免費的文章來自SSRN："SSRN is devoted to the rapid worldwide dissemination of preprints and research papers and is composed of a number of specialized research networks."。
「專利適格性在促進AI創新的角色」有滿滿的65頁，在這裡參考此文內容，並加上自己的筆記與心得。
文章一開始提到對於＂抽象概念的專利適格性＂的影響都始於美國最高法院「Alice Corp. Pty. v. CLS Bank Int’l」判例，使得專利適格性在這十多年成為最重要專利議題之一，自然也延續到這幾年火燙的AI領域，這裡提到矛盾的是，一方面AI科技可以促進產業發展（被稱為第四次工業革命），另一方面以促進產業發展為宗旨的專利制度卻處處阻礙AI的可專利性。
👀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）
因為AI技術領域涉及數學、演算法、方法論，明顯是軟體驅動的發明，即表面上是抽象概念的發明，使得相關發明處處遇到專利適格性議題，因此在相關發明要申請專利時，談案時不免要求發明人揭露AI的運作細節、方法論，避免不明確問題外，也要試圖從中找到可以轉換為可專利應用的額外元件（additional elements，通常是非常規與習知的元件）、可以實質超越不可專利例外的進步概念／特徵（inventive concept，通常是可以與先前技術區隔的特徵）（法律語言）等。一般判斷原則是：
step 2A, prong two: 判斷請求項之整體是否整合所描述的法定例外為具體應用(practical application)，其中評估(1)識別其中超越法定例外的額外元件(additional elements)；(2)評估額外元件的個別或組合使否整合法定例外為具體應用？
step 2B: 評估專利範圍的整體是否實質超越法定例外，即判斷所述額外元件是否具有進步概念(inventive concept)？
👀USPTO發布AI專利標的專利適格性審查指南 - 筆記(1)（https://enpan.blogspot.com/2024/07/usptoai.html）
👀USPTO發布AI專利標的專利適格性審查指南 - 筆記(2)（https://enpan.blogspot.com/2024/07/usptoai-2.html）
👀USPTO發布AI專利標的專利適格性審查指南 - 筆記(3)（https://enpan.blogspot.com/2024/07/usptoai-3.html）
如此，在AI技術專利適格性的邊界模糊不容易簡單判斷的情況下，AI演算法外，AI技術的應用是比較明確且具體的技術，即便其中仍面臨＂軟體驅動＂、＂AI驅動＂發明落於抽象概念的問題，解決方案可參考上述「USPTO發布AI專利標的專利適格性審查指南」，其中指引我們如何使申請專利範圍具有專利適格性，例如，不要在專利範圍中描述數學方法、具有硬體元件、非普通電腦的元件、有具體應用、專利範圍要有意義的限制，其中步驟最好有產生轉變的步驟（如訊號轉換、資料變更）等。
關於AI發明的專利適格性，事實上就是軟體發明的專利適格性，可以從1981年最高法院判例「Diamond v. Diehr」開始談起，法院強調即便發明限制在特定技術環境或是無關緊要的“解決問題後的活動”（insignificant post-solution activity），若專利範圍僅描述數學方程式或其他不具可專利性事項，所述發明不具專利適格性，根據此原則，在Diamond v. Diehr案例中，系爭專利（US4,344,142）並非要專利一個數學方程式，而是一個工業程序（塑型），因此判定專利有效。
👀經典案例Diamond v. Diehr (Supreme Court 1981)筆記（https://enpan.blogspot.com/2019/02/diamond-v-diehr-supreme-court-1981.html）
之後，聯邦法院連續作出幾件以開放態度面對軟體與商業方法的判決，不過這個對軟體發明友善的好處引來了NPE（non-practicing entities），生出大量的“垃圾專利（文中寫的是“dumb patents”）”，NPE就啟動了許多侵權訴訟。
(updated on May 2, 2025，抱歉，這邊我更新了一下)
後來，法院不忍了，CAFC作出經典的「In re Bilski」判決，其中CAFC en banc判定「machine-or-transformation test」是唯一判斷process是否符合35U.S.C.101專利適格性的方法，並引入抽象概念（abstract idea）的概念，最高法院之後也確立這個方法，但不認為這是唯一，而是重要且有用的方法，其實最高法院部分否決CAFC判決而作出一些“頗為模糊的判斷原則”（編按，記得某個時期只要加入“硬體元件”就使得軟體發明具有專利適格性）。
