Този сайт използва бисквитки с цел подобряване на функционалността и за удобство на потребителя.
Ако сте съгласни с такава употреба на бисквитките, моля натиснете „Съгласен съм”.
За повече информация прочетете също Политика на поверителност и Политика за бисквитки.

Патентите в областта на изкуствения интелект.

Патент. Изкустен интелект.

 

 

Темата за изкуствения интелект все още не присъства в българското право като нещо нормативно и практически важно, което е на дневен ред законодателно в 21 век не само от технологични, а и от юридически съображения и което безспорно обуславя бъдещето на иновативния сектор и чрез него на обществения, бизнес и личен живот на всеки съвременен човек. Последните изследвания по темата в много от развитите технологично държави по света показват, че не е далеч времето, в което освен следобедната играта на шах с някое електронно устройство, на базата на изкуствен интелект ще се издават моментни визи, ще се одобряват по-бързи и сигурни (от гледна точка на лични данни - пръстово, лицево разпознаване) банкови кредити, ще се провеждат национални и трансгранични (например европейски) избори, ще се извършват здравни услуги. Други проучвания сочат, че изкуственият интелект ще замени много професии -  адвокатската, тази на нотариусите, съдебните изпълнители, съдиите, ще революционизира прецизността и мониторинга в медицината, ще роботизира промишлеността, услугите и бита ни, като по този начин ще постави нови интелектуални, философски и психологически предизвикателства пред ежедневието и може би пред взаимоотношенията между самите нас – човешките същества. Осъзнавайки неизбежността на всичко това, доста компании, опериращи в различни сфери на социалния и бизнес живот, започнаха да разработват динамично и фокусирано изобретения, базирани изцяло на изкуствен интелект. Взимайки повод от казаното, искам да обърна детайлно внимание в това изложение на споменатите патенти, воден от убеждението ми, че днешните изобретения в областта на  АI технологиите (от англ. “Artificial intelligence”) са базата на нашето по-интересно утре.

1.Историческо развитие. Изкуственият интелект (AI) се появява през 50-те години на миналия век, като първото споменаване на термина идва от един летен изследователски проект от 1956г. на “Дартмут колидж”(от англ. Dartmouth College), Ню Хампшир, САЩ. Година по-рано, през 1955 г. Джон Маккарти, млад асистент по математика в колежа “Дартмут”, решава да организира група за проучване и разработване на цифрови мислещи машини. Маккарти избира името „Изкуствен интелект“ като “ново поле” на научно търсене. То презюмира най-вече смислова неутралност, с цел избягване на акцента върху тясната теория за автоматиката и тази на кибернетиката, като вече познати постижения на аналоговата техника. В началото на 1955 г. г-н Маккарти се обръща към Робърт Морисън - директор на биологичните и медицински изследвания към фондация “Рокфелер”, за да поиска финансиране за споменатия летен семинар в “Дартмут” за около 10 участници - учени математици. На 2 септември 1955г. проектът е официално представен на членовете на борда фондацията под понятието „изкуствен интелект“.

Екипът на Маккарти[1] предлага да се проведе двумесечно изследване на изкуствения интелект от 10 учени(във финалния проект всъщност участват 11 математици) през лятото на 1956 г. в колежа “Дартмут” в Хановер, Ню Хемпшир по няколко теми. На първо място проучването касае предположението, че всеки аспект на обучението или всяка друга характеристика на интелигентността може по принцип да бъде толкова точно описана, че да се направи машина, която да я симулира. Експериментът предвижда и опит машините да бъдат накарани да използват език, да формират абстракции и концепции, да решават проблеми, които до този момент са приоритет на мисловната дейност на хората, както и да усъвършенстват описаните резултати.  Не на последно място предложението обсъжда развитието на компютрите, обработката на естествения език, невронните мрежи, теорията на изчисленията, абстракцията и творчеството - области в изкуствения интелект, които се считат за релевантни и днес. От 50-те години до сега новатори и изследователи са публикували над 1,6 милиона научни статии, свързани с изкуствен интелект, като са подадени близо 340 000 заявки за изобретения, свързани с AI индустрията.  Заявителският интерес нараства толкова главоломно, че само през 2013г. са направени половината от споменатите патентни заявки по темата изкуствен интелект.

