三 软件与数学计算方法之间的联系

软件与数学计算之间有着天然的联系。Swinson（1991）认为算法并不必须依赖于计算机，或者为了解决本质上为数学的问题而设计。 ^[19] 的确，Scaruffi（2020）介绍道，算法起初是人们手动执行，例如在三明治快餐店点餐“选择三明治做法、选取面包、挑选蔬菜类型”，而后服务员备餐，顾客付款取餐等既定步骤，也可以看作人们执行算法的过程。只不过在数字网络环境中，转向机器算法，用计算机取代了人工执行的部分。顾客交互的对象由人变成了算法。 尽管软件运行生成的结果或者目标可以解决数学领域之外的问题，但是，它的实现过程都可以通过λ演算（lambda calculus）来描述，等同于图灵机的计算， 由函数定义、函数应用以及递归构成λ表达式，其中不可避免地涉及数学函数的计算。基于数学和计算机程序在结构上具有相似性，Hughes（2019）认为外部因素如专利制度对于促进这些领域内的创新活动的作用类似，所以专利法如何对待数学就应当如何对待软件。 ^[20] Kruspig & Schwarz（2017）指出，在有些专业书籍中，对于算法和计算机程序不加以区分，而是将算法视作计算机程序的抽象化，例如计算机化的商业预测方法可以被表述为数学公式， ^[21] 因此计算机程序本身很可能被划入不可专利的抽象思想或者智力活动规则的范畴。孙博（2019）持有相反观点，他认为机器学习算法本质上是数学的应用。 Samuelson et al.（1994）在此之前已经提出计算机程序事实上是一种机器的看法，他们认为计算机程序是建立在算法或数据结构基础上能够产生有用结果的实体。

Bae（2019）认为利用算法改进使计算机内部功能提高的程序，想要获得专利保护，申请人需要在说明书中以清晰、准确的术语充分解释算法与计算机硬件之间的相互关系，而不是模糊的纯粹功能性描述。 ^[22] 如是说，与数学概念和公式不同，专利制度并非排除所有计算机程序的可专利性，也不允许授予任意计算机程序专利权。计算机程序能否成为可专利客体的关键在于软件的运行是否有与客观物理世界的交互，按照EPO的要求，这种物理交互作用不能仅仅发生电子晶体管层面的电流产生或改变。目前，神经网络算法是人工智能产业的核心技术，即使它综合了计算机科学、数学、神经生理学、人类学、心理学、哲学和社会学等多门学科，但如果只是相关学科基础理论和知识的叠加构建，没有解决具体的问题或者深入特定应用领域，依然不属于可以获得专利保护的对于抽象思想或自然规律的实际应用。否则，只会同时先占（pre-empt）更多科学技术探索中的基本工具。刘强（2019）认为单纯数值计算不能获得专利保护，如表征自然规律的数学方程式程 E=mc ² ，而对于人工智能算法加以利用，使发明符合自然规律并且与机器设备结合形成的技术效果（如图像识别）是可专利客体。 何怀文（2013）认为诸如 Flook 案中的权利要求，不因包含不可专利的温度计算数学公式而完全否定其取得专利权的资格；但是，仅凭借权利要求撰写技巧，在形式上将科学原理表现为采取某种方式的具体应用也无法受到专利法保护。 赵传海、周树红（2017）认为计算机执行的数学原理方法，只要其中采用了计算机等技术手段即符合客体适格性要求，所要解决的技术问题和带来的技术贡献，应在创造性评价过程中予以考量。

概言之，数学计算公式与算法，以及算法与计算机程序彼此之间密切联系，难以准确分割各自的界限，甚至呈现“你中有我，我中有你”的融合局面，成为计算机实施的发明的可专利性判断的主要障碍之一。这是因为在国际上，不同国家的立法、司法先例或者理论学说一般认为单纯的数学方法被排除在可专利客体以外，满足一定条件的数学算法的应用却能够获得专利权保护，这种区分在计算机软件领域格外困难。 0lYA6QcBOiScKysGC5b0GrOAdyTB7jT5JFN+GqfkdXf5C/zQikL2FHxsdAXTWv5D