2026年10月23日 星期五

數學方法是否具有技術貢獻? - 歐洲訴願T 2330/13

參考前幾天PO關於歐洲專利審查指南G-II, 3.3數學方法的規定時(https://www.epo.org/en/legal/guidelines-epc/2024/g_ii_3_3.html),提到此篇討論案例 - T 2330/13。(編按,本篇討論數學方法,...我就花點篇幅理解其中數學了,還好並不難~)

A mathematical method may contribute to the technical character of an invention, i.e. contribute to producing a technical effect that serves a technical purpose, by its application to a field of technology and/or by being adapted to a specific technical implementation (T 2330/13). (應用數學方法產生對特定技術目的技術效果,或利用數學方法實現技術,這樣的數學方法具有技術特徵。)

可參考:歐洲專利中具有技術貢獻的數學方法為可專利標的 - 筆記(https://enpan.blogspot.com/2026/10/blog-post_15.html)。

歐洲訴願案T 2330/13資訊:
歐洲專利申請號:EP04022865.2(公開號:EP1519284)
判決日期:9 May 2018

本案源起歐洲專利局審查部駁回系爭案,缺乏進步性(lack of inventive step)理由:本案不是電腦實現發明以外,發明僅是解決"檢查規則"的數學問題,且運用的電腦是已知,因此發明不具進步性。

申請人提起訴願,訴願委員會審理議題:申請專利範圍中貢獻技術特徵(technical character)的的專利特徵(claimed features,此案例為數學方法)對照先前技術是否具有進步性?

系爭案公開名稱為「Method and system for checking consistency and completeness of selection conditions in a product configuration system」,main request的Claim 1不短,與申請時簡短的描述不同,在此摘要其中重點。


發明關於電腦實現“評估關於在可配置產品(configurable product)的製造過程中的元件變體(variants of components)的選擇條件(s1, s2, s3... ,selection conditions)”的方法,方法目的是要在製造產品的過程中排除不相容的元件變體(編按,閱讀過程雖不明白,但最後算是頗理解發明在表達什麼,這或許就是審查過程中從認為是抽象的數學漸漸知悉其中發明特徵的過程,包括通過OA答辯溝通的過程),方法步驟包括接收“定義允許組合的產品有限特徵集合的邏輯運算”的選擇條件;經編碼上述資訊形成一個位元矩陣;分離位元矩陣為多個子位元矩陣,每個子位元矩陣對應一個變動子空間(variance subspace);形成位元字串(s1, s2, s3,對應選擇條件),代表運用所述邏輯運算的每一個變動子空間的所有組合形成的“選擇條件”;接收定義禁止組合(指製造過程應排除的特徵)的限制條件(R1, R2,restriction conditions);形成代表這些限制條件的位元字串(r1, r2);通過計算選擇條件中不一致的位元字串判斷每個變動子空間中的不一致的選擇條件(s1, s2, s3);最後輸出選擇條件中不一致的元件變體。

解析系爭案發明,部分由產品設計與製造的軟體所實現,其中通過輸入產品的特徵值,通過建立一個物料採購清單(order bill of materials,BOM)以配置(configure)產品,此清單描述消費者訂製產品的細節,包括產品的結構以及相關變體(overall structure of nodes and associated variants),相關形成產品的特徵。以製造汽車為例,以最上層的節點(nodes,可參考以上截圖中的專利代表圖)表示汽車引擎,其中低層的節點表示具有不同元件的不同汽車型號的變體,

如此,系爭案發明提供以上所述“變體”的“選擇條件(selection conditions)”,也就是可以讓消費者定義產品變體,但仍要符合所述“物料採購清單(BOM)”,不符者就是上述需要排除的不相容元件變體。

特別的是,系爭案發明運用邏輯(0, 1)表示選擇條件中的相容與不相容所述BOM的元件變體,形成所述位元矩陣(bit matrix),範例如下,此圖例表示出每個條件組合的選擇條件,包括限制條件r1, r2與不一致的選擇條件s1, s2, s3,以i23表示S2與S3之間不一致的情況,以"f"表示禁止位元字串等:



