AI事业计划支持技术能否获得专利？从案例47学习商业AI发明的权利化策略

?? 致阅读本文的人：另请看一下IT知识产权门户，为IT企业提供专利、商标、版权一站式支持。

简介

“想开发一种利用人工智能的商业预测工具，但这可以申请专利吗？”和“获得商业相关人工智能技术的专利需要什么要求？”这些是近年来许多公司一直在问的问题。

随着人工智能在商业领域的加速应用，专利保护的重要性也日益增加，但商业相关发明和人工智能相关发明传统上被认为申请专利的门槛很高。特别是，很难满足诸如启用要求和支持要求等描述性要求，并且有许多申请被拒绝的历史。

在本文中，详细分析本专利局审查手册中包含的案例47“商业计划支持装置”，并与商业相关的人工智能发明被认定为专利的具体要点。该案例是利用人工智能的商业计划支持设备的示例，被确定满足描述要求，对于旨在获得类似技术领域专利的公司和开发人员来说非常有用。

1。案例47“商业规划支持装置”概述

1.1权利要求的范围

案例 47 显示了以下权利要求。

[Claim 1] 
用于存储特定产品的库存数量的装置； 
用于接收特定产品的广告活动数据和网络上提及数据的手段； 
使用机器学习学习的预测模型，使用广告活动数据和网络上有关过去销售的类似产品的提及数据以及类似产品的销售数量作为训练数据；一种商业计划支持设备，包括： 用于模拟并输出根据广告活动数据和提及数据预测的特定产品的未来销量的装置；用于制定生产计划的装置，该生产计划包括基于储存库存量和产出销售数量的特定产品的未来生产量； 
 指定出产量销量及制定的生产计划。 

1.2发明详细说明要点

在发明的详细说明中，本发明的背景和问题在于，随着互联网的普及，网络上的广告活动已成为促进产品销售的有效手段，但实际广告活动的效果难以实时判断，且存在因试错而导致库存不足而错失商机的风险。

以下数据和功能被描述为本发明的组成部分：

1. 广告活动数据：特定产品在网络上展示广告的次数（横幅广告、列表广告、电子邮件广告等）
2. 提及数据：网络、SNS、博客等文章中对产品或广告的评价。
3. 预测模型：由监督机器学习生成，使用神经网络等知名机器学习算法来学习广告活动数据和过去销售的类似产品的提及数据之间的关系，以及作为训练数据的类似产品的实际销售数量
4. 生产计划：如果销售数量超过库存数量，则创建生产计划以增加产品的生产数量，如果销售数量小于库存数量，则创建生产计划以减少产品的生产数量。

1.3 考试成绩

需要说明的是，对于案例47的权利要求1，没有告知违反描述要求（违反启用要求/违反支持要求）的拒绝理由。换句话说，其被示出为满足描述要求的示例。

2。案例47审查要点——描述要求的确定

来详细分析一下案例47被判定满足描述要求的原因。

2.1 确定可行性要求

实施要件（专利法第36条第4款第1项）是指说明书是否清楚、充分，足以使本领域技术人员能够实施发明。案例47强调了以下几点：

1. 输入和输出数据的清晰标识：

   • 输入数据具体包括“网络广告曝光次数”和“网络、SNS、博客等文章中的评价值”
   • 明确指定“销售数量”作为输出数据

2. 数据之间存在相关性：

   • 虽然本发明的详细描述没有描述输入数据和输出数据之间的具体相关性，但是根据提交时的公知常识可以推断它之间存在相关性
   • 假设广告活动数据与后续销售之间存在相关性，这一点在商业实践中得到了广泛认可。

