介绍

本文是由五个部分组成的系列文章的第二篇。这些文章中的每一个都与2019年美国的机器学习可专利性状况有关。每个文章都描述了PTAB撤消审查员对第101条对基于机器学习的专利申请的主张的驳回的情况。的 本系列的第一篇文章 描述了美国专利商标局的 2019年修订的专利主题事项资格指南 (2019 PEG),于2019年1月7日发布。2019PEG更改了审查员在拒绝根据 第101节[1]专利法,并由PTAB审核 这些审查员拒绝的上诉。本系列的第一篇文章还包括一个案例,该案例说明了在专利申请的权利要求中引用AI组件的效果。本文的以下部分描述了PTAB将2019 PEG应用于 机器学习专利,并得出结论认为审查员是错误的。

案例2:上诉2018-004459[2] (确定于2019年6月21日)

此案涉及PTAB撤消审查员对第14 / 316,186号专利申请的权利的第101条的驳回。本申请涉及“生成数据并行推理代码的概率编程编译器”。审查员争辩说:“声明针对“数学关系”的抽象概念,审查员似乎得出的结论是[也是]心理过程,即识别特定的推理算法并生成推理代码。”

PTAB迅速取消了抽象概念的“数学概念”类别。 PTAB指出:“具体的数学算法或公式未在权利要求中明确叙述。因此,在最近的[2019 PEG]下,这些声明并未列举出数学概念。”这与上一篇文章中为PTAB决定提供的理由相同,再次要求“显式叙述”数学算法。如前所述,2019 PEG并未使用“明确叙述”的语言,因此PTAB的推理与2019 PEG的语言并不完全一致-但是,PTAB的最终结论与2019 PEG一致。

接下来,PTAB尽快解决并驳回了抽象思想的“组织人类活动”类别。然后,PTAB转到第三类抽象概念:“心理过程”。 PTAB从专利申请的规范中注意到以下相关语言:

有许多不同的推理算法,其中大多数在概念上都很复杂并且难以大规模实现。
。 。 。
概率编程是一种基于贝叶斯推理简化机器学习应用的方法。
。 。 。
对概率程序进行推断是计算密集型且具有挑战性的。为执行推理而开发的大多数算法在概念上都很复杂。

PTAB至少部分地基于规范明确指出该方法很复杂的观点,认为该方法很复杂。然后,在确定权利要求的方法是否能够在人脑中执行时,PTAB发现说明书中的这种语言足以证明所主张事项的真实性(即该方法很复杂)。 。 PTAB似乎没有发现规范中这些陈述的自我服务性质。

PTAB随后指出:

换句话说,根据规范阅读时,由于非专家的计算复杂性,要​​求其“识别特定推理算法”既困难又具有挑战性。 。 。 。此外,上诉人的规范明确规定,“编译器随后会生成推理代码”,而不是个人使用其思想或笔纸。

首先,如上所述,PTAB似乎使用了规范中“复杂性”的断言来得出结论,该方法是复杂的,并且不可能是一个心理过程。其次,PTAB似乎使用了该算法实际上并未在人脑中执行的事实,以此证明它实际上无法在人脑中执行。 2019年PEG的脚注14指出:

如果一项索赔在其最广泛的合理解释下涵盖了脑海中的性能,但涵盖了通用计算机组件,那么它仍属于心理过程类别,除非无法在脑海中实际进行索赔。

因此,专利申请提供了该方法是在计算机上执行而不是在人脑中执行的事实,这不应成为确定它不是精神过程的唯一原因。但是,正如PTAB所证明的那样,在计算机上执行某种方法的事实可以用作该方法不是心理过程的论证的佐证。

结论

这种情况说明:

(1)在这种情况下,生成数据并行推理代码的概率编程编译器不是一个抽象的想法;
(2)在说明书中重申该方法是“复杂的”似乎并未损害该方法实际上是复杂的论点,因此不是一个抽象的想法;
(3)列举一种在计算机上执行的方法,尽管不足以克服抽象思想的“心理过程”类别,但对于证实其他证据可能是有用的;和
(4)PTAB可能不会在其推理中始终使用2019 PEG的确切语言(例如,“明确陈述”的要求),但似乎得出与2019 PEG相同的总体结论。

接下来的三篇文章将基于此背景,并将提供不同的示例,说明PTAB如何在2019年PEG下逆转Examiner 101对机器学习专利的驳回。请继续关注下一个案例的分析和教训,其中包括克服PTAB发现抽象想法的101个拒绝的方法 “朗诵”,并重点关注步骤2A分叉2。

脚注

[1] 35 U.S.C. §101。
[2] //e-foia.uspto.gov/Foia/RetrievePdf?system=BPAI&flNm=fd2018004459-06-21-2019-1.