AI輔助準備訴訟不會簡單被判定放棄律師當事人特權 - Warner v. Gilbarco, Inc . et al (E.D. Mich. 2026)

討論此案例的主要理由是法院判決與前篇「使用商用AI將放棄律師-當事人特權 - United States v. Heppner (S.D.N.Y. Oct. 28, 2025)（https://enpan.blogspot.com/2026/06/ai-united-states-v-heppner-sdny-oct-28.html）」的意見相左，前篇Heppner案被告（刑事案件）在沒有律師建議的情況下使用消費者版本AI（Claude AI）取得法律意見，過程中輸入從律師來的資料，而此AI平台的隱私策略是讓Anthropic使用用戶提供的資料作為訓練AI的用途，法院判決這個行爲破壞當事人與律師之間通訊的保密性（confidentiality），不適用律師工作成果豁免權（work-product doctrine）。反之，本篇討論案例為民事訴訟，當事人原告Warner自為訴訟代理（pro se，沒有聘請律師），Warner使用ChatGPT輔助當事人準備訴訟材料，法院認為這仍是受到保護的工作，法院不認為生成式AI會將其訴訟資料揭露給第三方，因此沒有放棄律師工作成果豁免權（work-product doctrine）的問題。

下這個標題「AI輔助準備訴訟不會簡單被判定放棄律師當事人特權 - Warner v. Gilbarco, Inc . et al (E.D. Mich. 2026)」應該也是頗為危險，因為法院判例還沒有形成，很多判決都是當下情境下的決定，有時無法一體適用，但判決的“意旨”是很好的參考資訊。

本篇判決是來自「United States District Court Eastern District of Michigan Southern Division」（又東又南的法院 - 美國密西根南區東部地方法院），案件資訊：
原告：Sohyon Warner
被告：Gilbarco, Inc. and Vontier Corporation
日期：February 10, 2026

本案原告Warner對GilBarco公司提起民事訴訟，被告在探索程序（discovery）中發現原告證詞使用第三方AI工具，被告請求法院推翻原告的「律師-當事人特權」與其「律師工作成果豁免權」。

本篇判決摘要：

第一，法官認為work-product doctrine保護“另一方或其代表用於準備訴訟的文件與物品”（"documents and tangible things that are prepared in anticipation of litigation or for trial by another party or its representative"），也就是work-product doctrine保護原告準備訴訟的資料，特別是原告自為訴訟代表，有權主張其工作成果豁免權，也包括「AI輔助的材料」，因此仍適用「律師工作成果豁免權」。

（編按，相較之下，前篇Heppner因為聘僱律師並未指使他使用AI，因此放棄了律師工作豁免權，差異在於是否聘請律師，是否使用AI是律師的指示。）

第二，法院認為只有向對手揭露其工作成果才是放棄工作成果豁免權，法院認為ChatGPT僅是個工具，不是人，即便其背後有“管理人”，因此判定使用ChatGPT並沒有放棄律師當事人特權（Attorney-Client Privilege）。

第三，法院同意原告主張使用AI等行為是其內部分析與心智活動（mental impressions/thought process），並非是文件或是證據內容。並且，原告的意見算是“合理地”提出，被告所提出的意見（如果法院同意的話）使現代訴訟都無法避免地失去了律師工作成果豁免權。

還有一個想法是，被告並沒有充分證據表明原告將機密文件提供給AI是違反相關特權，如果僅是懷疑就否決所有權利，以及如果用了AI就失去固有的保護權利，並不成比例。

本案也算不上是任何判決，目前僅是證據揭露階段的爭議，但也就有很多值得參考的功課了。

my two cents:
Heppner與Warner兩個案例答案不同，但其中爲不太一樣的背景與訴訟情節，不見得可以說是"相反"的意見，且使用AI的情況/隱私條款也不盡相同，兩種意見也都頗合理，法院、律師正在與AI拉扯中。

判決資料：https://law.justia.com/cases/federal/district-courts/michigan/miedce/2:2024cv12333/379552/94/ （有訴訟需求的人可以參考這篇，講了不少訴訟雙方的權利義務... 很法律的。）

參考資料：
- Federal Courts Reach Different Outcomes on Whether AI-Generated Materials Warrant Work Product Protection（https://www.paulweiss.com/insights/client-memos/federal-courts-reach-different-outcomes-on-whether-ai-generated-materials-warrant-work-product-protection）
- Michigan Federal Court Protects AI-Assisted Litigation Work Product（https://www.proskauer.com/alert/michigan-federal-court-protects-ai-assisted-litigation-work-product）
- AI in litigation: How courts are analyzing AI privilege in the wake of Heppner（https://www.nortonrosefulbright.com/en/knowledge/publications/97943081/ai-in-litigation-how-courts-are-analyzing-ai-privilege-in-the-wake-of-heppner）

Ron

當客戶不再只聽律師的話時

前幾天分享訴訟過程機密文件交給AI的後果可能會放棄了律師-當事人秘匿的特權的案例，但是現在的當事人並不會乖乖地等律師的意見，無法期待焦慮、面對複雜法律程序以及甚至懷疑律師意見的當事人不會去問AI ... 但在許多不明的情況下，律師怎麼做？

Thomson Reuters Practical Law article ‘Why clients should not put privileged advice into public LLMs’提出法院需要處理目前面臨的問題，大家想問的問題之一是，是否將資料上傳到商業LLM（如ChatGPT、Gemini、Claude... ）就是送資料到公共領域（public domain）？是否傳送給LLM就代表對手可以從中取得機密資料？