Екипът на Маккарти и студентите му създават още през 50-те програми, които пресата описва като "удивителни": компютрите решават алгебрични проблеми, доказващи логически теореми, говорят английски и т.н. До средата на 60-те години научните изследвания в САЩ са силно финансирани от Министерството на отбраната, като в целия свят са създадени лаборатории за изкуствен интелект. Напредъкът в областта се забавя през 1974 г., в отговор на критиките на сър Джеймс Лайтхил[2] и продължаващия натиск от страна на Конгреса на САЩ да се финансират по-продуктивни проекти, като поради това американското и британското правителство прекъсват проучвателните изследвания в AI сектора. Следващите няколко години се наричат ​​„зимен период“ за изкуствения интелект, тъй като получаването на финансиране за подобни проекти е изключително трудно.

В началото на 80-те години изследванията по линия на изкуствения интелект са възобновени, стимулирани от търговския успех на т.нар “експертните системи”[3], като форма на програма за изкуствен интелект, която симулира знанията и аналитичните умения на човешки експерти. До 1985 г. пазарът на програми, касаещи изкуствен интелект достига над един милиард долара. В същото време компютърният проект на Япония за пето поколение изчислителна техника кара американското и британско правителства да възстановят финансирането за академични изследвания в AI областта. Въпреки това, като се започне с колапса на пазара на машините “Lisp”[4] през 1987 г., AI индустрията отново изпадна в незавидна пазарна ситуация, разглеждана като второто, по-дълготрайно “замръзване” в изследванията по темата.

В края на 90-те и началото на 21-ви век, AI иновациите започват да се имплементират в логистиката, извличане на данни, медицинска диагностика и други области на науката и техниката. Неимоверният им успех достига пика си поради нарастващата изчислителна мощ на компютрите на базата на изкуствения интелект (виж закона на Мур[5]), като в разработването му се акцентира върху решаването на конкретни практически проблеми от бизнеса и икономиката, нови връзки между AI и други области (като статистика, икономика и математика, медицина[6]) и ангажираност на изследователите към нови математически методи и научни стандарти. Всичко казано намира своя логичен технологичен израз в първата шахматна система, базирана на изкуствен интелект “Deep Blue”(от англ. “Дълбоко Синьо”), която побеждава световния шампион по шахмат Гари Каспаров на 11 май 1997 г.

Малко по-късно, в началото на 2015-та, Джак Кларк от “Блумбърг”, отбелязва, че въпросната година е била забележителна за изкуствения интелект, като броят на софтуерните AI проекти, върху които са базирани различни видове търсене в Google, се е увеличил от "спорадично използване" през 2012г. до повече от 2700 проекта. Кларк представя и фактически данни, показващи, че процентът на грешки при обработката на изображения в “Google images”(софтуерен алгоритъм за откриване на снимки, базиран на изкуствен интелект) е спаднал значително от 2011г. насам. Той обяснява този феномен с увеличаването на достъпните невронни компютърни мрежи, поради повишаването на инфраструктурата за изчислителни облаци и складирането в тях на изследователските инструменти и огромни масиви от база данни. Друг пример в коментираната насока е разработването от страна на “Microsoft” на “Skype” софтуерна система[7], която на базата на изкуствен интелект може автоматично да превежда от един език на друг и “Facebook” софтуер, който може да опише дадени изображения на слепи хора. В проучване, извършено в САЩ по темата през 2017 г. бе установено, че една от всеки пет компании в страната е „включила AI технологии в някои предложения или процеси“. През 2016г. Китай също значително ускори своето държавно финансиране в областта на изкуствения интелект, като съобразявайки този факт с голямото предлагане на база данни и бързото увеличаване на резултатите от научноизследователската дейност, някои наблюдатели смятат, че Китай е на път да се превърне в „супер сила на AI иновациите“.

Машинното обучение е доминиращата AI тема, застъпена в множество патенти за изкуствен интелект и включена в повече от една трета от всички идентифицирани изобретения по темата (134,777 патентни документа). Подаването на патенти, свързани с машинното обучение, нараства ежегодно с 28% годишно, като през 2016 г. са подадени 20 195 патентни заявки (в сравнение с 9,567 през 2013 г.).

