摘要

　人工知能分野における特許出願は、アルゴリズム等の抽象的規則や汎用的手法と密接に関連する場合が多い。この種の特許出願が特許保護客体に属するか否かは、業界内で長く注目されてきた問題であり、研究上の焦点であると同時に難点でもある。汎用モデルとは、特定の技術分野に限定されず、異なる技術分野に広く適用できる一般化されたモデルを指す。汎用モデルの処理方式は、必ずしも明確な物理的意味を有するデータを限定する必要はないが、汎用モデルに関する権利要求が保護を求める解決策において処理されるデータが明確な物理的意味を持たない場合、通常は《専利法》第2条第2項に規定する特許保護客体に該当しない。本稿は、汎用モデルと特許保護客体との間の衝突をいかに緩和または回避するかを探究し、汎用モデルに関する権利要求の保護対象ができる限り特許保護客体に適合するようにすることを目的とする。

1. 引言（序論）

人工知能は計算機科学の一分野であり、知能の本質を理解し、人間の処理方法を模倣し反応できる知能機械を生み出すことを目指している。わが国が制定した《人工知能標準化白皮書2018》では、人工知能を「デジタルコンピュータまたはデジタルコンピュータにより制御される機械を用いて、人の知能を模倣・拡張し、環境を感知し、知識を獲得・利用して最適結果を得るための理論・方法・技術および応用システム」と定義している[1]。

人工知能の応用分野は極めて広く、自動翻訳、インテリジェント・カスタマーサービス、知能検索、自動運転などを含むが、それに限られない。アルゴリズム・エンジニアは、具体的な応用分野に応じた人工知能モデルを訓練し、その分野が直面する技術的課題を解決することができる。

現行の《専利審査指南》[2]では、権利要求に含まれるアルゴリズムの各ステップが解決すべき技術問題と密接に関連している場合、すなわち処理データが技術分野において明確な技術的意味を有し、アルゴリズムの実行が自然法則を利用して特定の技術問題を解決する過程を直接表し、技術効果を得ている場合、当該権利要求に限定された解決策は専利法第2条第2項にいう技術方案に該当する、と規定されている。

したがって、人工知能モデルの訓練方法が具体的な技術分野に応用され、その技術分野の技術的特徴と密接に結合して技術手段を構成し、同分野の技術的課題を解決する場合、その方法は技術方案を構成し、対応する装置も技術方案を構成することになる。ゆえに、この人工知能モデルの訓練方法は特許保護客体に含まれる。

しかし、実際の研究開発においては、モデルの汎用性を高めることは常にアルゴリズム・エンジニアの目標である。彼らは単一の技術分野に限定されず、他の分野にも広く適用可能な基盤的アルゴリズムを構築することを志向する。このようなモデルを汎用モデルと呼ぶ。汎用モデルの汎用度が高いほど、関与する技術分野も広がる。

だが、汎用度が高まるほどアルゴリズム特性と具体的技術分野の技術的特徴との密接な結合が困難となり、特許保護客体から外れるリスクが大きくなる。そのため、通常はモデルの汎用性を犠牲にしてリスクを低減する、例えば入力データを特定分野に限定する、といった手法が採られる。しかしこれは権利要求の保護範囲を大幅に縮小することになる。すなわち、特許審査指南が要求する「アルゴリズムと技術分野の緊密な結合」と、研究開発の現場が追求する「モデルの汎用性」との間には大きな矛盾が存在する。

