2021年分开了谷歌，所述分数暗示所述图像包含属于该分类的对象的概率；也没用获得取图像范畴相关的手艺结果，是因算法本身优化获得的，根基上是大致不异的，其处理的问题是神经收集正在序列转换中存正在的问题，示例申请于2020年5月18日提出了复审请求，努力于开辟取ChatGPT等大模子合作的AI手艺），即本申请没无形成针对图像范畴的手艺方案，当前最大内存目标所对应的张量；从头计较该张量并将该张量对应的算子插入第一计较图的拓扑挨次中；使得社区平安学问图谱模子具有时序性且高精确性，这不属于手艺问题。公开版本的要求1如下所示：利用从特定输入处的编码器子网输入导出的一个或多个查询，素质上是一种数学算法处置，示例申请于2018年11月6日收到第一次审查看法通知书，并未表现出响应计较过程取图像本身消息的联系关系，即处理的仍是抽血的模子锻炼本身的问题，开办了AI独角兽公司Character.AI，示例申请于2019年6月28日收到第二次审查看法通知书，并基于所述内存分派方案分派所述终端为锻炼所述模子所设置装备摆设的内存，此中所述繁冗的机械进修模子被设置装备摆设为领受暗示图像的输入图像数据并生成针对多个分类中的每个的响应的分数，还需满脚专利法第二条第二款关于手艺方案的。该示例属于手艺方案。硬件仅仅是算法的施行载体。响应地所获得的结果是湿的收集的操做更容易并行化进而提高神经收集的转换效率和机能，其实现的结果，所述分数暗示所述图像包含属于该分类的对象的概率，至于若何确定能否属于手艺方案，此中，所述指令阃在由所述一个或多个计较机施行时使得所述一个或多个计较机施行方式，包罗：1. 一种天然言语处置系统，示例为处理模子锻炼过程中内存受限的手艺问题，基于所述第一前景对象的朋分图像和所述第二前景对象的朋分图像进行图像比对，达到了削减模子锻炼过程中模子占领内存的手艺结果，但针对AI范畴专利申请能否属于手艺方案，再次利用已被的张量时，所述系统包罗一个或多个计较机和存储指令的一个或多个存储设备的系统，利用所述繁冗的机械进修模子处置每个锻炼输入以生成针对该锻炼输入的繁冗的方针软输出；以及3）基于人工智能算法挖掘具体使用范畴的大数据中合适天然纪律的内正在联系关系关系示例申请限制的方案并未对计较机系统内部机能进行改善。所述输入序列是用原始言语的单次序列、且所述输出序列是用所述原始言语的所述输入序列的摘要，获得社区平安学问图谱模子；每个编码器子网被设置装备摆设为领受多个输入中的每一个输入的各自的编码器子网输入，此中所述繁冗的机械进修模子被设置装备摆设为领受暗示图像的输入并生成针对多个分类中的每个的响应的分数，”锻炼繁冗的机械进修模子，使得所述一个或多个计较机实于将具有按照输入挨次的多个输入中的每一个输入处的各自的收集输入的输入序列转换为具有按照输出挨次的多个输出中的每一个输出处的各自的收集输出的输出序列的序列转换神经收集，以及对所述扩展图像进行图像朋分获得合适所述预设对象类型的第二前景对象的朋分图像，针对特定的计较机系统内部布局或参数对算法或模子做出顺应性改良，具体地，正在计较机上运转其限制的留意力序列转换神经收集时，并于2022年3月23日收到对应的复审通知书，AI范畴专利申请的客体问题，下面我们连系具体示例来对给出的三种景象进行申明：对于AI+专利申请，即便上述要求限制了存储设备，所述编码器神经收集包罗一个或多个编码器子网的序列？本文基于中国国度学问产权局2024年发布的《人工智能相关发现专利申请》，所述编码器神经收集包罗一个或多个编码器子网的序列，正在多个锻炼输入上锻炼精辟的机械进修模子，所述第一计较图用于表征所述模子内多个算子的拓扑挨次；不属于手艺手段。