客体问题概述
专利权的客体 ，也称为专利法保护的对象。专利的 客体问题 是指 专利申请 请求保护的内容不属于 专利保护 的对象。若专利存在客体问题则不能被授予专利权。
此文章重点讨论 IT领域 专利中常见的客体问题。
IT领域专利中常见的客体问题
IT领域的技术，实际上就是利用计算系统实现的技术。当然，技术可能涉及硬件，也可能涉及软件。一般涉及软件的技术的发明专利容易面临客体问题。需要说明的是，涉及计算机程序的技术申请实用新型专利时也常会面临客体问题，但是此内容后续会有其他文章详细讨论。
涉及软件的技术本质上是通过计算机程序实现的技术。计算机程序执行的内容可能包括智力活动。《专利法》第二十五条第一款第(二)项的规定智力活动的规则和方法不授予专利权。因此，对于计算机执行内容包含智力活动的技术申请发明专利时，可能因为客体问题而无法成功授权。
一方面，如果计算机程序执行的内容仅仅包含智力活动，那申请时必定会面临客体问题，无法获得专利权。但是，另外一方面， 如果除了包含智力活动，还包括技术特征，是否面临客体问题就需要从方案整体是否是技术方案的角度来评估客体问题。
涉及计算机程序中常见的智力活动
- 算法或数学计算规则
算法和数学计算规则本身属于智力活动，只是通过计算机程序执行这些规则，不存在利用了计算手段，也属于智力活动。因此，如果权要中仅仅包含算法和数学计算，会面临客体问题。
随着人工智能的快速发展，机器学习模型的应用越发广泛。其中，为了让模型的应用更加符合要求，模型的训练也是诸多IT企业争相研究的内容。但是在实际审查过程中，脱离实际应用场景、单纯的模型训练很容易被认为是数学规则，易被审查认定存在客体问题。
示例（部分引自审查指南）：
1、一种建立模型的方法，其特征在于，包括以下步骤：
根据至少一个第一训练样本中的特征值和至少一个第二训练样本中的特征值，对初始第一模型进行训练，得到目标第一模型；
根据所述目标第一模型，分别对每个所述第一训练样本中的特征值进行处理，得到每个所述训练样本对应的提取特征值;
将每个所述第一训练样本对应的提取特征值和标签值组成提取训练样本，对初始第二模型进行训练，得到目标第二模型。
分析：
处理的训练样本的特征值、提取特征值、标签值、第一模型以及第二模型都是抽象的通用数据，利用训练样本的相关数据对数学模型进行训练等处理过程是一系列抽象的数学方法步骤，最后得到的结果也是抽象的通用模型，不涉及与具体应用领域的结合，属于对抽象数学方法的优化。而且，整个方案并不包括任何技术特征。因此，不属于专利保护客体。
- 计算机程序
计算机程序即由代码构成，其相当于基于智力活动编写的代码，其只能通过软件著作权进行保护。
- 其他
游戏规则和方法、汉字编码方法、经济情况预测等。与算法或数学计算规则类似，通过计算机程序执行这些规则或方法也属于智力活动。
涉及计算机程序的技术客体问题的判断
如上说的，如果都是智力活动，必然面临客体问题。但是如果同时包括智力活动和技术特征，如何确定是否存在客体问题所要面临的情况相对复杂。
根据《审查指南》第二部分第九章第2款的规定：涉及计算机程序的发明专利申请只有构成技术方案才是专利保护的客体。如果涉及计算机程序的发明专利申请的解决方案执行计算机程序的目的不是解决技术问题，或者在计算机上运行计算机程序从而对外部或内部对象进行控制或处理所反映的不是利用自然规律的技术手段，或者获得的不是受自然规律约束的效果，则这种解决方案不属于专利保护的客体。
实际上述规定与《专利法》第二条第二款规定吻合。其中，《专利法》第二条第二款规定了，专利法所称的发明是指对产品、方法或者其改进所提出的新的技术方案。
因此，对于同时包括智力活动和技术手段，可以从”技术方案“这一点来判断是否存在客体问题。
《审查指南》第二部分第一章第2节规定“技术方案是对要解决的技术问题所采取的利用了自然规律的技术手段的集合。技术手段通常是由技术特征来体现的。未采用技术手段解决技术问题，以获得符合自然规律的技术效果的方案，不属于专利法第二条第二款规定的客体。”由此可知，构成技术方案需要满足采用技术手段、解决技术问题、产生技术效果三个要素。即技术方案通常包括技术特征，但包含技术特征的方案不一定是技术方案。
其实，智力活动构成的方案属于非技术方案的一种情况，换言之，智力活动构成的方案不属于技术方案，也是因此，不能成为专利保护的客体。
示例（引自审查指南）：
1、一种基于地区用电特征的经济景气指数分析方法，其特征在于，包括以下步骤：
根据待检测地区的经济数据和用电数据，选定待检测地区的经济景气指数的初步指标，其中，所述初步指标包括经济指标和用电指标;
