Dovednost automatizace úkolu vytvářením pravidel, která má počítač dodržovat, je známá jako softwarové inženýrství. Dalším pokrokem strojového učení je automatizace procesu psaní pravidel.
Maučení čínštiny a softwarové inženýrství má od počátku mnoho společného. Oba mají stejný cíl vyřešit problémms, a oba začínají seznámenímvstoupit do problémové domény tím, že budou mluvit s ostatními a zkoumat dostupné informace a nástroje. Volby provedení dělají rozdíl.
Softwaroví vývojáři využívají své kreativní myšlení k vývoji řešení a jeho přeměně v přesný program, který může počítač následovat. Datoví vědci nebo ti, kteří používají systémy strojového učení, se nepokoušejí vytvářet programy sami. Místo toho shromažďují vstupní data (jako je video z palubní desky automobilu a další vstupy senzorů) a požadované cílové hodnoty (úroveň plynu a úhel natočení volantu). Aby našli program, který vypočítá výstup pro každou vstupní hodnotu, řeknou počítači, aby ji vyhledal (program, který řídí auto na základě vstupů senzoru).
Ještě iterativnější a průzkumnější než proces softwarového inženýrství je vývoj aplikace strojového učení. Strojové učení se používá k řešení problémů, které jsou pro lidi příliš náročné na řešení. Datový vědec musí mít experimentální myšlení a být ochotný prozkoumat několik nápadů, než si vybere ten úspěšný.
Oba typy pracovníků tráví spoustu času skrčený nad notebooky, což dává pracovnímu prostředí zvenčí velmi podobný vzhled. Stejně jako tradiční programátoři tráví datoví vědci spoustu času vytvářením kódu v Pythonu nebo jiném univerzálním programovacím jazyce. Psaní skriptů pro slučování, čištění a zobrazování dat, stejně jako propojení subsystému strojového učení se zbytkem aplikace, zabírá většinu času v projektu strojového učení. Sady nástrojů se od sebe nepochybně liší. Zatímco typičtí programátoři jsou dobře zběhlí v REST API a webových rámcích, datoví vědci mají rozsáhlé znalosti o lineární regresi a dalších statistických postupech.
Aby byly přihlášky softwarových patentů způsobilé pro patentovou ochranu podle zákona Spojených států amerických, musí být splněna následující dvě kritéria. stávající systém patentovatelnosti:
(1) Požadavek „abstraktní myšlenky“.
Pokud software „zlepšuje funkčnost počítače“, kvalifikuje se jako patentovatelný.
– umožnění výpočtů, které dříve nebylo možné pro počítačové vybavení, urychlení operací, které již byly možné,
– snížení počtu výpočetních zdrojů potřebných k dokončení úkolu.
(2) Požadavek „transformace“.
Software se nicméně může kvalifikovat pro patentovou ochranu, i když obecně „nezvyšuje provoz počítače“, pokud je splněna jedna nebo více z následujících podmínek:
Rozsudek Nejvyššího soudu v Alice proti CLS Bank, 134 S. Ct. 2347 z roku 2014 způsobil zmatek ohledně použitelnosti softwarových patentů (2014).
Nejvyšší soud v tomto případě definoval dvoufázový proces pro hodnocení, zda je určitý software patentovatelný. Za prvé, „abstraktní pojem“ nemůže být předmětem počítačové patentové přihlášky. Ale pokud ano, patentová přihláška musí obsahovat určité nároky, které „přemění“ údajný vynález na vynález, který splňuje podmínky pro patentovou ochranu.
Dokážete efektivně patentovat software, který vylepšuje konfiguraci paměti databázového systému pomocí samoreferenční vyhledávací tabulky? Co takhle software, který umožňuje archivaci digitálních snímků v mobilní síti?
Odpověď je „záleží“ (jak byste mohli očekávat prakticky ve všech právních prostředích). Obvykle jasná analýza se v důsledku nedávných rozsudků Nejvyššího soudu a následných stanovisek nižších soudů stala výrazně nejednoznačnější. Abychom mohli odpovědět na výše uvedené otázky, v současné době potřebujeme mnohem více informací, včetně podrobností o základní technologii a struktuře patentové přihlášky.
Vynálezy založené na softwaru jsou stále způsobilé pro patentovou ochranu v USA. Softwarové patentové přihlášky však musí splňovat specifické technické specifikace a být pečlivě navrženy, aby byly způsobilé pro patentovou ochranu.
Z technického hlediska může být váš software patentovatelný (1), pokud nějakým způsobem vylepšuje funkčnost počítače (například umožňuje výpočty, které dříve nebyly možné, zrychluje postupy nebo využívá méně zdrojů), nebo (2) pokud najde nekonvenční řešení výpočetního problému.
Navíc, pouze pokud je napsán s přesným zaměřením na technické přednosti vašeho konkrétního softwarového řešení, může být váš software způsobilý k patentování. Nastíněním technologických obtíží, s nimiž jste se setkali ve vaší oblasti vynálezu, a velmi podrobným nastíněním a uplatněním opravných prostředků, které jste vyvinuli k vyřešení těchto obtíží, můžete zvýšit své šance na získání patentu. Pokud se pokusíte uvést všechna možná řešení k vyřešení určitého problému nebo pokud se soustředíte na výhody, které váš program uživateli umožňuje, budete mít velmi těžké časy, kdy se stanete patentovatelným.