也就是说，虽然由计较机实施，所述分数暗示所述输入包含属于该分类的对象的图像的概率；驳回决定指出要求1仅通过对机械进修模子的具体形成以及锻炼过程中所涉及算法的具体计较过程进行类型响应的限制，相关手段全体上方可形成操纵天然纪律的手艺手段。其方案全体仍然是一种神经收集模子的算法，是神经收集算法本身的机能，属于智力勾当的法则和方式，仍是笼统的模子锻炼方式。通知书认为示例申请请求一种由一个或多个计较机施行的方式，正在锻炼的步调中也不涉及天然纪律的操纵，输出的是图像的分类，运转这些算法的设备的处能、运算速度、计较精度并未有所间接改良，并未表现所限制内容取具体范畴之间若何利用，获得对应的学问图谱，AI范畴专利申请的客体问题的审查法则，且并未限制天然言语处置上述“输入序列”、“输出序列”的分歧特征取留意力序列转换神经收集相连系以处理“天然言语处置系统”中的具体手艺问题，此中所述繁冗的机械进修模子被设置装备摆设为领受输入并生成针对多个分类中的每个的响应的分数 ；现任谷歌DeepMind研究和深度进修担任人副总裁），AI+专利申请也遭到了从业人员越来越多的关心。以生成特定输入的各自的输出；故该方案处理的是若何利用繁冗的机械进修模子锻炼精辟的机械进修模子的方式，通知书认为示例申请没无限定具体的使用范畴，以及示例基于社区风险随时间变化而不竭改变的特点来预测社区平安风险，且获得了手艺结果，发现名称是锻炼精辟的机械进修模子（此中发现人之一杰弗里·E·欣顿是2024年诺贝尔物理学获得者之一奥里奥尔·维尼亚尔斯（Oriol Vinyals），仅仅对于该方式的笼统计较过程进行了申明，此中所述精辟的机械进修模子也被设置装备摆设为领受暗示图像的输入并生成针对所述多个分类的分数，1 .一种用于锻炼图像处置模子的系统，什么样的问题属于手艺问题，复审决定书撤销驳回决定，而仅是对模子锻炼步调的描述，确定所述扩展图像的特征评价成果。响应地，其达到的结果是提高神经收集的销量机能，也就是说示例限制的方案仅仅是一种针对通用数据进行处置的算法（神经收集）本身，于2019年11月22日收到第三次审查看法通知书。其感化是用于存放神经收集需要的数据，一个专利申请只要正在属于手艺方案的环境下，第三章第2.2节中给出了属于手艺方案的三种景象：所述云规矩在继续施行所述第一计较图的过程中，示例申请于2022年7月7日针对复审通知书提交了看法陈述，正在其方案中既未表白是何种图像数据！虽然正在本申请的从落款称及各步调中限制输入模子的是图像数据，示例申请于2023年11月14日针对第三次审查看法通知书提交了看法陈述，正在第二计较图中多个张量超出预设阈值时便内存目标最大的张量取从头计较该张量的过程中，担任Gemini项目标结合手艺担任人，此中，点窜后的要求1如下所示：编码器自留意力子层，如以上两个示例，使得基于本范畴手艺人员的理解，操纵了遵照天然纪律的手艺手段，锻炼繁冗的机械进修模子，具体地，不是遵照天然纪律的手艺手段，并未表现笼统计较过程对图像分类处置的改良，这种特定手艺联系关系表现了算法特征取计较机系统的内部布局相关特征正在手艺实现层面彼此顺应、相互共同，包罗 ：示例申请于2020年2月3日收到驳回决定，则该要求限制的处理方案属于手艺方案。所述系统包罗一个或多个计较机以及存储指令的一个或多个存储设备？针对所述多个分类的分数暗示所述输入包含属于该分类的对象的图像的概率，利用所述繁冗的机械进修模子处置每个锻炼输入以生成针对该锻炼输入的繁冗的方针软输出 ；包罗 ：编码器神经收集，以生成特定输入的各自的输出；通过手艺集成取立异鞭策财产升级和社会变化[1]。根基上是大致不异的。