Едни от най-популярните техники за машинно обучение( от англ. “machine learning”), които революционизират AI технологиите, са т.нар “дълбоки обучителни и невронни мрежи”. Те са и най-бързо развиващите се постижения на технологично ниво, отразени в патентните заявки: т.нар “дълбокото обучение”(от англ. “deep learning”) показва впечатляващ среден годишен темп на растеж от 175% от 2013 до 2016 г., достигайки 2,399 патентни заявки през 2016г.   Невронните мрежи нарастнаха с темп от 46% за същия период, с 6 506 заявки за патенти през 2016 г.

Сред AI функционалните приложения, предмет на патенти, най-популярно е т.нар “компютърното зрение”(от англ.”computer vision”[8]), което включва разпознаване на изображения. Компютърното зрение се споменава в 49% от всички патенти, свързани с АI технологии (167 038 патентни документа), като годишно нараства средно с 24% (21 011 патентни заявки, подадени през 2016 г.). Други AI функционални приложения с най-високи темпове на растеж в заявките за патенти през периода 2013 - 2016 г. са изкуственият интелект за роботика и методи за контрол, които нарастват средно с 55% годишно.

2.Юридически предизвикателства пред европейските патенти за изкуствен интелект. Европейското патентно ведомство (от англ. “European patent office” или съкратено по-долу използвано като “ЕПО”) получава все по-голям брой патентни заявки, които включват термина "програмиран компютър" като ключова част от описаното изобретение. Нещо повече, този ръст в подаването на документи се наблюдава в технически области, които традиционно не се считат за компютърно ориентирани. Например, според статистиката на ЕПО, 40% от новите патентни заявки, подадени в областта на здравеопазването, имат аспект на AI или машинно обучение.

Като признание за нарастващото значение на изкуствения интелект и машинното обучение за патентните заявки от всички области, ЕПО отдели време и място в актуализираните  “Насоки за експертиза”[9] от 2018г., за да се съсредоточи конкретно върху патентоспособността на изобретения, които имат AI елементи и/или засягат аспекти на машинното обучение. Това показва особено детайлния поглед на ЕПО върху най-модерните тенденции в софтуерните патенти, който факт ще подпомогне практически заявителите и патентните адвокати в цяла Европа.

Споменатите новите “Насоки за експертиза” ясно показват, че ЕПО възнамерява да третира AI технологиите и машинното обучение като форма на математически метод. Математическите методи се част от обектите, фигуриращи в списъка на непатентоспособните изобретения, определен в чл. 52, ал.2 от Европейската патентна конвенция(ЕПК), като в този ред на мисли са нерегистрабилни по същество „като такива“. Математическият метод, който е свързан с контрола на техническа система или процес обаче, може да придобие технически характер, като така преодолее "изключването" му като непатентоспособното изобретение.

Това винаги е била константната позицията на ЕПО, когато се коментират изключенията от патентоспособността и затова не е изненадващо, че секцията за изкуствения интелект и машинно обучение в новите “Насоки за експертиза”, в голяма степен е базирана на вече обичайна практика на ведомството. Ето защо бе прието непротиворечиво, че изобретения, включващи изкуствен интелект и машинно обучение, ще бъдат патентоспособни, доколкото те са описани и заявени в контекста на работа в техническа система или контрол на технически процес. Внимателното изготвяне на заявката в този контекст ще бъде достатъчно, за да се гарантира, че споменатото изискване е изпълнено - описва се и се претендира за изкуствен интелект или компонент за машинно обучение в контекста на техническата система, в която те работят или поддържат технически, като се изключи всякаква абстрактност в обратния контекст. Единствено подобен подход според ЕПО би довел до издаване на европейски патент. Алгоритмите за изкуствен интелект или за машинно обучение, които работят в контекста на нетехнически системи, като например бизнес процеси и модели, няма вероятност да бъдат приети за патентоспособни.

Споделените мотиви са отразени в Решение Т1510/10 на Апелативния състав на ЕПО, постановено през декември 2013г., което споделя виждането, че използването на машинно обучение (а също и AI технологии), не е достатъчно основание само по себе си, за да направи дадено изобретение патентоспособно. Това означава, че конвенционалното прилагане на машинно обучение или изкуствен интелект за решаване на даден проблем, който предполагаемо може да се съдържа или да бъде разрешен само по този начин, не означава априори, че е постигнат даден технически ефект, дори ако проблемът, който се решава е технически по съществото си.