3. 机器学习技术的清晰描述：

   • 据称使用“神经网络等知名机器学习算法”
   • 监督学习方法具体描述

审查手册的指出：

在提交时众所周知，通过使用具有相关性等的输入数据和输出数据作为训练数据，使用通用机器学习算法执行机器学习，可以生成估计与输入相对应的输出的预测模型。 

这表明，由于机器学习技术本身是众所周知的，因此不需要详细，并且如果可以推断出输入和输出数据之间的相关性，则本领域技术人员可以实现它。

2.2 确定支持需求

支持要件（专利法第三十六条第六项第一项）询问请求保护的发明是否在发明详细说明中记载。案例47从以下几点判定权利要求1的发明满足支持要求：

1. 决问题方法的具体描述：

   • 它清楚地描述了根据广告活动数据和参考数据预测特定产品未来销量的问题决方法，并根据预测的库存和销量提出生产计划。

2. 示例的特殊性：

   • 具体举例说明，包括输入数据（广告活动数据、提及数据）、输出数据（销售预测）、预测模型生成方法、生产计划制定方法等。

3. 效果的合理可预测性：

   • 根据广告活动数据和提及数据来预测销售数量并基于与库存数量的比较来制定生产计划的效果是本领域技术人员合理预见的

3。案例47及商业相关人工智能发明专利获取要点

通过案例47的分析，来总结一下商业相关的人工智能发明获得专利的要点。

3.1 澄清输入和输出数据之间的相关性

商业相关的人工智能发明中最重要的是阐明输入数据和输出数据之间的相关性。在案例 47 中，众所周知，广告活动数据/提及数据与销售数字之间存在相关性。

但是，如果它不被接受为常见技术知识，则需要采取以下行动：

1. 相关性具体：

   • 描述统计数据和分析结果，显示报表中数据之间的相关性
   • 通过具体示例和实验结果支持相关性

2. 相关性的基本原理：

   • 此类数据可能相关的基本原理
   • 引用并支持行业知识和学术研究

3.2 AI模型适当的描述级别

如果AI模型本身不是发明的本质，则不一定需要对其进行详细。在案例 47 中，陈述“一种众所周知的机械工程算法，例如神经网络”就足够了。

但是，请注意以下事项：

1. 当人工智能模型是发明的本质时：

   • 如果AI模型的结构或学习方法是发明的本质，则需要更详细的
   • 例如，如果使用特殊的学习方法或损失函数，则应描述详细信息

2. 使用未知技术时：

   • 当使用尚不为人所知的人工智能新技术时，必须详细描述至本领域技术人员能够实现的程度

3.3 平衡业务和技术效果

对于商业相关的发明，不仅要展示商业效果，还要展示技术效果。案例47具有以下两个效果：

1. 业务影响：

   • 防范因库存不足等原因而失去商机的风险。
   • 特定产品的卖家可以在早期阶段审查产品生产计划

2. 技术效果：

   • 通过在网络上输入广告活动数据和提及数据，利用机器学习实现高度准确的销售预测
   • 通过系统化消除人类判断的差异

这样，通过澄清通过技术手段决商业问题的结构，可专利性就会增加。

4。案例 47 与对比拒绝案例之间的差异

虽然案例47被判定满足说明书要求，但也存在类似人工智能相关发明违反说明书要求的情况。通过与考试手册中其他案例的比较来看看有什么不同。

4.1 与案例46“糖含量估算系统”比较

案例46“含糖量估算系统”是一个利用机器学习来预测人脸图像与该人种植的蔬菜含糖量之间关系的系统，但被认为违反了启用要求。

案例46被拒绝的原因：

• 人脸图像与蔬菜的糖含量间存在相关性并不被认为是常识性的技术知识，并且在发明的详细描述中也没有示出具体的相关性。
• 实际生成的判断模型的性能评估结果也没有显示

