More Detail
壹、前言
隨著人工智慧（AI）技術應用深入台灣核心產業，相關專利申請量逐年攀升。然而，AI發明本質涉及演算法與電腦軟體，而此等發明在專利審查上常面臨須克服「是否符合發明定義」、「是否可據以實現」及「是否具備進步性」等專利要件的課題。為提升審查品質的一致性與可預見性，TIPO於民國114年9月發布了《AI相關發明案例集》。本文將依上述議題透過案例集所提供的正反案例對比，簡單介紹此案例集的重點，希冀能提供台灣企業在申請AI相關的專利時的指引。
貳、發明定義（適格性）：關鍵在於「軟硬體協同運作」
依我國專利法，發明必須是「利用自然法則之技術思想的創作」。AI軟體發明若被認定為單純數學演算法或抽象商業規則，即不符發明定義。審查關鍵在於：該發明是否揭露軟體與硬體資源的具體協同運作，以實現特定資訊處理目的。
【案例解析1-1】計算床墊匹配度分數的方法
此案例反映常見的「推薦系統」之專利型態。
隨著人工智慧（AI）技術應用深入台灣核心產業，相關專利申請量逐年攀升。然而，AI發明本質涉及演算法與電腦軟體，而此等發明在專利審查上常面臨須克服「是否符合發明定義」、「是否可據以實現」及「是否具備進步性」等專利要件的課題。為提升審查品質的一致性與可預見性，TIPO於民國114年9月發布了《AI相關發明案例集》。本文將依上述議題透過案例集所提供的正反案例對比，簡單介紹此案例集的重點，希冀能提供台灣企業在申請AI相關的專利時的指引。
貳、發明定義（適格性）：關鍵在於「軟硬體協同運作」
依我國專利法，發明必須是「利用自然法則之技術思想的創作」。AI軟體發明若被認定為單純數學演算法或抽象商業規則，即不符發明定義。審查關鍵在於：該發明是否揭露軟體與硬體資源的具體協同運作，以實現特定資訊處理目的。
【案例解析1-1】計算床墊匹配度分數的方法
此案例反映常見的「推薦系統」之專利型態。
- 否定案例（不符發明定義）：若請求項僅描述「獲取使用者睡姿及體型資訊」、「計算匹配度分數」、「顯示分數」，卻未具體說明執行主體。審查上將認定執行各步驟之主體不明確，視為人為設定的計算規則或單純數學運算模型，非屬硬體資源具體利用，故不符發明定義。
- 肯定案例（符合發明定義）：若請求項明確界定「資訊獲取模組」（含感測器）、「人工智慧匹配模組」（含神經網路）及「顯示模組」，並描述模組間通訊連結。例如：利用感測器自動擷取肩寬、臀寬，將數據輸入實施於硬體的AI模型運算。此寫法揭露了符合資訊處理目的之特定資訊處理，且該處理係「藉助電腦軟體之資訊處理係利用硬體資源具體實現」，符合發明定義。
【案例解析1-2】預測程式存取記憶體位址的方法
此案例涉及底層硬體運作優化。
- 否定案例：若僅描述「取得」、「選擇」、「結合」等動作，即便提及「RNN（遞迴神經網路）」，但未揭露RNN如何與其他軟硬體協同運作。單純的方法步驟描述，將被視為抽象演算法，不符合發明定義。
- 肯定案例：若請求項加入「資料獲取單元」、「運算單元」及「實施於一積體電路（IC）上的一遞迴神經網路（RNN單元）」，並描述硬體單元如何取得暫存器狀態、計算位址差異值、產生特徵向量以預測位址。此種描述明確揭露依據預測目的建構之特定資訊處理方法，且各步驟由具體硬體執行，符合「藉助電腦軟體之資訊處理係利用硬體資源具體實現」要件，即符合發明定義體現軟硬體協同運作之要件，符合發明定義。
企業撰寫建議：撰寫AI請求項須注意勿僅停留於功能性描述。必須將「執行主體」（處理器、模組、感測器、IC）具體化，並明確描述特定的資訊處理方法及該等資訊如何利用特定硬體來具體實現的內容。參、可據以實現要件：輸入與輸出資料的「合理關連性」
AI常被視為「黑盒子」，其內部邏輯有時難以完全用文字描述。因此，說明書是否充分揭露使通常知識者能據以實現，成為審查重點。TIPO強調「輸入資料」與「輸出結果」間必須存在「合理關連性」才能符合發明定義。
【案例解析2-1】計算床墊匹配度分數的方法
- 記載不備（違反要件）：請求項僅揭露了一人工智慧匹配模組，內含一神經網路模型，其根據複數測試者之睡姿偏好資訊及體型特徵資訊訓練而獲得，用以計算使用者與每一種床墊的匹配度分數。若說明書僅提及輸入「體型特徵」，卻未說明具體特徵（如體重或身型或手腳比例、肌肉量、頭部大小等），且訓練時也沒有包含床墊相關的特徵資訊。此時無法瞭解神經網路如何學習，亦無法確認輸入與輸出（匹配度）間是否存在技術因果關係。故若未揭露模型訓練方式（如標籤資料），將被認定為無法據以實現。