表面上,系爭案以邏輯運算表示“產品製造過程的選擇條件”,首先面臨的是不明確,以及不符說明書描述的核駁意見,從申請時較為簡短的專利範圍修改到進入訴願的範圍,可知,歐洲專利審查實務不建議用“過廣”的專利範圍,往往會在審查過程中被要求根據說明書限縮專利範圍,甚至如之前報導 - 
解釋專利範圍"應"參照說明書與圖式 - 歐洲擴大訴願委員會G 1/24案(https://enpan.blogspot.com/2026/09/g-124.html),專利說明書記載的實施例都可能形成限制條件。



討論本案最重要的議題是,專利範圍克服了不明確或是相對說明書太廣的意見後(編按,有些這類要求是合理的),還面臨了被判定是非可專利標的的核駁理由。

訴願決定中歸納出系爭案申請專利範圍中的特徵,如利用“選擇條件”排除不相容變體、選擇與限制條件,以及變動空間、位元矩陣與形成位元矩陣的步驟、分離位元矩陣的步驟、形成位元字串以表示選擇與限制條件、分離位元矩陣為子位元矩陣,以及判斷不一致選擇條件與執行相關邏輯運算等。並且,發明特徵主要是以數學方式(邏輯運算)表示,其中表示:


確實,以上摘錄內容可以明顯得出發明是以數學方法(邏輯運算)所實現,因此在訴願之前專利審查部的審查意見直接否決系爭案可專利性,而沒有討論到進步性議題。


很多功課可以學:

訴願委員會根據判例,發明混合了技術特徵與非技術特徵,即便非技術特徵佔了大部分,仍應審查進步性,判斷出其中具有技術貢獻的特徵,如果其中“非技術特徵”並沒有與發明中的技術標的“互動”而解決技術問題,這部分是可以忽略的。但仍然應審查其中“技術特徵”(功課一)。


這裡提到訴願人引用前例T 208/84中判決:如果數學方法用在技術流程中,而此流程通過技術手段運作在實體上,並提供改變該實體的結果時,以數學方法實現的發明並不判定是數學方法本身。(功課二)


此前例
T 208/84還有另一有意義的判決:發明涉及“軟體控制”的技術流程不能視為電腦程式本身(as such)。(功課三)(本次討論系爭案以數學方法實現的發明,其中也是運用電腦軟體。)


訴願委員會判決,彙整起來有兩個議題:

(i) 系爭案發明方法的技術任務(first line of argument: technical task of claimed method)

就系爭案“電腦實現”的發明而言,訴願委員會同意其中“configurable product”是關於生產得出的產品,也就是一個具體的物件,如此也認定發明中的元件變體為具體的物件,但認為發明描述的方法並非運作在這些元件上,而是關於產品配置系統中檢查這些元件變體的“選擇條件”,據此認為發明所要執行的任務(得出不一致的選擇條件)非技術性。

進一步地,系爭案配置生產中的產品可理解為“設計活動(design activity)”,就是從一大堆已知元件組合出所配置的產品,其中結果就是從BOM生成元件清單,雖是技術考量,但這樣的清單是產品生產之前關於技術元件的認知資訊(cognitive information)。

(功課四)訴願委員會在想什麼很重要,引述擴大訴願委員會判例G 3/08,當評估專利特徵的技術貢獻時,並不總是考慮其中的技術考量(technical considerations),就是發明是否是技術考量並不非是重點。如G 3/08關於單車的設計,單車的設計顯然是技術考量,但其設計為設計者的心思意念(designer's mind),僅是一種心智活動(mental act),因此被排除在可專利的範疇之外。

本系爭案發明並非制定“選擇條件”,也不是驗證是否選擇條件是否技術正確,通過清單檢查的目的並非是查技術相容,而僅是檢查選擇條件是否一致,藉此排除不相容變體,因此判定系爭案發明涉及邏輯判斷,並非是技術考量,其中數學方法沒有技術貢獻。

(ii) 關於電腦功能的技術效果(較重要的議題)(second line of argument: technical effect with respect to the functioning of a computer)

系爭案發明為電腦實現的發明(具體為電腦軟體),其中以位元矩陣與位元字串表示產品特徵與其中選擇與限制的數值。訴願人引用系爭案說明書,認爲其中實施例使用位元運算比習知技術更快,其中運用的資料分離技術涉及電腦系統架構,藉此可以改善系統負載平衡,發明特徵實現平行處理,對技術特徵有貢獻。

對此,歐洲審查部否決訴願人的主張,認為系爭案發明屬於數學方法,並不涉及電腦系統架構。不過,雖訴願委員會在第一議題下認為系爭案發明執行的任務非技術性,但對第二議題作出與歐洲審查部不同的決定。

