Ferdigheten til å automatisere en oppgave ved å lage regler for en datamaskin å følge er kjent som programvareteknikk. Et ytterligere fremskritt gjort av maskinlæring er automatiseringen av regelskrivingsprosessen.
Makinelæring og programvareutvikling har mye til felles fra begynnelsen. Begge har samme mål om å løse problemerms, og begge begynner med familiarizå forholde seg til problemdomenet ved å snakke med andre og undersøke tilgjengelig informasjon og verktøy. Utførelsesvalg gjør en forskjell.
Programvareutviklere bruker sin kreative tenkning for å utvikle en løsning og gjøre den om til et presist program som en datamaskin kan følge. Dataforskere, eller de som bruker maskinlæringssystemer, prøver ikke å lage programmer på egen hånd. I stedet samler de inn inndata (som video fra bilens dashbord og andre sensorinnganger) og ønskede målverdier (gassnivået og rattvinkelen). For å finne et program som beregner en utgang for hver inngangsverdi, ber de deretter en datamaskin om å søke etter den (et program som kjører en bil gitt sensorinngangene).
Enda mer iterativ og utforskende enn programvareutviklingsprosessen er utviklingen av en maskinlæringsapplikasjon. Maskinlæring brukes til å løse problemer som er for utfordrende for mennesker å løse. En dataforsker må ha en eksperimentell tankegang og være villig til å utforske flere ideer før han velger en vellykket.
Begge typer arbeidere tilbringer mye tid på huk over bærbare datamaskiner, noe som gir arbeidsmiljøene et veldig likt utseende fra utsiden. Som tradisjonelle programmerere bruker dataforskere mye tid på å lage kode i Python eller et annet programmeringsspråk for generell bruk. Å skrive skript for å slå sammen, rydde opp og vise data, samt koble maskinlæringsundersystemet med resten av applikasjonen, tar opp mesteparten av tiden i et maskinlæringsprosjekt. Verktøysettene skiller seg utvilsomt fra hverandre. Mens typiske programmerere er godt kjent med REST APIer og nettrammeverk, har dataforskere omfattende kunnskap om lineær regresjon og andre statistiske prosedyrer.
Følgende to kriterier må oppfylles for at programvarepatentsøknader skal være kvalifisert for patentbeskyttelse under USAs eksisterende system for patenterbarhet:
(1) Kravet om "abstrakt idé".
Hvis et stykke programvare «forbedrer datamaskinens funksjonalitet», kvalifiserer det som patenterbart.
– muliggjør beregninger som tidligere var umulige for datautstyr å utføre, akselerere operasjoner som allerede var mulig,
– redusere antall dataressurser som trengs for å fullføre en oppgave.
(2) "transformasjons"-kravet
Programvare kan likevel kvalifisere for patentbeskyttelse selv om det generelt ikke «øker datamaskindrift» dersom en eller flere av følgende betingelser er oppfylt:
Høyesteretts dom i Alice v. CLS Bank, 134 S. Ct. 2347 fra 2014 har skapt forvirring angående anvendeligheten av programvarepatenter (2014).
Høyesterett definerte en to-trinns prosess i denne saken for å vurdere om en bestemt programvare er patenterbar. For det første kan en "abstrakt forestilling" ikke være gjenstand for en datamaskinrelatert patentsøknad. Men hvis det er det, må patentsøknaden fremsette visse krav som "transformerer" den påståtte oppfinnelsen til en som kvalifiserer for patentbeskyttelse.
Kan du effektivt patentere et stykke programvare som forbedrer minnekonfigurasjonen til et databasesystem ved å bruke en selvrefererende oppslagstabell? Hva med et stykke programvare som tillater mobilnettverksarkivering av digitale bilder?
Svaret er "det kommer an på" (som du kunne forutse i praktisk talt alle juridiske omgivelser). En vanligvis tydelig analyse har blitt betydelig mer tvetydig som følge av nylige høyesterettsdommer og påfølgende underrettsuttalelser. For å svare på spørsmålene ovenfor trenger vi for tiden mye mer informasjon, inkludert detaljer om den underliggende teknologien og strukturen til patentsøknaden.
Oppfinnelser basert på programvare er fortsatt kvalifisert for patentbeskyttelse i USA. Imidlertid må programvarepatentsøknader overholde spesifikke tekniske spesifikasjoner og være nøye utarbeidet for å være kvalifisert for patentbeskyttelse.
Fra et teknisk perspektiv kan programvaren din være patenterbar (1) hvis den forbedrer datamaskinens funksjonalitet på en eller annen måte (for eksempel gjør den beregninger mulig som ikke var mulig før, fremskynder prosedyrer eller bruker færre ressurser), eller (2) hvis den finner en ukonvensjonell løsning på et dataproblem.
I tillegg, bare hvis den er skrevet med et presist fokus på de tekniske fordelene til din spesifikke programvareløsning, kan programvaren din være patentkvalifisert. Ved å skissere de teknologiske vanskelighetene du møter i ditt oppfinnelsesområde og i stor detalj skissere og kreve rettsmidler du har utviklet for å møte disse vanskelighetene, kan du øke sjansene dine for å motta patent. Du vil ha en veldig tøff tid å bli patenterbar hvis du prøver å liste opp alle mulige løsninger for å løse et bestemt problem, eller hvis du konsentrerer deg om fordelene som programmet ditt lar en bruker oppleve.