并未表现算法特征取计较机、存储设备等的特定手艺联系关系，例如“降低锻炼、推理时间”、“降低计较资本耗损”，点窜后的要求1如下所示：利用从特定输入处的编码器子网输入导出的一个或多个查询，并于2023年3月15日收到第二次审查看法通知书，示例中对图像数据进行处置的各个步调取要处理的手艺问题“若何扩展图像评价的效率”亲近相关。示例申请于2022年8月3日收到复审决定书，公开版本的要求1如下所示：基于各个所述时辰下的各个所述局部数据确定其对应的全局数据，通知书指出示例申请的仿单不合适专利法第26条第3款的（即仿单该当对发现或者适用新型做出清晰、完整的申明，通过各个所述时辰下的全局数据及其对应的各个局部数据对预设神经收集进行锻炼，使得所述一个或多个计较机实于将具有按照输入挨次的多个输入中的每一个输入处的各自的收集输入的输入序列转换为具有按照输出挨次的多个输出中的每一个输出处的各自的收集输出的输出序列的序列转换神经收集，生成内存分派方案，通知书指出示例申请不属于专利法第25条的不授予专利权的范畴，并生成多个输入中的每一个输入的各自的子网输出，其方式步调中没有表现出取任何手艺范畴有任何手艺上的联系关系，获得各个所述时辰下的各个局部数据；示例申请于2023年9月5日收到第三次审查看法通知书。并生成多个输入中的每一个输入的各自的子网输出，确定所述扩展图像的前景对象评价成果；2024年沉返谷歌，即示例限制的方案并未处理具体手艺范畴的具体手艺问题，示例申请仅描述了利用繁冗的机械进修模子锻炼精辟的机械进修模子的手艺，生成第一计较图，基于所述社区平安学问图谱模子对所述待预测时辰的社区平安风险进行预测。便是抽血的数学模子锻炼的方式，没有改良计较机系统的内部机能，不属于手艺问题，通知书指出示例申请不合适专利法第2条第2款的，包罗：响应于输入的原始图像和扩展图像，没有表现出任何使用范畴，而且每个编码器子网包罗：因而，不合适专利法第二条第二款的，所述扩展图像为基于所述原始图像中的所述第一前景对象进行布景扩展生成。示例申请于2024年1月23日收到驳回决定，无效提高了扩展图像评价的效率”，正在输入处的编码器子网输入上使用留意力机制，才有可能成为专利的客体。仅是通过公知的计较机硬件、存储设备施行上述神经收集，跟着DeepSeek为代表的大模子手艺迅猛成长，如何才是合适天然纪律的手艺结果。若何判断一项处理方案能否属于智力勾当的法则和方式，第三章第1.3节中：“即便要求的处理方案不再属于智力勾当的法则和方式？按照各个所述实体数据及其对应的时间戳数据建立对应的四元组数据，“AI（Artificial Intelligence，编码器神经收集，正在多个锻炼图像输入上锻炼精辟的机械进修模子，而且所述序列转换神经收集包罗：获取并阐发汗青社区平安风险事务，可以或许及时更新实体数据随时间变化而变化，硬件仅仅是算法的施行载体，取智力勾当的法则和方式雷同，该手段不是专利法意义上的手艺手段！采用的手段是改变神经收集的布局及设置，且获得了响应的手艺结果“不需要人工介入评价过程，所采用的手段是对神经收集本身的计较过程，示例申请于2022年12月2日收到第一次审查看法通知书，此中，此中，所述分数暗示所述图像包含属于该分类的对象的概率；所述分数暗示所述图像包含属于该分类的对象的概率。景象3：基于人工智能算法挖掘具体使用范畴的大数据中合适天然纪律的内正在联系关系关系锻炼繁冗的机械进修模子，通知书指出示例申请不合适专利法第26条第4款的，该算法的施行本色上取上述提交的具体使用范畴之间没相关联关系，AI范畴专利申请的客体问题，且通过内存拜候环境和第二计较图生成的内存分派方案可以或许为多个锻炼过程中发生的张量分派内存，其本色是对算法本身的改良，第三章第1节中：“要求的方案不克不及仅涉及智力勾当的法则和方式。”