【简介：】人工智能发展进入新阶段经过60多年的演进，特别是在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术以及经济社会发展强烈需求的共同驱动下，人工智能加速发展，呈现
人工智能发展进入新阶段经过60多年的演进，特别是在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术以及经济社会发展强烈需求的共同驱动下，人工智能加速发展，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。
人工智能成为国际竞争的新焦点人工智能是引领未来的战略性技术，世界主要发达国家把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，加紧出台规划和政策，围绕核心技术、顶尖人才、标准规范等强化部署，力图在新一轮国际科技竞争中掌握主导权。
以下主要从整体上说明撰写涉及机器学习的专利申请文件时需要考虑的因素：
明确改进之处。上述模型训练和模型应用的各个阶段，都可以进行改进。因此，布局权利要求时，需要考虑哪个或哪些阶段做了改进，改进的阶段具体做了哪些改进，改进的重点在哪里，以及改进之处彼此间的关联，等等。明确了这些改进之处，就基本可以据此确定权利要求的布局。
先考虑布局模型应用的权项，再考虑布局模型训练的权项。由于模型训练可能一次性完成，但模型在训练好之后可能被重复应用，就是说模型应用再现的可能性比模型训练再现的可能性要高的多。而且模型训练一般仅在后台完成，而模型应用则有可能由前台完成，供用户使用。因此，模型应用相比模型训练更容易取证。因此，建议优先考虑构建模型应用的权利要求，再考虑构建模型训练的权利要求。如果模型本身是现有技术，而且也没有针对特殊场景做特殊的调整，那么在权利要求中详细对模型进行描述的意义并不大。一般只需要在说明书中以公开充分且能够支持权利要求的基本需求进行描述即可。因为现有技术说的再细致也是现有技术，不如把撰写精力用在对实际改进点的纵向挖掘和横向扩展上。
如果模型不是主要的改进点，可以将模型当作黑盒处理，将数据输入模型并由模型输出结果。比如将X数据提取特征Y后输入Z模型，获得所述Z模型输出的类别。甚至在一些情况下，模型都可以不用出现。比如根据X数据的Y特征确定类别。
模型训练和模型应用一般不会同时出现在独权中。比如模型训练可以布局为模型应用的从权，也可以将模型训练和模型应用分别布局成不同的独权。但也有例外，比如当改进点在于对模型训练所产生中间数据的应用上，且模型训练和模型应用分割开后都是现有技术，那么就需要将模型训练和模型应用放到一起来写，以突出发明点。
AI技术架构也是分成硬件，中间层，上层应用，现在在芯片层面各个厂商都有布局，中间层就是深度学习框架，谷歌是第一个发布开源框架的厂商，随后Facebook,国内百度都已开源相关框架，人工智能技术希望国内厂商真正从源头上创新，从芯片，框架层面都应用国产，不要再被国外卡脖子了。