訴願委員會的意見是,參照判例(T 49/99, T 42/09),資訊處理(information modeling)非技術領域的屬於人類智力活動(human activity in a non-technical filed),而資訊處理在解決特定技術問題的解決方案下有目的的用途(purposive use in a context of a solution to a technical problem)可為貢獻其發明的技術特徵(contribute to a technical character of an invention)。

演算法/軟體本身並不貢獻技術特徵,或是解決數學問題的算法也不具有技術性,但基於解決特定技術問題的應用,如上述判例,可將基於數學結構的非技術性演算法(non-technical algorithmic choices)從技術選項識別/分辨出來,且基於技術考量達成特定計算效率的特徵("computational efficiency achieved by features resulting from technical considerations",編按,這可對應美國enfish判例 - 改善電腦技術的軟體方法具有可專利性? - Enfish LLC v Microsoft (Fed. Cir. 2016)),仍可證明是具有技術貢獻的特徵。(功課五)


訴願決定中引用許多證明資料結構、資料處理為技術特徵的判例,例如:

基於許多引用判例,訴願委員會認為系爭案發明(i.e., claim 1,其中採用了許多數學用語,如matrix, bit strings,且運用了邏輯/布林運算)並非可簡單地描述為非技術性的電腦實現方法,而其中數學相關的元件經處理後是為了達成特定目的,其結果已經貢獻發明的技術特徵。

訴願委員會解釋系爭案發明,認為實現平行處理(平行處理子位元矩陣/子任務),而能夠有效率地評估產品製造過程中選擇條件,因此在電腦實現的發明中貢獻技術特徵。

結論:

因為歐洲專利審查部並未審查系爭案發明的進步性,因此發回重審,也就是在訴願委員會的判決基礎下認定發明具有技術性,並據此審查進步性。

my two cents:
整個論述看下來,花了很多時間理解,結論...確實有實在的論述,就本系爭案發明的技術本質而言,其實很“數學”,要有這樣的判斷與判決實在需要這麼長的論述。

反正結論是,即便發明的任務(目的)不很技術性(如本案運用字元陣列表示哪些元件不相容一個清單),但仍認同其中幾個步驟有技術貢獻,文中更引用許多歐洲判例,值得學習其中可用於答辯的論述。


Ron

2026年10月20日 星期二

幾個AI的議題-筆記自己的講義

自己寫的東西也常常忘記,上課前要自己筆記一下。

一、美國「國家」人工智慧倡議法案(https://www.congress.gov/bill/116th-congress/house-bill/6216/text):
(3) ARTIFICIAL INTELLIGENCE.—The term “artificial intelligence” means a machine-based system that can, for a given set of human-defined objectives, make predictions, recommendations or decisions influencing real or virtual environments. 
Artificial intelligence systems use machine and human-based inputs to— 
(A) perceive real and virtual environments; (感知真實與虛擬環境)
(B) abstract such perceptions into models through analysis in an automated manner; and(透過自動方式分析將上述感知抽象化為模型)
(C) use model inference to formulate options for information or action.(使用模型推理以制定資訊或行動的選項)

二、USPTO的AI分類工具,用以分類AI/非AI發明

三、AI發明的經典案例
- Desjardins - 模型訓練方法可以改善電腦技術嗎?涉及是否具備專利適格性 - Ex parte Desjardins (PTAB Sep. 26, 2025)(https://enpan.blogspot.com/2026/04/ex-parte-desjardins-ptab-sep-26-2025.html)


step 1: 35U.S.C.101法定可專利標的
step 2A prong one: 是否發明僅保括法定例外的抽象概念(數學概念、心智流程、管理人類活動)。
step 2A prong two: 判斷專利範圍是否包括整合法定例外為具體應用的"額外元件"。
step 2B: 判斷專利範圍中是否有特定"非已知、常規或習知"而超越法定例外的限制(非僅附加已知、常規或習知元件而已),如果有,發明就提供了進步概念(inventive concept)。

本案例涉及35U.S.C.101的裁決:
1. 確認其中軟體改善/改良電腦技術,軟體就不是抽象的。
2. 同意系爭申請案發明『通過調整第一值優化用在第一機器學習任務的模型的參數,還保護了模型在第一機器學習任務的效能』已經改良模型的運作,而非僅是數學方程式而已。
3. 系爭申請案Claim 1或許描述抽象概念,但並沒涉及抽象概念("claim 1 may recite an abstract idea, it is not directed to an abstract idea."),判定發明整體是整合抽象概念為具體應用。