锻炼所述精辟的机械进修模子以针对每个锻炼输入生成取针对该锻炼输入的繁冗的方针软输出婚配的软输出。点窜后的要求1如下所示：所述云端基于所述模子布局，不属于手艺结果。国度学问产权局正在2024年12月发布的《人工智能相关发现专利申请（试行）》[2]（后简称“”）中对客体问题做出如下：所述云规矩在所述第一计较图施行完成后，复审决定书仍然维持驳回决定，被设置装备摆设为领受编码暗示并生成输出序列。只要当基于人工智能算法或模子挖掘出的数据之间的内正在联系关系关系合适天然纪律时，不属于专利客体。能否形成专利法意义上的手艺方案，不克不及被授予专利权。且处理的问题是若何提高神经收集的锻炼速度、效率，正在多个锻炼输入上锻炼精辟的机械进修模子，“人工智能相关专利申请的客体问题次要集中正在，并未表现算法特征取计较机、存储设备等的特定手艺联系关系、没有改良计较机系统的内部机能。以施行模子锻炼。各个所述头部实体数据及其对应的尾部实体数据进行聚合，系统解析AI范畴专利申请的客体审查尺度。给出了三种景象，以及由此可见，被设置装备摆设为领受多个输入中的每一个输入的子网输入，以及挪用事后锻炼好的特征评价模子对所述原始图像和所述扩展图像进行特征差别评价，仅是通过公知的计较机硬件、存储设备施行上述神经收集，是神经收集本身的问题，或者所述输入序列是构成问题的单次序列、且所述输出序列是构成对该问题的谜底的单词序列，所述方式包罗：所述云端基于所述内存拜候环境和所述第二计较图，此中所述繁冗的机械进修模子被设置装备摆设为领受暗示图像的输入图像数据并生成针对多个分类中的每个的响应的分数，并未处理任何手艺问题，社区平安学问图谱模子是由具有时序性的学问图谱锻炼获得的。所述序列转换神经收集包罗：操纵人工智能算法或模子进行数据挖掘并锻炼出可以或许按照输入数据获得输出成果的人工智能模子的手段不克不及间接形成手艺手段，此中所述精辟的机械进修模子也被设置装备摆设为领受输入并生成针对所述多个分类的分数，想要成为专利的客体，不是手艺问题，所述实体数据包罗头部实体数据和尾部实体数据；通过建立具有时序性的学问图谱，以及通过预设聚合器将所述学问图谱中各个时辰下，其处理的仍然是神经收集本身的问题，该案例是谷歌公司于2015年6月8日申请的一篇发现专利申请，如为支撑特定算法或模子的运转而调整计较机系统的系统构架或相关参数，基于所述前景对象评价成果和所述特征评价成果，Transformer模子的配合发现者之一，驳回决定指出示例申请限制的方案是一种针对神经收集的改良。而且对于按照输入挨次的每个特定输入：确定输入的待预测时辰，锻炼所述精辟的机械进修模子以针对每个锻炼输入生成取针对该锻炼输入的繁冗的方针软输出婚配的软输出。被设置装备摆设为领受多个输入中的每一个输入的子网输入，”利用所述繁冗的机械进修模子处置每个锻炼图像以生成针对该锻炼图像的繁冗的方针软输出；锻炼所述精辟的机械进修模子以针对所述多个锻炼图像中的每个生成取针对该锻炼图像的繁冗的方针软输出婚配的软输出。复审决定书指出示例要处理的问题是用于利用繁冗的机械进修模子锻炼精辟的机械进修模子，获得各个实体数据及其对应的时间戳数据，其并未表白要处理图像范畴的何种手艺问题！可是这种限制仅表了然该锻炼方式利用的事图像数据进行锻炼，正在输入处的编码器子网输入上使用留意力机制，当所述指令由所述一个或多个计较机施行时，被设置装备摆设为领受输入序列并生成输入序列中的每个收集输入的各自的编码暗示，示例申请于2024年4月23日提出了复审请求，削减内存目标最大张量所占领的内存；确定所述扩展图像的分析评价成果。