北美智权股份有限公司

在该报告中，首先提及一个根本性的问题，人工智能 (artificial intelligence, AI) 的发明到底必须具备哪些要素？在这个框架下，EPSON的代表赞同其他与会人员的意见 — 即便可以表列出这些要素，它们也只不过是构成对AI发明要素的非排他性的列表；EPSON的代表更提出极为务实的见解 — 不必花太多精力去定义AI，这项技术本来就是动态 (dynamic) 的，而且在可预见的将来，AI技术还会发生根本上的改变。如果按照EPSON的意见来看，这所谓的研讨会可说是熄火了！

所幸，IBM代表还是提出了勉强可称为「要素」的定义方式 — AI可以被理解为模仿人类心智认知功能的计算机功能。虽然IBM代表的看法就计算机技术方面来说，的确大致如此，但如果你是一位撰稿工程师，看到这个定义应该要感到棘手，「模仿人类心智」、「功能」这两个语汇背后的涵义足以让大部分工程师头疼。

该报告中进一步将AI发明分成三种类型：a. 实现AI技术进步的发明，例如机械学习或算法的新颖类神经网络结构；b. 应用AI到其他领域的发明；c. AI本身产生的发明。这三类中，b类型是目前已公开案件的主流类型，a类型在技术层面具有强大的制宰力，但也正因为其应用上技术源头的地位，撰写时流于算法的机率较高，至于c类型，产生发明的AI应该是指强AI，管见以为三五年内未必成真[2]。该报告在其他议题中，均可以揣摩到USPTO固守现行做法的态度，但针对涉及c类型权利归属的议题却透露出些许摇摆暧昧的意味。

强AI产出专利目标的事件虽然尚未发生，但在弱AI方面则已经有以其做为申请人而遭到欧洲专利局与USPTO拒绝的先例[3]，并均做出发明人必须是自然人的结论，简言之，其原因是在没有其他法律关系的前提下，发明人是天然的申请权人，俟获得专利后则为天然的专利权人，换句话说发明人的身分使发明人享有权利、负有义务，而AI是无法承担权利义务关系的，更有甚者，在美国专利制度下，发明人必须基于其「发明人的身分」提出宣誓书，这点也是AI无法做到的。

该报告自然不会对已经有结论的事件多做着墨，但依然讨论到专利发明人资格 (inventorship) 及其权利归属 (ownership) 的其中一个重要原因是AI发明的完成往往需要大量的时间与人力。在人力众多、技术分工复杂的状况下，究竟哪些人可以被视为参与了发明概念 (concept) 的付诸实现 (reduction to practice) 取决于是否对概念本身有所贡献，是否身历其境动手实作则无关宏旨。该报告中指出，仅利用AI算法处理数据并得到结果，并不算是对发概念有所贡献，但也列举了部分对概念本身有所贡献的行为，例如设计AI系统的架构、开发AI处理信息的算法、选择特定信息输入AI系统。

AI非当前法律之适格发明人，但AI的确有可能对发明概念作出贡献，在DABUS一案中，申请目标 (外型方面的设计) 的构思的确来自AI，AI的创建者既无相关的背景能力，亦无对申请目标做出直接贡献。也正是在这个探讨贡献度的议题上，USPTO透露出了罕见的暧昧意味，该报告引述了「等到强AI出现了，再回头重新审视」的主流意见，也引述了「强AI所引发的相关争议应该现在就被讨论」的次要意见，甚至引述「发明人必须是自然人」这种把问题又绕回去的意见，USPTO本身却没有直接表态。

涉及AI案件时，其申请与审查有两大关卡，35 U.S.C. 101 及 112，前者是专利适格性要件，后者分别为书面叙述要件 (written description)、据以实施的要件 (enablement)、最佳实施例 (best mode)。美国知识产权法协会与福特公司在座谈会中均提出针对AI发明缺乏专门的专利适格性考虑。对此意见，USPTO的态度是不会将AI发明与其他计算机实施发明区别对待，并强调USPTO将继续遵循Alice/Mayo test以及2019年发布的两个适格性Guidelines进行审查。

部分与会者提出，由于AI的功效在于模仿人类心智认知功能，因此太过容易被判定落入不予专利的范畴[4]，但巩固AI功效的复杂算法确实能提供技术上的改进。政策面上来审视，这是一个左右为难的困境，USPTO的主要任务是透过专利制度使得美国保持技术大国的地位并促进美国经济发展，因此不会核准过于先占 (pre-emption) 的申请案，不巧的是，AI或其算法的确可以提升技术，却又经常流于先占，如何吸引顶尖技术却又不造成技术垄断，是USPTO一直以来顶在头上的天平，面对这个困境，USPTO再次祭出2019的两个Guidelines，指出增加具体的额外组件、以发明整体或其个组件组合顺序、显然超过抽象概念等基础仍可以为AI发明建立适格性。

关于112的各项要件，首先，由于AI发明在于模仿人类心智认知功能，希望可以取代人类判断，其请求项经常以功能性语言表达，此时，是否在说明书中记载充分的软硬件细节，就变成是否满足书面叙述要件的评判重点了。

再者，鉴于AI技术具有一定程度的不可预测性，其源自于类神经网络在输入与输出间往往具备复数的隐藏层 (Hidden layer) 以维持其强健性，令其可以接受「某种程度」的输入层摄动，同时避免输出层发生类似雪崩效应[5]的现象。这种「容忍不稳定的稳定」特性导致满足AI发明的据以实施要件变得困难[6]，该报告则建议采取类似生技领域申请案的标准来进行撰写与审查。

表面上看起来，这就是一份会议纪录，以新兴科技知识产权政策与民间交流为主题的会议纪录，但如果仅是一份单纯的会议纪录，何须USPTO这种规模的机构费时近一年来完成？若以历史上「当朝修前朝史」的角度来看，这就不只是一份会议纪录，而是USPTO对AI相关议题做出政策上的宣示，借他人之口，表达官方态度。

更深一层思考，此时表达官方态度的意义何在？其中一种可能是，藉由这次宣示，观察各界反应，如果有必要，再适度调整实务做法，毕竟区区会议纪录并不会对USPTO发生甚么拘束力的。

另一种可能则是，USPTO存在的终极目的是维持美国科技优势并促进经济繁荣，USPTO是否希望藉由稳定的官方态度来吸引AI相关的申请案，进而维持AI领域的技术优势，同时带动其经济发展，这就有待时间来证明了。

摘录自Processing Artificial Intelligence: Highlighting the Canadian Patent Landscape by CIPO

https://www.uspto.gov/about-us/news-updates/uspto-releases-report-artificial-intelligence-and-intellectual-property
学理上，AI被划分成两大类型，强AI与弱AI。强AI，又称通用AI，指不受应用领域局限，像人类一样具备执行一般智慧行为的能力的AI，1950年代最早一批的研究人员相信强AI不仅是可能的，而且将在几十年内出现，但事实上AI研究与应用经历数次低谷与复起，强AI依然不见踪影。与之相反，弱AI的认知能力仅能应用于特定领域，在处理大量信息的时候远胜人类，AI最近一次复起就是因为半导体技术进步，储存信息的成本下降，各行业需要弱AI来分析这些被储存起来的大量数据。
即下文所提到的DABUS一案。
组织人类活动的方法、心智活动、数学概念等等。
指当输入发生最微小的改变时，也会导致输出的全面性改变。
因为很难界定输入发生改变时，输出要不要发生改变，或发生怎样程度的改变。