В част “Г – Патентоспособност”(от англ.“G - Patentability”), глава второ римско “Изобретения”(от англ. “II – Inventions”), точка 3.3.1 “Изкуствен интелект и машинно обучение”, новите “Насоки за експертиза” на ЕПО от 2018г. стигат до следните изводи:

Изкуственият интелект и машинното обучение се основават на изчислителни модели и алгоритми за класификация, клъстеризация, регресия и намаляване на размерността, като невронни мрежи, генетични алгоритми, поддържащи векторни машини, к-средства, регресия на ядрото и дискриминантни анализи. Такива изчислителни модели и алгоритми имат per se абстрактна математическа природа, независимо дали могат да бъдат "обучени" на базата на определени съществуващи бази. Следователно, насоките, представени в G-II, 3.3[10] по принцип се прилагат и за такива изчислителни модели и алгоритми.

При разглеждане на въпроса дали предметът на патентоване, за който се претендира с изобретението, има технически характер като цяло (член 52, ал. 1, 2 и 3 от ЕПК), изрази като "машина за поддържащи вектори", "двигател за разсъждения" или "невронна мрежа" следва да се разглеждат и тълкуват изключително прецизно и внимателно от експертизата, защото обикновено се отнасят до абстрактни модели, лишени от технически характер.

От друга страна, следва коректно да се отбележи, че изкуственият интелект и машинното обучение намират приложение в различни области на технологията. Например, използването на невронна мрежа в апарат за дистанционно наблюдение на сърцето, с цел идентифициране на нередовни сърдечни удари, е процес с технически принос. Класификацията на цифрови изображения, видео, аудио или речеви сигнали, базирани на функции на ниско ниво (например ръбове или атрибути на пикселите за изображения), са други типични технически приложения на математически, компютърни AI алгоритми за класификация. Класифицирането на текстовите документи единствено по отношение на текстовото им съдържание обаче, не се счита техническа цел сама по себе си, а за езикова[11]. Класифицирането на абстрактни записи на данни или дори "записи на данни за телекомуникационни мрежи", без да се посочва техническата употреба на получената класификация, също не е техническа цел, дори ако алгоритъмът за класификация може да се счита, че притежава ценни математически свойства, като например устойчивост[12]. Когато класифицирания метод(предмет на патента) поддържа определена техническа цел, стъпките за генерирането му могат също да допринесат за техническия характер на изобретението, ако те подкрепят постигането на същата тази цел.

 Детайлният анализ, извършен от ЕПО с цел осъзнаване дълбочината на разисквания теоретичен проблем и правилното тълкуване на патентоспособността на изкуствения интелект, може да доведе до съществено юридическо развитие на практиката, тъй като ще отвори вратата за възможността да бъде получавана европейска патентна защита относно методологии за обучение по алгоритми, за AI иновации или машинно обучение, както и за механизми за генериране на набори от данни, които се използват за визираната цел.

Според мен поради казаното европейски патент би бил предоставен на метод за обучение на алгоритъм за изкуствен интелект или на машинно обучение, или на метод за генериране на данни за обучение за тази цел, ако е възможно да се направи надеждна обосновка на метода с доказан, реален и повторяем технически ефект. Например, метод за обучение, който кара невронната мрежа да се “сближава” по-бързо технологично или използва по-малък набор от данни, може да бъде кредитирана като служеща за решаване на технически проблем и по този начин да отговаря на юридическите изисквания за европейска патентна защита.

Споменатият анализ на патентоспособността на AI иновациите въвежда един познат аспект в патентното право, който обикновено се среща само във фармацевтичната и биотехнологичната сфера – “правдоподобността”. Възможно е да се докаже например, че конкретен необучен софтуерен AI модел се е “сближил” по-бързо, когато е “обучен”, използвайки конкретен метод и точно определен набор от бази данни за “обучението” си, но само тези доказателства няма да бъдат достатъчни, за да се направи правдоподобна патентна претенция. Както вече стана ясно, самата “правдоподобност” като критерий също е обусловена от това дали даден патент за изкуствен интелект ще доведе до реален и гарантиран технически резултат или не. Всяка абстрактност на претенцията би имала за резултат липса на достатъчна правдоподобност, което от своя страна като последица ще приключи с мнение на експертизата за липса на патентоспособност.

4.Патенти за изкуствен интелект в САЩ – тенденции и юридическа рамка. Няколко скорошни доклада от Америка показват, че патентоването на обекти на изследванията в AI технологиите е изключително активно в рамките на последните няколко години. През декември 2016 г. Google и Елон Мъск[13] отвориха своите AI платформи на публично, Uber стартираха проекта “Uber AI Lab69”, а “Apple” обяви, че за първи път ще публикува изследванията си в областта на изкуствения интелект.

