近年来,伴随着人工智能行业的大热,AI技术相关的专利申请量也水涨船高。为了让诸多AI专利申请人对日本专利局(JPO)对AI相关专利的审查标准有所了解,近日,日本专利局发布了AI相关专利申请的案例指引,这些案例被汇编为一个文档并提供有英文版本,名为《Case Examples pertinent to AI-related technology》。该指引对在日本申请AI相关专利的申请人而言,具有较大的指导意义。
指引分为两个部分,第一部分阐述了AI相关专利申请如何满足“描述要求(Description Requirements)”,所谓的“描述要求(Description Requirements)”包括了“实现要求(Enablement Requirement)”和“支持要求(Support Requirement)”两种。
日本专利局认为,判断某个AI相关申请是否满足“实现要求(Enablement Requirement)”和“支持要求(Support Requirement)”,关键在于用于AI机器学习的多种类型数据之间的联系(correlation)是否明确。这里的“是否明确”包括申请人是否在申请文件中以足够多的信息予以描述,或者是否属于本领域技术人员能够轻易明确的。
举第一个例子。
一种通过输入人脸图像,利用AI来判断某人种出的蔬菜的含糖量的发明,权利要求如下:
日本专利局认为,该专利申请仅指出“人脸图像”和“某人种出的蔬菜的含糖量”,这两者之间有特定的联系(correlation),却没有明确的指明或者详述这种联系(correlation)是怎么样的,而本领域技术人员在申请日之时也无法明确这两者之间的联系为何。因此,该专利申请的权利要求1不满足“描述要求(Description Requirements)”中的“实现要求(Enablement Requirement)”。也就是说,用于AI机器学习的两个类型数据(输入数据和输出数据)之间的联系(correlation)不明确。
所以,你长成什么样,跟你种出来的蔬菜甜不甜并没什么关系?
第二个例子
一种通过产品的广告数据和在网上被提及的数据来预测该产品未来可能的销售数量,以解决库存不足(想卖没得卖)的方法,权利要求如下:
日本专利局认为,该专利申请虽然没有明确提及,但本领域技术人员能够很容易明确“产品的广告数据和在网上被提及的数据” 和“产品未来销量”这两者之间的联系。也就是说,用于AI机器学习的两个类型数据之间的联系(correlation)是明确的,因此权利要求1满足“描述要求(Description Requirements)”中的“实现要求(Enablement Requirement)”。
第三个例子(“支持要求 Support Requirement ”)
一种通过人脸的脸型特征数据(feature value representing a face shape)预测人体体重的方法,权利要求1如下:
从属权利要求2如下:
日本专利局认为,该专利申请仅仅描述了人脸的面部轮廓角度(face-outline angle)与人体体重之间的对应关系,而通过申请文件无法确定其他类型的脸型特征数据与人体体重之间也是有联系的。因此,该专利申请的权利要求1不满足“支持要求 Support Requirement ”,而权利要求2满足。
日本专利局还在指引中将所有满足和不满足“描述要求(Description Requirements)”的案例及其原因归纳成一个表,如下:
指引的第二部分阐述了什么样的AI相关专利申请可以满足创造性的要求(Inventive Step)。主要判断维度包括:
1. 是不是仅仅使用AI技术来系统化“人类行为”(例如:医生利用病人血液中的两个参数来预测病人患癌症的机率,而一个利用AI分析病人血液中的两个参数来预测病人患癌症的机率的发明就不具有创造性,因为这仅仅是个系统化“人类行为”的方案)。
2. 是不是仅仅是基于输入数据预测输出结果的改进方法。
3. 用于机器学习的训练数据(training data)的修改,是不是仅仅是已知数据的组合且没有显著的效果。
4.是不是对用于机器学习的训练数据(training data)的预处理(preoprocessing)。
归纳表如下图所示,相关创造性的案例不再赘述。