ChatGPT提示词生成技术能否获得专利？从案例38学习AI发明的权利化策略

?? 对于那些阅读本文的人：如果您使用以下方式起草声明生成的AI（例如ChatGPT），请同时使用AI草案x专利律师检查页面。

简介

“当在ChatGPT上提问时，如何才能得到最佳答案？”——这是很多用户的疑问。这一被称为“即时工程”的技术领域在商业上变得越来越重要，并且作为专利申请的主题也受到关注。然而，如何使用人工智能工具的创新可以被认定为专利吗？在本文中，从专利代理师的角度，以日本专利局公布的案例38为基础，详细ChatGPT等大规模语言模型（LLM）提示生成技术可以申请专利的条件。

2024年3月，日本专利局扩大了人工智能相关技术的审查案例，公布了与“提示文本生成方法”相关的38个案例。该案例表明，ChatGPT等人工智能工具的使用方法可以申请专利，不仅对人工智能开发公司，而且对使用人工智能工具的一般公司也具有重要意义。

在这篇文章中，详细这个案例38，并澄清“单纯使用人工智能”和“可专利的人工智能利用技术”之间的区别。通过阅读本文，您了您公司的人工智能运用方法获得专利的可能性，以及竞争对手的专利风险。此外，您还可以获得有关如何为未来业务发展构建知识产权战略的提示。

1。案例38概述及技术背景

1.1 案件38的立场和背景

案例38“输入大规模语言模型的提示句子生成方法”作为创造性判定的案例已公开。本案例研究涉及优化 LLM 输入的技术，特别是如何在有限数量的字符的技术限制内生成有效的提示。

目前，很多LLM，包括OpenAI的GPT系列，都对一次可以输入的token数量（字符数）有上限。例如，GPT-4 的输入限制为 8,192 或 32,768 个令牌，具体取决于模型。如何在这些限制下创建高质量的提示是有效利用LLM的一个重要技术问题。

尤其是通过添加上下文和参考信息来提高LLM答案准确性的RAG（Retrieval-Augmented Generation）技术备受关注，而用有限数量的输入token高效且有效地添加信息的技术可以说具有很高的实用价值。

1.2 Claim of Case 38

案例 38 提出以下两项权利要求。

权利要求 1（不具备创造性）

一种提示文本生成方法，其中计算机通过向输入的问题文本添加参考信息来生成要输入到大规模语言模型的提示，
大规模语言模型具有字符限制，即可以输入的提示字符数的上限，并且当输入包括问题文本的提示时，输出关于问题文本的答案文本。附加句子生成步骤，基于输入的疑问句，生成与该疑问句相关的附加句子，使得包括疑问句的字符数在内的字符总数等于或小于限制字符数；提示生成步骤，附加句生成步骤中生成的附加句作为参考信息添加到输入疑问句中，生成提示； 

权利要求 2（创造性）

根据权利要求1所述的提示文本生成方法，其特征在于，所述生成附加句子的步骤为获取与输入的疑问句相关的多个相关句子，从获取的多个相关句子中提取适合作为参考信息的多个关键词，并利用所述多个关键词生成总字符数不超过所述限制字符数的附加句子。 

2。案例38技术内容详析

2.1发明详述要点

从案例38中对发明的详细说明，可以理以下技术问题和决方案。

技术问题

在使用大规模语言模型时，可能会存在可输入字符数的限制，并且存在无法在输入问题文本中添加无限数量的参考信息的问题。本发明的目的是提供一种在疑问句中添加有效参考信息并在预定字符限制内生成提示句的方法。

决方案

权利要求1的方案是根据输入的问题文本生成附加文本，使得包括问题文本中的字符数在内的总字符数小于限制字符数，并其添加到问题文本中以生成提示。

作为更具体的方案，权利要求2采用获取与问题文本相关的多个相关句子，从中提取适合参考信息的关键词，并使用这些关键词生成附加句子的方法。以相关文本的获取为例，提出了一种从提问者的问题历史、行为历史、购买历史等数据库中提取与问题文本高度相关的信息的方法。

效果

权利要求1的效果是，可以生成在字符限制内有效的附加句子作为参考信息添加到输入的问题文本的提示。

权利要求2的附加效果是，可以在预定字符限制内生成具有与问题文本高度相关且适合作为参考信息的附加文本的提示，并且可以获得更可靠和适当的答案文本。

2.2 绘图说明

案例38不包括详细图纸，但根据书中的描述，概念性地假设了以下系统配置。

1. 问题输入部分：接受用户提出的问题
2. 相关文本获取部分：获取与问题文本相关的多条文本
3. 关键词提取部分：从获取的相关文本中提取适合参考信息的关键词
4. 附加文本生成单元：使用提取的关键字生成附加文本，同时考虑字符限制
5. 提示生成器：通过组合问题文本和附加文本生成提示
6. 大规模语言模型：使用生成的提示作为输入生成答案

