常有为专利申请而来的人工智能技术领域的客户问我们:
“我想申请专利,但不知道要从哪儿开始”
随着人工智能技术的快速发展和扩散,许多主要业务领域不是人工智能的企业正在把人工智能技术融入他们的商品或服务中。
在这种变化过程中,TensorFlow等已持续构建其AI生态系统的开源框架、开源库、开源社区对其作用很大。
那问题在于大多数管理层还没有明确地了解人工智能技术的原理。此外,大多数企业依赖与少数人工智能技术开发者或工程师,或通过外包服务处理业务,对如何申请专利自然而然地感到困惑。
在这种情况下,我们总是建议先申请服务模式。
建模占AI服务开发的最大部分,这个领域可以通过上述开源资源来解决。
因此,此外的独创性大部分要在机器学习的模型学习的前一段特征提取 (feature extraction) 的过程、选用特定机器学习算法后,根据产品、服务进行拟合 (fitting) 或微调 (tuning) 的过程、获得训练数据集 (training data set) 的数据预处理 (data preprocessing) 过程中挖掘出来。
最好的方法是通过应用人工智能的推理的过程——即“服务模式”。
在大多数情况下,获得专利权(是改进知名的产品或服务的尝试)旨在获得“手段(way)”,而不是“目标(goal)”,但获得使用人工智能技术的特定服务模式的专利,意味着其专利的授权接近与目的,其原因在于有许多可称新颖的部分。
上述可能性的依据在于,处于初步发展阶段的人工智能技术的扩散速度非常快。
베이비페이스
作为一个例子,下文将介绍Alethio的一项专利,该公司提供“婴儿脸服务”。
婴儿脸服务使用人工智能技术,可以把胎儿的三维彩超图片转变成婴儿出生10到50天的后的真实照片。
他们最早的专利名称是“将超声波图像转换为真实图像的方法和其设备”。
以下是从该专利的权利要求书内容。
1. 一种用于转换计算设备的图像的方法,该方法包括:
获取胎儿超声图像的步骤;
使用第一网络中包含的多个层,检测出上述胎儿超声图像中至少包含一个身体区域的阶段;以及
使用第二网络中包含的多个层,基于从上述身体区域提取的多个属性信息,合成与每个特征信息对应的照片的特征信息,将其身体区域转换为真实照片,其中第二网络包括第二抽象化网络和第一合成网络的阶段;
其中第一网络:
基于上述胎儿超声图像提取的属性信息,获得特征地图的第一抽象化网络;以及
将上述特征地图应用到输入数据中,识别上述身体区域的边界及上述身体区域的类别,以在转换为实际照片时,省略包含不对应身体区域的特征,包含输出对应身体区域的特征的区域分类网络,
上述第二抽象化网络基于从上述身体区域提取的上述多个属性信息获得特征地图,
上述第一合成网络基于上述特征地图,合成对应于上述各属性信息的图片图像特征信息的,
图像转换方式。
第一网络和第二网络指神经网络,第一、第二只代表其顺序。
第一网络的目的在于隔离脸部。被陈述为抽象化网络的部分指卷积神经网络中的特征提取(feature extraction) 。合成网络部分从特征地图反向生成真实照片。
令人遗憾的是,在审查过程中超声波图像的生成有关的日本专利文献被提出,权利要求的范围被大幅度地修改,上述划线部分是修改部分。
但,该专利作为一项涉及将三维超声图像转换为真实图像的服务模型的专利仍然具有足够的意义。
从服务的角度来看,在超声图片分离人脸是必不可少的,该方法涉及检测面部、躯干和四肢等的边缘,消除不必要的躯干和四肢区域。旨在避免向第二网络输入不必要的数据。
虽然它可能看起来相当长,但专利本身来讲是不错的。
该专利给任何想要推出类似服务模式的第三方企业带来了一定范围的负担。
Alethio已成功为其服务模式得到专利授权,并且正在进一步申请清理遮挡面部的四肢、胎盘或脐带部分的技术、使用生成式对抗网络(GAN)提高图像质量的技术。
相关专业人员
金成炫
专利代理师/合伙人
Mark 柳喆铉
专利代理师/高级合伙人