律師無法要求當事人不用AI，但可以降低AI帶來的風險，釐清哪些AI工具可以使用、如何驗證AI提供的意見、如何維護法律上該有的權利... 。前篇參考文章（https://lsj.com.au/articles/your-clients-are-using-ai-anyway-and-its-creating-a-privilege-risk-lawyers-cant-control/）中提出一些建議，列舉一些（筆記）。

• 工作前需要指示當事人不能（或是哪些事不能）使用公共領域的AI。
• 律師應用當事人懂的語言與方式工作。
• 建立工作流程，一步步走，讓當事人知道在進度中。
• 律師自己要進步，法律意見也要進步，使用AI也是勢不可擋。
• 無法否定的是AI可協助工作流程快一點，就讓它參與吧。

my two cents:

或許我面對的"底層"工作並沒有那麼複雜，但確實已經受到「邏輯與理智上」的挑戰，當發明人不再僅提出自己的發明，還疊加許多AI資料時，我怎麼辦？如何與AI共存？事實上到目前為止無法處理的是AI講的話我看不懂，AI自以為是的內容還是太多，目前建議發明人自己要先理解AI的內容，到底是不是自己的發明，不能直接輸出AI內容又不曉得裡面的內容，這對我這小小的頭腦而言負擔太沈重。

專業中文資料 - 律師與當事人間之秘匿特權──112年憲判字第9號判決之刑訴視野分析。參考：https://readerspace.com.tw/20230627-1/

Ron

上傳保密文件給AI的可能後果 - UK v. Secretary of State for the Home Department (UTIAC)

筆記

前篇討論「使用商用AI將放棄律師-當事人特權 - United States v. Heppner (S.D.N.Y. Oct. 28, 2025)」，其中涉及的議題是當事人尋求AI提供法律意見，但行為因為不符合Attorney-Client Privilege條件而失去特權保護，使得相關文件需要被揭露。

另有案例 - Glencore International AG v Commissioner of Taxation [2019] HCA 26，關於律師與當事人之間的權利義務關係，律師原本的工作就是維護當事人利益，當中需要雙方花時間充分的溝通、協助法律進程，以及在法庭上爭取權益，而現在的當事人已經沒有時間與律師慢慢磨了，動不動就找AI的幫助，超過律師可以控制的狀況。此案例主要問題是，當事人尋求AI協助法律問題，如果是將需要保密的部分提供給一般可公眾使用的生成式AI，這些保密內容有可能會提供給其他人，而使用者其實並不曉得AI到底會怎麼處理這些內容，甚至不曉得儲存在哪裡。(updated)

本篇參考的文章就提到幾件法院案例，其一為前篇報導的 - United States v. Heppner (S.D.N.Y. Oct. 28, 2025)；本篇特別補充英國有案例 - UK v. Secretary of State for the Home Department (UTIAC)，判決結果是上傳機密文件到開源的AI工具 - 如ChatGPT，將使相關資訊在網路上被公開，也就違法律師與客戶之間保密協定，並放棄了相關法律特權，主要是指律師-當事人特權（Attorney-Client Privilege）。(updated on June 28, 這裡我提出個疑點：此判決通篇說“open-source AI，如ChatGPT”，我覺得應該是指可讓公眾使用的AI（accessible to the general public），或說open AI，且經查不少資料，ChatGPT應不算open source AI。如果"open-source AI"用在地端，應該也不會有洩密的問題。)

UK v. Secretary of State for the Home Department (UTIAC)（UTIAC: Upper Tribunal Immigration and Asylum Chamber：上級法庭移民與庇護庭），摘錄如下：

上傳保密文件到開源AI工具，也就將資訊放在公眾領域，也就違反律師-客戶保密與拋棄法律特權。

這裡提到Microsoft Copilot沒有上述風險（？）。

這段說明AI訓練過程會產生illusion，在法律上的意見並不可靠。

my two cents:

一旦保密資訊成為公眾可存取的資料，法院也就沒有保密義務了。

判決文：https://caselaw.nationalarchives.gov.uk/ukut/iac/2026/81

Ron

專利適格性在促進AI創新的角色 - 筆記3

本篇繼前兩篇(已經是1年前了)再補一篇，內容是基於「The Role of Patent (In)Eligibility in Promoting Artificial Intelligence Innovation」的啟發：

- 專利適格性在促進AI創新的角色 - 筆記1（https://enpan.blogspot.com/2025/04/ai-1.html）

- 專利適格性在促進AI創新的角色 - 筆記2（https://enpan.blogspot.com/2025/04/ai-2.html）

前篇報導：考量AI發明的專利適格性，將AI技術分為三個層次： 

(1) data layer（資料層），這是關於用於訓練AI的訓練資料（training data）、測試資料（testing data）與驗證資料（validation data），經完成訓練後建立AI模型，AI模型最後根據輸入資料產生預測結果等的輸出資料。

(2) application layer（應用層）(i.e., software)，這是關於電腦軟體，通過軟體驅動AI系統執行相應的動作、作決定以及產生結果。舉例來說，深度學習模型讓AI搜尋抽象的數據，AI神經網路則是倚賴數學模型執行分析。

