Die Fähigkeit, eine Aufgabe zu automatisieren, indem Regeln erstellt werden, die ein Computer befolgen muss, wird als Software-Engineering bezeichnet. Ein weiterer Fortschritt des maschinellen Lernens ist die Automatisierung des Regelerstellungsprozesses.
MaChinesisch lernen und Software-Engineering haben von Anfang an viele Gemeinsamkeiten. Beide haben das gleiche Ziel, ein Problem zu lösenms, und beide beginnen mit „familiaris“.Sie können sich mit dem Problembereich auseinandersetzen, indem Sie mit anderen sprechen und die verfügbaren Informationen und Tools prüfen. Ausführungsentscheidungen machen einen Unterschied.
Softwareentwickler nutzen ihr kreatives Denken, um eine Lösung zu entwickeln und diese in ein präzises Programm umzuwandeln, dem ein Computer folgen kann. Datenwissenschaftler oder diejenigen, die maschinelle Lernsysteme verwenden, versuchen nicht, selbst Programme zu erstellen. Stattdessen sammeln sie Eingabedaten (z. B. Videos vom Armaturenbrett eines Autos und andere Sensoreingaben) und gewünschte Zielwerte (die Drosselklappenstufe und den Winkel des Lenkrads). Um ein Programm zu finden, das für jeden Eingabewert eine Ausgabe berechnet, weisen sie dann einen Computer an, danach zu suchen (ein Programm, das anhand der Sensoreingaben ein Auto fährt).
Noch iterativer und explorativer als der Softwareentwicklungsprozess ist die Entwicklung einer Anwendung für maschinelles Lernen. Maschinelles Lernen wird eingesetzt, um Probleme zu lösen, die für den Menschen zu anspruchsvoll sind. Ein Datenwissenschaftler muss eine experimentelle Denkweise haben und bereit sein, mehrere Ideen zu prüfen, bevor er sich für eine erfolgreiche entscheidet.
Beide Arten von Arbeitnehmern verbringen viel Zeit geduckt über Laptops, was den Arbeitsumgebungen von außen ein sehr ähnliches Aussehen verleiht. Wie traditionelle Programmierer verbringen Datenwissenschaftler viel Zeit damit, Code in Python oder einer anderen universellen Programmiersprache zu erstellen. Das Schreiben von Skripten zum Zusammenführen, Bereinigen und Anzeigen von Daten sowie das Verbinden des Machine-Learning-Subsystems mit dem Rest der Anwendung nehmen den größten Teil der Zeit in einem Machine-Learning-Projekt ein. Die Toolkits unterscheiden sich zweifellos voneinander. Während typische Programmierer mit REST-APIs und Web-Frameworks bestens vertraut sind, verfügen Datenwissenschaftler über umfassende Kenntnisse der linearen Regression und anderer statistischer Verfahren.
Die folgenden zwei Kriterien müssen erfüllt sein, damit Softwarepatentanmeldungen Anspruch auf Patentschutz nach dem US-amerikanischen Patentschutz haben. bestehendes System der Patentierbarkeit:
(1) Die Anforderung „abstrakte Idee“.
Wenn eine Software „die Computerfunktionalität verbessert“, gilt sie als patentierbar.
– Ermöglichung von Berechnungen, die zuvor mit Computergeräten nicht möglich waren, und Beschleunigung von Vorgängen, die bereits möglich waren,
– Verringerung der Anzahl der zur Erledigung einer Aufgabe erforderlichen Rechenressourcen.
(2) Die „Umwandlungs“-Anforderung
Software kann dennoch Anspruch auf Patentschutz haben, auch wenn sie im Allgemeinen nicht „den Computerbetrieb verbessert“, wenn eine oder mehrere der folgenden Bedingungen erfüllt sind:
Das Urteil des Obersten Gerichtshofs in Alice gegen CLS Bank, 134 S. Ct. 2347 aus dem Jahr 2014 hat für Verwirrung hinsichtlich der Anwendbarkeit von Softwarepatenten gesorgt (2014).
Der Oberste Gerichtshof definierte in diesem Fall ein zweistufiges Verfahren zur Beurteilung, ob eine bestimmte Software patentierbar ist. Erstens kann ein „abstrakter Begriff“ nicht Gegenstand einer computerbezogenen Patentanmeldung sein. Wenn dies jedoch der Fall ist, muss die Patentanmeldung bestimmte Ansprüche enthalten, die die angebliche Erfindung in eine patentschutzfähige Erfindung „umwandeln“.
