自6年3月13日起，日本特许厅在《专利及实用新型审查手册》中新增了与人工智能相关技术相关的专利审查案件。
另外，在日本特许厅网站“关于人工智能相关技术案件的说明材料”中，
我们发布各种信息，例如。
目次
介绍与人工智能相关技术相关的新专利审查案例
在此，我们将介绍日本特许厅针对新增的10件案件所指出的要点。
《专利/实用新型审查手册》中各案例的全文可以通过括号内的链接查看。
附加案例1至4：确定创造性要求的案例
附加示例1：客户中心自动应答生成装置（附件 A 5. 案例 37）
关于将大规模语言模型等新一代人工智能应用于业务运营的尝试，我们认为这是“利用人工智能对人类所做的工作进行简单的系统化”，原因如下（1）和（2）。因创造性被判断为创造性能力的表现而被否定的案件。
① 通过将人类执行的任务系统化并使用计算机来实现来提高效率是本领域技术人员通常会考虑的显而易见的问题。
②在信息处理技术领域，“用机器学习模型代替人类判断”是常用的技术。
附加示例2：输入大规模语言模型的提示句子生成方法（附件 A 5. 案例 38）
关于大规模语言模型的生成AI输入的提示的生成等，本领域技术人员从本发明的详细描述中将能够理解权利要求中指定的具体方法所获得的效果。本案是创造性被认定的案件。
附加示例 3：用于调整放射线图像亮度的训练模型的学习方法（附件 A 5. 案例 39）
虽然人们认为，改变从输入数据估计输出数据的训练模型的损失函数的配置只是设计变更或采用设计问题，
这是由于引用发明具有产生非引用发明的焦点的效果的结构以及难以从引用发明预测的效果而确认创造性的情况。
附加示例4：激光加工设备（附件 A 5. 案例 40）
与“使用人工智能对人类执行的任务进行系统化”相关的发明被认为是创造性的，因为与所引用的发明相比，用于学习的训练数据中的新特征具有有利的效果。
其他案例 5 至 7：确定可行性和支持要求的示例
附加案例5：荧光化合物（附件 A 1. 案例 52）
以下①至③是满足“通过人工智能发明估计具有某种功能的产品”的赋能和支持要求的示例。
① 实际制造的产品的评价在规格等中记载。
②AI显示的预测值的预测精度在规范等中得到验证。
③在提交申请时，普遍的技术知识是人工智能预测结果可以代替实际制造产品的评估。
附加示例6：训练数据的图像生成方法（附件 A 1. 案例 53）
以下①、②是符合“教学数据的制作方法”相关发明的支援要件的例子。
① 对于要创建的训练数据，权利要求中充分说明了作为机器学习主体的人工智能或与机器学习相关的训练数据的内容。
②反映了发明详述中描述的解决本发明问题的手段。
其他案例研究 7：用于螺钉拧紧质量的机器学习设备（附件 A 1. 案例 54）
以下①和②是满足与“训练数据中包含的多种类型数据之间的相关性”相关的发明的支持要求的示例。
① 声明指定了训练数据中包含的每个数据的输入/输出关系。
② 各数据之间存在一定的相关性，这是提交时的一般技术常识。
附加案例 8 至 9：确定发明资格要求的示例
附加示例8：教师数据和教师数据的图像生成方法（附件 A 3. 案例 5）
关于“机器学习”中“教师数据”相关发明的资格，
根据权利要求1的“教师数据”不具有信息呈现装置或呈现方法的技术特征，而仅具有所呈现的信息的内容的特征，并且主要用于信息呈现，但是，因为它仅仅是信息呈现。信息的呈现，不满足软硬件配合的要求，不符合发明的资格要求。
根据权利要求2的“用于生成教学数据的图像的方法”是由于满足软件和硬件之间的协作的要求而被认为是本发明的资格的情况。
附加示例9：用于分析住宿设施声誉的训练模型（关于配置为参数集的训练模型）（附录 B 第 1 章 3.2 案例 2-14'）
因为“训练模型”没有指定计算机处理，而只是一个仅在通过机器学习获得的信息内容中具有特征的参数集，因此它仅仅是信息的呈现，而不是“程序”或“程序”。认定“基于软件视角的构思”（审查手册附件B第1章2.1.1.2）不适用，并且不符合发明资格要求，因为它不能说是等同的。 。
附加示例10：确定净度要求的示例
附加示例 10：学习模型输出异常时要执行的工作详细信息（附件 A 1. 案例 55）
以下①和②是发明“训练模型”违反清晰度要求的案例示例。
① 由于训练的模型包含“程序”，它是“产品的发明”，因此不能说是“方法的发明”；
・没有提到让计算机实现多种功能。
- 不要求训练的模型是程序。
因此，不能说该发明是“程序”，因而无法确定它是“产品的发明”还是“方法的发明”，该发明所属的类别也不清楚。
② 虽然“程序”本身不具有“手段”的功能，但作为程序的“训练模型”被描述为具有“手段”，导致发明不清楚的情况