本案被USPTO選為35U.S.C.101議題的「Precedential/判決先例」，審查歷程完整（USPTO->Appeal/PTAB->Request for Rehearing->Decision on Request for Rehearing->Decision of Rehearing），並且內容“豐富”，對於101的審查有條有理，確實是很經典的案子。（從一致認為機器學習模型的訓練方法不具專利適格性...到最後認為本發明訓練方法已經改良機器學習模型的運作，並非僅是數學計算而已...過程的論點其實是蠻好看的，但因為內容沒有精練過，因此有點冗長。）
Ex parte Desjardins (Appeal 2024-000567)訴願案資訊：
系爭申請案（申請號）：16/319,040
再審決定日期：September 26, 2025
系爭申請案原始申請人是DeepMind（後來被Google併入），Claim 1如下（加一些我的理解與註解），發明關於訓練機器學習模型的方法，根據說明書記載，要訓練一個適用多種任務的機器學習模型，這個模型需要在每個任務中都能達成可接受的效能，如果又要在使用更少的儲存容量與低複雜度達成這個目標，系爭申請案提出一個解決方案。其中說明，若只有維護單一目的的模型，僅需儲存一組參數，若要對每個任務都維持可接受的效能，可以減少需要的儲存空間。根據發明內容，在針對新的任務訓練模型時，可以調整參數優化部分基於之前學習任務中的“重要參數”的“目標函數（objective function）”（此函數目的是僅針對重要的參數進行調整，因此如claim描述，要取得/測量/計算模型參數的重要性），如此，僅通過調整參數優化目標函數的方式使模型可以運用在新的任務上，使得機器學習模型可以有效學習新的任務外，還保護之前任務的知識，即達成完成一個任務訓練的模型，可以用在多個任務上，且個別都達到可接受的效能。
(1)訴願階段：
系爭申請案在USPTO審查階段是因為顯而易見(35U.S.C.103)被駁回，經DeepMind提起訴願，訴願委員會（PTAB）在訴願決定中，還加上一個新的駁回理由 - 發明不符35 U.S.C. § 101專利適格性規定。（編按，不過在Rehearing之後，Appeals Review Panel ("ARP")）
同樣地，關於101議題，訴願委員會運用了最高法院基於Alice等案例提出的TWO-STEP專利適格性檢測，第一個檢測是判斷發明是否涉及法定不可專利的概念，如抽象概念與自然律等；如果發明屬於不可專利的概念，第二個測試是查發明中的元件是否包括足以轉換不可專利的概念為可專利應用（patent-eligible application）的「進步特徵/inventive concept」。
編按，雖TWO-STEP test原則不變，但每次USPTO/PTAB/法院用語與詮釋方式都有差異，每次也不厭其煩地再看一遍。這次也不例外，確實PTAB也給了一些“似曾相似”的理解：step one (step 2A, prong one/prong two)是整體發明來看是否涉及不可專利概念；step two (step 2B)則是以個別特徵/元件來檢查是否有“inventive concept"。並且還幫忙又整理了一次2019 Revised Guidance，明白又清楚。
2019 Revised Guidance
step 2A
step 2B
Step 2A結論：
Step 2B結論：申請專利範圍中沒有任何元件或元件的組合讓發明“實質超越/signficantly more"而能轉換抽象概念為可專利的應用；並且發明使用一般目的電腦訓練模型，並不單獨可以轉換抽象概念為可專利標的。
經PTAB審查後，判定系爭申請案不具非顯而易知性，另判定claims 1-6、8-20不具專利適格性(claim 7已經在答辯中被刪除)。詳細的Appeal審查內容：https://app.box.com/s/ol04glyv9kbdjwwj81ols0susg8n31ss（備份）
訴願不成立後，申請人可以選擇reopen prosecution或是request rehearing，DeepMind選擇後者。
(2)請求再審(Request for Rehearing)階段：
（基本上是同一群人審理request for rehearing，訴願有3位APJ，此程序換掉其中一位(本案)，並不容易翻盤）
審理Request for Rehearing引用一些不同法院案例，都很值得一談：(1)不論在該領域有多進步，仍在非抽象應用領域上沒有創新；(2)機器學習本質上是不屬於技術改善。
系爭申請案發明中"唯一"的亮點 - 限制在特定情境，並沒有改變其抽象概念的本質。