(3) system layer（系統層）(i.e., hardware)，這是關於AI系統的硬體，即電腦硬體。

（以下是我講義的片段）

1. Patent Eligibility of AI Data

2. Patent Eligibility of AI Applications

3. Patent Eligibility of AI Systems

順帶一提歐洲AI相關專利適格性：

4. AI Patent Litigation

TW：

US：

（訴訟面對到AI發明專利適格性議題時，被挑戰的不會僅是數學問題(這部分常常應該USPTO就解決了)，而是應用已知AI技術到特定應用上的情況）

（可參考本文下方補充內容）

5. AI Patent Prosecution

（面對(答辯)因為發明是抽象概念不具專利適格性的全面駁回的範例）

補充內容：

https://www.uspto.gov/web/offices/pac/mpep/s2106.html

MPEP 2106.05 Eligibility Step 2B: Whether a Claim Amounts to Significantly More

A. Relevant Considerations For Evaluating Whether Additional Elements Amount To An Inventive Concept

The Supreme Court has identified a number of considerations as relevant to the evaluation of whether the claimed additional elements amount to an inventive concept. The list of considerations here is not intended to be exclusive or limiting. Additional elements can often be analyzed based on more than one type of consideration and the type of consideration is of no import to the eligibility analysis. Additional discussion of these considerations, and how they were applied in particular judicial decisions, is provided in in MPEP § 2106.05(a) through (h).

Limitations that the courts have found to qualify as “significantly more” when recited in a claim with a judicial exception include:

重要!（申請專利範圍中為法定例外不予專利時，其中可以具備＂實質超越／significantly more＂的元件：(i)電腦功能的改善，如DDR案；(ii)技術領域中的技術改良，如Diamond案；(iii)使用在特定機器；(iv)轉換特定物品到另一個狀態；(v)加入已知、常規或習知活動以外的特定限制，使發明有具體應用；(vi)發明具備超過連接法定例外到特定技術環境的有意義的限制。）

• i. Improvements to the functioning of a computer, e.g., a modification of conventional Internet hyperlink protocol to dynamically produce a dual-source hybrid webpage, as discussed in DDR Holdings, LLC v. Hotels.com, L.P., 773 F.3d 1245, 1258-59, 113 USPQ2d 1097, 1106-07 (Fed. Cir. 2014) (see MPEP § 2106.05(a));
• ii. Improvements to any other technology or technical field, e.g., a modification of conventional rubber-molding processes to utilize a thermocouple inside the mold to constantly monitor the temperature and thus reduce under- and over-curing problems common in the art, as discussed in Diamond v. Diehr, 450 U.S. 175, 191-92, 209 USPQ 1, 10 (1981) (see MPEP § 2106.05(a));
• iii. Applying the judicial exception with, or by use of, a particular machine, e.g., a Fourdrinier machine (which is understood in the art to have a specific structure comprising a headbox, a paper-making wire, and a series of rolls) that is arranged in a particular way to optimize the speed of the machine while maintaining quality of the formed paper web, as discussed in Eibel Process Co. v. Minn. & Ont. Paper Co., 261 U.S. 45, 64-65 (1923) (see MPEP § 2106.05(b));
• iv. Effecting a transformation or reduction of a particular article to a different state or thing, e.g., a process that transforms raw, uncured synthetic rubber into precision-molded synthetic rubber products, as discussed in Diehr, 450 U.S. at 184, 209 USPQ at 21 (see MPEP § 2106.05(c));
• v. Adding a specific limitation other than what is well-understood, routine, conventional activity in the field, or adding unconventional steps that confine the claim to a particular useful application, e.g., a non-conventional and non-generic arrangement of various computer components for filtering Internet content, as discussed in BASCOM Global Internet v. AT&T Mobility LLC, 827 F.3d 1341, 1350-51, 119 USPQ2d 1236, 1243 (Fed. Cir. 2016) (see MPEP § 2106.05(d)); or
• vi. Other meaningful limitations beyond generally linking the use of the judicial exception to a particular technological environment, e.g., an immunization step that integrates an abstract idea of data comparison into a specific process of immunizing that lowers the risk that immunized patients will later develop chronic immune-mediated diseases, as discussed in Classen Immunotherapies Inc. v. Biogen IDEC, 659 F.3d 1057, 1066-68, 100 USPQ2d 1492, 1499-1502 (Fed. Cir. 2011) (see MPEP § 2106.05(e)).

Limitations that the courts have found not to be enough to qualify as “significantly more” when recited in a claim with a judicial exception include:

（申請專利範圍中為法定例外不予專利時，其中"不夠＂實質超越／significantly more＂的元件：(i)在電腦上應用法定例外(如抽象概念)；(ii)加入已知、常規與習知活動(高度普遍性)；(iii)在法定例外(如抽象概念)加入不重要的額外解決方案(extra-solution activity)；(iv)僅一般地連結法定例外到特定技術環境。）

• i. Adding the words “apply it” (or an equivalent) with the judicial exception, or mere instructions to implement an abstract idea on a computer, e.g., a limitation indicating that a particular function such as creating and maintaining electronic records is performed by a computer, as discussed in Alice Corp., 573 U.S. at 225-26, 110 USPQ2d at 1984 (see MPEP § 2106.05(f));
• ii. Simply appending well-understood, routine, conventional activities previously known to the industry, specified at a high level of generality, to the judicial exception, e.g., a claim to an abstract idea requiring no more than a generic computer to perform generic computer functions that are well-understood, routine and conventional activities previously known to the industry, as discussed in Alice Corp., 573 U.S. at 225, 110 USPQ2d at 1984 (see MPEP § 2106.05(d));
• iii. Adding insignificant extra-solution activity to the judicial exception, e.g., mere data gathering in conjunction with a law of nature or abstract idea such as a step of obtaining information about credit card transactions so that the information can be analyzed by an abstract mental process, as discussed in CyberSource v. Retail Decisions, Inc., 654 F.3d 1366, 1375, 99 USPQ2d 1690, 1694 (Fed. Cir. 2011) (see MPEP § 2106.05(g)); or
• iv. Generally linking the use of the judicial exception to a particular technological environment or field of use, e.g., a claim describing how the abstract idea of hedging could be used in the commodities and energy markets, as discussed in Bilski v. Kappos, 561 U.S. 593, 595, 95 USPQ2d 1001, 1010 (2010) or a claim limiting the use of a mathematical formula to the petrochemical and oil-refining fields, as discussed in Parker v. Flook, 437 U.S. 584, 588-90, 198 USPQ 193, 197-98 (1978) (MPEP § 2106.05(h)).

