هل محكوم على براءات الاختراع في مجال التعلم الآلي وبراءات الاختراع بعد حديث؟

في 18 أبريل 2025 ، أكدت محكمة الاستئناف الأمريكية للدائرة الفيدرالية رفض محكمة المقاطعة لدعوى انتهاك براءات الاختراع التي رفعتها التحليلات الحديثة ضد شركة Fox Corporation أن القرار المؤكد لم يكن لبراءات التعلم الآلي مؤهلاً لبراءة الاختراع (لا سيما أن يدمروا الخريطة (MONING).

حديث أربعة براءات الاختراع المؤكدة تشارك برامج لإنشاء جداول الأحداث وخرائط الشبكة باستخدام نماذج التعلم الآلي المدربين على البيانات التاريخية. على الرغم من أن الطلبات قد نجحت في التغلب على القسم 101 الرفض أثناء الامتحان أمام مكتب براءات الاختراع والعلامات التجارية الأمريكية (USPTO) ، فإن محكمة المقاطعة ، والدائرة الفيدرالية الآن ، رأت أن المطالبات كانت موجهة إلى الأفكار المجردة بموجب خطوة أليس الأولى ، وتفتقر إلى المفهوم المبتكر اللازم لتدفق الأهلية بموجب خطوة أليس الثانية.

في حديثا، أقرت الدائرة الفيدرالية بالأهمية المتزايدة للذكاءات الاصطناعية والتعلم الآلي وأكد أن احتجازها يقتصر على تطبيقات التعلم الآلي العام. ومع ذلك ، فإن الآثار الأوسع لهذا القرار لبراءات الاختراع والتطبيقات الحالية المعلقة قبل USPTO لا تزال غير مؤكدة.

ببساطة تدريب نماذج التعلم الآلي غير كافية للتغلب على أهلية براءات الاختراع

كانت هناك حقيقة أساسية في القضية حديث الامتياز الخاص: كانت نماذج التعلم الآلي المستخدمة تقليدية. أكدت الدائرة الفيدرالية من جديد أن تدريب نموذج التعلم الآلي على البيانات لا يحول فكرة مجردة إلى اختراع مؤهل مؤهل للبراءات. وبالمثل ، فإن حصر نموذج التعلم الآلي المدربين في مجال تكنولوجي معين غير كافٍ ما لم يقدم التنفيذ تحسنًا محددًا غير عام في تقنية الحوسبة ويصف كيفية تحقيق هذا التحسن.

من المهم أن نلاحظ أن معظم نماذج التعلم الآلي يتم تدريبها بطبيعتها على مجموعات بيانات كبيرة ومعقدة في كثير من الأحيان لإنشاء تنبؤات أو تصنيفات. ومع ذلك ، هذا وحده هو روتيني وفهم جيد في هذا المجال. على الرغم من قبل حديثا يمكن للمرء أن يجادل بأن نموذج التعلم الآلي المدرب يمثل تحسنا التكنولوجي ، حديثا يوضح القرار أن مثل هذه الحجج غير كافية ما لم تصف المطالبات على وجه التحديد كيفية تحقيق التحسن التكنولوجي.

صياغة الأهلية: دروس من حديثا

الاستنتاج في حديثا يعزز القرار أن AI ومطالبات التعلم الآلي تظل مؤهلة لبراءة الاختراع. ومع ذلك ، يجب أن يتحول التركيز من نموذج التعلم الآلي المدربين ببساطة إلى تحقيق نتيجة (أي توليد الجداول أو تحليل الشبكات كما كان الحال في حديثا) ل كيف ينفذ نموذج التعلم الآلي المهمة بطريقة جديدة تقنيًا.

لزيادة احتمال العثور على الطلبات وبراءات الاختراع المؤهلة بموجب المادة 101 من قبل USPTO والمحاكم ، يجب على المتقدمين صياغة سرد للتقدم التكنولوجي بعناية أثناء عملية الصياغة. يجب أن يتم تضمين هذا السرد في المواصفات وتتوج في المطالبات ، مما يدل بوضوح على كيفية استخدام الذكاء الاصطناعي أو التعلم الآلي إلى تحسن فني محدد. يجب أن تكون السرد المتطور:

• صف مشكلة تقنية ملموسة. يجب أن تصف المواصفات مشكلة موجودة في الأنظمة والعمليات السابقة.
• تقديم حل محدد. يمكن أن يكون الحل المحدد عبارة عن بنية نموذجية للتعلم الآلي أو تقنية استخراج الميزات المبتكرة أو طريقة تدريب محسّنة تتجنب التحيز أو التورط في سياقات معينة. ببساطة تدريب نموذج التعلم الآلي غير كافٍ.
• تسليط الضوء على كيفية أداء الجهاز بشكل مختلف عن الإنسان. لقد رأت المحاكم مرارًا وتكرارًا أن القول ببساطة أن التحسن يكمن في نظام التعلم الآلي الذي يؤدي مهمة أسرع أو كفاءة أو أكثر دقة من إنسان غير كافٍ. المفتاح هو كيف يفعل نظام التعلم الآلي ذلك بشكل مختلف. هذا كيف يجب أن يتم التقاطها في المطالبات.
• إظهار النتيجة وتأثيرها الفني. يمكن تقليل النتيجة والتأثير الفني لنظام التعلم الآلي كاتبة النظام أو انخفاض استهلاك الطاقة أو تحسينات في أداء الحوسبة. الأهم من ذلك ، يجب ربط هذه الآثار الفنية بالميزات الفنية للاختراع التي يتم التقاطها في المطالبات.