したがって、汎用モデルと特許保護客体との間の衝突を緩和・回避する方策を検討し、出願人にできるだけ広い保護範囲を確保することが必要である。

以下では、特許代理実務において比較的よく見られる客体問題への対処方法を分析し、その解決戦略を探る。

2. 事例に基づく解決戦略

汎用モデルに関する権利要求の解決策について、特許保護客体から外れるリスクを軽減するために、実務上よく採られる方法がある。

（1）複数の適用分野を権利要求で列挙する方式

例として、以下の権利要求（一）を挙げる：

権利要求（一）

    一種の神経ネットワーク訓練方法であり、コンピュータビジョン分野、自然言語処理分野、音声認識分野の少なくとも一つに適用される。該方法は以下を含む：

    第1神経ネットワークを介して第2神経ネットワークの構造を生成し、当該構造は少なくともネットワークの構造とパラメータを含む；

        タスク集合に含まれる各タスクのサンプルデータを第2神経ネットワークに入力し、同ネットワークを訓練する；

        訓練後に得られた第2神経ネットワークによる処理精度を特定する；

    第1神経ネットワークにより、上記精度に基づき第2神経ネットワーク構造を更新するか否かを決定する。

    肯定的見解：入力データが技術分野ごとの技術的意味を持ち、従来の神経ネットワークの限界を克服するため技術問題を解決している。

    否定的見解：技術分野を列挙しても、なお抽象的アルゴリズム改善に留まっており、十分な「技術性」を欠く。

結論として、分野列挙のみでは衝突回避の効果は限定的である。

（2）「電子機器により実行」とする方式

    例として、以下の権利要求（二）：

    権利要求（二）

    一種の神経ネットワーク訓練方法であり、電子機器によって実行される。以下を含む：

        第1神経ネットワークを介して第2神経ネットワークの構造を生成；

        タスク集合のサンプルを入力し訓練；

        精度を特定；

        精度に基づき構造更新を決定。

肯定的見解：電子機器による自然法則に基づいた一連の技術処理であり、従来問題を解決。

否定的見解：電子機器の内部性能（データ伝送・資源管理等）に改善をもたらしておらず、技術手段とは認めがたい。汎用アルゴリズムの独占につながり、特許法の立法趣旨に反する。

結論として、この方式も衝突回避の効果は限定的。

（3）2020年の《専利審査指南改正版（第二批意見稿）》における示例

    以下の権利要求（三）：

    権利要求（三）

        一種の深層神経ネットワーク訓練方法であり、訓練データの大きさに応じ、少なくとも2つの候補訓練方式から訓練耗時（所要時間）を比較し、最適訓練方式を選択し訓練する。候補方式には単一プロセッサ方式とデータ並列型多プロセッサ方式を含む。

        本稿では、計算機実装の技術手段を用いて、異なるデータ規模に応じた最適方式を選択し、資源管理等の内部性能を改善しているため、特許保護客体に該当するとされている。

結論：計算機実装の技術手段＋内部性能改善を明示 する方式は、衝突回避に有効。

3. 本稿が提案する客体問題への記載戦略

（1）審査基準と権利要求解釈の原則

    特許保護客体の審査対象は権利要求であり、技術三要素（技術手段・技術問題・技術効果）に基づいて判断される。解釈には：

    広義解釈原則（確権段階、通常の用語解釈）

    修正的解釈原則（侵害段階、不明確な場合の安定性維持。特別定義解釈、通常意味解釈、発明目的解釈を含む）

    発明目的解釈は、背景・技術問題・解決策・効果を総合的に考慮し、出願人の真意を最も反映できる。

（2）明細書における記載戦略

    背景技術：データに物理的意味を付与し、単なるアルゴリズム改善と誤解されぬよう配慮。

    発明内容・実施例：電子機器での実行がもたらすハードウェア的効果（処理速度向上、データ伝送削減など）を具体例で示す。

    応用シナリオ：データの出所、処理方法、迭代条件設定、結果が既存技術課題をどう解決するかを明確に。

（3）権利要求における記載戦略

    上位請求項：電子機器による抽象的訓練方法（分野限定なし）

    中位請求項：プロセッサ・メモリ等のハードウェアやソフトウェア特徴を組み合わせる

    下位請求項：各技術分野ごとに応用データ（物理的意味を持つ）を明示し、技術分野との結合を強調

    多系統配置：応用シナリオごとに独立請求項を準備し、多層的に保護範囲を確保

4. 結語

人工知能分野の特許出願は、アルゴリズム等の抽象的規則や汎用的手法と密接に関連するため、特許保護客体に属するか否かが常に焦点となってきた。本稿で提示した明細書および権利要求の記載戦略は、汎用モデルと特許保護客体との衝突を緩和・回避するために有用である。

ただし、保護客体の判断は政策的要因にも影響されるため、審査基準の変化に常に注意を払う必要がある。客体拒絶案件については、実体審査から再審に至るまでの審査周期が長く、その間の基準変更が撤回の契機となる場合もある。

参考文献

        ※本稿は翻訳紹介であり、著者の見解は所属機関を代表するものではありません