3。案例38创造性判断详析

3.1 引用的发明和常用技术知识

在案例38中，示出了下面引用的发明1和共同技术知识。

被引发明 1

提示文本生成方法，其中计算机通过向输入的问题文本添加参考信息来生成要输入到大规模语言模型的提示，
大规模语言模型是当输入包括问题文本的提示时输出关于问题文本的答案的大规模语言模型，
计算机：r>附加句子生成步骤，用于基于输入的问题句子生成与问题句子相关的附加句子；
提示生成步骤，通过添加附加附加信息来生成提示附加句子生成步骤以输入疑问句生成的句子作为参考信息； 

技术知识

在语言处理技术领域，防止信息处理量过大是本领域技术人员通常会考虑的一个显而易见的问题，作为该问题的决方案，在申请时设置一个限制字符数作为可以输入的文本的上限，当文本超过限制字符数时，丢弃超出限制字符数的部分，使得创建的实际输入文本的字符数小于限制字符数。字符。 

3.2权利要求1创造性的判定

比较权利要求1和引用发明1，发现以下差异。

差异

在根据权利要求1的本发明的大规模语言模型中，限制字符数设置为可以输入的提示字符数的上限，并且执行附加句子生成步骤来生成问题文本，使得包括问题文本的字符数在内的总字符数等于或小于该限制字符数。虽然引用发明1的大规模语言模型生成与句子相关的附加句子，但不清楚是否存在作为可输入的提示字符的数量上限的字符限制设置，并且不清楚附加句子生成步骤是否如上所述生成附加句子。 

针对这一差异，审查员认为，考虑到上述公知常识，本领域技术人员可以容易地想到生成附加文本，使得字符数低于限制。

具体来说，考虑要处理的信息量是语言处理领域不言而喻的问题，应用众所周知的设置字符限制并丢弃超出限制的部分的技术无非是本领域技术人员普通创造性能力的运用。

3.3 权利要求2创造性的判定

关于权利要求2，除了上述差异之外，还认识到以下差异。

其他差异

根据权利要求2的本发明的附加文本生成步骤基于输入的问题文本获得与问题文本相关的多个相关文本，从所获得的多个相关文本中提取适合作为参考信息的多个关键词，并使用多个关键词生成字符总数不超过限制字符数的附加文本，而引用发明1的附加文本生成步骤不包括这样的指定。 

对于该差异，审查员确定如下。

1. 现有技术尚未发现公开这样的配置：获取多个相关句子，从中提取适合作为参考信息的关键字，并使用关键字在有限数量的字符内生成附加句子，也不是提交时的公知常识。

2. 与所引用的发明1相比，根据权利要求2的发明具有的有利效果在于，由于该配置，“可以在预定的有限数量的字符内生成具有与问题文本高度相关且适合作为参考信息的附加文本的提示，并且可以获得更可靠且适当的答案文本。”

3. 这不仅仅是设计上的改变，更是一项具有创造性的发明。

4。案例38在判定LLM相关发明可专利性时的值得借鉴的要点

4.1决技术问题手段的特殊性

案例38的权利要求1被否定创造性，因为它仅仅提出了“生成附加句子以使字符数低于限制”的抽象决方案。这是因为考虑字符限制是常识性的技术知识，本领域技术人员很容易想到简单地单词保持在字符限制内的想法。

另一方面，权利要求2具体规定了以下三个步骤。

1. 获取与问题文本相关的多个相关文本
2. 从检索到的多个相关句子中提取多个适合参考信息的关键词
3. 使用提取的关键字在字符限制内生成其他文本

对该具体决方案的描述导致创造性判断的肯定。

对于LLM相关的发明，仅仅“使用LLM”是不够的；提出具体的技术手段很重要。特别是在输入数据的预处理和输出数据的后处理中加入独特的创新，并规定具体的处理流程，可以有效地体现创造性。

4.2 效果显着性和非显而易见性

权利要求2被认定具有创造性的原因之一是“获得更可靠、更恰当的答复文本”的效果被评价为基于引证发明1难以预测的效果。

这种效果不仅仅是信息塞进有限数量的字符中的定量效果，而是着眼于这样一个事实：通过使用从相关句子中提取的关键词，可以生成质量上优越的附加句子。换句话说，声称在数量限制（有限的字符数）内实现了质量改进的效果。

