日本專利局：人工智慧專利申請須提供示例 - 工程師

日本專利局：人工智慧專利申請須提供示例

http://bit.ly/2ENXbhg

最近，日本專利局(JPO)發佈了關於人工智慧相關發明的審查指導，該指導在如何處理新
技術上能夠為其他專利局提供一個有效的框架。由於，日本專利局在日本專利審查手冊附
件A中增加了10個與人工智慧技術相關的新案例，藉此為如何審理人工智慧相關發明提供
了參考，該示例對於在日本提交人工智慧專利申請者非常有用。

描述要求
對於“描述要求”相關的新案例中有兩個主要觀點，例如，實施例和書面描述
(enablement and written description)。

（1）相關性 (Correlations)

首先，當一項發明將AI應用於技術領域時，應該披露“某種關係”，例如相關性。例如，
僅僅通過神經網絡運行照片來檢測面部情緒是不夠的。還應該給出神經網絡使用的示例相
關性，例如“微笑意味著快樂”和“皺眉意味著悲傷”。然而，相關性也可以“根據常見
的一般技術知識”顯示，這顯然具有它的缺陷和缺點。

（2）測試結果的要求 (Test Results Required)

其次，當假定計算機產品具有AI功能時，應該顯示模型的實際測試結果或其他驗證，來證
明---人工智慧是否能夠替代對實際製造的產品的評估。例如，對於使用神經網路獲得的
具有特定成分新膠水的成分比例，從而實現一定的固化時間和強度，應該顯示運行模型的
測試結果，或證明該模型以其他方式被驗證準確無誤。

創新性的步驟要求 (Inventive Step Requirement)

關於AI發明的創新性要求而言，日本JPO從新案例的實施例34提供了一些指導。示例34本
身涉及提供水力發電能力的估計系統。這個例子似乎表明新穎的輸入數據可能滿足日本的
創造性要求。下面將討論來自該示例的權利要求1和2以進行說明。

首先，關於權利要求1，根據示例34，權利要求沒有可獲得專利的創造性步驟，因為“在
機器學習的技術領域中，眾所周知的是，未來的輸出的估計過程被進行基於過去的時間序
列數據的輸入，通過使用訓練的神經網絡，該訓練的神經網絡已經訓練有包含過去的時間
序列數據的輸入和將來的某個輸出的訓練數據。

根據實施例34，基於以下事實達到該結果：在本實施例中闡述的本發明之前，“眾所周知
，未來的輸出的估計過程是基於使用訓練的神經網絡輸入過去的時間序列數據。已經使用
包含過去的時間序列數據的輸入和將來的某個輸出的訓練數據來訓練神經網絡。[第一引
用的參考文獻]和公知的技術中估計基於的輸入在未來某一輸出彼此共同時間過去的系列
數據，參考數據之間的相關性。因此，本領域技術人員可以通過將公知技術應用於[第一
引用的參考文獻]並採用訓練的神經網絡代替回歸方程模型，可以容易地得出能夠估計水
力發電能力的配置。 [重點補充]。“

然而，權利要求2是不同的，因為它敘述新穎的溫度數據作為輸入數據，其導致“高度精
確”的估計輸出並因此滿足創造性的要求：“權利要求2的發明使用河流上游的溫度用於
估算水力發電量。沒有發現現有技術公開了這種使用河流上游的溫度。因此，溫度和水力
發電能力之間存在相關性並不是一般的一般技術知識[強調增加]。

該發現的基礎是：

“[g]一般來說，相關性未知的數據輸入可能會導致機器學習中的噪音。然而，權利要求2
的發明在參考時間和參考時間之前的預定時間之間的預定時段期間使用包含河流上游溫度
的輸入數據。這使得能夠高度準確地估計水力發電能力，考慮到由於泉水中的融水而引起
的流入速率的增加。本領域技術人員不能期望[強調添加]是顯著的效果。“

因此，本領域技術人員在將來自[第一引用的參考文獻]的公知技術的應用中進行的僅僅是
車間修改不包括在一個輸入數據中。估計水力發電量，在參考時間和參考時間之前的預定
時間之間的預定時間段內河流上游的溫度。

因此，在日本提交AI專利申請時，應該披露與AI相關的發明可能產生的示例相關性。對於
某些AI發明，還應該公開測試結果或AI模型的驗證。還有，新穎的輸入數據和輸出數據可
能足以在日本建立值得專利保護的創造性步驟。

至於，其他專利局是否會以類似的方式處理與AI相關的發明，仍有待觀察。在美國，還有
其他一些問題可能需要首先解決 - 即目前關於AI可專利議題的法律混亂狀態，以及人工
智慧發明是否會在一開始就被正確和一致地視為具有可專利性。

--