Значителен интерес в САЩ съществува и към бъдещите приложения изкуствения интелект с други “преплетени”, паралелни на него технологии като роботика, виртуална реалност, автономни превозни средства, блокчейн, 3-D печат и IoT.62[14]. Съществува ожесточена конкуренция за лидерство в AI сектора сред няколко водещи компании, което спомага да се стимулират иновациите, базирани на изкуствен интелект, наред с ускоряване на напредъка в настоящите и бъдещите му приложения. Технологични гиганти като Google, IBM, “Microsoft”, “Intel”, “Facebook”, “Amazon”, “Baidu”, “Samsung” и “Apple” са патентовали стотици AI патенти, а някои от индустриалните мултинационални компании като Boeing се насочиха и към придобиване на стартъп AI компании. Подсекторът на технологиите за дълбоко обучение(“deep learning”[15]) в момента насърчава и дейността по патентоване на AI иновации като инвестиционна дейност.

В САЩ повечето технологии за изкуствен интелект могат да бъдат защитени с патент. Но някои изобретения за изкуствен интелект се сблъскват със завишения юридически контрол на експертизата в Американското ведомство за патенти и търговски марки (от англ.  US Patent and trademark office - USPTO), най-вече по отношение на това дали изобретението се включва в критерия “патентоспособност”. USPTO следва двустепенен анализ, за ​​да определи дали патентна претенция е допустима за патент. Първо, USPTO определя дали патентната заявка е насочено фокусирано към концепция, отговаряща на изискванията за патент. Някои области не са патентно допустими: абстрактни идеи, математически модели, природни закони и природни феномени. Ако заявката за патент е насочена към една от тези сфери, USPTO разглежда в експертизата си по същество дали претенцията, обект на изследване, като цяло възлиза на „нещо повече“ от посочените по-горе понятия, като в този случай определящо е дали все пак формулираните претенции достигат до осъществяването реално на конкретен технически резултат, а не е просто една абстракция. Изобретенията, базирано на  АI технологии, свързани с автономни превозни средства или роботи, които има за цел да контролират, придвижват или манипулират в пространството осезаем обект (например превозно средство или пощенски пакет), обикновено са обект на сравнително минимално анализ при експертизата. Споменатите технологии обикновено се считат за допустими за патентоване, тъй като се приема, че те водят до осезаем технически резултат и следователно не са абстрактни.

За разлика от това, изобретение, базирано на изкуствен интелект, което не е насочено към контролиране на материални обекти - като например софтуерен алгоритъм, може да се сблъска с повишен контрол в експертизата, по отношение на това дали е фокусирано върху абстрактна идея или не. Въпреки това, много от технически аспекти дори на такова изобретение, базирано на AI иновации, могат да преодолеят строгите материалноправни изисквания за патент в САЩ. Доколкото USPTO като ведомство не е предоставило изрично легално определение на термина „абстрактна идея“, то тази празнота в американското прецедентно право е запълнена от редица съдебни решения, които са били достатъчно илюстративни в тази насока. Например Федералният съд е приел, че патентните претенции, касаещи конкретно подреждане на данни, са допустими за патенти, като посочва по-специално, че „самореферентната таблица”, изложена в дадени претенциите, е специфичен тип структура на данни. В този контекст компилацията на специфични структури от данни, специфични правила, специфични комбинации от технически стъпки или специфични хардуерни конфигурации, които водят до подобряване функционирането на компютъра, се приемат като допустими патентни претенции, докато повечето случаи на уталитарна употреба, използващи компютър с общо предназначение, често се считат за непатентоспособни.

