Швидке зростання моделей AI та машинного навчання (ML) у галузях промисловості викликало важливі питання щодо обсягу придатності до патенту відповідно до 35 § 101 USC. Останній Analytics, Inc. проти Fox Corp.,[1] Федеральна схема вирішила це питання, оцінюючи, чи відповідають патенти, які застосовують ML, для оптимізації технології відповідають порігу предмету, що відповідає патенту. Федеральний ланцюг вважав, що патенти були спрямовані на абстрактні ідеї, і не вистачає будь-якої винахідливої концепції, яка перетворить їх на тему, що відповідає патенту. У цій статті розглядається міркування Суду та окреслює практичні виходи щодо патентної стратегії, пов'язаної з AI.
Ключові винос
- Загальне застосування ML до нових контекстів даних недостатньо: Просто застосування відомих моделей ML в різних середовищах або полях не робить претензії на патент.
- Технологічне вдосконалення є важливим: Патенти повинні розкривати, як винахід покращує функціонування комп'ютера або саму техніку ML, а не просто досягти бажаних результатів.
- Підвищення ефективності недостатньо: Підвищена швидкість та ефективність використання ML порівняно з людськими процесами сама по собі не створюють придатності.
- Уникайте суто функціональної претензії: Мова функціональної претензії, що описує бажані результати (наприклад, “генерувати оптимізовані графіки”), не деталізуючи, як досягти цих результатів, що не є абстрактом, недостатньо для патентованості.
- Конкретні питання реалізації: Патенти повинні чітко пояснити, як здійснюються будь -які передбачувані вдосконалення технології ML, а не лише зазначити, що вдосконалення існують.
- Охарактеризуйте призначене рішення або вдосконалення: Претензії повинні описати конкретну реалізацію вирішення проблеми в програмному забезпеченні або конкретні засоби чи метод, який вирішує проблему в існуючому технологічному процесі.
Патентна придатність відповідно до 35 § 101 USC вимагає, щоб винахід потрапила в одну з чотирьох законодавчих категорій: процес, машина, виготовлення або склад речовини. Навіть якщо цей поріг буде виконаний, винахід не повинен бути спрямований на судовий виняток (наприклад, закон природи, природне явище чи абстрактну ідею), якщо він не включає «винахідливу концепцію», яка додає значно більше для перетворення його на застосування, що підлягає патенту. Цей аналіз керується двоступеневим Судом Верховного Суду Аліса/Майо Рамка: По-перше, визначення того, чи спрямовані претензії на концепцію, відповідну за патент; по-друге, оцінка того, чи містять претензії “винахідлива концепція”, достатня для перетворення абстрактної ідеї в заявку, що підлягає патенту, додаючи “значно більше”, ніж сам судовий виняток.[2]
У Останній аналітика проти Fox Corp.Недавно, позивач-апелянт, стверджував чотири патенти (патент США № Ці патенти не тільки охоплювали використання моделей ML, але й підготовку цих моделей. Патенти машинного навчання (патенти 367 та 960) зосереджуються на процесі навчання моделей ML, включаючи ітеративні кроки навчання для виявлення взаємозв'язків у даних подій та підвищення точності моделі з часом. Патенти мережевих карт ('811 та' 957 патенти) в першу чергу вимагають застосування навченої моделі ML для генерації та оптимізації мережевих карт. Недавно стверджував, що ці патенти мають право згідно з § 101, оскільки вони застосовували методи ML новим способом до певного домену, виробляючи динамічно генеровані та оновлені результати. Fox Corp., один із відповідачів-апелянтів, протиставляв, що патенти просто застосовували звичайні методи ML до нового середовища даних, не пропонуючи жодного вдосконалення основної технології. Районний суд погодився і надав клопотання Фокса про звільнення.
