文/北京集佳知識產權代理有限公司 潘曉松
近年來，隨著人工智能（AI）技術的快速發(fā)展，美國專利商標局（USPTO）針對專利主題適格性（subject matter eligibility），即專利客體問題發(fā)布了更新指導，以應對AI相關權利要求評估的挑戰(zhàn)。本文基于USPTO 2024年7月發(fā)布的更新指導以及2024年12月底發(fā)布的培訓材料中的Example 48、即“語音分離”判例，對主題適格性問題進行了探討。
一、法律框架：AI發(fā)明背景下的Alice/Mayo測試
根據相關指導和培訓材料的指示，所有AI相關的軟件發(fā)明都必須通過源于最高法院判例的Alice/Mayo兩步法測試：
1.第一步（Step 2A, Prong One）：權利要求是否“指向”（directed to）一個司法例外，如自然法則、自然現象或抽象概念。在AI領域，最常見的抽象概念包括“數學概念”（如數學關系、公式、算法）和“精神過程”（如人類可以通過思維完成的觀察、評估、判斷）。
2.第二步（Step 2A, Prong Two & Step 2B）：如果第一步的答案為是，那么權利要求是否包含“顯著更多”（significantly more）的要素，從而將這個抽象概念轉化為具體的、具有創(chuàng)造性的應用。
USPTO的最新指南強調，在評估第二步之前，審查員應首先在第一步的第二個分支（Prong Two）中判斷：權利要求作為一個整體，是否將司法例外“整合”（integrates）到了一個“具體的實踐應用”（practical application）中？如果答案是肯定的，那么該權利要求就不再被視為“指向”抽象概念，從而直接滿足101條的要求，無需進入更為嚴格的Step 2B分析。
二、Example 48詳細分析：基于AI的語音分離和識別
Example 48標題為“使用深度神經網絡的語音分離”，描述了一個在嘈雜環(huán)境中分離混合語音信號的系統、例如虛擬會議。該發(fā)明使用一種人工神經網絡（深度神經網絡，DNN），用包含較少說話者的混合語音信號對其進行訓練，訓練后的網絡可分離更多聲源的語音信號。
1.不具主題適格性的權利要求1（Claim 1）
權利要求1描述了一個語音分離的方法，包括：
(a)接收包含多個不同聲源sn（其中n∈{1,…,N}）語音的混合語音信號x；
(b)使用短時傅里葉變換將所述混合語音信號x轉換為時間-頻率域的頻譜圖，并獲取特征表示X，其中X對應于所述混合語音信號x的頻譜圖和從所述混合語音信號x中提取的時間特征；
(c)使用深度神經網絡（DNN）通過公式V=fθ(X)確定嵌入向量V，其中V=fθ(X)是所述混合語音信號x的全局函數。
USPTO的分析：該權利要求被認定為“指向”抽象概念，因而不具備主題適格性。
?步驟(b)中的傅里葉變換是純粹的數學計算。
?步驟(c)中明確限定了一個數學公式，用于計算嵌入向量，這同樣屬于數學概念。
?雖然權利要求中提到了“接收信號”和使用“DNN”，但被認為是高度概括性的。接收數據僅僅是常規(guī)的“數據收集活動”（data gathering），而使用通用的DNN來執(zhí)行數學計算，則被視為“應用它”（apply it）的指令，即將抽象的數學公式應用在一個通用計算環(huán)境上。
核心結論：權利要求1的整體內容僅僅是描述了一系列的數學運算，從一個信號計算出另一個數據（嵌入向量），并未限定如何利用這個計算結果去解決實際的“語音分離”技術問題。因此，未能將抽象的數學概念整合到具體的實踐應用中。
2.具備主題適格性的權利要求2（Claim 2）——從抽象計算到具體技術實現
權利要求2是在權利要求1的基礎上進一步限定的方法，增加了以下步驟：
(d)將所述嵌入向量V劃分為與不同聲源sn對應的聚類；
(e)對所述聚類應用二進制掩碼，以生成帶掩碼的聚類；
(f)從所述帶掩碼的聚類中合成語音波形，其中每個語音波形對應于不同的聲源sn；
(g)組合所述語音波形以生成混合語音信號x’，具體為：將與不同聲源sn對應的語音波形拼接，排除目標聲源ss的語音波形，使得所述混合語音信號x’包含來自不同聲源sn的語音波形，且不包含來自目標聲源ss的語音波形；
(h)將所述混合語音信號x’傳輸至遠程位置存儲。
USPTO的分析：該權利要求被認定為具備適格性。
?步驟(h)中的“傳輸”屬于無關緊要的“非解決方案相關活動”。
?步驟(f)和(g)通過記載 “深度神經網絡如何輔助聚類分配以匹配混合語音信號中識別的聲源，隨后將這些聚類合成為時域中的分離語音波形，并轉換為排除非目標聲源音頻的混合語音信號”，體現了說明書中討論的改進。
權利要求2的技術方案解決了“分離同類語音源的語音”的問題，且無需預先知曉說話者數量或進行說話者特定訓練。
這些步驟體現了說明書中描述的改進。因此，該權利要求指向對現有計算機技術或語音分離技術的改進，且已將抽象概念整合為實際應用。
總結：Example 48代表了AI下§ 101分析的關鍵進步，AI往往涉及數學模型，風險抽象，該判例強調了記載（recitation）例外與涉及（involve）例外的區(qū)分。權利要求1明確記載數學概念，而權利要求2同樣涉及數學概念但突出了整體權利要求分析，相關培訓材料中指出，需要評估各個限定特征之間的相互關聯（例如權利要求2的步驟(f)和(g)）。同時，也提醒申請人，應強調解決的技術問題，而非僅結果。
參考資料：
1.Reminders on evaluating subject matter eligibility of claims under 35 U.S.C. 101；
2.2024 Guidance Update on Patent Subject Matter Eligibility, Including on Artificial Intelligence