259期
2020 年 04 月 29 日
  北美智權官網 歷期電子報   電子報訂閱管理  
 
當人類專利工程師遇上AI審查委員
李淑蓮╱北美智權報 編輯部

目前多國專利局 (IPO) 都已著手研究如何利用人工智慧 (AI) 來減輕專利或是商標審查工作的負擔,有些IPO甚至已研究經年,研發出利用AI來協助人類專利審查官的系統。然而,相對於人強馬壯的IPO,沒有多少事務所或是In-house IP部門積極投入大量資源研發以AI來輔助專利師/專利律師/專利工程師撰寫專利說明書的系統或技術,大部分仍停留在大數據應用的前案檢索階段。也許主事者認為無此需要,因為AI不僅難以了解發明人的想法(因為有不少發明人是天馬行空的),更遑論引導發明人朝更完整的claim或是滴水不漏的專利佈局邁進。但是,知己知彼,當各國IPO都在朝利用人工智慧 (AI) 來減輕審查工作的負擔時,人類工程師也必須要了解他們有多少能耐。

artificial intelligence, technology, robot, futuristic, machine, human, android, arm, female, touching, hands, fingers, long hair, studio shot, hairstyle, young adult, young women, colored background, waist up, hair, front view, indoors, looking at camera, standing, portrait, one person, blue, holding, casual clothing, brown hair, teenager, beautiful woman, blue background, adolescence, human hair, 5K, CC0, public domain, royalty free

好幾年前開始已經有人在討論AI會否取代人類的工作,多年討論下來的結果,是一般工作如果是重覆度高的機械性操作,最後都應該逃不了被AI機器人取代的命運;而AI不能取代的工作,該是需要高度人類情感或臨場反應智慧的。例如心理醫生、感情咨商、律師、老師……等等。當中也有人討論過,AI是否可以撰寫專利說明書,答案當然是肯定的,這就如同AI可以寫新聞報導、可以寫小說一樣;但能否寫出「好」的專利或是可以得諾貝爾文學獎的小說就讓人存疑。

在北美智權報249期人工智慧在專利審查中的應用:USPTO  &  CNIPA 一文中,曾淺略介紹過USPTO和CNIPA利用人工智慧協助審查的情況。由於該文對CNIPA的介紹已相當詳細,因此本文會針對USPTO作更深入的介紹。此外,在往後刊期還會挑一些相對重要國家的IPO,簡介其在AI協助專利商標審查方面的發展。

四大目標五大工作項目

美國USPTO針對AI協助專利商標審查工作的研發有4大目標,分別是(1) AI輔助專利檢索系統、(2) 以AI為基礎的專利專有名詞資料庫產生器(AI based Patent Term Library Generator)、(3) 以AI為基礎的商標圖像檢索系統、以及(4) 深度機器學習的聊天機器人 (Deep Machine Learning Chat Bots)。至於USPTO利用AI協助的工作項目可以概分為5大類:(1)豐富的專利引文數據搜尋、 (2) 專利趨勢分析 (合作專利分類CPC分析)、(3) 基於瀏覽器的端點高級專利分析、(4) 商標圖像分類、(5) 運用於USPTO的研究項目(像一些趨勢研究)。

在專利及商標審查的部分,USPTO有一個程式,將人工智慧與大數據和機器學習相結合,可以在多個領域中應用,包括提供最有用和最相關的信息來決定一個審查員對可專利性的判定、專利案申請的文字分析和官方行動(OA),以分析整個專利訴訟歷史;以及改進應用程式的介面,讓公眾可以更容易存取USPTO數據。此一程式使用USPTO針對每個系統的每個應用程式的客製化開源技術(Java和Python)於內部開發。

商標審查

針對商標審查的部分,USPTO以機器學習發展了一套對比系統,架構如下:

圖1. 商標之機器學習架構

資料來源:Emerging Technologies in USPTO Business Solutions,May 25th 2018;後製:李淑蓮

針對商標資料歸納的部分,USPTO用了編碼的概念。首先,將一組6位數的數字設計搜索代碼分配給每一商標,例如星形(01.01.03)或花朵(05.05.25)的描述。 USPTO 指出,藉由已使用多年且有審查委員可相對應註釋的設計代碼的圖像,即可以對系統進行深度訓練,讓它成為可以預測新商標圖像設計代碼的系統。(如圖2)