Застосування Аліса Рамка, районний суд Делавер вперше встановив, що затверджені вимоги були спрямовані на абстрактні ідеї створення мережевих карт та графіків подій, використовуючи загальні математичні методи. На другому кроці було зроблено висновок, що претензій не вистачає винахідливої концепції, покладаючись замість широко описаних, звичайних методів ML, реалізованих на загальному обчислювальному обладнанні. Суд підкреслив, що автоматизація існуючого ручного процесу зі стандартними інструментами ML не означає технологічного вдосконалення. На відміну від претензій у Mcro v. Bandai;[3] які декламували конкретні, нетрадиційні правила, що посилюють комп'ютерну анімацію, останні патенти не змогли описати жодних аналогічних конкретних інновацій. Відповідно, Суд ухвалив, що застосування відомих методів ML до нової галузі (наприклад, планування телебачення) без просування самої технології ML було недостатнім відповідно до пункту 101. Він також відхилив прохання останнього внести зміни до скарги, пошук поправки буде марною, враховуючи неефективність заявлених позовів.
Останні оскаржили це рішення до Федерального кола. На свою думку, що підтверджує рішення окружного суду, суд неявно протиставляв дві чіткі стратегії претензій, оскільки деякі заявлені вимоги були спрямовані на фактичну підготовку моделей ML, хоч і використовуючи звичайні методики, а інші просто відновлюють використання ШІ для створення результатів, таких як графіки або мережеві карти. Обробка суду обох підкреслює важливий момент: навіть претензії, пов’язані з навчанням ШІ, не мають автоматичного придатності, якщо використовувані методи є звичайними або описані в абстрактних умовах. З іншого боку, просто виклик АІ як інструменту для досягнення результату, не деталізуючи, як AI застосовується романом чи технічно змістовним способом, також недостатньо. Таким чином, чи спрямовані претензії на навчальні процеси або застосування результатів AI, придатність залежить від розкриття бетону, технічних вдосконалень, а не лише широких функціональних цілей або перепакування звичайних методів.
Зокрема, Суд також зауважив, що, хоча позови розкривають використання ML в новому середовищі (планування подій та створення мережевих карт), вони не змогли описати “конкретну реалізацію вирішення проблеми в програмному мистецтві”, “[4] або “конкретний засіб або метод, який вирішує проблему в існуючому технологічному процесі”.[5] Це обидві стратегії, які суди визнали як способи задовольнити вимоги щодо придатності § 101.
Зрештою, суд підтвердив, що для виживання § 101 контролю, патенти, пов'язані з AI, повинні робити більше, ніж застосовувати існуючі методи ML до нових проблем; Вони повинні розкрити, як вдосконалюється сама технологія. Це включає не лише вдосконалення роботи комп'ютерних систем або програмного забезпечення, але й вдосконалення основних моделей ML або навчальних процесів. Це узгоджується з більш широкими рамками, встановленими судами, які визнають, що претензії, спрямовані на судовий виняток, все-таки можуть бути придатними до патенту, якщо вони продемонструють практичне застосування, яке покращує функціонування комп'ютера, системи ML або іншого технологічного процесу. На відміну від тверджень, що лише декламують функціональні результати або автоматизацію існуючих завдань, патентні заявники повинні чітко сформулювати конкретні, технічні рішення, які надають їх винаходи. Вперед, ті, хто прагне захистити інновації ШІ, повинні забезпечити їх претензії, пов'язані з конкретними реалізацією, що вирішують технологічні проблеми, а не лише застосування алгоритмів до нових середовищ даних.
[1] Останній Analytics, Inc. проти Fox Corp., 1: 22cv1545.
[2] Alice Corp. Pty. V. Cls Bankint 'L, 573 США 208 (2014); Mayo Coll. Серв. v. Прометей Lab'ys, Inc., 566 США 66 (2012).
[3] MCRO, Inc. проти Bandai Namco Games Am. В т.ч.., 837 F.3d 1299 (Fed. Cir. 2016).
[4] Enfish, LLC проти Microsoft Corp., 822 F.3d 1327, 1339 (Fed. Cir. 2016).
[5] Королівський KPN NV проти Gemalto M2M GmbH942 F.3d 1143 (Fed. Cir. 2019).