Ron

美國Copyright Office的生成式AI與著作權報告(1)

美國版權局：https://www.copyright.gov/。

早在2023年美國聯邦記事（federal register March 16, 2023）就已經探討審查與註冊包含以AI技術生成的著作的政策。

到了上個月（May 2025），看到美國版權局發表「著作權與AI」的報告，這裡筆記第三部分 - Generative AI Training (pre-publication)  。

PART 3

Copyright and AI：https://www.copyright.gov/ai/Copyright-and-Artificial-Intelligence-Part-3-Generative-AI-Training-Report-Pre-Publication-Version.pdf

討論議題一：著作權保護的內容如何以及為何用於發展生成式人工智慧模型（generative AI model）？（以下為根據報告內容整理的重點）

I. 建立生成式AI的機器學習

機器學習的基本概念是使用輸入資料與期待的輸出資料形成的訓練集（training data）建立一個數學模型（statistical model），通過數學演算法學習歷史數據的特徵建立的模型能執行預測，經比對實際數據後，調整學習得出的模型，使之預測數據愈來愈接近實際數據。

根據以上簡單描述機器學習的概念，生成式AI是運用"使用神經網路（neural network）建立模型的機器學習演算法"生成的AI模型，神經網路的功能由參數（parameters/結構/數值）描述，用於定義輸入資料與輸出資料之間的映射關係（mapping of inputs to outputs），大量的參數形成神經網路計算高複雜度轉換演算的權重（weights）。（在此一提的是，一開始神經網路中各節點連結關係賦予隨機數值（權重），也不會產生/預測什麼有意義的資訊（與期待輸出值差很大），但隨之反覆地運算並調節權重，改善效能得出使神經網路轉換出貼近期待輸出值的權重值）最終，得出可以反映從訓練集中學習的模式(pattern)的神經網路的權重，並可將訓練好的權重建立的模型應用在產品中，不過其中運用的訓練集也面臨著作權人的檢視。

II. 訓練生成式AI模型所需的資料

所謂「生成式AI/Generative AI」是一種數學模型，以語言模型為例，可以根據「前言」計算出各種「後語」的機率後，從中(機率最高者)決定「後語」，並可依據提示語（prompts）繼續生成一連串內容。

生成式AI的運作是估算出"tokens"（代碼）的機率而決定輸出的文字，其中運用了通過事先賦予數值的字詞，也就是將語言轉換成數值形式，如向量值，所述代碼就是連接著每兩個向量值，通過代碼機率的演算決定/預測轉換輸出的字詞。

然而，生成式AI，如語言模型（language model），訓練過程需要使用大量文字、影像與聲音，如影像模型，訓練過程需要大量的文字與影像。訓練時需要將文字、影像與聲音轉換成代碼（tokens），這些訓練集（training data）引起著作權爭議。

III.訓練模型與訓練資料的關係

可以從各種來源取得訓練集（training data），常見的就是以爬蟲程式（web crawlers）從網路上下載公眾可取得的資料以及原本就存在的資料庫，如wikipedia、專利資料庫等，也包括圖書館、書本的檔案，還有特別經過授權取得的資料。

從各種來源取得的資料需要通過一個組織程序（curation process，包括篩選/filtering、清洗/cleaning與編譯/compiling）預備成為訓練模型的訓練集。

訓練模型的過程包括訓練階段（training phase，還可分為pre-training, post-training, fine-tuning）與記憶階段（Memorization）。

在此一提的是，OpenAI稱在訓練階段耗費最大量的運算與儲存資源，以教導模型語言、文法與推理；在記憶階段並不是複製資料，而模型中的權重僅是大量反映出訓練代碼中資料統計關係的數值串。（不過，新聞與媒體聯盟(News/Media Alliance)認為，如果是這樣，為何AI生成的內容會是逐字一樣的內容，不論其中運算做了什麼，效果與記憶與保存是一樣的。）

當然，生成式AI不可能自己隨意生成內容，一定是訓練過程決定其輸出應為正確且貼近原意，因此生成（同過數值演算、模式/pattern設定）的內容應該要與原本來源一致或接近才對。這也導致了著作權爭議。

IV.在生成式AI系統中部署模型

在實際應用時，使用者不會直接與數學模型互動，這些模型是部署在AI系統中，其提供了軟體工具與使用者介面（如ChatGPT APP/webpage）。

模型輸出與其使用了什麼訓練集有關，並讓模型運作時仍擷取除了原本訓練集以外的內容，如擷取增強生成（retrieval-augmented generation，RAG）技術，許多模型運用搜尋引擎使用RAG，也就是在模型運行時，產生系統執行的查詢（query）將最高排序的結果以擴展的提示語回饋給模型，再輸出給使用者。

