最近的重演请愿书挑战CAFC的广泛第101部分机器学习发明的排除

直到小组裁决之前，该法院从未提出过爱丽丝第一步需要一项专利要求同时索取（1）已建立过程的新应用和（2）改进该过程中使用的技术。最近

周三，预测分析公司最近提交了COmbbient的请愿书，以进行小组的复制和复习。随着美国联邦巡回法院的上诉法院挑战了法院在今年4月对最近的机器学习专利主张的无效。正如最近的提出，联邦巡回法院决定使用既定模型与美国最高法院的专利资格标准相抵消的新机器学习应用程序的所有专利保护。35 U.S.C.第101条并冷却美国的创新是新兴技术的极为重要领域。

在它的四月裁决是由巡回法官蒂莫西·戴克（Timothy Dyk）和沙龙·普罗斯特（Sharon Prost）组成的联邦巡回赛小组，以及宾夕法尼亚州东部地区的美国地方法院法官米切尔·戈德堡（Mitchell Goldberg爱丽丝/梅奥框架。在第1步爱丽丝/梅奥，联邦巡回赛发现了最新的专利主张，该主张涉及使用已知的数学技术制作网络图和事件时间表的抽象思想，并且在步骤2中，最近声称使用机器学习来优化基于实时数据的时间表的创造性概念，无需更多的抽象本身。

最近：第101条专利资格是阈值测试，而不是先前的艺术搜索

在最近的摘录请愿书中，专利所有者认为，联邦巡回法院的裁决消除了第101条专利资格和其他新颖性询问之间的界限（35 U.S.C.第102条）和明显（35 U.S.C.第103条）。通过使用新型的机器学习技术来维护根据第101条的最新专利主张的有效性，联邦巡回赛将主题资格崩溃了，并在最高法院先验，最新的，最近的辩论下保留了有关新颖性和明显分析的先前艺术问题。

根据最新的Reherative Reherate请愿书，该专利不仅要求由实时数据分析产生的优化网络图。取而代之的是，最近由最近声称的方法教导如何使用指定参数迭代训练机器学习模型来构建和部署这些地图，以查找与网络地图和事件计划相关的有用模式。尽管声称特定的机器学习模型诸如神经网络之类的模型，但专利要求基于几个事件参数和功能（例如位置和成本）对这些模型进行培训，以及用户定义的输入，以开发以前艺术无法生成的网络图。

最近在近期的重演请愿书中引用的几项最高法院和联邦巡回法院的裁决证实，第101条的可专利性标准爱丽丝/梅奥是阈值测试，而不是先前的艺术搜索，这是CAFC最近重申的前提宽带ITV诉Amazon.com（2024）。最近的主义者发现，联邦电路小组并不认为既定的机器学习方法本身都是专利符合专利的抽象思想或长期以来的基本人类实践，这一点至关重要。``最近的非摘要过程并不是因为某人以前描述或使用相同的过程而变得抽象。”最近的说法。

适当专注于改进机器学习应赋予专利性

虽然第101节的查询有时会与第102节的新颖性问题重叠爱丽丝/梅奥，联邦巡回赛的面板决定将先前的艺术测试注入了第101节框架的步骤1。直到小组裁决之前，该法院从未提出过爱丽丝第一步需要一项专利要求同时索取（1）已建立过程的新应用和（2）最近对该过程中使用的技术的改进。

最近，联邦巡回法院对2018年裁决的广泛阅读SAP America诉Investpic，这代表了一个谦虚的主张，即即使仅限于特定内容，抽象思想仍然是抽象的。在SAP America，联邦巡回赛只讨论了在爱丽丝/梅奥这项专利所有者认为，这是机器学习的常规性问题的任何问题。

根据适用的第101条查询McRo诉Bandai Namco Games America（2016年），最近的主义者认为，联邦巡回赛应询问最近的主张是否集中在提高声明技术的特定手段或方法上，还是针对结果或效应本身就是抽象的想法。最近的维斯特补充说，其专利主张不仅仅声称所需的结果，而是建立用于生成优化网络地图和事件计划的机器学习模型的具体步骤。此外，联邦巡回赛的进口不当35 U.S.C.第112条通过发现索赔没有正确描述机器学习发明可以改善的索赔的步骤，从而进入第101节查询。

引用数据表明，自2023年以来提交的340,000份AI相关专利申请中，有超过60％与机器学习有关，最近认为，联邦巡回赛的专利资格标准机器学习发明将通过消除确保风险投资所需的保护来扼杀创新。这种担忧以及风险投资流向中国，欧洲和外国竞争对手，这些竞争对手为机器学习技术提供了专利保护前USPTO导演Andrei Iancu也几位参议员赞助立法改革第101条专利资格法。

图片来源：存款照片
作者：Timurlaykov
图像ID：109449130