最近，AI和机器学习专利注定要在最近之后注定吗？

â€最大化申请和专利有资格根据USPTO和法院的第101条获得资格[之后最近]，申请人应仔细制作起草过程中技术进步的叙述。

2025年4月18日，美国联邦巡回上诉法院确认近期分析对Fox Corporation提起的专利侵权诉讼的驳回，认为该诉讼裁定，主张的AI和机器学习专利不符合《美国法典》第35卷。第101条。该决定对于AI领域的专利律师和申请人来说是重要的，尤其是那些寻求保护机器学习（ML）的发明的人。

最近的四项主张的专利涉及使用对历史数据训练的机器学习模型生成事件时间表和网络图的软件。尽管这些申请在美国专利商标局（USPTO），地方法院和现在的联邦巡回赛之前的考试中成功克服了第101条的拒绝，认为这些索赔是根据爱丽丝（Alice）第一步的第一步指向抽象思想，并且缺乏在Alice第二步中授予资格资格的创造性概念。

在最近，联邦巡回赛承认AI和机器学习的重要性越来越重要，并强调其持有仅限于通用机器学习应用。但是，在USPTO之前，该决定对现有专利和申请的更广泛含义仍然不确定。

简单地培训机器学习模型不足以克服专利资格

在此情况下是一个关键事实最近的自己的让步：所采用的机器学习模型是常规的。联邦巡回赛重申，迭代地训练机器学习模型的数据不会将抽象的想法转化为符合专利资格的发明。同样，除非实施为计算技术引入特定的，非总体的改进，并描述了如何实现这种改进，否则将受过训练的机器学习模型限制在特定技术领域是不够的。

重要的是要注意，大多数机器学习模型都是在大型（通常复杂的数据集）上固有训练的，以生成预测或分类。但是，仅这是常规的，并且在该领域得到了充分的理解。虽然之前最近有人可能会说，受过训练的机器学习模型代表了技术的进步，最近决定明确表明，除非主张明确描述了如何实现技术的改进，否则此类论点是不够的。

起草资格：最近

结论最近决定加强了AI和机器学习主张仍然符合专利资格。但是，重点必须从受过训练的机器学习模型中转变，只是生成结果（即，生成时间表或分析网络就像在最近） 到如何机器学习模型以技术新颖的方式执行任务。

为了最大程度地说，根据USPTO和法院的第101条，将申请和专利符合条件，申请人应仔细制定起草过程中技术进步的叙述。该叙述应包括在规范中，并在索赔中达到高潮，清楚地证明了使用AI或机器学习的使用如何导致特定的技术改进。一个发达的叙述应该：

• 描述一个具体的技术问题。该规范应描述在先前的系统和过程中存在的问题。
• 提出特定的解决方案。特定的解决方案可以是一种新颖的机器学习模型体系结构，一种创造性的提取技术，也可以是一种改进的训练方法，可避免在某些情况下偏见或过度拟合。简单地训练机器学习模型不足。
• 突出显示机器的性能与人类的性能不同。法院反复认为，仅仅表明改进在于机器学习系统比人类更快，更高效或更准确地执行任务是不够的。关键是机器学习系统如何完成对不同。这如何应在索赔中捕获。
• 证明结果及其技术影响。机器学习系统的结果和技术影响可以减少系统延迟，降低能耗或计算性能的改进。重要的是，这些技术影响应与索赔中捕获的发明技术特征相关。

陷阱要避免

避免破坏专利资格的常见陷阱也是必不可少的。这些陷阱包括：

• 在没有技术环境的索赔中使用高级功能语言。声称诸如训练模型，产生预测，或显示结果的步骤，而没有在特定的，非规定的技术框架中扎根这些步骤，就不可能单独找到符合专利权的专利框架。
• 仅声称结果没有技术细节。以结果为导向的主张，例如更新网络地图或时间表最近，但没有详细说明其背后的技术机制，也无法达到专利资格标准。法院越来越多地认为，这种面向结果的主张不足以在爱丽丝第一步的第一步下授予专利资格。相反，如图所示McRo，Inc。诉Bandai Namco Games，837 F.3d 1299（Fed。Cir。2016），声称包括特定的规则和实现结果的算法是符合专利条件的资格，因为他们背诵了特定的技术实施，而不是抽象的想法。
• 围绕绩效提高制定发明。另一个陷阱是制作一种叙述，即机器学习模型比现有系统或人​​类更快，更有效或更准确地执行任务。尽管绩效提高在实践中是有价值的，但它们没有赋予专利资格。同样，机器学习模型可以执行超出人类思想能力的任务的事实并不一定使发明专利有资格。法院清楚地表明，这种优势不是技术的改进。相反，为了使符合专利资格的索赔，改进必须属于如何机器学习系统的运行方式与人类或常规计算机的操作不同。

展望：实用指导

虽然最近关于AI和机器学习发明可能符合专利资格的指导，法律景观仍然不确定。AI和机器学习的最有价值的改进通常与培训数据有关。但是，下最近这些改进不太可能支持发现专利资格的发现。鉴于这种不确定性，创新者和专利从业人员应采用一种战略性，多方面的方法：

• 评估所有形式的知识产权保护。如果核心创新在于使用培训数据训练机器学习系统，请考虑商业秘密保护是否更合适。将培训数据保密，可以提供长期保护，而无需专利所需的公开披露。
• 将USPTO考试视为克服专利资格的必要但不足的障碍。起诉期间的成功不能保证诉讼的成功。法院无需遵守美国专利资格的裁决。作为最近证明，在诉讼中仍然可以使克服第101条的专利无效。申请应从一开始就起草诉讼。
• 使用规范讲述技术故事。应用程序应解释现有系统的技术环境和缺陷，AI或机器学习方法如何不同，并且对现有技术有所改善。这如何应在索赔中捕获。与发明人的密切合作以确定特定的技术改进至关重要。
• 确保索赔不仅是对目标的描述。通过朗诵特定步骤，数据结构或培训技术，这些步骤可提供从问题到解决方案的清晰路径，并以同一问题为指定的索赔，可以防止专利资格问题有很长的路要走。

关注如何

最近提醒您，AI和机器学习，无论其精致或广泛使用，都不符合专利的资格。该创新不仅仅在于使用或培训AI，而是如何专门实施技术来实现技术改进。建议申请人治疗最近作为起草主张和发展支持专利资格的叙述的路线图。

图片来源：存款照片
作者：Alexskopje
图像ID：30864475