舉例來說，當詢問一個問題給生成式AI，生成式AI助理（Claude）即詢問外部搜尋引擎，取得搜尋結果的前幾名，如取自一些網站的文章，生成問題的答案。上述在訓練語部署生成式AI時取得的資料與內容，都是用來強化模型的能力。

基於以上描述為何生成式AI會涉及著作權保護的內容，包括訓練模型用的資料與部署模型時運用的外部資料。

討論議題二：是否有侵權行為？

著作權法（Copyright Act）賦予著作權人的權利包括再製(reproduce)、散布(distribute)、公開展演(publicly perform)與公開展示(publicly display)其創作，並及於衍生的創作（derivative works）（編按，參考我國著作權法：利用衍生著作之人，應取得衍生著作及原著作之著作財產權人之授權）。

建立侵權的表面證據（prima facie case of infringement）有兩個要件：(1)有效著作權的所有人身分（ownership of a valid copyright）；(2)複製原創作品的構成要素（copying of constituent elements of the work that are original）。

建立與部署生成式AI的幾個階段中可能會使用"有著作權保護的內容"，可能涉及多種侵害他人權利的法規，建立與部署生成式AI的幾個階段包括：(1)資料收集和管理（Data Collection and Curation）；(2)訓練（training）；(3)擷取增強生成（RAG）；(4)輸出（output）。

(1)資料收集和管理（Data Collection and Curation）

在此階段是要建立訓練模型的訓練集（training dataset），包括下載資料、轉換資料成為不同格式的內容，例如向量演算、篩選內容以及修改，將會觸及內容的「重製權（right of reproduction）」，即便有許多資料在蒐集後會被拋棄（但有可能保留在資料庫），都可能面臨侵權的問題。

(2)訓練（training）

在訓練模型之前，建立的訓練集會有「重製權」的爭議，在訓練過程中，其中內容同樣會被批次（in batches）重製，或有一段時間持有被著作權保護的內容，面臨著作權侵權的疑慮；訓練過程也將迭代地更新模型的權重（weights）以優化效能，權重會涵蓋訓練集中有著作權保護的內容，因此最終使用這些權重的人（如OpenAI的企業客戶）都有可能涉及著作權爭議。

舉例來說，生成式AI會根據使用者輸入的提示語（prompts）而生成圖案，即便生成式AI再厲害，也不會無中生有（有學者提出："a model is not a magical portal that pulls fresh information from some parallel universe into out own."），因此這些圖案可能與訓練過程中使用的訓練集中的影像一致，也就觸及著作權侵權的議題。

另外有人主張，很多數位檔案是被加密與壓縮儲存的，這些內容不會被直接理解，因此直接侵權的內容應該是固定的、可被理解、重製或被傳遞的。

進一步地，模型中的"權重"記憶從訓練集的特定表示式（經過抽象化/abstraction或是轉換），因此有人主張模型中的權重並不直接包含訓練集的內容，而是通過抽象化過程從資料集學習/萃取資訊，不能表示被保護原始內容，但這樣仍可能侵害「衍生著作權（derivative work right）」。

在案例"Kadrey v. Meta Platforms"中，法院認為Llama模型侵犯衍生著作的主張是沒有意義的，但是，這是因為法院認定模型中運用的資料是經過抽象化的資訊，而此案例中的原告並沒有主張模型"可能會"吐出（spit out）被著作權保護的真實內容，或是輸出與原始著作權保護內容足夠相似的內容。

在案例"Andersen v. Stability AI"中，法院否決了第三方（非原告或被告）提出撤銷訴訟的請願，此第三方並未參與模型的訓練過程，但下載並使用已經被訓練好的模型，模型中事實上具有以特定格式存在的原始內容的副本或被保護的元件，因此，此案法院的判斷並同於上述Kadrey案中認為訓練與操作存在實質差異的決定。

USPTO基於以上法院意見，認為，判斷模型的權重是否涉及「重製權」或是「衍生著作權」，需要判斷是否模型保存或是記憶從原始內容得出實質可被保護的表示內容（"substantial protectable expression from the work at issue"），從以上意見可知，在準備訓練集時使用的內容以及訓練模型都涉及"重製權"，而使用最終得出的權重中僅實質相似的內容則會侵害著作權。

(3)擷取增強生成（RAG）

基本上，RAG會有兩種工作方式，第一種是AI開發者複製內容到擷取資料庫（retrieval database），生成式AI系統會存取資料庫以取得需要的內容，並隨著使用者的提示語（prompts）提供給AI模型；第二種則是生成式AI系統從外部來源（搜尋引擎或網站）取得內容。如此，RAG同樣會涉及著作權中的重製權。

RAG是許多的AI產品重要的特徵，如此，RAG的使用將涉及內容擁有者的利害關係，也就是有侵害著作權的疑慮。

(4)輸出（output）

生成式AI會輸出與原始著作權保護內容相似的內容，使用者也可以證明生成式AI可以產生接近電影內容的畫面、角色或是文字，這樣輸出的內容可能侵害重製權以及衍生著作權。

有些人認為，基於輸出內容的形式與其受眾，生成式AI將涉及公眾展示與演示的權利。

（後續將繼續筆記正當使用／合理使用／fair use）

判斷是否合理使用的幾個因素：

(1) the purpose and character of the use, including whether such use is of a commercial nature or is for nonprofit educational purposes;

(2) the nature of the copyrighted work;

(3) the amount and substantiality of the portion used in relation to the copyrighted work as a whole; and

(4) the effect of the use upon the potential market for or value of the copyrighted work.

