訓練數據發明

提供有關如何為獲得訓練數據處理原始數據的詳細信息，例如，描述如何從輸入數據中提取特征，如何生成訓練數據（例如通過標準化、規范化或矢量化方式）。

解釋可以從數據預處理中得出的特定效果或改進（例如，通過對與“運動跟蹤”功能有關的閉路電視視頻圖像實施數據預處理時，由于考慮了對象的運動，因此能夠更準確地識別視頻圖像中的對象，而現有技術僅使用視頻圖像來識別對象）。

2、人工智能建模發明

描述建模的特定配置，例如訓練環境的配置、模型評估、多模型鏈接、并行或分散式處理以及超參數的優化。

提供由特定配置引起的關于訓練速度、訓練模型的預測準確性等的效果，這些效果必須是常規人工智能技術無法實現的。

3、人工智能應用發明

描述經過訓練的模型的輸出數據的特定用途以及以特定方式使用輸出數據的效果，例如，通過使用經過訓練的模型（如在車禍中被破壞的汽車部件上的標簽）的輸出數據來計算每種維修類型的估算費用，這樣用戶就可以根據自己選擇的維修類型方便地預測其保險費的增長。

盡管《專利審查指南》的內容都在預料之中，但從業者仍可以從KIPO提供的撰寫技巧和審查案例中受益，這為其人工智能專利申請的正確撰寫提供了保障。