对于LLM相关发明，主张超越简单的自动化和效率的效果也是有效的，特别是以下效果。

• 提高加工精度和质量
• 减少计算资源
• 提高学习效率
• 改善用户体验
• 提高数据安全性

4.3 与知名技术的区别

在案例38中，“从相关句子中提取关键词并生成附加句子”的新颖方法被认为具有创造性，而不是众所周知的“限制字符数并丢弃超出字符数的部分”。

从该判断可知，即使是LLM相关发明，明确与如下所示的公知技术的差异点也很重要。

• 预处理输入数据的独特方法
• 后处理输出数据的独特方法
• 独特的LLM运营控制方法
• 独特的用户界面方法
• 独特的数据管理方法

5。 LLM相关发明的专利申请策略

5.1 撰写权利要求的要点

在撰写LLM相关发明的权利要求时，可以从案例38中了到以下几点。

5.1.1 澄清技术问题

不会简单地提高效率和自动化，而是在LLM的使用中设置具体的技术问题。例如：

• 在字符限制内生成高质量提示的挑战
• 提高 LLM 输出的准确性和可重复性
• 提高 LLM 响应速度的问题
• 向法学硕士高效传授特定领域专业知识的挑战

5.1.2 描述具体决方案

描述具体决方案的步骤，而不是抽象的决方案。如案例38的权利要求2所示，描述结合多个步骤（获取相关句子→提取关键词→生成附加句子）的决方案是有效的。

5.1.3 包含支持有效性的组件

在权利要求中包含支持效果的技术特征非常重要，例如“提取适合参考信息的关键词”。这让你可以声称这不仅仅是设计上的改变，而是针对特定效果的技术独创性。

5.1.4 准备多项独立权利要求

虽然案例38仅展示了一种方法发明，但在实际应用中，应考虑准备如下所示的多项独立权利要求。

• 方法的发明
• 设备的发明
• 程序的发明
• 系统发明
• 涉及服务器和客户端之间通信的发明

5.2 规范中需要写入的要点

在准备法学硕士相关发明的说明书时，以下几点尤其重要。

5.2.1 技术问题详细描述

具体指出现有技术存在的问题，清楚说明本发明试图决的技术问题。案例38明确提出了“是否存在字符限制”的问题。对于LLM相关发明，具体描述以下问题很重要。

• LLM 输入限制（标记数量、字符数量等）
• LLM 输出不稳定或不准确
• 节省计算资源
• 缺乏专业领域知识
• 隐私和安全问题

5.2.2实施例具体说明

描述具体的实现而不是抽象的。详细一下相关句子的获取方法、关键词提取算法、句子生成过程等非常重要。

具体而言，包含以下内容是有效的。

• 系统配置图和数据流
• 每个处理步骤的详细算法
• 具体输入/输出示例
• 参数设置方法及优化方法
• 错误处理和异常处理

5.2.3 有效性证据

用具体的实验结果或对比数据来有效地支持“获得更可靠、更恰当的反应句子”的效果。例如，您应该考虑包括支持信息，例如：

• 与传统方法的对比实验
• 用户评价结果
• 处理速度和准确性的定量评估
• 比较资源使用情况
• 实际使用场景效果

5.2.4技术领域标识

通过明确LLM相关发明所适用的具体技术领域（例如客户支持、医疗诊断、法律咨询等）并描述该领域特有的挑战和效果，可专利性有望提高。

6。摘要：获得法学硕士相关发明权利的策略

从案例38的分析来看，LLM相关发明获得权利的要点如下。

6.1 阐明独特的技术创新，而不是简单地使用LLM

• 输入数据的预处理（例如从相关句子中提取关键字）
• 输出数据的后处理
• LLM 操作控制（例如字符限制内的优化）
• 用户界面改进
• 针对特定字段的自定义

6.2 清楚地技术挑战和影响

• 简单的自动化和效率之外的技术挑战
• 难以预测的重大影响
• 在数量限制内提高质量

6.3 明确与知名技术的差异点

• 不要简单地限制信息处理，而是提高质量的想法
• 不同于现有人工智能技术的独特方法
• 在特定技术领域运用专业知识

6.4 考虑多种权利获取策略

• 方法、设备、程序等的发明。
• 上位概念和下位概念的组合
• 单独特征权获取和组合特征权获取

在LLM相关发明的专利申请中，仅通过LLM很难认定创造性。然而，正如案例38所示，通过增加具体的技术创新，例如预处理输入数据和优化输出数据，可以获得具有创造性的专利。

近年来，出现了诸如ChatGPT和Gemini等各种利用LLM的服务，但为了使它脱颖而出并确保竞争优势，战略性地获得LLM相关发明的权利至关重要。特别是，通过巧妙地预处理输入数据来实现更高质量的 LLM 使用的技术（如案例 38 所示）在未来变得越来越重要。

所在AI/LLM相关发明申请专利方面拥有丰富的经验，并支持根据最新审查趋势规划专利获取策略。如果您对使用大规模语言模型的新业务的专利保护有疑问，请随时与联系。

参考文献

1. 2020 年 3 月修订的日本专利局《专利和实用新型审查手册附录 A 和附录 B》
2. 日本专利局“增加人工智能相关发明的审查案例”（2020 年 3 月）
3. 日本特许厅“审查指南第 III 部分第 2 章第 2 节创造性」
4. 日本专利局“人工智能相关技术的案例研究”
5. 日本专利代理师协会“人工智能相关发明专利实践研究报告”