Patentovatelnost softwarových vynálezů často závisí na tom, jak jsou patenty a patentové nároky formulovány, k velkému zděšení vývojářů a zakladatelů. Nastíněním technických obtíží ve vaší oblasti inovací a podrobným nastíněním technických řešení, která jste vyvinuli k vyřešení těchto obtíží, můžete zvýšit své šance na získání patentu. Kromě toho musíte být velmi opatrní, kdy nárok na váš nápad. Neměli byste tvrdit, že víte, jak zacházet s každým typem bolesti. Místo toho byste měli svá tvrzení přesně zaměřit pouze na identifikovanou oblast bolesti.
Technicky vzato, pokud dokážete vysvětlit, jak vaše inovace zlepšuje fungování počítače a jak se liší od stávajících řešení ve vaší konkrétní oblasti vynálezu, zvýší se pravděpodobnost, že vám bude udělen softwarový patent.
Odvětví strojového učení (ML) se ujalo a pomáhá firmám s čímkoli od lepší detekce rakoviny prsu až po zvýšení míry konverze reklam. Očekává se, že trh se strojovým učením do roku 8.8 vzroste na 2022 miliardy dolarů.
Společnosti mají zájem porozumět kritériím a omezením AI a softwarových patentů souvisejících s ML, od velkých technologických podniků po štíhlé start-upy. Často však dochází k nedorozuměním ohledně toho, co je patentovatelné, a v posledních letech se to stalo sporným problémem.
Z širokého hlediska funguje většina současných technologií prostřednictvím vstupů a výstupů. V tomto případě člověk poskytuje vstupní data a stroj nebo část softwaru vypočítává výstup. Mějte na paměti, že v tomto případě musí být do procesu stále zapojena osoba. Naproti tomu strojové učení je přesně to, co naznačuje jeho název: budoucí výpočty a chování, které počítač učí nezávisle na lidském zásahu. V tomto případě vstup a výstup zajišťuje stroj.
To přináší zásadní problém patentovatelnosti pro algoritmy strojového učení.
Ve skutečnosti záleží na tom, jaký algoritmus je pro vás. Algoritmus nelze přímo patentovat podle patentového práva USA. Můžete si však patentovat pořadí operací ve vaší metodě. To je způsobeno skutečností, že algoritmus je podle amerického patentového práva považován za soubor matematických operací a kroků.
Google, Samsung a Amazon jsou klíčovými účastníky tohoto trhu. Zde jsou tři příklady patentů souvisejících se strojovým učením od těchto společností:
Jejich cílem vždy bylo reagovat na požadavky vyhledávání s lepšími výsledky. Brzy však zjistili, že jejich předchozí přístup se více zaměřoval na webové stránky než na poskytování srozumitelných řešení.
Cílem sepsání nároku musí být dosažení úspěšných výsledků. Níže je uveden seznam doporučení pro psaní silných nároků a požadavků na patenty AI/ML:
Největší americké a japonské IT firmy jsou zodpovědné za většinu patentů AI a strojového učení, což není překvapivé. Čínské firmy v posledních letech rozšířily svá patentová portfolia. Otázkou však je jejich kalibr. Podle Světové organizace duševního vlastnictví se počet patentů na umělou inteligenci za posledních pět let výrazně zvýšil (WIPO)
WIPO uvádí, že od roku 2013 do roku 2017 dramaticky vzrostl počet patentových přihlášek týkajících se AI, a to na 193 %. Nárůst patentových přihlášek podle generálního ředitele WIPO „znamená, že můžeme očekávat velmi značný počet inovativního zboží, aplikací a přístupů založených na umělé inteligenci, které ovlivní náš každodenní život a také ovlivní budoucí interakci lidí s roboty, které jsme vyvinuli. .“ WIPO zjistila, že od roku 434 bylo v odvětví umělé inteligence koupeno 1998 společností, přičemž více než polovina těchto transakcí se uskutečnila po roce 2016.
Umělá inteligence a strojové učení jsou v současnosti hnacími silami, které pohánějí inovace ve všech odvětvích ekonomiky, a budou i nadále poskytovat obrovskou hodnotu podnikům, které jsou dostatečně důvtipné, aby ochránily své duševní vlastnictví.
Neustále zjišťujeme hodnotu nových technologií prováděných našimi velmi zkušenými výkonnými pracovníky se zkušenostmi našich profesionálů. Stejně jako u IP profesionálů, které zmocňujeme, i naše touha po vývoji nikdy nekončí. Strategickým způsobem IMPROVIZUJEME, PŘIZPŮSOBUJEME A IMPLEMENTUJEME.
TT konzultanti nabízí řadu účinných a vysoce kvalitních řešení pro správu vašeho duševního vlastnictví v rozsahu od
a mnohem víc. Právním firmám i korporacím v mnoha odvětvích poskytujeme řešení na klíč.
Kontaktujte nás
Požádejte o zpětné zavolání!
Děkujeme za váš zájem o TT Consultants. Vyplňte prosím formulář a my se vám brzy ozveme
ODEMKNOUT MOC
vašeho nápady
Zvyšte své patentové znalosti
Exkluzivní informace na vás čekají v našem zpravodaji
Požádejte o zpětné zavolání!
Děkujeme za váš zájem o TT Consultants. Vyplňte prosím formulář a my se vám brzy ozveme
