人工智能与专利：AI技术的保护

训练数据集通常可从Google AI数据集等检索网站取得。仅下载公开数据集本身，通常不构成专利创新；应分析数据获取方法是否具有满足授权条件的技术特征。

例如,如果在获取数据集的过程中根据某项规则获得数据,则如果该规则的特征比之前的艺术更先进,则本规则所使用的规则可受到专利保护.

目前该领域的应用不多。 

在获得训练数据集后,数据集通常通过预处理处理.

例如,它可能实现数据归一化,在获得的学习数据集中过滤噪音,并消除落入当地最佳环境的风险。 如果在适用于申请的变体中采用常规的数据预处理方法,则先进特性可受专利保护。 如果你看看完整的AI专利,你可以找到很多关于如何预处理数据的专利.

当数据预处理完成后，下一步是选择一个现有的深度学习模型来进行学习，或者设计一个新的模型结构。只是另一种型号(ex. CNN,RNN,LSTM等)不受专利保护。具体性必须在模型结构中得到承认，例如改变公共模型结构或合并多个模型来解决某个特定问题。设计或改变深度学习模式结构是一项相当困难的任务。 因此，在公开披露的人工智能专利中，与深度学习模型结构有关的专利相对较少。

数据预处理完成后，利用预处理数据集对深度学习模型进行培训。如果学习深层的学习模式，采用一般开放的学习方法，则不会受到专利的保护。然而，如果深度学习模式的学习方法与之前的艺术不同，则可以受专利保护。

例如，将自身与前作艺术区分开来的技术可以受到专利保护，例如隐藏层的输出在学习深度学习模型时被迫符合基本分布。

与学习方法相关的专利数量与与数据预处理相关的专利数量相邻.

利用深度学习模型或利用完成的深度学习模型推断预测值的技术也可以受到专利的保护。这与硬件设计密切相关，更具体地说与半导体设计密切相关，从事半导体设计的公司对此拥有许多专利。

AI专利大多是应用深奥学习领域的专利。并非因为技术上的难度，然而，仅仅通过使用深度学习技术不可能获得专利。

一些学习数据将用来培训一个领域的模型,如果以这种方式使用,诸如任何技术效果等具体数据都可以作为一种专利。