المزالق لتجنب

من الضروري أيضًا تجنب المزالق الشائعة التي تقوض أهلية براءات الاختراع. وتشمل هذه المزالق:

• استخدام لغة وظيفية عالية المستوى في المطالبات دون سياق تقني. يدعي أن تقرأ خطوات مثل “تدريب النموذج” أو “توليد التنبؤات” أو “عرض النتائج” ، دون تسري هذه الخطوات في إطار تكنولوجي محدد وغير تقليدي من غير المرجح أن يتم العثور على براءة اختراع مؤهلة ومجموعة.
• بدعوى فقط النتيجة دون التفاصيل الفنية. المطالبات الموجهة نحو النتائج ، مثل “تحديث خريطة شبكة” أو “جدول” كما في حديثا، ولكن دون تفصيل الآليات التقنية التي تقف وراءها ، تفشل أيضًا في تلبية معايير أهلية براءات الاختراع. لقد رأت المحاكم بشكل متزايد أن مثل هذه الادعاءات الموجهة نحو النتائج غير كافية لإثبات أهلية براءات الاختراع بموجب أليس الخطوة الأولى. في المقابل ، كما هو موضح في Mcro ، Inc. ضد Bandai Namco Games، 837 F.3d 1299 (Fed. Cir. 2016) ، تم العثور على مطالبات تضمنت قواعد وخوارزميات محددة لتحقيق النتيجة مؤهلة لبراءة الاختراع لأنها تلاها تطبيق تكنولوجي معين بدلاً من فكرة تجريدية.
• تأطير الاختراع حول تحسينات الأداء. يتمثل مضيبة أخرى في صياغة سرد مفاده أن نموذج التعلم الآلي يقوم بمهمة أسرع أو أكثر كفاءة أو أكثر دقة من نظام حالي أو إنسان. في حين أن مكاسب الأداء ذات قيمة في الممارسة ، إلا أنها لا تمنح أهلية براءات الاختراع. وبالمثل ، فإن حقيقة أن نموذج التعلم الآلي يمكن أن يؤدي مهام تتجاوز قدرة العقل البشري لا تجعل براءة اختراع الاختراع مؤهلة بالضرورة. المحاكم واضحة أن مثل هذه المزايا ليست تحسينات تكنولوجية. بدلاً من ذلك ، لكي تكون المطالبات مؤهلة لبراءة الاختراع ، يجب أن يكمن التحسن في كيف يعمل نظام التعلم الآلي بشكل مختلف عما يفعله البشر أو أجهزة الكمبيوتر التقليدية.

نتطلع: التوجيه العملي

بالرغم من حديثا يقدم بعض التوجيهات لكيفية مؤهل اختراع الذكاء الاصطناعي والتعلم الآلي ، يظل المشهد القانوني غير مؤكد. غالبًا ما ترتبط التحسينات الأكثر قيمة في الذكاء الاصطناعي والتعلم الآلي ببيانات التدريب. ومع ذلك ، تحت حديثا من غير المرجح أن تدعم هذه التحسينات العثور على أهلية براءات الاختراع. بالنظر إلى عدم اليقين هذا ، يجب على المبدعين وممارسي براءات الاختراع تبني نهج استراتيجي متعدد الأوجه:

• تقييم جميع أشكال حماية الملكية الفكرية. إذا كان الابتكار الأساسي يكمن في تدريب نظام التعلم الآلي باستخدام بيانات التدريب ، ففكر في ما إذا كانت حماية Secret Trade خيارًا أكثر ملاءمة. الحفاظ على بيانات التدريب سرًا ، يمكن أن تقدم حماية طويلة الأجل دون الكشف العام المطلوب من قبل براءات الاختراع.
• تعامل مع امتحان USPTO باعتباره عقبة ضرورية ولكنها غير كافية في التغلب على أهلية براءات الاختراع. النجاح أثناء الادعاء لا يضمن النجاح في التقاضي. لا تحتاج المحاكم إلى تأجيل قرارات USPTO بشأن أهلية براءات الاختراع. مثل حديثا يوضح أن براءات الاختراع التي تتغلب على الفقرة 101 أثناء الفحص لا يزال من الممكن إبطالها في التقاضي. يجب صياغة الطلبات بعين نحو التقاضي من البداية.
• استخدم المواصفات لرواية القصة التقنية. يجب أن تشرح التطبيقات السياق التقني وأوجه القصور في الأنظمة الحالية ، وكيف يختلف نهج التعلم الآلي أو النهج الآلي ويتحسن في التكنولوجيا الحالية. هذا كيف يجب أن يتم التقاطها في المطالبات. التعاون الوثيق مع المخترعين لتحديد التحسينات التقنية المحددة أمر بالغ الأهمية.
• تأكد من أن المطالبات ليست مجرد وصفية للأهداف. من خلال قراءة خطوات محددة ، أو هياكل البيانات ، أو تقنيات التدريب التي توفر مسارًا واضحًا من مشكلة إلى حل ، وصياغة المطالبات الموجهة في نفس الوقت ، تقطع شوطًا طويلاً لمنع مشاكل أهلية براءات الاختراع.

ركز على كيف

حديثا بمثابة تذكير بأن الذكاء الاصطناعي والتعلم الآلي ، بغض النظر عن تطورها أو استخدامها على نطاق واسع ، لا يكونون مؤهلين تلقائيًا. لا يكمن الابتكار فقط في استخدام أو تدريب الذكاء الاصطناعي ، ولكن في كيفية تنفيذ التكنولوجيا على وجه التحديد لتحقيق تحسن تقني. يُنصح المتقدمون بالعلاج حديثا كخريطة طريق لصياغة المطالبات وتطوير سرد يدعم أهلية براءات الاختراع.

مصدر الصورة: صور الإيداع
المؤلف: Alexskopje
معرف الصورة: 30864475