На базата на споменатите критерии, Американското патентно ведомство(USPTO) идентифицира годните за патентоване AI предмети, като в този ред на мисли от компаниите, разработващи технология в пространството на AI иновациите, се изисква да надхвърлят очакваните потребителски сценарии (например опит за патентоване на метод за използване на конвенционални технологии, относно решаване на общ проблем), като  последните се опитат да идентифицират уникалните технически характеристики на своята AI патентна заявка, чрез подобряване функционирането на компютър. Тези технически характеристики могат да включват следните компоненти:

- предварителната обработка на данни за обучение (т.нар “таксономия”);

- самият процес на обучение (напр. топология на невронна мрежа, конфигурация на параметри, условия за прекратяване и т.н);

-използване на обучени класификатори или решения (напр. последователност, в която се използват класификатори, моделиране на пространство за решение на генетичен алгоритъм);

- работен процес от “край до край” (напр. потребителски интерфейси);

- хардуер (интегриране на алгоритми с изкуствен интелект в хардуерни компоненти, хардуерно ускорение);

Дял 35 от гражданския Кодекс на Съединените щати, раздел 101 (наричан по-долу 35 U.S.C. § 101) ограничава патентоспособните предмети до „нови, полезни технически процеси, машини, производство или състав на материя, или каквото и да е ново и полезно подобрение в нея”. Kaкто вече неколкократно поясних, патентни претенции, които са насочени към абстрактни идеи (например математически алгоритми), природни явления или закони на природата, не са допустими за патентна защита в САЩ. Върховният съд на Съединените мотивира това си константно виждане с факта, че споменатите обекти „са основните инструменти за научна и технологична работа“, като предоставянето на монополи върху тези инструменти чрез патентни права, може да попречи сериозно на иновациите.

Пример за изискването на американската съдебна практика и в частност на хипотезата на 35 U.S.C. § 101, че патентоспособното AI изобретение не трябва да бъде „насочено към абстрактна идея“ или следва да включва „изобретателска концепция“, която да надхвърля „абстрактна идея“, e емблематичното за прецедентното право на САЩ дело “Алис срещу СиЕлЕс Банк”(от англ. “Alice v. CLS Bank”[16]). През 2016г. обаче, Федералният съд на САЩ разгледа разглежда друг казус - делото “Енфиш срещу Майкрософт”(от англ. “Enfish, LLC v. Microsoft”[17]), което опроверга значително мотивите на решението по “Алис срещу СиЕлЕс Банк”. В началото на века фирмата “Енфиш” регистрира американските патенти № 6,151,604 и № 6,163,775, които претендират за логически модел за компютърна база данни. Логическият модел е система от компютърни база данни, която обяснява как различните елементи на информацията в базата данни са свързани помежду си. За разлика от конвенционалните логически модели, този на “Енфиш” включва всички данни в единна таблица, с дефиниции на колони, предоставени от редове в същата таблица. Патентите описват това като "самостоятелно референтно" свойство на базата данни. В стандартна, конвенционална релационна база данни, всяка единица (т.е. всеки тип нещо), която е моделирана, е предоставена в отделна таблица. Например, релационен модел за корпоративно хранилище на файлове може да включва следните таблици: таблица за документи, таблица на лица и таблица на компанията. Таблицата с документи може да съдържа информация за съхраняваните документи, таблицата на лицата може да съдържа информация за авторите на документите, а фирмената таблица може да съдържа информация за фирмите, които наемат лицата. Патентите на “Енфиш”  описват структура на таблица, която позволява информацията, появяваща се обикновено в няколко различни таблици, да се съхранява в една. Колоните са дефинирани от редове в същата таблица. Първоначално казусът “Енфиш” срещу Майкрософт” е подведен неправилно под хипотезата “абстрактна идея” на прецедента “Алис”. Постфактум Федералният съд постановява в мотивите на решението си, че претенциите на патентите на “Енфиш”  са насочени към специфично подобрение на начина, по който компютрите работят, въплътени в претендираната "самореферентна таблица" за база данни, която съответното предшестващо състояние на техниката не съдържа. Интересен факт е, че този казус често се използва като пример за едно от първите дела, касаещи ключови детайли в разбирането за патентоспособността на AI технологиите.

3.Заключение. В края на това изложение бих искал да отбележа, че по мое мнение имплементирането на тясно специализирани правни норми, уреждащи изкуственият интелект в патентното право на национално и трансгранично ниво, както и развиването на легалното регулиране на AI технологиите, би довело до дълбоко въздействие върху иновациите, икономиката и обществото. Като се има предвид глобалното, експлозивно развитие на AI сектора, от първостепенно значение е съответните заинтересовани страни – патентните специалисти и бизнеса активно да участват в по-нататъшните проучвания и дискусии помежду си, както и в по-разбираемото представяне на тази особено комплицирана тема на обществеността, за да се намерят най-подходящите начини изкуственият интелект да насърчава иновациите, като същевременно се сведат до минимум всички евентуално негативни социални, бизнес, юридически и етични последствия.