常有为专利申请而来的人工智能技术领域的客户问我们:
“我想申请专利,但不知道要从哪儿开始”
随着人工智能技术的快速发展和扩散,许多主要业务领域不是人工智能的企业正在把人工智能技术融入他们的商品或服务中。
在这种变化过程中,TensorFlow等已持续构建其AI生态系统的开源框架、开源库、开源社区对其作用很大。
那问题在于大多数管理层还没有明确地了解人工智能技术的原理。此外,大多数企业依赖与少数人工智能技术开发者或工程师,或通过外包服务处理业务,对如何申请专利自然而然地感到困惑。
在这种情况下,我们总是建议先申请服务模式。
建模占AI服务开发的最大部分,这个领域可以通过上述开源资源来解决。
因此,此外的独创性大部分要在机器学习的模型学习的前一段特征提取 (feature extraction) 的过程、选用特定机器学习算法后,根据产品、服务进行拟合 (fitting) 或微调 (tuning) 的过程、获得训练数据集 (training data set) 的数据预处理 (data preprocessing) 过程中挖掘出来。
最好的方法是通过应用人工智能的推理的过程——即“服务模式”。
在大多数情况下,获得专利权(是改进知名的产品或服务的尝试)旨在获得“手段(way)”,而不是“目标(goal)”,但获得使用人工智能技术的特定服务模式的专利,意味着其专利的授权接近与目的,其原因在于有许多可称新颖的部分。
上述可能性的依据在于,处于初步发展阶段的人工智能技术的扩散速度非常快。
作为一个例子,下文将介绍Alethio的一项专利,该公司提供“婴儿脸服务”。
婴儿脸服务使用人工智能技术,可以把胎儿的三维彩超图片转变成婴儿出生10到50天的后的真实照片。
他们最早的专利名称是“将超声波图像转换为真实图像的方法和其设备”。
以下是从该专利的权利要求书内容。
1. 一种用于转换计算设备的图像的方法,该方法包括:
获取胎儿超声图像的步骤;
使用第一网络中包含的多个层,检测出上述胎儿超声图像中至少包含一个身体区域的阶段;以及
使用第二网络中包含的多个层,基于从上述身体区域提取的多个属性信息,合成与每个特征信息对应的照片的特征信息,将其身体区域转换为真实照片,其中第二网络包括第二抽象化网络和第一合成网络的阶段;
其中第一网络:
基于上述胎儿超声图像提取的属性信息,获得特征地图的第一抽象化网络;以及
将上述特征地图应用到输入数据中,识别上述身体区域的边界及上述身体区域的类别,以在转换为实际照片时,省略包含不对应身体区域的特征,包含输出对应身体区域的特征的区域分类网络,
上述第二抽象化网络基于从上述身体区域提取的上述多个属性信息获得特征地图,
上述第一合成网络基于上述特征地图,合成对应于上述各属性信息的图片图像特征信息的,
图像转换方式。
第一网络和第二网络指神经网络,第一、第二只代表其顺序。
第一网络的目的在于隔离脸部。被陈述为抽象化网络的部分指卷积神经网络中的特征提取(feature extraction) 。合成网络部分从特征地图反向生成真实照片。
令人遗憾的是,在审查过程中超声波图像的生成有关的日本专利文献被提出,权利要求的范围被大幅度地修改,上述划线部分是修改部分。
但,该专利作为一项涉及将三维超声图像转换为真实图像的服务模型的专利仍然具有足够的意义。
从服务的角度来看,在超声图片分离人脸是必不可少的,该方法涉及检测面部、躯干和四肢等的边缘,消除不必要的躯干和四肢区域。旨在避免向第二网络输入不必要的数据。
虽然它可能看起来相当长,但专利本身来讲是不错的。
该专利给任何想要推出类似服务模式的第三方企业带来了一定范围的负担。
Alethio已成功为其服务模式得到专利授权,并且正在进一步申请清理遮挡面部的四肢、胎盘或脐带部分的技术、使用生成式对抗网络(GAN)提高图像质量的技术。
相关专业人员
金成炫
专利代理师/合伙人
Mark 柳喆铉
专利代理师/高级合伙人