圖2. 商標設計之編碼建議

資料來源:Emerging Technologies in USPTO Business Solutions,May 25th 2018;後製:李淑蓮

此外,對商標審查員而言,搜尋外觀相似的商標是基本的工作。使用神經網路,USPTO的商標審查員可以檢索和存儲標記圖像的特徵,然後進行比對。(圖3)

圖3. AI的商標搜尋方式

資料來源:Emerging Technologies in USPTO Business Solutions,May 25th 2018

專利審查

早在2018年初,USPTO已提供了Sigma概念的證明,它使用機器學習/人工智慧演算法,根據文件集來搜尋整份文件。USPTO版本的Sigma可搜尋已獲授權的專利和授權前的已公開(僅限於美國)的申請案。(圖4)

同樣在2018年初,USPTO已在研究具深度機器學習水準的聊天機器人(Chat Bots),以提供對USPTO 專利審查基準(MPEP)的「概念質詢 – Concept Questioning」(而不是關鍵字)的存取,以及使用演算法和請求項的類別分析,以求能更完整深入地理解請求項語言和分類的趨勢。不過,就現階段而言,以筆者的觀察,是USPTO的Chat Bots只比罐頭客服好一些些 (圖5)。

圖4. AI的專利搜尋能力

資料來源:Emerging Technologies in USPTO Business Solutions,May 25th 2018

圖5. Chat Bots的雛型

資料來源:Emerging Technologies in USPTO Business Solutions,May 25th 2018

人類工程師稍占下風

以前和一專利工程師聊天時他曾提到,每一個案子需要的前案檢索時間都不一樣,但他都會為自己設下「停損點」,意思就是設定前案檢索時間,像是4小時、8小時……之類的。因為面對浩瀚的前案,不可能無止境的一直檢索下去,不然就「虧」了。當然,就算面對同樣的案子,每個工程師的「停損點」都不一樣,這要視乎每個工程師的功力,例如經驗或是對技術的掌握度。

然而,如果專利審查委員有AI檢索系統輔助的話,那幾乎是不用設停損點的,而且AI不止會幫你檢索篩選,還會幫你比對技術內容。如果AI系統做得好,幾乎可以到滴水不漏的程度的 。

雖然在北美智權報258期2020美國專利訴訟調查搶先看一文提到:「在2010 年,可預期性/新穎性和顯而易見性是認定專利無效的最常見原因。然而在 2019 年,認定專利無效的最普遍原因為不適格(第 101 條規定的主題)和不確定性(第 112 條規定的明確性)。」乍看之外,這好像顯示了人類工程師在前案檢索部分也有不少進步,但事實上,這是由於2013年後,101 rejection因為Mayo、Alice兩案判決,讓適格性一度變成一道窄門,令申請案/專利案很容易就被認定不適格,但在2019 PEG後,這狀況已經獲得大幅緩解。

因此「可預期性/新穎性和顯而易見性」到目前為止仍是認定專利無效的普遍原因。雖然USPTO的「AI」檢索系統也開放給一般民眾使用。然而,面對來勢洶洶的AI協助專利、商標審查工作,人類工程師萬萬不能掉以輕心。有人類工程師建議,除了坊間檢索軟體開發商(或民間事務所)應盡快追上官方的技術外,撰稿工程師也應更加善用手邊的檢索工具,以因應「審查機關有AI輔助」的「不對等」衝擊。

作者: 李淑蓮
現任: 北美智權報主編
學歷: 文化大學新聞研究所
經歷: 半導體科技雜誌(SST-Taiwan)總編輯
CompuTrade International總編輯
日本電波新聞 (Dempa Shinbun) 駐海外記者
日經亞洲電子雜誌 (台灣版) 編輯

 

Facebook 在北美智權報粉絲團上追踪我們       

 





感謝您閱讀「北美智權報」,歡迎分享智權報連結。如果您對北美智權電子報內容有任何建議或欲獲得授權,請洽:Editorial@naipo.com
本電子報所登載之文章皆受著作權保護,未經本公司授權, 請勿轉載!
© 北美智權股份有限公司 & 北美聯合專利商標事務所 版權所有     234新北市永和區福和路389號五樓 TEL:+886-2-8923-7350