通过计算机执行聚类分析方法和时差相关分析法，确定所述待检测地区的经济景气指标体系，包括先行指标、一致指标和滞后指标;
根据所述待检测地区的经济景气指标体系，采用合成指数计算方法，获取所述待检测地区的经济景气指数。
分析：
方案中的方案虽然是由计算机执行的，其处理对象是各种经济指标、用电指标，解决的问题是对经济走势进行判断，不构成技术问题，所采用的手段是根据经济数据和用电数据对经济情况进行分析，仅是依照经济学规律采用经济管理手段，不受自然规律的约束，因而未利用技术手段，该方案最终可以获得用于评估经济的经济景气指数，不是符合自然规律的技术效果。
虽然方案中也包含了技术特征，但是因为整体方案不属于技术方案，因此，不属于专利保护的客体。
《专利法》是判断专利是否存在客体问题的原则，但实际更多得依据《审查指南》示例。需要说明的是，因为实际发明申请可能不像《审查指南》示例如此明确，所以包含算法特征或商业规则和方法特征，且包含技术特征的发明专利申请是否存在客体问题较为复杂，需要结合历史授权情况及经验判断。因此，在申请专利时可以尽量避免出现客体问题的高风险领域，此外，撰写人员需结合经验判断在撰写时注意撰写技巧。
IT领域专利客体问题的克服
（1）避免仅属于专利法第二十五条第一款第(二)项规定的智力活动的规则和方法而不包含任何技术特征。
避免解决方案仅仅涉及一种由计算机程序执行的智力活动的规则和方法，应将智力活动的规则和方法与技术领域结合构成技术方案。换言之，就是在方案中添加技术特征。
（2）应当属于专利法第二条第二款规定的技术方案，即为了解决技术问题而利用技术手段，并获得技术效果。
但是如上分析的，即使加了技术特征可能仍然存在客体问题。因此，为了克服客体问题，处理加技术特征以外，还需要考虑整个方案解决的技术问题以及实现的技术效果，是否符合技术方案的要求。
IT领域专利只有构成技术方案才是专利保护的客体，可以将IT领域专利的权利要求与具体应用场景相结合构成技术方案。例如，IT领域专利的解决方案执行计算机程序的目的是为了实现一种工业过程、测量或测试过程控制，通过计算机执行一种工业过程控制程序，按照自然规律完成对该工业过程各阶段实施的一系列控制，从而获得符合自然规律的工业过程控制效果。又例如，IT领域专利的权利要求中涉及算法的各个步骤体现出与所要解决的技术问题密切相关，如算法处理的数据是技术领域中具有确切技术含义的数据，算法的执行能直接体现出利用自然规律解决某一技术问题的过程，并且获得了技术效果，则通常该权利要求限定的解决方案属于专利法第二条第二款所述的技术方案。
对于数据算法，特别是上面提到的模型训练，克服客体问题的核心在于与实际场景的结合。
总而言之，为避免客体问题，IT领域专利的权利要求就整体而言需要不只是一种智力活动的规则和方法而是技术方案，且技术方案需要同时包含技术问题、技术手段和技术效果三个要素。
示例（引自审查指南）：
1、一种卷积神经网络 CNN 模型的训练方法，其特征在于，所述方法包括：
获取待训练 CNN 模型的初始模型参数，所述初始模型参数包括各级卷积层的初始卷积核、所述各级卷积层的初始偏置矩阵、全连接层的初始权重矩阵和所述全连接层的初始偏置向量;
获取多个训练图像;
在所述各级卷积层上，使用所述各级卷积层上的初始卷积核和初始偏置矩阵，对每个训练图像分别进行卷积操作和最大池化操作，得到每个训练图像在所述各级卷积层上的第一特征图像;
对每个训练图像在至少一级卷积层上的第一特征图像进行水平池化操作，得到每个训练图像在各级卷积层上的第二特征图像;
根据每个训练图像在各级卷积层上的第二特征图像确定每个训练图像的特征向量;
根据所述初始权重矩阵和初始偏置向量对每个特征向量进行处理，得到每个训练图像的类别概率向量;
根据所述每个训练图像的类别概率向量及每个训练图像的初始类别，计算类别误差;
基于所述类别误差，对所述待训练 CNN 模型的模型参数进行调整;
基于调整后的模型参数和所述多个训练图像，继续进行模型参数调整的过程，直至迭代次数达到预设次数;
将迭代次数达到预设次数时所得到的模型参数作为训练好的 CNN 模型的模型参数。
分析：
虽然技术方案是模型的训练方法，但是明确了模型训练方法的各步骤中处理的数据均为图像数据以及各步骤如何处理图像数据，体现出神经网络训练算法与图像信息处理密切相关。解决的如何克服 CNN 模型仅能识别具有固定尺寸的图像的这一技术问题，采用了在不同卷积层上对图像进行不同处理并训练的手段，利用的是遵循自然规律的技术手段，获得了训练好的 CNN 模型能够识别任意尺寸待识别图像的技术效果。因此，属于专利保护客体。
本文转载于：https://itpatent.cn/tech_knowledge/245/