 

 

Автор: адв.Атанас Костов

 

 

[1] Виж.    Russell, Stuart J.Norvig, Peter (2003), Artificial Intelligence: A Modern Approach (2nd ed.), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2., стр. 17, който пише в тази връзка: "през следващите 20 години изкуственият интелект ще бъде доминиран от тези хора и техните студенти”. 

[2] Британски учен, математик, пионер в областта на аероакустиката;

[3] За тях пак Russell, Stuart J.Norvig, Peter (2003), Artificial Intelligence: A Modern Approach (2nd ed.), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2., стр. 22-24;

[4] Машините на “Lisp” са компютри с общо предназначение, предназначени за ефективно изпълнение чрез “Lisp” като основен софтуер и език за програмиране, обикновено чрез хардуерна поддръжка. Те са пример за високотехнологична компютърна архитектура и в известен смисъл са първите единни потребителски работни станции. Lisp машините са пионери в търговската мрежа в много от най-разпространените технологии, включително лазерен печат, компютърни мишки, растерни графики с висока резолюция и т.н.

[5] Законът на Мур се изразява в наблюдението, че броят на транзисторите в плътна интегрална схема се удвоява на всеки две години. Наблюдението е кръстено на Гордън Мур, съосновател на фирмата “Fairchild Semiconductor” и главен изпълнителен директор на “Intel”, чието изследване от 1965г. описва удвояване на броя на компонентите за една интегрална схема всяка година като прогнозира, че този темп на растеж ще продължи.

[6] Виж проекта Google DeepMind Health, който праз 2016г. успешно започна да работи с националната здравна система(от англ.”National Hospital sistem – NHS”) в Англия. 

[7] Продуктът се нарича “Microsoft translator API” и е защитен през 2010г. с регистрирания американския национален патент US20110307244A1. Собственик на патента е Microsoft Corporation, но интересният момент е, че един от двамата изобретатели е българката Кристина Николова Таутанова, завършила Станфордския университет. Г-жа Таутанова като изобретател и компютърен учен е в основата на още няколко служебни патента в областта на изкуствения интелект със собственик Microsoft Corporation.

[8] Виж  PCT/EP2014/071032 “Метод за определяне на поне едно свойство, свързано с една част от реалната среда”(от англ. “Мethod for determining at least one property related to at least part of a real environment”), заявител Apple Inc. 

[9] По темата  бе проведена и специализирана научна конференция  - “Патентоване на изкуствен интелект”(от англ. “Patenting Artificial Intelligence”) на 30 май 2018г., в централата на ЕПО, Мюнхен, Германия.

[10] Въпросната точка G-II, 3.3 коментира липсата на патентоспособност на математическите методи.

[11] Аргумент от решение на Апелативния състав на ЕПО Т 1358/09;

[12] Така решение на Апелативния състав на ЕПО T 1784/06.

[13] Създателят на системата за електронни разплащания “PayPal” и автомобилният гигант за електро коли - “Tesla”.

[14] Абривиетурата “LoT” идва от англ. “The Internet of things”. Това е разширение на Internet връзка към физически устройства и всекидневни обекти. 

[15] “Дълбокото обучение” е форма на машинно обучение, при която невронните мрежите си подават информация, използвана от компютър за вземане на решения, обучение и коригиране на процеси въз основа на това, което компютърът е научил в рамките на определени параметри. 

[16] Alice Corp. v. CLS Bank International, 573 U.S. 208, 134 S. Ct. 2347 (2014) е решение от 2014г. на Върховния съд на САЩ относно патентоспособността на патентите. Казусът касае въпросът  дали някои претенции за компютърно внедрена електронна ескроу услуга за улесняване на финансовите транзакции обхващат абстрактни идеи, които не отговарят на условията за патентна защита. Патентът е обявен за недействителни, тъй като претенциите са формулирани като абстрактна идея, а прилагането им спрямо функционалността на компютър не е достатъчно, за да превърне тази идея в патентоспособен обект;

[17] Виж Enfish, LLC v. Microsoft Corp., 822 F.3d 1327 (Fed. Cir. 2016).

 

 

 

Основни офиси

гр. Пловдив
ул."Цоко Каблешков" №10, ет.2

гр. София 1000
ул. "Синчец" 11