可參考自己覺得不錯的整理：
-僅運用機器學習技術在新的領域仍不具專利適格性 - Recentive Analytics, Inc. v. Fox Corp. (CAFC 2025)（https://enpan.blogspot.com/2025/05/recentive-analytics-inc-v-fox-corp-cafc.html）
-機器學習方法的專利適格性有解方嗎？ - Recentive案的功課（https://enpan.blogspot.com/2025/11/recentive.html）
-機器學習方法的專利適格性解方 - Recentive案的另一篇功課（https://enpan.blogspot.com/2025/11/recentive_30.html）
審理Request for Rehearing的決定仍確認2025/3/4的訴願決定。
Request Rehearing決定：https://app.box.com/s/g4gh1azviemb1uszfr762mc9a1ai33o3（備份）
(3)再審（Rehearing）決定：
基於PTAB於March 4, 2025作出的訴願決定，以及於May 5, 2025 針對Request for Rehearing的決定，Appeals Review Panel ("ARP"/訴願審理小組，全新的成員)作出在再審決定。
對於訴願階段新增的駁回理由（35U.S.C.101），雖然ARP否決新增此理由，但其中仍有重要的訊息。
ARP在其決定中做了整理，特別在step 2A, prong two討論中，提到了經典Enfish案例，也就是當發明改善了電腦功能或是改善了特定技術領域的技術，就符合專利適格性規定。藉此也確認軟體是可以改善/改良電腦技術，這樣軟體就不是抽象的了。
基於Enfish案例，DeepMind強調系爭申請案發明中就有這樣改善調腦技術的AI系統，如以上提到說明書記載發明可以使用較少的儲存空間，以及減少系統複雜度，這次，ARP同意申請人意見，也就是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。
根據ARP的意見，雖是為了美國在AI上的主導地位會因為目前專利法的阻礙而憂心，但整體上確實講出不少人的心聲，明明一個有充分揭露、具有創造性／非顯而易知的發明，卻因為被認為法定不予專利(一般目的電腦執行)的演算法而被駁回。這回ARP主動針對35U.S.C.101提出主張，認為之前判決都忽視了Enfish案例給出應該依循的前例（最後表示APJ新加的101議題是違法的）。
可參考：
- 改善電腦技術的軟體方法具有可專利性？ - Enfish LLC v Microsoft (Fed. Cir. 2016)（https://enpan.blogspot.com/2016/05/enfish-llc-v-microsoft-fed-cir-2016.html）
針對101議題，ARP認為系爭申請案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."），ARP判定claim 1整體來看是整合抽象概念為具體應用，同樣意見適用claims 18, 191與其他附屬項。
不過，系爭申請案發明雖可通過101檢驗，卻仍是不具非顯而易知性。
my two cents:
本案例確實是針對AI相關發明適格性議題提出最有建設性具參考價值的案例之一，雖USPTO/PTAB訴願委員會都認定系爭申請案發明（機器學習模型的訓練方法）是一般目的電腦執行的抽象概念，並沒有改善電腦功能，內容也挺說服人的，不過，案件到再審階段，最後ARP判定依照Enfish案判決申請案發明是符合專利適格性規定，這更是因為Enfish案給了大家一個明路，即便是軟體，都可以帶來技術(電腦功能)上的改善。
當然，本案系爭申請案說明書幫了很多忙，因此在這類發明中，對於AI模型、演算法、訓練方法都應(1)充分揭露，不論是其中訓練資料取得、訓練方法，與其中運作邏輯；(2)說明發明對於該領域（電腦技術）提供的改善與功效；(3)避免權利範圍僅是描述數學方法。現在可能被駁回，但將來可能有機會答辯的。
PTAB Rehearing 決定：https://www.uspto.gov/sites/default/files/documents/202400567Ex_parte_Desjardins_arp_rehearing_decision.pdf（備份：https://app.box.com/s/5exivotwjexlbak6vl3k4758kags1x81）
Ron
沒有留言:
張貼留言