- 利用神經網路執行深度學習的技術的可專利性 - Ex parte Hannun (PTAB Apr. 1, 2019)（https://enpan.blogspot.com/2022/06/ex-parte-hannun-ptab-apr-1-2019.html）
- 使用數學方法但產生實際應用為可專利標的 - Ex parte Hannun, 2018-003323 (Apr. 1, 2019)（https://enpan.blogspot.com/2020/01/ex-parte-linden-2018-003323-apr-1-2019.html）
討論「AI演算法」，明顯地，背後運行的是數學方法，通常也是運用一般目的電腦為工具執行機器/深度學習演算法的通常運算功能。這樣是「抽象概念」，也可能被視為採用習知、已知與常規的元件的技術，而不包括進步特徵（inventive concept），使得發明不具備可以轉換為可實際應用的額外元件（additional elements），這時，否則將被判定為不具專利適格性（ineligible）。
可參考：USPTO回應Berkheimer案提出step 2B審查備忘錄（https://enpan.blogspot.com/2018/04/usptoberkheimerstep-2b.html）
常規的電腦功能：
i. 通過網路接收或傳送資料（"Receiving or transmitting data over a network"）。
ii. 執行重複的計算（"Performing repetitive calculations"）。
iii. 電子記錄（"Electronic recordkeeping"）。
iv. 在記憶體中儲存與取得資料（"Storing and retrieving information in memory"）。
v. 從實體文件電子掃描或擷取資料（"Electronically scanning or extracting data from a physical document"）。
vi. 網頁瀏覽器的前後頁功能按鈕（" A web browser’s back and forward button functionality"）。
可參考：INVENTIVE CONCEPT的意思不是新穎與進步性 - Two-Way Media v. Comcast (Fed. Cir. 2017)（https://enpan.blogspot.com/2017/11/inventive-concept-two-way-media-v.html）
inventive concept判斷是看專利範圍通過解釋後是否為一般公知、常規與習知的技術？"The claims contained no saving inventive concept because although they recited some computer components, they required only ordinary functionality of these components."
可參考：產生「實質超越」抽象概念效果的額外元件有：（https://enpan.blogspot.com/2018/07/101.html）
- 改善其他技術或技術領域。
- 改善電腦功能。
- 在抽象概念上，或是通過特定機器（particular machine）：(1)不能是一般目的電腦執行一般電腦功能；(2)不能僅加入用語"apply it“或是"實施抽象概念的等效用語；(3)不能僅是在電腦中實現抽象概念的指令。
- 轉換特定物品為不同的狀態或事物的效果。
- 加入"非公知‘常規與習知"的特定限制。
- 加入非習知的步驟而可限定專利範圍為有用的應用上（不能僅是加入非重要的額外方案活動，如資料採集）。
- 加入有意義限制到特定技術領域，而能使得專利範圍超越其一般抽象概念的使用。
但是AI（軟體）技術（典型如AI、影像處理、編解碼技術...）仍應具備可專利的發明特點，可以分別討論具有硬體與沒有硬體（數學方法）的相關技術，而且不是僅加入硬體就可以具有專利適格性。
---沒有特定硬體案例---
參考案例：
- 改善電腦技術的軟體方法具有可專利性？ - Enfish LLC v Microsoft (Fed. Cir. 2016) （http://enpan.blogspot.tw/2016/05/enfish-llc-v-microsoft-fed-cir-2016.html）
- 改善電腦技術的發明非為可專利性標的，後見之明？ - TLI Communications v. AV Automotive (Fed. Cir. 2016) （http://enpan.blogspot.tw/2016/05/tli-communications-v-av-automotive-fed.html）
以下重點參考IPWatchdog文章：https://ipwatchdog.com/2021/08/21/drafting-ai-patents-challenges-solutions/id=136929/
- AI發明有三個方向：實現AI模型的演算法、訓練數據的方法、使用訓練好的AI模型實現的應用。
- 撰寫AI相關發明需要考慮：專利適格性、考量多方侵權的問題、侵權的可偵測性（可以有效判斷侵權行為）。
- 列舉USPTO關於專利適格性中的抽象概念範例：
Example 39 - Method for Training a Neural Network for Facial Detection
claim: A computer-implemented method of training a neural network for facial detection
comprising:
collecting a set of digital facial images from a database;
applying one or more transformations to each digital facial image including mirroring, rotating, smoothing, or contrast reduction to create a modified set of digital facial images;
creating a first training set comprising the collected set of digital facial images, the modified set of digital facial images, and a set of digital non-facial images;
training the neural network in a first stage using the first training set;
creating a second training set for a second stage of training comprising the first training set and digital non-facial images that are incorrectly detected as facial images after the first stage of training; and
training the neural network in a second stage using the second training set.
