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—
本案例涉及35U.S.C.101的裁決：
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）
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)
(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
沒有留言:
張貼留言