- Alice - 抽象概念若僅以一般目的電腦實現,不可專利 - Alice Corporation Pty. Ltd. v. CLS Bank International (2014)(https://enpan.blogspot.com/2014/06/alice-corporation-pty-ltd-v-cls-bank.html)

當軟體/金融方法(發明關於利用電腦系統減少金融交易中履約風險/結算風險)技術僅關聯於一般電腦系統,就不是能轉換抽象的技術為可專利的發明。

- Mayo - 使用自然律的技術可專利性討論 - Mayo Collaborative Services v. Prometheus Laboratories, Inc. 2012)(https://enpan.blogspot.com/2015/10/mayo-collaborative-services-v.html)

雖自然律、自然現象與抽象概念為非35U.S.C.101規定的可專利標的,但相關結構或程序仍可以受到專利保護,但是,若要轉換不可專利的自然律到可專利標的時,專利應提出超過自然律更多的技術特徵/元件("must do more than simply state the law of nature while adding the works "apply it"")。

四、現代AI發明的專利適格性議題的起源都可指向判例「Alice Corporation Pty. Ltd. v. CLS Bank International (2014)」

五、抽象的模型訓練方法並不具備技術特點 - 歐洲訴願案T 1998/22(https://enpan.blogspot.com/2025/11/t-199822.html)

發明涉及訓練一個廣泛而深度(wide and deep)的機器學習模型,其中以一個「訓練集」共同訓練「深度機器學習模型】與「廣泛機器學習模型」,基於預測輸出與已知輸出之間的誤差,可以得出調整上述兩個模型的參數值。

其中"廣/深"涉及「不明確性」問題。
其中改善數學模型並沒有解決技術問題、其中解決問題的數學模型也已經揭露在引證案中,使得「改善已知模型的數學方法」不能算是解決了技術問題;發明與引證案差異僅在電腦程式指令,沒有技術貢獻。因此,整體上發明缺乏進步特徵(lack an inventive step)。

六、AI系統中運用機器學習演算法、使用模型的流程,即便被判定是抽象概念的數學方法,但如果Claims中包括有「非電腦元件」,證明是將抽象概念整合為具體應用的額外元件(additional elements),才有機會判定是符合專利適格性的發明~


七、AI相關專利適格性案例(解方)分享

案例一:Recentive Analytics, Inc. v. Fox Corp. (CAFC 2025)

僅將機器學習方法/模型應用(“apply it")在特定領域,並不足以克服不具專利適格性的101審查意見。

根據本案例,在USPTO審查都克服了101核駁意見,也都取得專利,但卻又無法度過法院審查的考驗,因此申請人/發明人要從法院角度來看101議題。

功課一:相關AI的發明,如機器學習演算法,“動詞”的規劃很重要
功課二:OA中,時常暗示/明示審查委員認為可以克服101核駁意見的意見
功課三:善用面詢,本案是經過與審查委員面詢後,審查委員提供克服101核駁意見的方向
功課四:即便審查委員可能在面詢時也沒有說到滿,但申請人仍進一步修正專利範圍,闡述發明(藉著改變專利範圍步驟(動詞:detecting, updating...)更明確地表達發明手段以能達成其目標功效)
功課五:提在機器學習方法普遍被認為是數學方法的情況下,要具有專利適格性,需要在專利範圍中引入「特定、非通常電腦技術的改進,以及描述如何達成」的有意義元件。
功課六:撰寫專利說明書與專利範圍的建議:
  • (1)描述具體的先前技術問題。
  • (2)呈現出特定解決方案,應跳脫習知機器學習的方法,提出新的機器學習模型架構、特徵擷取的技術、改善的模型訓練方法等。
  • (3)描述機器如何不同於人類執行的方法,不能僅說明機器可以更快、更有效率、更準確等效果。
  • (4)證明結果與技術上的影響,而且是專利範圍就要反映出達到這個結果與其影響的技術手段。
功課七:如果發明本身確實是機器學習演算法,如果沒有特定用途,或是特定機器執行發明,根據本案例教示,如果發明本質上是數學方法,將此列為營業秘密也是不錯的方式。

