被此篇標題吸引，但在細讀此篇內容之前，先自己理解怎麼寫AI為基礎的專利範圍，這類專利範圍明顯是以process描述技術特徵的軟體專利，又要"盡力"排除可能會面對不符美國35U.S.C.101規定的核駁意見，於是就要先檢查此AI-based發明(1)是否有除電腦以外的特殊硬體特徵？(2)是否有解決技術問題？(3)是否相對已知技術具有技術貢獻的技術特徵（additional elements）？(4)是否僅是倚賴數學方程式的發明？或是(5)僅是運用演算法得出的智能模型？... （快速閃過的一些檢查項目，十分＂訓練有素＂的樣子，但其實很切實際地需要快速在心頭閃過的判斷！！！）
看看此篇內容，可以整理出一些重要資訊，加上我的想法，有興趣者可參考報導原文。本部落格經常談論101議題（https://enpan.blogspot.com/search/label/101），本次也藉機將自己的想法與過去報導整理一下。
- AI已經是很多技術的工具，申請專利也成為趨勢，而專利審查委員/法官也虎視眈眈～
- AI-based發明直接涉及的專利法議題是「專利適格性」，各國有各自的判斷原則，本部落格也都有相關文章，討論最多的就是美國的35U.S.C.101專利適格性判斷法則 - Alice/Mayo TWO-STEP test。
- AI-based發明主要是由軟體流程表達，其中基礎是數學概念，基本上會涉及抽象概念，因此發明需要能"轉換為具體應用"，就查看其中是否具備可以轉換抽象概念為具體應用的額外元件（additional elements）。
- 這裡提到，涉及AI的發明，因為有演算法與數學方法，不意外地會面對主觀判斷、不一致的判斷，以及產生爭議的判斷。
- 本篇提到在2023年初，美國最高法院曾有機會在幾個案例中釐清專利適格性議題（與AI無關，主要是因為101議題），但美國最高法院把這機會放掉了~~~。案例分別是：Interactive Wearables LLC v. Polar Electro Oy, No. 21-1281 (U.S. May 15, 2023)
Tropp v. Travel Sentry Inc., No. 22-22 (U.S. May 15, 2023)
Avery Dennison Corp. v. ADASA Inc., No. 22-822 (U.S. May 30, 2023)
本部落格相關報導包括：
----------------------------------------------------------
- 最高法院拒絕審理兩件下級法院的專利適格性判決 - 101議題更撲朔迷離（https://enpan.blogspot.com/2023/05/101.html）
- 審判專利適格性考量發明是否明確？- Interactive Wearables, LLC v. Polar Electro Oy et. al (E.D.N.Y. 2020)（https://enpan.blogspot.com/2022/04/interactive-wearables-llc-v-polar.html）
此案例讓專利適格性議題更為撲朔迷離：
結論是，法院判定系爭專利僅描述了普通或是不起眼的技術特徵，說明書也沒有支持針對特定問題提出的技術解決方案（不夠明確），認為說明書限制了本次關於請求項元件為抽象功能描述，缺乏實現發明的技術解釋（"The specification limits its discussion of the components to abstract functional descriptions devoid of technical explanation as to how to implement the invention."），判決系爭專利不可專利，專利無效。
- 硬體結構描述不足的專利適格性議題 - TRAVEL SENTRY, INC. v. DAVID A. TROPP (CAFC 2022)（https://enpan.blogspot.com/2023/05/travel-sentry-inc-v-david-tropp-cafc.html）
此案例讓「結構專利」也面臨專利適格性的挑戰：
根據系爭專利的技術可知，這是一個結構裝置的專利，但是寫成方法專利就有「不適格」的問題，地方法院在審理專利適格性議題時，認為如上述'537的claim 1所描述的方法專利實質上描述了使用與行銷行李鎖的基本步驟，這是長期存在的基本經濟實踐與組織人類活動的方法。據此認為系爭專利為不可專利（ineligible）。
- 習知硬體中的編碼技術的專利適格性議題 - Avery Dennison Corp. v. ADASA Inc. (Fed. Cir. Dec.16,2022)（https://enpan.blogspot.com/2024/03/avery-dennison-corp-v-adasa-inc-fed-cir.html）
此案目前的結論是：
"院認為這個案件類似Enfish案，其中同意通過資料結構的設計改善電腦記憶體的技術（self-referential data structure）的專利適格性，所帶來的技術效果是提供程式員更好的彈性、更快的搜尋時間，以及更少的記憶體需求。"
----------------------------------------------------------
- 本篇文章切中AI-based發明的本質，就是將數學概念轉化為驅動真實世界運作的機器學習模型，這裡列舉的應用如，數學模型在金融領域中擔負安全性的角色，這明顯具備有具體應用。但在實務上，這樣明顯的"轉換（transformation）"卻在專利審查中走不出來。
- 縱有以上困難，本篇仍建設性地提供了一些撰寫AI-based發明專利範圍的考慮：
- 明確界定發明的技術領域，避免專利審查時過廣地解釋專利範圍。
- 要明確描述AI運作機制與功能，不要僅是提到神經網路、深度學習等而已。
- 強調技術優點，如改善效能或是降低錯誤的優點，強化AI-based的技術貢獻，藉此區隔抽象概念或一般應用而已。
- 避免過度倚賴演算法，要強化在真實世界的應用。
- AI-based發明的專利範圍怎麼寫，參考本篇內容再發展一些內容：
- 多層次專利範圍，從較廣的專利範圍寫到愈來愈限定特徵的範圍，這應該是普遍專利範圍撰寫的原則，我想這在AI-based發明更是需要的，如果最廣專利範圍被判定是抽象的，但至少要有一個附屬項可以避免如此（雖然專利審查應該是逐項審查，但實務上，專利審查委員常是一併地駁回所有附屬項，但．．．還是要讓專利範圍有機會答辯，特別是歐洲專利對於範圍撰寫與修改的限制）。
- 功能性的專利範圍，雖這樣的專利範圍會面對其他問題（如112議題），但功能性專利範圍主要是要強調AI達成的具體效果，不要僅是演算過程而已。
- 描述數據的獨特性，因為AI運作倚賴數據，可以強化其具體應用。這算是常識，因為每件AI-based發明都是針對特定領域的發明，特定領域必然是針對特定領域的數據，主要是提醒要強調數據的獨特性。
- 避免過於涵蓋性的描述，這確實是AI-based發明常常的問題，也是發明人常常講不清楚的部分。
- 持續更新，包括法條與技術發展，這應該是本部落格的目的之一。
Ron
沒有留言:
張貼留言