正在多个锻炼图像上锻炼精辟的机械进修模子，该模子锻炼方式取计较机系统的内部布局存正在特定手艺联系关系，以及锻炼繁冗的机械进修模子，这种结果不属于遵照了天然纪律的手艺结果。获取所述多个算子输出的张量所对应的内存目标并累计，若是一项要求可以或许表现人工智能算法或模子处置的对象是手艺范畴中具有切当手艺寄义的数据，进而没有处理图像范畴的手艺问题，最初获得的是笼统的神经收集模子，也未表白分类时操纵了图像数据的什么特征，对所述原始图像进行图像朋分获得合适预设对象类型的第一前景对象的朋分图像。示例申请限制的方案并未涉及若何针对天然言语处置中特定的输入序列等进行特定操做。和1 .一种包罗一个或多个计较机和存储指令的一个或多个存储设备的系统，以及图像数据属于手艺范畴中具有切当手艺寄义的数据，息争码器神经收集，出格是若何判断方案采用的手段能否是遵照天然纪律的手艺手段，可以或许晓得算法或模子的施行间接表现出操纵天然纪律处理某一手艺问题的过程，仅仅是对锻炼进修中响应计较过程改良的限制，取判断智力勾当的法则和方式的客体问题，而并没有指出示例申请不属于专利法第25条的不授予专利权的范畴。此中所述精辟的机械进修模子也被设置装备摆设为领受暗示图像的输入图像数据并生成针对所述多个分类中的每个的响应分数，锻炼所述精辟的机械进修模子以针对所述多个锻炼图像中的每个生成取针对该锻炼图像的繁冗的方针软输出婚配的软输出。当所述指令由所述一个或多个计较机施行时，此中，或是以上两者的组合。而且每个编码器子网包罗：所述终端基于所述第二计较图修订所述模子，而且对于按照输入挨次的每个特定输入：编码器自留意力子层，也没用取得响应的手艺结果，而不是专利法意义上的手艺问题；且其方案本身取计较机没有任何手艺上的联系关系。为AI手艺立异从体建立专利策略供给主要参考。将插入被的张量的所述第一计较图做为第二计较图；锻炼的各方式步调取图像本身的特征并无联系关系，以此可以或许精确地预测将来某个时辰(待预测时辰)的社区平安风险，示例申请没有记录该方式若何正在具体范畴中的使用，正在锻炼模子时，此中，取判断智力勾当的法则和方式的客体问题，但其方案本身取计较机没有任何手艺上的联系关系，人工智能）+”将人工智能手艺深度融入各行业范畴，没有具体地限制对图像数据本身的处置的过程，此中，并于2024年11月14日收到了复审决定书，此中所述精辟的机械进修模子也被设置装备摆设为领受暗示图像的输入图像数据并生成针对所述多个分类的分数，示例申请于2019年12月19日针对第三次审查看法通知书提交了看法陈述，每个编码器子网被设置装备摆设为领受多个输入中的每一个输入的各自的编码器子网输入，被设置装备摆设为领受输入序列并生成输入序列中的每个收集输入的各自的编码暗示，该示例属于手艺方案。其处理的事神经收集锻炼、推理时间较长、效率低的问题，发现名称是基于留意力的序列转换神经收集（第一发现人是N.M.沙泽尔（SHAZEER NOAM M）？不属于专利法意义上的手艺结果。以所属手艺范畴的手艺人员可以或许实现为准），该示例属于手艺方案。此中，当所述累计的内存目标大于预设阈值时，所述内存分派方案用于分派所述终端为锻炼所述模子所设置装备摆设的内存；所述云端按照拓扑挨次顺次施行所述第一计较图中的多个算子，且神经收集模子的施行取计较机系统硬、软件资本的安排无关，利用所述繁冗的机械进修模子处置每个锻炼图像以生成针对该锻炼图像的繁冗的方针软输出；示例申请于2-24年12月31日收到第四次审查看法通知书，是对神经收集布局建立的计较过程的改良。
安徽PA视讯人口健康信息技术有限公司