案例二:Ex parte Desjardins (PTAB Sep. 26, 2025)

當軟體是改良電腦技術,這樣的軟體就不是抽象的。


案例三:從不具專利適格性的法院意見理解壓縮技術的可專利方向 - REALTIME DATA LLC v. ARRAY NETWORKS INC. (Fed. Cir. 2023)

法院教我們怎麼寫專利:


功課八:專利說明書寫好細節,習知的問題、解決問題的手段(方法步驟、資料結構、訓練技術),與達成的技術效果,避免僅有功能性描述與效果。

八、Google專利申請案提供的101答辯建議

即便發明本身(利用模型搜尋影像資料)很"電腦程序",系統專利範圍包括:處理器、記憶體,經執行其中指令,執行以下步驟:接收prompts、以影像產生模型處理prompts、根據產生的影像判斷一或多個搜尋結果、提供搜尋結果介面。

本案最終獲准理由是:專利範圍經修正後已改善建立模型的技術,其中流程不僅是以電腦為工具執行的步驟。


Ron

2026年10月16日 星期五

USPTO之AI商標分類器與圖形搜尋器

本篇關於美國商標局AI商標分類器 - Class ACT(Trademark Classification Agentic Codification Tool),已經是實施一段時間的措施了,在此僅是補資料。

Class ACT功能是:對商標申請案(特別針對申請人沒有填寫分類的申請案)自動指定國際分類(International Class)、給予圖形檢索代碼(Design Search Codes)與輔助標記(Pseudo Marks)。

其他AI工具:
根據USPTO一些報導,商標局的AI工具還提供外部用戶商標中心(trademark center)產生擬定的商標描述和顏色聲明。(編按,此功能需要認證代理人,並確認申請商標者,我就沒法測試了!)

商標局推出人工智慧圖像搜尋工具,讓客戶上傳圖像並尋找相似商標,網頁:https://tmsearch.uspto.gov/search/search-information

從Trademark Center開始:https://trademarkcenter.uspto.gov/


搜尋功能需要登入USPTO.gov(MyUSPTO),影像搜尋網頁:https://tmsearch.uspto.gov/search/search-information

範例:







Ron

2026年10月15日 星期四

歐洲專利中具有技術貢獻的數學方法為可專利標的 - 筆記

參考EPO專利審查指南G-II, 3.3(https://www.epo.org/en/legal/guidelines-epc/2024/g_ii_3_3.html)關於數學方法(mathematical methods)的規定。

EPC Art. 52(2)(a) Patentable Inventions 規定發現、科學原理與數學方法(mathematical methods)不能稱專利法規定的發明,因此如Art. 52(3)規定,應排除其本身(as such)可專利性。
(1)European patents shall be granted for any inventions, in all fields of technology, provided that they are new, involve an inventive step and are susceptible of industrial application. 
(2)The following in particular shall not be regarded as inventions within the meaning of paragraph 1:
(a)discoveries, scientific theories and mathematical methods; 
(b)aesthetic creations; 
(c)schemes, rules and methods for performing mental acts, playing games or doing business, and programs for computers; 
(d)presentations of information. 
(3)Paragraph 2 shall exclude the patentability of the subject-matter or activities referred to therein only to the extent to which a European patent application or European patent relates to such subject-matter or activities as such.

整理G-II, 3.3規定,數學方法本身無法取得專利,但仍有情況是不能排除發明的可專利性:

(1)如果發明(指claims)指向涉及使用技術手段(例如電腦)的方法或裝置,則其專利標的的整體上具有技術特徵,而不會因為Art. 52(2)和Art. 52(3)的規定而被排除可專利性。("If a claim is directed either to a method involving the use of technical means (e.g. a computer) or to a device, its subject-matter has a technical character as a whole and is thus not excluded from patentability under Art. 52(2) and (3).")