Können Sie effektiv eine Software patentieren lassen, die die Speicherkonfiguration eines Datenbanksystems durch die Verwendung einer selbstreferenziellen Nachschlagetabelle verbessert? Wie wäre es mit einer Software, die die Archivierung digitaler Bilder über das Mobilfunknetz ermöglicht?
Die Antwort ist „es kommt darauf an“ (wie man es in praktisch allen rechtlichen Situationen erwarten kann). Eine normalerweise eindeutige Analyse ist aufgrund der jüngsten Urteile des Obersten Gerichtshofs und späterer Gutachten niedrigerer Gerichte deutlich unklarer geworden. Um die oben genannten Fragen beantworten zu können, benötigen wir derzeit noch zahlreiche weitere Informationen, unter anderem zur zugrunde liegenden Technologie und zum Aufbau der Patentanmeldung.
Auf Software basierende Erfindungen haben in den USA weiterhin Anspruch auf Patentschutz. Allerdings müssen Softwarepatentanmeldungen bestimmte technische Spezifikationen einhalten und sorgfältig verfasst sein, um für den Patentschutz in Frage zu kommen.
Aus technischer Sicht könnte Ihre Software patentierbar sein, (1) wenn sie die Computerfunktionalität auf irgendeine Weise verbessert (z. B. indem sie Berechnungen ermöglicht, die vorher nicht möglich waren, Verfahren beschleunigt oder weniger Ressourcen verbraucht) oder (2) wenn es eine unkonventionelle Lösung für ein Computerproblem findet.
Darüber hinaus ist Ihre Software nur dann patentfähig, wenn sie mit einem präzisen Fokus auf die technischen Vorzüge Ihrer spezifischen Softwarelösung geschrieben wird. Indem Sie die technologischen Schwierigkeiten, auf die Sie in Ihrem Erfindungsbereich stoßen, darlegen und die Abhilfemaßnahmen, die Sie zur Bewältigung dieser Schwierigkeiten entwickelt haben, detailliert darlegen und beanspruchen, können Sie Ihre Chancen auf den Erhalt eines Patents erhöhen. Es wird Ihnen sehr schwer fallen, patentierbar zu werden, wenn Sie versuchen, alle möglichen Lösungen für ein bestimmtes Problem aufzulisten, oder wenn Sie sich auf die Vorteile konzentrieren, die Ihr Programm einem Benutzer bietet.
Die Patentierbarkeit von Softwareerfindungen hängt häufig von der Formulierung des Patents und der Patentansprüche ab, sehr zum Leidwesen der Entwickler und Gründer. Indem Sie die technischen Schwierigkeiten in Ihrem Innovationsbereich darlegen und die technischen Lösungen, die Sie zur Bewältigung dieser Schwierigkeiten entwickelt haben, detailliert darlegen, können Sie Ihre Chancen auf den Erhalt eines Patents erhöhen. Darüber hinaus müssen Sie sehr vorsichtig sein, wenn Anspruch auf Ihre Idee erheben. Sie sollten nicht behaupten, dass Sie wissen, wie man jede Art von Schmerz behandelt. Stattdessen sollten Sie Ihre Ansprüche genau auf den identifizierten Schmerzbereich konzentrieren.
Technisch gesehen erhöht sich die Wahrscheinlichkeit, dass Ihnen ein Softwarepatent erteilt wird, wenn Sie erklären können, wie Ihre Innovation die Computerfunktion verbessert und wie sie sich von bestehenden Lösungen in Ihrem spezifischen Erfindungsbereich unterscheidet.
Die Branche des maschinellen Lernens (ML) hat damit begonnen und unterstützt Unternehmen bei allem, von einer besseren Brustkrebserkennung bis hin zur Erhöhung der Anzeigenkonversionsraten. Der Markt für maschinelles Lernen soll bis 8.8 auf 2022 Milliarden US-Dollar wachsen.
Unternehmen sind daran interessiert, die Kriterien und Einschränkungen von KI- und ML-bezogenen Softwarepatenten zu verstehen, von großen Technologieunternehmen bis hin zu schlanken Start-ups. Allerdings gibt es häufig Missverständnisse darüber, was patentierbar ist, und es ist in den letzten Jahren zu einem umstrittenen Thema geworden.
