本篇筆記用Google搜尋到的一篇文章：https://books.openedition.org/putc/15392?lang=en（出自大阪大學助理教授Etsuko Yoshida的書 - Artificial Intelligence-related invention in Japan and its disclosure with a focus on human intervention p. 225-247）
一些筆記。
保護人類智慧財產與科技進步的專利法隨著科技的演變也應與時俱進，如已經發展多年的資通訊的技術，到現在人工智慧科技（AI），人工智慧特別是基於人類資料分析的需求，並成為決策的重要依據，與AI一起演進的技術還有IoT、機器人與大數據等。
之前最受注目與爭議的案子就是AI/DABUS，本部落格也有不少的案例報導，爭點是AI本身是否可以是發明人？如果是可以的，或許表達了這是一個趨勢，不過在專利系統中，仍需要發明內容，以及人類可理解的技術內容，短時間內這些都無法獲得解答。
因此，專利法目前主要探討的是，與AI相關的人類獨創的發明，首先會面對的是專利適格性/可專利性議題，一般判斷可專利性是檢查發明是否使用自然律（law of nature）並整體上實施技術思想（technical idea）。
【AI相關發明】則是涉及電腦實現的發明，因此判斷標準就如各國都會針對電腦實現發明（軟體發明）所制定的審查基準，如同在日本，判斷AI相關發明的專利適格性就是檢查通過軟體處理的資訊是否由硬體資源實踐（"whether information processing by the software is specifically implemented by using hardware resources?"）；更準確地說，根據申請專利範圍的描述，是否是實現基於預期使用（intended use）的軟硬體協作的計算或資訊處理（"based on the statement of the claims, whether or not specific calculation or processing of information depending on the intended use is implemented by specific means or procedures on which software and hardware resources cooperate?"），如果是，就是屬於可專利標的。
範例A：Data Structure of Dialogue Scenarios in a Voice Interactive System
資料結構涉及資訊處理技術，其中執行流程包括：(1)輸出對話單元的訊息；(2)取得使用者回答的答案；(3)指定根據使用者的回答候選答案；(4)根據候選答案與通訊模式的資訊選擇分支資訊；以及(5)從伺服器接收後續對話。
(1) outputting a message included in the current dialogue unit;
(2) acquiring an answer from the user in response to the message;
(3) specifying the said candidate answer based on the answer from the user;
(4) selecting the branch information based on the candidate answer and information on communication mode; and
(5) receiving from the server a following dialogue unit indicated by the selected branch information.
所示資料結構可參考原文，評估範例A的專利適格性，包括判斷claim 1描述的資料結構是一種資訊處理，其中的對話是對話單元產生的語音對話，其中資訊處理是通過電腦軟硬體的協作，已經符合上述日本專利局訂出可專利性標的的原則：使用自然律的技術思想，因此符合日本專利法定義的發明。
範例B：AI inventions including learning models
神經網路的結構相似於執行電腦程序的程式，因此也是屬於日本專利法保護的標的。進一步地，學習模型是電腦程式與訓練參數的組合，並且特別地是利用硬體資源實現，因為是建構於使用自然律的技術思想，為可專利標的。
此例請求項1記載運用神經網路訓練可以量化住宿名聲的訓練模組，其中技術就是很標準的神經網路訓練得出可以分析住宿名稱的模型，是通過軟硬體協作實現基於預期應用的資訊處理系統，這是基於自然律的技術思想的創作，因此是符合專利法的發明。
範例C：Invention of business method using IoT
此例是一個使用IoT的商業方法，然而商業方法在日本是不能取得專利的，但是，如果是軟硬體協作實現的商業方法，則是有可能取得專利。以「配置無人駕駛車輛的方法與系統」為例（編按，這是一種叫車／無人駕駛車的技術），這裡提到兩種Claim態樣：
Type 1：
Claim 1涉及的系統包括：車輛配置伺服器、使用者操作的可攜式終端，以及無人駕駛車輛，其中可攜式裝置傳送使用者ID與車輛配置位置給伺服器，伺服器利用使用者ID得到使用者的臉部影像，伺服器傳送臉部資訊與車輛配置位置的資訊至無人駕駛車輛，無人駕駛車輛進行使用者臉部認證，以及根據車輛配置位置驅動車輛到達位置。
分析：Type 1的請求項內容包括軟硬體協同作業的特徵，並描述了資訊處理的過程，看來並沒有不可專利的因子（但與AI關聯不大）。
Type 2：
Claim 2涉及的系統包括車輛配置伺服器、可攜式終端，以及無人駕駛車輛，其中伺服器接收車輛配置至指定位置的請求，伺服器即依照請求配置車輛給使用者。
分析：同樣是叫車服務，Type 2僅界定發出請求與執行配置兩個動作，是用軟體流程描述的系統，但沒有描述資訊處理的細節，因為沒有軟硬體協同作業的特徵，在日本專利實務中並不屬於發明範疇。
以上兩種態樣的專利範圍都屬於商業方法（軟體流程都可廣泛地定義為商業方法／business method），根據以上分析，顯然，至少在日本，軟體流程與硬體的關聯/協同作業成為具有專利適格性很重要的判斷依據。
日本專利適格性規範在日本專利法第2條第1項：
Article 2(1)The term "invention" as used in this Act means a highly advanced creation of technical ideas utilizing the laws of nature.
【AI發明的進步性】
判斷發明是否有進步性，標準的判斷是相關領域技術人員（person skilled in the art）依據先前技術是否可輕易實現該發明。
在日本，如何判斷是否可輕易實現該發明？（在此忽略一些細瑣的內容）
AI相關發明與一般軟體發明仍有基本的差異，一般軟體發明主要是通過程式設定一些規則而產生軟體流程，軟體發明的適格性就如上述範例，軟硬體的協作為符合專利適格性的要件。
不同地，AI相關發明是以數據為基礎，通過學習數據得出相關模型執行相關流程，因此，AI相關發明需要界定學習模型，成為判斷專利適格性的要件，也會是判斷發明是否具有進步性的依據，並且在判斷進步性要件時，AI相關發明若採用了已知/公開的AI系統，訓練模型的技術相對申請當下技術水平是否顯而易知（obvious）成為進步性判斷關鍵。
【AI發明的揭露要求】
判斷AI發明專利適格性如軟體發明，主要是依據是否揭露了相關模型的技術內容，且判斷進步性時，說明書揭露內容將成為判斷關鍵。
專利說明書揭露程度的基本要求是讓相關領域技術人員可以據以實施（enablement）。然而，在AI相關發明中，常見卻是缺乏AI的揭露內容（形成黑盒子），日本專利法規定揭露內容要能據以實施：
Article 36(4)(i)：
(4)The statement of the detailed explanation of the invention referred to in item (iii) of the preceding paragraph must comply with each of the following items:
(i)as provided by Order of the Ministry of Economy, Trade and Industry, it is clear and sufficient to enable a person ordinarily skilled in the art of the invention to work the invention.
由於專利說明書內容需要支持專利範圍，因此內容應超越專利範圍更多，並且內容需要讓相關領域技術人員可以理解，並解決相應的技術問題。
以AI發明來看，原則就是避免黑盒子，說明書應揭露AI模型的數據、機器學習演算方法、模型產生的技術，以及前後關聯性，並揭露訓練模型的方法流程，如軟體發明，揭露到可據以實施的程度。
日本專利法英文版：
關於AI/DABUS，可參考：
- A.I.發明人Dabus的申請案以及澳洲聯邦法院案例（https://enpan.blogspot.com/2021/08/aidabus.html）
