發(fā)明人在構思專利時，絕大部分是立足于本領域的現(xiàn)有技術，通常不會關注其他領域的技術。然而，在審查員對案件進行審查時，一些其他領域的現(xiàn)有技術常常會用于評價本申請的技術方案的創(chuàng)造性，也因此有一些專利申請文件被評價為缺乏創(chuàng)造性而與專利授權失之交臂。

因此，在發(fā)明人撰寫技術交底前，對于整體技術方案需要進行簡單檢索，尤其對于認為是整體技術方案的發(fā)明點，需要進行跨領域的檢索。那么在檢索之前，發(fā)明人需要明確什么是轉用發(fā)明，哪些轉用可以被認為是具有創(chuàng)造性的。

在《審查指南》中，明確給出了轉用發(fā)明的定義，以及哪些轉用可以被認為具有創(chuàng)造性，哪些不具備創(chuàng)造性。轉用發(fā)明，是指將某一技術領域的現(xiàn)有技術轉用到其他技術領域中的發(fā)明。

審查員在進行轉用發(fā)明的創(chuàng)造性判斷時通常需要考慮：

1、轉用的技術領域的遠近；

2、是否存在相應的技術啟示；

3、轉用的難易程度；

4、是否需要克服技術上的困難？

5、轉用所帶來的技術效果等。

如果轉用是在類似的或者相近的技術領域之間進行的，并且未產(chǎn)生預料不到的技術效果，則這種轉用發(fā)明不具備創(chuàng)造性。如果這種轉用能夠產(chǎn)生預料不到的技術效果，或者克服了原技術領域中未曾遇到的困難，則這種轉用發(fā)明具有突出的實質(zhì)性特點和顯著的進步，具備創(chuàng)造性。

舉個例子來說，機器學習現(xiàn)在已經(jīng)廣泛應用于生產(chǎn)和生活的很多領域，各個領域的技術人員都對機器學習算法有所研究。簡單來說，機器學習就是根據(jù)以往的經(jīng)驗、數(shù)據(jù)，采用機器學習算法，通過機器的不斷學習，實現(xiàn)人工智能的一個過程，簡言之就是最終用機器代替人來做出判斷。

機器學習現(xiàn)在有很多經(jīng)典算法，各領域技術人員也會在經(jīng)典算法上進行改進?，F(xiàn)在涉及機器學習的專利申請很多，那么其他領域的技術方案中所采用的機器學習算法應用到本申請中時，如果該算法在其他領域的技術方案中要解決的問題與其在本申請中要解決的問題相同，在其他領域的技術方案中所起的作用與其在本申請中所起的作用相同，在本申請中也未產(chǎn)生預料不到的技術效果，那么通常情況下，這個算法在本申請中是不能作為一個獨立發(fā)明點存在的，如果本申請中其他技術手段與該算法之間存在密不可分的關系，且這種關聯(lián)關系可以使得二者共同解決某一個問題，實現(xiàn)好的技術效果，這時，才可以判斷本申請具有創(chuàng)造性。

下面就以實際的案例為大家說明：

盡管為不同技術領域，但是如果未克服原有技術的困難或者未能有新的技術點就不能被通過，相反，則是可以通過的。

《審查指南》中指出：如果轉用是在類似的或者相近的技術領域之間進行的，并且未產(chǎn)生預料不到的技術效果，則這種轉用發(fā)明不具備創(chuàng)造性；如果這種轉用能夠產(chǎn)生預料不到的技術效果，或者克服了原技術領域中未曾遇到的困難，則這種轉用發(fā)明具有突出的實質(zhì)性特點和顯著的進步，具備創(chuàng)造性。

因此，技術人員在撰寫交底前，需要跨領域檢索本申請中作為獨立發(fā)明點的技術特征是否已在其他領域中應用，即是否僅為其他領域技術手段的簡單轉用，如果是，發(fā)明人則需要重新進行發(fā)明構思，增加本申請的創(chuàng)造性。跨領域檢索，對于本申請創(chuàng)造性判斷至關重要。