Ron

ChatGPT相關專利審查與答辯筆記

OpenAI關於生成自然語言的專利之一：

US12008341: Systems and methods for generating natural language using language models trained on computer code

申請時Claim 1: computer-implemented method，另有system與non-transitory computer-readable medium including instructions that are executed by one or more processors to perform operations comprising... 。

這樣純軟體方法的專利範圍明顯會面對35U.S.C.101核駁意見：採用TWO-STEP專利適格性檢視法，以上步驟被視為抽象，是人類心智可以紙筆完成，屬於法定例外不予專利事項。

再者，也被判斷為沒有整合為具體的應用，判斷的方法就是查專利範圍中是否有額外元件（additional elements），審查意見指出專利範圍（claims 1, 19, 20）中的額外元件包括："docstring generation model", "user interface", "non-transitory computer readable medium"等，但被視為僅是以一般目的電腦執行抽象概念，因此判定專利範圍沒有整合法定例外為具體的應用。

審查意見也提到專利範圍中幾個步驟如"receive", "access", "output"等處理資料的步驟，僅是在法定例外上加入微不足道的額外解決活動（insignificant extra solution activity）。（編按，白話來說，就是整體專利範圍屬於抽象概念，沒有甚麼特徵形成有意義的限制！如此，僅是使用一般目的電腦的軟體發明是沒有進步概念的（inventive concept））。

對此，申請人提出修正，Claim 1的修正如下，看來僅是強調自然語言的處理，並修正模型為機器學習模型。後來有補充一次修正，將claim中的"user interface"刪掉。

修正後的專利範圍有點不夠特別，但答辯意見中就有些可學習的地方，這裡僅針對101議題提出整理。

首先，說明修正claim 1，claims 19, 20有類似的修正。這時引用2019年關於專利適格性的審查指南（可參考過去報導：https://enpan.blogspot.com/2019/01/uspto2019.html）。

從【step 2A-prong one】開始討論。

1.首先引用MPEP（如MPEP2106.04）要求審查委員明確區分專利範圍中所描述法定例外事項。

（可參考：法院定義的「抽象概念」 - MPEP 2106.04(a)(2)（https://enpan.blogspot.com/2018/07/mpep-210604a2.html））

2.說明修正後專利範圍（涉及訓練機器學習模型、產生自然語言字串，以及輸出模型）並無法由人類心智完成。

3.OpenAI的答辯策略主要是強調專利範圍中的步驟不能由人類紙筆完成，而直攻審查委員錯誤地認定專利範圍為"抽象概念"。

4.基於審查意見認定專利範圍為人類心智以紙筆可完成，顯得申請人有專注答辯的點，申請人要求審查委員應明確指出申請專利範圍的抽象概念。本案中，當OA僅是認定人類心智可完成，申請人答辯策略就是答辯專利範圍不可能由人類心智完成。（編按，這可能是審查委員的失誤。）

5.接著，申請人引用案例Ex parte Hannun，提出PTAB在此案例中判定，因為專利範圍描述的步驟不能由人類心智完成，因此不屬於mental process（人類心智活動），藉此證明專利範圍並未描述法定例外事項，如人類心智活動，因此不屬於抽象概念。

可參考：

- 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）

【step 2A-prong two】

6.答辯就是這樣，即便沒有提103，僅102核駁，也會一併說明發明具有進步性。本案是，即便以上論述已經可以證明發明通過step 2A-prong one的檢驗，但仍需論述step 2A-prong two，從"Notwithstanding"開始，說明專利範圍描述的發明整體整合了法定例外事項為具體應用（"the claims as a whole integrate the recited judicial exception into a practical application of that exception."）。

7.答辯說明專利範圍描述特定/specific與具體/concrete的內容說明如何實現訓練並使用機器學習模型以生成自然語言字串，並逐一指出專利範圍中的特徵是屬於有意義的限制（impose meaningful limits），藉此證明專利範圍已經改善電腦系統。

【step 2B】

8.根據以上說明，證明專利範圍不涉及抽象概念，且包括改善電腦功能的有意義限制，理應具有專利適格性。同樣地，答辯意見說好說滿，仍繼續step 2B的討論：專利範圍的整體是否實質超越抽象概念？

9.step 2B討論的是，專利範圍中描述的額外元件是否實質超越法定例外，藉此證明專利範圍具有進步概念（inventive concept）。

10.要證明「發明具有進步概念」，需要專利範圍中的限制能夠實質超越（significantly more）專利範圍中描述的法定例外事項（如抽象概念），這裡提出幾個滿足實質超越的限制（申請人基於MPEP 2106.05(I)提出）：

(i)電腦功能的改善。

(ii)應用特定機器。

(iii)狀態轉換/還原。

(iv)專利範圍包括相關技術領域非公知、常規與習知（well-understood, routine, conventional）的限制。

(v)其他有意義而超越一般使用的限制。

（USPTO回應Berkheimer案提出step 2B審查備忘錄（https://enpan.blogspot.com/2018/04/usptoberkheimerstep-2b.html））

11.依照上述判斷，可以證明專利範圍具備了進步概念，專利範圍的整體已經整合其中法定例外事項為具體應用（"the claim as a whole integrate the recited judicial exception into practical application"），也就呼應step 2A-prong two（兩者確實有重疊）。

