經濟部智慧財產局 廖承威副局長 紀錄：楊博翔 國立台灣大學法律研究所經濟法組三年級 壹、世界智慧財產組織(WIPO)觀點 一、人工智慧浪潮 AI最早自1956年最開始發展，發展之初強調演算法的邏輯。但這樣的嘗試並未成功，因為對於機器而言，一個簡單的動作便可能需要上百條方程式才能達成。1980年則採用專家系統模式，但這樣的模式中，電腦本身並無法學習，此項嘗試也以失敗告終。直到2012年，在演算法和雲端運算已經成熟的背景下，大數據的發展也在此一時點漸趨完善，歸功於電子資料的完備和梳理資料能力的進步。這些要素的具備促成了AI在往後快速的發展。總結來說，此波AI的發展是「資料」推擠AI的浪潮，而AI又衝擊IP的法制。 二、推擠AI的浪潮 此次AI有所突破的關鍵在於AI的結構由「演算法」變為「資料」，並使得跨領域應用的門檻大幅下降。詳言之，傳統的AI控制程式只能透過輸入、輸出介面得到簡單的是非題。近期AI採用的則是機器學習演算法，將重點放在前端的資料處理，運算所得到的結果也不再是簡單的是非題，而是更加豐富的論述。 三、AI衝擊IP法制 AI發展上的突破也同時衝擊了智慧財產權(IP)的法制。在專利方面，資料本身雖然不是保護標的，但是產生、使用資料的方法或設備則有可能成為專利的標的；在營業秘密部分，世界智慧財產組織提供其AI翻譯系統，鼓勵世界五大專利局(IP5)盡可能將AI相關資料釋出，達成資料共享的目標，希望可以幫助AI的快速發展；在著作權方面，大數據蒐集的過程中，是否會有重製或改作侵害著作權的問題，也有待進一步討論。 貳、IP5如何面對AI浪潮 一、世界五大專利局(IP5)對AI的應對 IP5自2018年起便設有專家會議探索AI對專利制度的影響，而2019年起更成立新興科技/人工智慧(NET/AI)特別工作小組，並陸續在2020年選定標的，概述候選合作項目，最終在2021年訂定未來的工作及可能開展的項目，詳述如後。 二、IP5新興科技/人工智慧(NET/AI)特別工作小組的四大項目: 統計數據、分類、IT應用、法規 (一)統計數據 在統計數據的方面，首先由於各國對統計數據的定義不同，例如各國審結時間都不太一樣，台灣是採申請時程；美國是採申請日；中國則是採公告、公開之日開始。因此比較各國數據時，尚且需先將各國的統計數據調整。此外，各國間也會定期交流統計數據，並就辨識新興科技、AI相關申請案的方法、定義及範圍達成共識。各國也會就統計資料監測申請變化量進行交流，以便了解、預測科技發展趨勢。最後各國專利局也在積極開發AI輔助工具辨識新興科技、AI之申請，並做成統計數據的分析。 (二)分類 目前對各國IPO而言，開發新興科技、AI相關申請案的分類輔助AI是最可行的方向。各國IPO會分享AI分類輔助實務，分享資料集、演算法之經驗，並交流訓練AI模型資訊。以韓國實務經驗為例，韓國訓練AI的資料模型為半導體的申請案件，其作為資料模型適合的原因其一為韓國的半導體產業強大，有足夠多的樣本供AI進行訓練，另一點在責於半導體專利的一致性高，適合用於AI的訓練。針對前述的分類輔助AI，各國IPO也建立用以檢視AI輔助分類系統效能之指標或標準，成為各國互相比較、競爭的基準。最後，各國IPO間也會共享新興科技、AI技術之資訊，以便各國共同修訂分類類號之實務資訊。 (三)IT應用 在IT應用方面，各國IPO分享AI輔助分類、自動檢索的經驗，也就彼此AI機器翻譯經驗進行學習，並建立IP5局機器翻譯的合作機制：如中國大陸便和EPO合作(中、英文間的翻譯)。此外，各IPO當局也尋求區塊鏈技術在專利運作的應用。而中國大陸以及韓國IPO雙邊也就AI檢索，及分類系統的效能進行比較研究。最後，各國IPO就IT專案管理的案例也持續在進行經驗分享。 (四)法規 在建立法規方面，由於AI仍不斷在發展中，尚未能完整的相關法規加以規範、交流，但各國IPO間會分享各自相關的法律實務案例，希望各國的法規能逐漸從實際審查案例中漸漸去堆疊。各國配合法律方面議題進行比較分析，並透過持續的經驗分享，調和法律之確定性及透明度。 參、台灣智慧財產局(TIPO)如何因應挑戰 TIPO首先面對來自AI的第一個問題便是AI得否作為專利發明人？