Patenterbarheten til programvareoppfinnelser avhenger ofte av hvordan patentet og patentkravene er formulert, til stor forferdelse for utviklere og grunnleggere. Ved å skissere de tekniske vanskelighetene innen ditt innovasjonsområde og i detalj skissere de tekniske løsningene du har utviklet for å møte disse vanskelighetene, kan du øke sjansene dine for å motta patent. I tillegg må du være veldig forsiktig når hevder ideen din. Du bør ikke påstå at du vet hvordan du skal behandle alle typer smerte. I stedet bør du fokusere påstandene dine nøyaktig for å bare adressere det identifiserte smerteområdet.
Teknisk sett, hvis du kan forklare hvordan innovasjonen din forbedrer datamaskinens funksjon og hvordan den skiller seg fra eksisterende løsninger innen ditt spesifikke oppfinnelsesfelt, vil sannsynligheten for at du får et programvarepatent øke.
Maskinlæringsindustrien (ML) har tatt fart, og hjelper bedrifter med alt fra bedre oppdagelse av brystkreft til å øke annonsekonverteringsfrekvensen. Markedet for maskinlæring forventes å vokse til 8.8 milliarder dollar innen 2022.
Bedrifter er interessert i å forstå kriteriene og begrensningene for AI- og ML-relaterte programvarepatenter, fra store teknologibedrifter til slanke oppstartsbedrifter. Imidlertid er det ofte misforståelser om hva som er patenterbart, og det har blitt et omstridt spørsmål de siste årene.
Som et bredt perspektiv fungerer majoriteten av dagens teknologi via innganger og utganger. I dette tilfellet gir et menneske inndataene, og en maskin eller programvare beregner utdataene. Husk at en person fortsatt må være involvert i prosessen i denne saken. I motsetning til dette er maskinlæring nøyaktig hva navnet tilsier: fremtidige beregninger og atferd som læres av en datamaskin uavhengig av menneskelig intervensjon. I dette tilfellet leveres input og output av maskinen.
Dette tar opp det avgjørende spørsmålet om patenterbarhet for maskinlæringsalgoritmer.
I virkeligheten avhenger det av hva en algoritme er for deg. En algoritme kan ikke patenteres direkte i henhold til amerikansk patentlov. Du kan imidlertid patentere operasjonssekvensen i metoden din. Dette skyldes det faktum at en algoritme blir sett på som et sett av matematiske operasjoner og trinn under amerikansk patentlov.
Google, Samsung og Amazon er nøkkelaktørene i dette markedet. Her er tre tilfeller av maskinlæringsrelaterte patenter fra disse selskapene:
Målet deres har alltid vært å svare på søkeforespørsler med bedre resultater. De oppdaget imidlertid snart at deres tidligere tilnærming hadde vært mer fokusert på nettsider enn på å tilby innsiktsfulle løsninger.
Kravets skriving må ha et mål om å produsere vellykkede resultater. Følgende er en liste over anbefalinger for å skrive et sterkt kravspråk og krav til AI/ML-patenter:
De største amerikanske og japanske IT-bedriftene er ansvarlige for flertallet av AI- og maskinlæringspatenter, noe som ikke er overraskende. Kinesiske virksomheter har utvidet sine patentporteføljer de siste årene. Imidlertid er deres kaliber problemet. I følge World Intellectual Property Organization har antallet patenter for kunstig intelligens økt betydelig i løpet av de siste fem årene (WIPO)
WIPO rapporterer at fra 2013 til 2017 økte antallet patentsøknader knyttet til AI dramatisk, med 193 %. Økningen i patentsøknader, ifølge WIPO-direktøren, "betyr at vi kan forvente et svært betydelig antall innovative AI-baserte varer, applikasjoner og tilnærminger som vil påvirke våre daglige liv og også påvirke fremtidig menneskelig interaksjon med robotene vi utviklet. ." WIPO oppdaget at 434 selskaper har blitt kjøpt siden 1998 i AI-industrien, med mer enn halvparten av disse transaksjonene etter 2016.
AI og maskinlæring er for tiden drivkreftene som driver frem innovasjon i alle sektorer av økonomien, og de vil fortsette å gi enorm verdi til virksomheter som er kunnskapsrike nok til å ivareta deres intellektuelle eiendom.
Vi har hele tiden identifisert verdien av ny teknologi utført av vårt ganske dyktige lederteam med bakgrunn som våre profesjonelle. I likhet med IP-ekspertene vi styrker, er sulten vår etter utvikling uendelig. Vi IMPROVISERER, TILPASSER og IMPLEMENTERER på en strategisk måte.
TT konsulenter tilbyr en rekke effektive løsninger av høy kvalitet for din immaterielle forvaltning, alt fra
og mye mer. Vi gir både advokatfirmaer og selskaper i mange bransjer nøkkelferdige løsninger.
Kontakt oss
Be om tilbakeringing!
Takk for din interesse for TT Consultants. Vennligst fyll ut skjemaet, så kontakter vi deg snart
LÅS OPP STRØMEN
Av din Ideer
Øk din patentkunnskap
Eksklusiv innsikt venter i vårt nyhetsbrev
Be om tilbakeringing!
Takk for din interesse for TT Consultants. Vennligst fyll ut skjemaet, så kontakter vi deg snart