這麼厲害的答辯，等於將審查指南抄了下來，審查委員可能一時還不曉得怎麼辦，專利就准了。

Ron

AI生成的圖案的著作權議題 - 重製、改作或是合理使用（中華民國著作權法）

跟風一下，向ChatGPT要求轉成卡通風格：

Ghibli Style：

美國總統也來玩：https://x.com/MikolajVonskyT/status/1904952622747885833

OpenAI的老闆Sam Altman的X頭像也改成吉卜力工作室風格：https://x.com/sama（4/2/2025）

在此不專業地引用著作權法討論（僅用於自己理解）：

從不少討論轉成特定風格的圖案的討論可知，AI生成的圖案沒有著作權，自己玩也沒有，甚至商業上使用AI生成特定風格的圖案也可以，因為風格不受到著作權法保護。著作權法保護的是著作人的著作（我國著作權法第10條），但「依本法取得之著作權，其保護僅及於該著作之表達，而不及於其所表達之思想、程序、製程、系統、操作方法、概念、原理、發現。」（我國著作權法第10-1條），就我個人的判斷，複製風格應該是著作權法不及於的「思想、概念」。

只是爭議的是，AI（如ChatGPT）是因為學習了大量的特定風格的影像後才能幫助使用者生成相應風格的圖案，觸及的法律應該是AI是否合理使用特定風格的影像？

侵害著作權一般稱為「抄襲」，根據TIPO的解釋：https://www.tipo.gov.tw/tw/cp-180-219595-56bdc-1.html，通常所謂的「著作抄襲」，應該是指構成著作「重製權」或「改作權」的侵害，其中引用「最高法院81年度台上字第3063號」判決，其明確指出「認定抄襲之要件有二，即(1)接觸，(2)實質相似。

也就是說，要證明他人有「接觸」自己的著作，我想多數人應都接觸過吉卜力風格的著作；另一個是他人的著作與自己的著作構成「實質相似」。

若有「接觸」著作，就判斷是否「實質相似」，「實質相似」還要區分是否新的著作有自己獨立的創作在裡面，AI沒有人的思想，如果沒有獨立創作，AI生成「實質相似」的圖可能構成「重製權」的侵害，或是，如果有獨立創作，實質相似就構成「改作權」的侵害。

因此「像不像/實質相似」應該就是本次吉卜力著作權之亂的討論重點。

根據我國著作權法第44、45、50、52條規定，讓政府機關使用、為了報導；教學等目的，在特定條件下免責重製他人著作，但合理範圍並不及於＂有害於著作財產權人之利益者＂。（著作權法第44條：「中央或地方機關，因立法或行政目的所需，認有必要將他人著作列為內部參考資料時，在合理範圍內，得重製他人之著作。但依該著作之種類、用途及其重製物之數量、方法，有害於著作財產權人之利益者，不在此限。」）

根據不少的著作權法規定的『合理範圍』規定，個人使用並不構成著作權侵權，如我國著作權法第65、91條：「著作僅供個人參考或合理使用者，不構成著作權侵害。」

OpenAI雖可能喊冤，或是要求大家不要再要求生成吉卜力風格的圖案，但"...之亂"對於OpenAI、吉卜力（日本動畫）都是極好的行銷，讓全世界人都見識到大家的厲害。

如此，如果風格被模仿者認為其利益被害，應該是可以主張權利，例如主張不公平競爭、稀釋原創作價值...，可以通過調解、訴訟取得合理使用報酬。吉卜力工作室若感到權利被侵害，...可向OpenAI討個公道。

即便有以上的理解，不過最終還是要法院認定：

經濟部：AI抄襲或模仿風格若有爭議 由法院個案認定（https://www.ctee.com.tw/news/20250331701103-430104）

TIPO專文：從美國人工智慧擴散模型訴訟案── 談生成式 AI 圖像之著作侵權議題（https://www.tipo.gov.tw/tw/dl-285005-ed038d050ebf40b28a20d622f5714f75.html）

本篇有不錯的風格複製的著作權討論，雖然答案模糊，但也就是現在大家遇到AI創作的問題：

衍生其他討論：

吉卜力工作室可以學習紐約時報向OpenAI討公道：從訴狀理解生成式AI並看紐約時報對OpenAI告什麼？ - New York Times v. Microsoft Corp., OpenAI, Inc. (N.Y.S.D. Dec. 27, 2023)（https://enpan.blogspot.com/2024/01/aiopenai-new-york-times-v-microsoft.html）

通過AI生成的圖，我們"目前"可以隨意使用，因為AI生成的影像沒有著作權，可參考：基於human authorship，AI繪圖無法主張著作權？!？（https://enpan.blogspot.com/2023/03/human-authorshipai.html）

AI創作無法取得著作權 - Thaler v. Perlmutter (D.D.C. Aug. 18, 2023)（https://enpan.blogspot.com/2023/08/thaler-v-perlmutter-ddc-aug-18-2023.html）

（以上討論為我的不專業筆記，並非AI生成的內容）

Ron

日本AI發明專利的適格性筆記之一 - ChatGPT問答錄

前言：

其實說到AI發明，也僅是搭上目前很夯的話題，AI有個特色是 - "說不清楚"，但本質上就是"軟體發明"，也就是常說的"電腦實現的發明/computer-implemented invention/CII"，因此有關軟體發明的專利適格性議題應該都適用在AI相關的發明。但無論如何，AI相關發明的專利適格性仍是值得一談的議題，畢竟AI還是有點意思。

AI相關發明在日本專利實務有何見解？大哉問，先問ChatGPT：

這些可參考，問了「ChatGPT」，它給我的答案算是很嚴肅的一般知識加上一些常識，也就是軟體發明該注意的，仍有一些可參考資料，如下標註：

 