可參考：Extra-Solution Activity的發明可專利性？（https://enpan.blogspot.com/2012/03/extra-solution-activity.html）補充資料。
”machine-or-transformation test：
(1) it is tied to a particular machine or apparatus, or
(2) it transforms a particular article into a different state or thing.“
(2) it transforms a particular article into a different state or thing.“
👀IN RE BERNARD L. BILSKI and RAND A. WARSAW案情簡單描述（https://enpan.blogspot.com/2009/03/in-re-bernard-l-bilski-and-rand-warsaw.html）
👀從Bilski案看軟體專利（https://enpan.blogspot.com/2010/07/bilski_20.html）
後續許多著名的判例也就一一產生，如Mayo，關於運用自然法則的發明專利適格性，若發明關於自然法則，其中技術又僅連結已知、常規與習知的活動，專利範圍中的流程步驟並不足以轉換不可專利的自然法則為可專利的應用。基於法院共識規範出"抽象概念"不可專利的原則，之後衍生出現行美國專利適格性判斷的基本原則 - TWO-STEP framework。
👀使用自然律的技術可專利性討論 - Mayo Collaborative Services v. Prometheus Laboratories, Inc. 2012)（http://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101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。“
其中step two衍生出針對電腦軟體發明的專利適格性的審查基準，例如，通用電腦執行一般電腦功能屬於已知、常規與習知的產業活動，並不足以滿足“inventive concept（進步概念）”的要件，形成現行Mayo/Alice的專利適格性檢視的兩步驟架構step one, step 2A-prong one/prong two, step 2B。除了最高法院可以推翻自己之前的判例外，其他法院（特別是CAFC）在許多的案例中則是（不能推翻）修整出TWO-STEP架構下的邊界，加上USPTO依循法院意旨作出的審查指南，如2019年初發布的「2019 patent eligibility guidance」，以及同年11月的更新：美國專利局於10月又更新了專利適格性審查方針（https://enpan.blogspot.com/2019/10/10.html），USPTO專頁：https://www.uspto.gov/about-us/news-updates/us-patent-and-trademark-office-announces-revised-guidance-determining-subject。
文中說到CAFC針對基於地方法院的101相關判決的上訴議題，事實上同意地院針對專利適格性 的判決的比例很高（常見訴訟議題會同時涵蓋101, 102, 103, 112,...），也表示USPTO與地方法院在專利適格性的判決頗為一致，如此可理解TWO-STEP架構是值得信任且有共識的，也表示在各個行政與司法機關對於軟體專利是否可專利的態度蠻一致的。值得一提的是，文中表示並沒有證據顯示目前Alice的兩步驟檢視方法有增加對軟體專利的阻礙，例如，根據USPTO的報告，在頒布「2019 patent eligibility guidance」之後，專利申請人接獲101核駁意見的比例還比頒布之前少約25%（編按，參考作者的判斷，當然這與專利申請人的“警覺心”以及相關領域申請案的日趨保守心態有關，加上代理人的把關，可能都是降低比例的原因。）。
進到AI蓬勃發展的時代，AI相關發明的專利申請案大增，面對專利適格性的挑戰，如本篇一開始提到的矛盾：AI科技可以促進產業發展，但專利制度卻阻礙AI的可專利性，看來目前是沒有特別的突破。
AI驅動發明的101核駁範例：AI驅動發明就是演算法/數學/軟體驅動的發明，明顯地所採用的工具就是電腦系統，因此演算法/數學/軟體不容易克服抽象概念的本質，因此需要「額外元件」，也就是電腦系統以外的元件，或是非電腦通常功能以外的程序，並證明這些元件整合為具體應用（practical application）。以此範例而言，可知通常的電腦元件如：database, sensor, machine-learning, communication device, network, interface...等，當然也不是審查委員說了就算，還是需要對此認知進行答辯。
資訊參考：
＋許多本部落格的文章可參閱以上連結。
Ron
沒有留言:
張貼留言