与案例 47 的差异：

• 在案例 47 中，众所周知，广告活动数据与销售额之间存在相关性
• 在商业领域，广告与销售之间的关系得到了许多研究和实践的支持

4.2 与案例49“重量估算系统”的比较

案件49的权利要求1“体重估计系统”是一种根据表达人脸形状和身高的特征来估计人体重的系统，这被认为违反了支持要求。

案例49被拒绝的原因：

• 权利要求1宽泛地描述了“代表面部形状的特征”，但发明的详细描述仅支持特定特征“面部线条角度”。
• 面部形状特征与体重之间存在相关性，这一点并不被视为常识

与案例 47 的差异：

• 在案例 47 中，输入数据被明确标识为“广告活动数据”和“提及数据”
• 这些数据与销售额之间的相关性被视为技术常识

5。满足商业相关人工智能发明描述要求的实用要点

基于案例47的分析，总结了商业相关人工智能发明专利申请中满足说明书要求的实务要点。

5.1 创建语句的要点

1. 澄清问题的技术方面：

   • 其描述为信息处理中的技术问题，而不仅仅是业务问题
   • 例如强调“实时判断困难”的技术问题

2. 专门识别输入/输出数据：

   • 清晰描述输入输出数据的具体内容和格式
   • 尽可能显示具体示例和数值范围

3. 数据之间的相关性：

   • 如果不被接受为常见技术知识，请提供支持相关性的数据和分析结果
   • 此类数据可能相关的基本原理

4. 阐明如何使用人工智能技术：

   • 使用什么样的机器学习算法
   • 应该使用什么样的数据作为训练数据
   • 如何学习

5. 效果具体描述：

   • 详细描述技术和业务效果
   • 如果可能，请显示数值数据和比较实验结果

5.2 创建声明的要点

1. 清楚地描述技术组件：

   • 具体描述硬件配置（设备、手段）
   • 详细描述软件处理（步骤、功能）

2. 适当限制输入/输出数据：

   • 清楚地识别输入和输出数据的类型和内容
   • 特别是，其相关性不被认为是公知常识的数据应限制在可以由发明的详细支持的范围内

3. 具体描述AI模型的功能：

   • 具体描述AI模型实现什么功能
   • 例如“使用预测模型进行模拟并输出”

4. 阐明业务流程和技术处理之间的关系：

   • 明确什么样的技术处理实现了业务流程（例如生产计划）

5.3 拒绝原因处理要点

还请记住，如果您收到拒绝原因，应注意以下几点：

1. 关联拒绝原因：

   • 引用学术论文、行业数据等来声称存在相关性
   • 提交显示相关性的数据，例如实验结果证书

2. 拒绝启用要求的原因：

   • 补充说明AI模型的具体实现实例和学习方法
   • 提交程序流程图、伪代码等。

3. 支持要求的拒绝原因：

   • 权利要求的范围限制在发明详细描述所支持的范围内
   • 添加限制，尤其是有关数据类型和相关性的限制

6。摘要：商业相关人工智能发明专利获取策略

从案例47“商业规划辅助装置”的分析来看，商业相关人工智能发明获得专利的要点可归纳如下：

1. 澄清技术问题和决方案：

   • 从技术角度重新定义业务问题
   • 具体描述使用技术手段的决方案

2. 支持数据关联：

   • 阐明输入和输出数据之间的相关性
   • 如果不被认为是常技术知识，请用具体数据和分析结果来支持它

3. 适当人工智能技术的选择和描述：

   • 选择适合决问题的人工智能技术
   • 如果是众所周知的技术，则无需详细说明，但如果是新技术，则应具体说明

4. 效果具体描述：

   • 详细描述技术和业务效果
   • 如果可能，请显示数值数据和比较实验结果

与商业相关的人工智能发明，如果只是商业方法的系统化或人工智能的简单应用，不太可能获得专利性，但通过清楚地展示技术问题的决方案并适当支持输入和输出数据之间的相关性，获得专利的可能性就会增加，如案例47。

随着人工智能技术的进步，其在商业领域的应用日益扩大。如果您的公司拥有独特的商业模式或数据分析方法，也许可以其作为知识产权进行保护。在公司，利用在获取商业相关人工智能发明专利方面的丰富经验和专业知识来提出最佳的专利获取策略。请随时与联系。

参考文献

1. 日本特许厅《专利/实用新型审查手册附件A》
2. 日本专利局“人工智能相关技术的案例研究”
3. 日本专利局“审查指南第二部分第一章启用要求”
4. 日本专利局“审查指南第二部分第 2 章第 2 节支持要求”
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”