In Japan, the patentability of AI-related inventions follows the general principles of patent law, but there are specific considerations to keep in mind:

1. **Statutory Requirements**: To be patentable, an AI-related invention must meet the three basic requirements: novelty, inventive step (non-obviousness), and industrial applicability.（常識）

2. **Technical Aspect**: The invention must be a "creation of technical ideas utilizing a law of nature." Pure mathematical algorithms, abstract ideas, or mental acts are not patentable unless they have a technical character or are implemented in a way that produces a technical effect. （還算可以，就是要有技術效果的特徵）

3. **AI Algorithms**: AI algorithms themselves, if claimed as such, are generally not patentable unless they are part of a specific technical application or contribute to a technical improvement. For example, a machine learning algorithm used in a medical imaging device to improve diagnostic accuracy may be patentable. （還算不錯的答案）

4. **Application Format**: The Japan Patent Office (JPO) encourages applicants to describe AI-related inventions in terms of their technical problem and solution. Detailed descriptions of how the AI contributes to solving a technical problem and the specific technical implementation can enhance the chances of patentability. （要解決技術問題）

5. **Examples of Patentable AI Inventions**:（我覺得是不錯的說明）
- AI used in a new type of control system for machinery.
- AI algorithms implemented in a specific hardware environment that results in a technical improvement.
- Specific applications of AI in fields like healthcare, manufacturing, or transportation that demonstrate a technical effect.

6. **Examination Guidelines**: The JPO provides examination guidelines specific to AI-related inventions. These guidelines help in assessing whether an AI invention meets the criteria for patentability, emphasizing the importance of a detailed technical description and the demonstration of a technical effect.

7. **Patent Strategy**: When filing an AI-related patent in Japan, it's crucial to: （很不錯的結論）
- Clearly define the technical problem being solved.
- Detail the technical means by which the AI solution is implemented.
- Highlight any technical effects or improvements resulting from the AI implementation.

In summary, while AI algorithms as standalone inventions are generally not patentable in Japan, AI-related inventions that demonstrate a clear technical contribution and solve a specific technical problem can be patented. The focus should be on the practical application and technical details of the AI solution.

繼續問以上答案是否有來源？ChatGPT給我以下內容（我希望它用email寄給我，但是目前尚無此功能）：

Subject: Information on Patentability of AI-Related Inventions in Japan

Hi Ronpan,

Here is the information on the patentability of AI-related inventions in Japan:

1. **Japan Patent Office (JPO) Official Website**:
- The JPO provides comprehensive guidelines and resources regarding patent examination, including specific guidelines for AI and software-related inventions.
- [Japan Patent Office (JPO)](https://www.jpo.go.jp/e/)

2. **JPO Examination Guidelines**:
- The JPO has published examination guidelines that cover various aspects of patentability, including specific sections on AI and software inventions.
- [JPO Examination Guidelines](https://www.jpo.go.jp/e/system/laws/rule/guideline/patent/index.html)

3. **Intellectual Property High Court of Japan**:
- For legal precedents and interpretations related to AI patents, you might find relevant case law from the Intellectual Property High Court of Japan.
- [Intellectual Property High Court](http://www.ip.courts.go.jp/eng/)

4. **Japanese Patent Attorneys and Law Firms**:
- Consulting with Japanese patent attorneys or law firms specializing in intellectual property can provide personalized and detailed advice.
- Some well-known firms include:
- Nakamura & Partners: [Nakamura & Partners](http://www.nakapat.gr.jp/english/)
- Aoyama & Partners: [Aoyama & Partners](http://www.aoyamapat.gr.jp/)

5. **Academic and Industry Publications**:
- Research papers, articles, and industry reports on AI and IP law can provide deeper insights.
- Websites like Google Scholar or legal databases such as LexisNexis and Westlaw can be useful.

6. **Professional Organizations and Conferences**:
- Organizations like the International Association for the Protection of Intellectual Property (AIPPI) often hold seminars and publish papers on the latest trends in IP law, including AI-related patents.
- [AIPPI Japan](https://www.aippi.org/aippi-japan/)

I hope this helps with your research and any AI-related patent endeavors!

Best regards,

整理以上來源：

[Japan Patent Office (JPO)](https://www.jpo.go.jp/e/)

[JPO Examination Guidelines](https://www.jpo.go.jp/e/system/laws/rule/guideline/patent/index.html)

[Intellectual Property High Court](http://www.ip.courts.go.jp/eng/)

Nakamura & Partners: [Nakamura & Partners](http://www.nakapat.gr.jp/english/)

Aoyama & Partners: [Aoyama & Partners](http://www.aoyamapat.gr.jp/)

[AIPPI Japan](https://www.aippi.org/aippi-japan/)

-------------------------------------------------------------------

問Google，則看到一篇不錯的內容：https://books.openedition.org/putc/15392?lang=en，看不出來本篇撰寫日期，但其中有引用2021年案例，應該還算新的知識。

-------------------------------------------------------------------

若去找Japan特許廳（https://www.jpo.go.jp/e/），可以查到：https://www.jpo.go.jp/e/system/patent/gaiyo/ai/index.html

• Recent Trends in AI-related Inventions
• Patent Examination Case Examples pertinent to AI-related technologies
• Development of Examination Environment for AI-related Inventions Starts（External Link)
• System for the Team Supporting AI Examinations to be Enhanced to Achieve Efficient and Highest-Quality Examinations of AI-Related Inventions（External Link)

(以上僅筆記，編排有點混亂，加上內容很多，需要時間消化，會需要分幾篇來寫!)

Ron