Im Großen und Ganzen funktioniert der Großteil der aktuellen Technologie über Ein- und Ausgänge. In diesem Fall stellt ein Mensch die Eingabedaten bereit und eine Maschine oder Software berechnet die Ausgabe. Bedenken Sie, dass in diesem Fall noch eine Person am Prozess beteiligt sein muss. Im Gegensatz dazu ist maschinelles Lernen genau das, was sein Name andeutet: zukünftige Berechnungen und Verhaltensweisen, die von einem Computer unabhängig von menschlichem Eingreifen gelernt werden. In diesem Fall erfolgt die Ein- und Ausgabe durch die Maschine.
Dies wirft die entscheidende Frage der Patentierbarkeit von Algorithmen für maschinelles Lernen auf.
Tatsächlich hängt es davon ab, was ein Algorithmus für Sie ist. Ein Algorithmus kann nach US-Patentrecht nicht direkt patentiert werden. Sie können jedoch die Abfolge der Vorgänge in Ihrer Methode patentieren lassen. Dies liegt daran, dass ein Algorithmus im US-Patentrecht als eine Reihe mathematischer Operationen und Schritte betrachtet wird.
Google, Samsung und Amazon sind die wichtigsten Teilnehmer in diesem Markt. Hier sind drei Beispiele für Patente im Zusammenhang mit maschinellem Lernen dieser Unternehmen:
Ihr Ziel war es immer, auf Suchanfragen mit besseren Ergebnissen zu reagieren. Sie stellten jedoch bald fest, dass ihr bisheriger Ansatz mehr auf Webseiten als auf der Bereitstellung aufschlussreicher Lösungen ausgerichtet war.
Beim Verfassen des Anspruchs muss das Ziel verfolgt werden, zu erfolgreichen Ergebnissen zu führen. Im Folgenden finden Sie eine Liste mit Empfehlungen zum Verfassen einer starken Anspruchssprache und Anforderungen für KI/ML-Patente:
Die größten amerikanischen und japanischen IT-Unternehmen sind für die meisten Patente im Bereich KI und maschinelles Lernen verantwortlich, was nicht überraschend ist. Chinesische Unternehmen haben in den letzten Jahren ihre Patentportfolios erweitert. Allerdings ist ihr Kaliber das Problem. Nach Angaben der Weltorganisation für geistiges Eigentum ist die Zahl der Patente für künstliche Intelligenz in den letzten fünf Jahren deutlich gestiegen (WIPO).
Die WIPO berichtet, dass die Zahl der Patentanmeldungen im Zusammenhang mit KI von 2013 bis 2017 dramatisch um 193 % gestiegen ist. Der Anstieg der Patentanmeldungen, so der Generaldirektor der WIPO, „bedeutet, dass wir mit einer sehr beträchtlichen Anzahl innovativer KI-basierter Güter, Anwendungen und Ansätze rechnen können, die sich auf unser tägliches Leben und auch auf die zukünftige menschliche Interaktion mit den von uns entwickelten Robotern auswirken werden.“ .“ Die WIPO stellte fest, dass seit 434 in der KI-Branche 1998 Unternehmen aufgekauft wurden, wobei mehr als die Hälfte dieser Transaktionen nach 2016 stattfanden.
KI und maschinelles Lernen sind derzeit die treibenden Kräfte, die Innovationen in allen Wirtschaftszweigen vorantreiben, und sie werden auch weiterhin einen enormen Mehrwert für Unternehmen bieten, die klug genug sind, ihr geistiges Eigentum zu schützen.
Wir haben immer wieder den Wert neuer Technologien erkannt, die von unserem hochqualifizierten Führungsteam mit Erfahrung als Profis umgesetzt werden. Wie die IP-Experten, die wir befähigen, ist auch unser Entwicklungsdrang grenzenlos. Wir IMPROVISIEREN, ANPASSEN und IMPLEMENTIEREN auf strategische Weise.
TT-Berater bietet eine Reihe effizienter und qualitativ hochwertiger Lösungen für Ihr geistiges Eigentumsmanagement von
und vieles mehr. Wir bieten sowohl Anwaltskanzleien als auch Unternehmen in vielen Branchen schlüsselfertige Lösungen an.
Kontakt
ENTSPERREN SIE DIE KRAFT
Von Ihrem Ideen
Erweitern Sie Ihr Patentwissen
Exklusive Einblicke erwarten Sie in unserem Newsletter
Fordern Sie einen Rückruf an!
Vielen Dank für Ihr Interesse an TT Consultants. Bitte füllen Sie das Formular aus und wir werden uns in Kürze mit Ihnen in Verbindung setzen
Fordern Sie einen Rückruf an!
Vielen Dank für Ihr Interesse an TT Consultants. Bitte füllen Sie das Formular aus und wir werden uns in Kürze mit Ihnen in Verbindung setzen