(2)這裡規定「僅指出數據的技術性質或數學方法的參數不足以構成專利法定義的發明」("Merely specifying the technical nature of the data or parameters of the mathematical method may not be sufficient on its own to define an invention within the meaning of Art. 52(1). "),反過來說,就是要證明發明非僅指出數據的技術性質或數學方法的參數,就為可專利標的。

(3)這裡提到的一個事實,數學方法可以服務一個技術目的並不足以取得可專利性,而發明(專利範圍)要功能性地限定在特定技術目的,不論是明確或隱含地,透過建立「技術目的與數學方法」之間足夠的連結而證明其可專利性,例如,指出關於技術目的的數學步驟輸入輸出的程序如何運作,則可以讓數學方法連結到技術效果上("Furthermore, the mere fact that a mathematical method may serve a technical purpose is not sufficient, either. The claim is to be functionally limited to the technical purpose, either explicitly or implicitly. This can be achieved by establishing a sufficient link between the technical purpose and the mathematical method steps, for example, by specifying how the input and the output of the sequence of mathematical steps relate to the technical purpose so that the mathematical method is causally linked to a technical effect.")。

或許,G-II, 3.3以上段落給了我們取得關於數學方法的專利的一些線索。

my two cents:
可參考另一篇關於以上章節涉及AI發明的可專利性議題:EPO的AI可專利性討論(https://enpan.blogspot.com/2025/05/epoai.html),當AI發明都可以專利了,數學方法也有機會。

Ron

2026年10月14日 星期三

瀏覽次數達400萬人次

瀏覽次數達400萬人次


稍早的截圖:


(其實有點煩/但又不見得是我需要擔憂的事...本部落格短短4個月累積100萬瀏覽次數,應該多數是不正常流量~)

補充:目前部落格PO文共3078篇內容,感謝許多"真人"的支持與愛好與批評,但更多流量是"假人"吧!(updated on Oct. 15, 2026)

Ron

EPO對AI專利適格性的看法


其中「The EPO has responded to the emergence of AI by refining its approach to patentability of inventions. AI is considered a branch of computer science, and therefore, inventions involving AI are considered "computer-implemented inventions" (CII). Patents may be granted when AI leaves the abstract realm of mathematical algorithms and computational models and is applied to solve a technical problem in a field of technology.」

這裡提到兩個條件:當 AI發明 (1)超越數學演算法和計算模型的抽象概念時,並(2)應用於解決特定技術領域中的技術問題時,便可獲得專利授權。


審查指南Part G/Chapter II/3.3.1 Artificial intelligence and machine learning:(以下穿插中文摘要,可以得出EPO對於AI相關發明的看法)

Artificial intelligence and machine learning are based on computational models and algorithms such as artificial neural networks, genetic algorithms, support vector machines, k-means, kernel regression and discriminant analysis. Such computational models and algorithms are per se of an abstract mathematical nature, irrespective of whether they can be "trained" using training data. (計算模型與演算法本身是抽象數學本質,無關於其如何被訓練) However, their use does not by itself render inventions related to artificial intelligence or machine learning non-patentable(然而,他們關於AI應用/user並非不能專利), and the guidance provided in G‑II, 3.3 generally applies. This means that, if a claim of an invention related to artificial intelligence or machine learning is directed either to a method involving the use of technical means (e.g. a computer) or to a device, its subject-matter has technical character as a whole and is thus not excluded from patentability under Art. 52(2) or (3)(整體上若有技術手段或是裝置等技術特徵,仍是可以專利的標的). In such cases, the computational models and algorithms themselves contribute to the technical character of the invention if they contribute to a technical solution to a technical problem, for example by being applied in a field of technology and/or by being adapted to a specific technical implementation.(AI、演算法、電腦軟體等,若有技術特徵、解決技術問題,有技術貢獻(相對前案而言),為可專利標的)
...

以下段落都是反映上述的精神,而特別在最後一段,提到「機器學習演算法」實現的技術效果應為顯而易見的,並可通過解釋、數學證明、實驗數據等方式確立其技術效果,但沒有必要提出詳細的證明,但如果「技術效果」取決於所用「訓練資料集」的特定特徵,則必須公開重現所述技術效果所需的特徵。除非本領域技術人員可以知悉,通常並不需要公開所述訓練資料集本身。

"The technical effect that a machine learning algorithm achieves may be readily apparent or established by explanations, mathematical proof, experimental data or the like. Mere assertions are not enough, but comprehensive proof is not required either. If the technical effect depends on particular characteristics of the training dataset used, the characteristics required to reproduce the technical effect must be disclosed unless the skilled person can determine them without undue burden using common general knowledge. However, in general, there is no need to disclose the specific training dataset itself (see also F‑III, 3 and G‑VII, 5.2)."

參考自己寫的內容:EPO的AI可專利性討論(https://enpan.blogspot.com/2025/05/epoai.html)提出幾頁講義:


Ron