專利範圍關於電腦實現的訓練神經網路以臉部偵測的方法，判定具有專利適格性的理由是，請求項中並未引述數學概念、即便其中特徵是基於數學方法的；並沒有描述心智活動（沒有人腦執行步驟）、並非管理人類活動。
Example 41 – Cryptographic Communications
Claim: A method for establishing cryptographic communications between a first computer terminal and a second computer terminal comprising:
receiving a plaintext word signal at the first computer terminal;
transforming the plaintext word signal to one or more message block word signals MA;
encoding each of the message block word signals MA to produce a ciphertext word signal CA, whereby CA=MAe (mod n);
where CA is a number representative of an encoded form of message word MA;
where MA corresponds to a number representative of a message and 0 ≤ MA ≤ n-1;
where n is a composite number of the form n=p*q;
where p and q are prime numbers;
where e is a number relatively prime to (p-1)*(q-1); and
transmitting the ciphertext word signal CA to the second computer terminal over a communication channel.
專利範圍涉及在兩個電腦之間建立加密通訊的方法。這裡提供了一個超重要觀念，當討論專利範圍中是否有additional elements，並非評估additional elements是否是習知元件～
本篇涉及演算法，甚至專利範圍也引述了數學方程式（屬於抽象概念），如同大部分AI技術涉及數學方法一樣，然而，當專利範圍中步驟的組合式可以整合抽象概念為實際應用時，表示其中數學方法足以形成實際應用，具有專利適格性。
參考資料：Subject Matter Eligibility Examples: Abstract Ideas－https://www.uspto.gov/sites/default/files/documents/101_examples_37to42_20190107.pdf
---有特定硬體案例---
涉及硬體討論而克服101核駁意見的案例：
以下重點摘要參考IPWatchdog文章：https://ipwatchdog.com/2021/09/03/its-all-in-the-hardware-overcoming-101-rejections-in-computer-networking-technology-classes/id=137300/（本篇是討論電腦網路技術等具有明確硬體的發明的專利適格性）。
幾個重點：
- 即便發明具有硬體，若硬體僅是一個通常電腦工具，仍無法說服具有專利適格性。
- 即便發明具有硬體，答辯時仍要證明發明改良了電腦技術，才能克服具備專利適格性。
- 如果可以證明硬體有"新穎特徵"，或是"經發明改良成有有效的工具"，可以克服101核駁意見。
- 電腦網路技術，不同於軟體發明，基本上已經具備有硬體元件，這樣面對101核駁的風險較低。若是其中硬體改良現有硬體，將可克服101核駁意見；反之，其中硬體若僅是心智活動（mental process）或是行使抽象概念的工具，不具專利適格性。因此，如果硬體僅是一個工具（merely serves as a tool），不具專利適格性。
- 以下案例證明，專注在"硬體"討論可以有效克服101核駁意見，然而，發明需要揭露可以解決問題的硬體細節。
- 列舉案例：
- US 15/859,448 (U.S. Patent No. 10,735,346)，專利關於優化IoT裝置的資料負載。USPTO核駁此案理由是發明描述了心智活動，其中技術可以由人類大腦完成。申請人答辯時加入IoT裝置，主張其中技術或許存在習知技術中，但是卻沒有在IoT裝置中執行，屬於實際的解決方案，因此克服了101核駁意見。
- US 14/838,572 (U.S. Patent No. 11,005,963)，專利關於通過預存資料以優化網路的方法，USPTO認為此案涉及抽象概念，不具專利適格性。申請人引用案例Enfish LLC v Microsoft (Fed. Cir. 2016)，主張發明使用特定技術以改善電腦通過WAN傳輸資料的方法，也說服了審查委員撤回101核駁理由。
Ron
沒有留言:
張貼留言