日本专利局：人工智慧专利申请须提供示例 http://bit.ly/2ENXbhg 最近，日本专利局(JPO)发布了关於人工智慧相关发明的审查指导，该指导在如何处理新 技术上能够为其他专利局提供一个有效的框架。由於，日本专利局在日本专利审查手册附 件A中增加了10个与人工智慧技术相关的新案例，藉此为如何审理人工智慧相关发明提供 了参考，该示例对於在日本提交人工智慧专利申请者非常有用。 描述要求 对於“描述要求”相关的新案例中有两个主要观点，例如，实施例和书面描述 (enablement and written description)。 （1）相关性 (Correlations) 首先，当一项发明将AI应用於技术领域时，应该披露“某种关系”，例如相关性。例如， 仅仅通过神经网络运行照片来检测面部情绪是不够的。还应该给出神经网络使用的示例相 关性，例如“微笑意味着快乐”和“皱眉意味着悲伤”。然而，相关性也可以“根据常见 的一般技术知识”显示，这显然具有它的缺陷和缺点。 （2）测试结果的要求 (Test Results Required) 其次，当假定计算机产品具有AI功能时，应该显示模型的实际测试结果或其他验证，来证 明---人工智慧是否能够替代对实际制造的产品的评估。例如，对於使用神经网路获得的 具有特定成分新胶水的成分比例，从而实现一定的固化时间和强度，应该显示运行模型的 测试结果，或证明该模型以其他方式被验证准确无误。 创新性的步骤要求 (Inventive Step Requirement) 关於AI发明的创新性要求而言，日本JPO从新案例的实施例34提供了一些指导。示例34本 身涉及提供水力发电能力的估计系统。这个例子似乎表明新颖的输入数据可能满足日本的 创造性要求。下面将讨论来自该示例的权利要求1和2以进行说明。 首先，关於权利要求1，根据示例34，权利要求没有可获得专利的创造性步骤，因为“在 机器学习的技术领域中，众所周知的是，未来的输出的估计过程被进行基於过去的时间序 列数据的输入，通过使用训练的神经网络，该训练的神经网络已经训练有包含过去的时间 序列数据的输入和将来的某个输出的训练数据。 根据实施例34，基於以下事实达到该结果：在本实施例中阐述的本发明之前，“众所周知 ，未来的输出的估计过程是基於使用训练的神经网络输入过去的时间序列数据。已经使用 包含过去的时间序列数据的输入和将来的某个输出的训练数据来训练神经网络。[第一引 用的参考文献]和公知的技术中估计基於的输入在未来某一输出彼此共同时间过去的系列 数据，参考数据之间的相关性。因此，本领域技术人员可以通过将公知技术应用於[第一 引用的参考文献]并采用训练的神经网络代替回归方程模型，可以容易地得出能够估计水 力发电能力的配置。 [重点补充]。“ 然而，权利要求2是不同的，因为它叙述新颖的温度数据作为输入数据，其导致“高度精 确”的估计输出并因此满足创造性的要求：“权利要求2的发明使用河流上游的温度用於 估算水力发电量。没有发现现有技术公开了这种使用河流上游的温度。因此，温度和水力 发电能力之间存在相关性并不是一般的一般技术知识[强调增加]。 该发现的基础是： “[g]一般来说，相关性未知的数据输入可能会导致机器学习中的噪音。然而，权利要求2 的发明在参考时间和参考时间之前的预定时间之间的预定时段期间使用包含河流上游温度 的输入数据。这使得能够高度准确地估计水力发电能力，考虑到由於泉水中的融水而引起 的流入速率的增加。本领域技术人员不能期望[强调添加]是显着的效果。“ 因此，本领域技术人员在将来自[第一引用的参考文献]的公知技术的应用中进行的仅仅是 车间修改不包括在一个输入数据中。估计水力发电量，在参考时间和参考时间之前的预定 时间之间的预定时间段内河流上游的温度。 因此，在日本提交AI专利申请时，应该披露与AI相关的发明可能产生的示例相关性。对於 某些AI发明，还应该公开测试结果或AI模型的验证。还有，新颖的输入数据和输出数据可 能足以在日本建立值得专利保护的创造性步骤。 至於，其他专利局是否会以类似的方式处理与AI相关的发明，仍有待观察。在美国，还有 其他一些问题可能需要首先解决 - 即目前关於AI可专利议题的法律混乱状态，以及人工 智慧发明是否会在一开始就被正确和一致地视为具有可专利性。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 203.145.192.245 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Patent/M.1551833970.A.717.html