- 記載完備（符合要件）：說明書指明輸入資料含「身高、體重、肩寬、臀寬」等物理參數，並說明其與床墊支撐性具合理關連性。同時明確揭露訓練流程：例如收集測試者體型數據與其對各類床墊的實際評分（標籤資訊），進行監督式學習。是以，其內容已具體說明輸入資料與訓練模型輸出資料之間的關連性，並且明確揭露模型的訓練方式，符合據以實現要件。
【案例解析2-2】客戶行為預測系統
此案例對金融科技（FinTech）專利具參考價值。
- 記載不備：若系統宣稱能預測投資購買行為，輸入資料卻含「星座」、「生肖」。依通常知識無法推認星座與投資行為具合理技術關連性。若無法基於申請時之通常知識可推認輸入、輸出資料存在關連性，即無法克服核駁理由。且即使OA後提出實驗結果證明所載推定模型的測試結果，主張能解決發明所遭遇問題，也無法克服核駁理由。
- 記載完備：若輸入資料調整為「收入來源」、「理財目的」、「過去交易歷史」及「風險評估」（現況數據），這些數據與投資行為具合理關連。若說明書揭露利用歷史數據作為訓練集，並以實際購買行為（如最初交易時期）作為驗證標籤，則具備技術關連性，符合要件。
企業撰寫建議：「關連性」是核心。申請時須在說明書詳細論述「為何選用這些參數」及「參數如何影響結果」，即應載明模型建置所需輸入/輸出資料以及其訓練方法，闡明輸入/輸出資料如何建置且具有合理關連性，發明所欲解決問題所採用訓練之方法及對照先前技術之功效。肆、進步性：區別「一般AI應用」與「特定技術貢獻」
進步性審查中最常見的核駁理由是「簡單變更」或「一般AI技術應用」。若僅將傳統方法替換為AI模型，未產生無法預期之功效，難以取得專利。
【案例解析3-1】床墊匹配度之進步性判斷
- 否定案例（不具進步性）：假設引證1已揭露利用體型特徵訓練神經網路推薦床墊，本案僅增加「睡姿偏好資訊」。若引證2已教示睡姿與床墊舒適度有關，審查官會認為將睡姿納入訓練屬通常知識者可輕易完成之簡單變更。若未界定特殊演算法或資料前處理技術，僅單純增加訓練資料，通常不具進步性。
【案例解析3-2】道路檢測系統
- 否定案例：若引證案已揭露利用車輛收集影像識別裂縫，差異僅在引證案使用SVM（支援向量機），而本案使用「深度學習」。由於以深度學習取代SVM屬AI發展常規趨勢，若未揭露針對特定場景（道路裂縫）的特殊架構或優化，會被認為僅是簡單變更，難認具進步性。
- 克服進步性之策略：由於引證已揭示請求項所有輸入輸出資料，僅是所採機器學習模型的不同，建議將說明書中具體技術特徵寫入請求項。例如：將說明書有載明深度學習所採用之訓練方法定位資訊結合道路影像如何對破壞部分進行分類之訓練、影像預處理、道路破壞分類、計算如何提取等內容修正至請求項中，方有機會克服核駁。
企業撰寫建議：應避免僅是將習知技術改為AI，因使用AI提高分析、預測的精確度等，屬一般AI技術領域之應用，不具進步性。應明確記載所採用特定的機器學習模型或訓練方法，及因此產生之不同功能、效果，才有機會使發明具進步性。伍、總結
總結案例集實務重點，台灣企業應掌握三大原則：
- 硬體構成具體化：應明確界定軟體模組與硬體資源（感測器、處理器）的對應關係，符合「軟硬體協同運作」等要求，以避免被指出「執行主體」不明確等情事。
- 黑盒子內部透明化：說明書須揭露「輸入與輸出之技術關連性」及訓練方式。非直觀關連應輔以實驗數據。
- 技術特徵細緻化：欲使發明具進步性不能僅依賴「AI效能」所能達到的通用技術效果。須界定「區別於一般AI通用技術」的具體特徵(如所採用特定的機器學習模型或訓練方法)，以突顯特殊功效。
經上述說明後，相信讀者對AI及電腦軟體發明的審查最新實務動向應已有一定的瞭解。台一國際智慧財產事務所將持續密切關注台灣最新的智財動向，並透過專業分析轉化為實用的策略建議。
參考文獻
[1]經濟部智慧財產局，第二篇發明專利實體審查基準_合輯彙編(2024年7月1日施行版)，第十二章「電腦軟體相關發明」
[2]經濟部智慧財產局，我國AI相關發明案例集，中華民國114年9月