目前各國採取的態度並不一致，其中歐洲、美國及英國的智慧財產局均持否定見解，而南非、歐洲當局則採肯定見解。我國目前實務見解參考智慧財產法院110年度行專訴字第3號判決見解，也採取否定見解，認為創作應為人類精神活動成果的統稱，因此發明人應為自然人，而AI並非法律上所稱之「人」，故無法取得專利權。 在AI輔助的相關工具方面，首先，TIPO目前使用中的AI輔助工具為「IPC自動分類」。TIPO在106年原先採用XGBoost分類的正確率僅約67%，但自109年起改採MLP系統後正確率提高至82%。此外MLP系統是採取增量學習的方式進行學習，即新增資料時不需要重建所有資料，可在原有模型上進行新增資料的更新訓練即可，時間和資源遠低於重新訓練。 而 TIPO目前規劃中的AI輔助工具：商標以圖找圖，用以商標前案檢索。該系統針對抽象幾何比對的準確率為62%，而就具象物體比對的準確率則達到89%，已有初步不錯的成果。後續將繼續透過參數調教最佳化，持續提高比對的準確率。 TIPO提供的另一項全球專利檢索系統(GPSS)，其中整合本國及五大專利局、世界智慧財產組織及東南亞國家等105國多達1.39億筆的專利資料可供檢索。此外，該系統也支援中英日韓等不同的語言系統，並就繁、簡體中文字間提供自動化的轉化服務，使產業界能有效檢索中國大陸的專利資料，期許為產業界帶來諸多幫助。 最後TIPO目前規劃中的輔助工具為「智慧檢索」。其主要目的在為普羅大眾提供服務，由系統直接分析民眾所輸入的整段文字內容，協助搜尋相關資料，避免一般大眾因為不熟悉專利領域的關鍵字，而無法尋得想要找到的結果。 肆、審查實務的調和 一、TIPO電腦軟體基準的變遷 TIPO在 1998年首次將電腦軟體納入專利保護，並於 2008年納入電腦程式產品請求項，另就商業方法電腦軟體相關發明提出指引，當時TIPO的審查門檻略低於全球的平均門檻。直到 2014年，TIPO排除商業方法相關發明的可專利性，才又拉高電腦軟體專利申請門檻。最後TIPO於2021年充實AI、IOT的相關案例供大眾參考。 二、2014年版軟體基準「簡單利用電腦」的標準移除 TIPO將2014年版軟體基準「簡單利用電腦」的標準移除，回歸新穎性、進步性進行判斷，而TIPO移除「簡單利用電腦」的標準的原因是因為此項標準會隨時間不同，標準飄移，增加申請人申請時的不確定性。 三、發明不符合定義 美國專利商標局在2014年的Alice案後，以專利申請因不符合發明定義為事由遭否決的案件佔總否決案件的比率不斷上升，最高曾高達35%。直到2019年受Berkeimer案影響後，美國專利商標局才又將審查標準降低，使專利申請因不符合發明定義而遭否決的比率降至19%。相較於我國2018年前8個月的專利申請因不符發明定義而遭否決的案件占1567件中的21件，僅佔總不准案件的約4%，故不符發明定義非申請案遭否准決的主要原因。 四、可據以實現 最後在AI專利申請的要件中，申請案件是否「可據以實現」將是TIPO審查的重點之一，亦是發明人、專利實務工作者所面臨之挑戰。申請人應該要能夠證明輸入參數與輸出結果間具有關聯性，並最好提供自己實驗的數據輔助說明，以符合可據以實現的要件。以日本特許廳所提供的事例為例，若有一種糖分含量估算系統係以特定人臉圖像作為輸入，並以該特定人所生產蔬菜糖分含量作為輸出，由於按所屬領域之一般技術知識，無法推論出兩者之間的關聯性，且該申請案說明書中亦沒有記載判斷模型是實際運作所產生的數據及判斷結果，因此會被認為是無法據以實現之情形。 講者簡歷 姓名：廖承威 現職：經濟部智慧財產局副局長 學歷：中原大學醫學工程博士 經歷： 經濟部智慧財產局 專利助理審查官、審查官、高級審查官。 經濟部智慧財產局 科長、副組長、組長 財團法人專利檢索中心 常務董事 國家發明創作獎評選審議會 主任評選委員(2018~迄今) ------------------------------------------------------------------------------------------------------------- 本篇文章著作權歸屬撰稿人，其內容與見解不代表智慧財產局