□ 人工知能(AI)分野の審査実務ガイド

• 第4次産業はデータ(D)、ネットワーク(N)および人工知能(A)に代表される新しいデジタル融合複合技術分野である。第4次産業の代表といえる人工知能技術はディープラーニング技術の登場で急速に発展し、現在多くの産業分野に適用されている。人工知能技術の発展とともに人工知能関連の特許出願も急増し、韓国特許庁では2020年12月、人工知能技術の特徴を考慮して人工知能分野の審査実務ガイドを制定した。(2021.12.、2023.5.改正)
• 人工知能分野審査実務ガイドは特許審査官だけでなく人工知能関連発明を特許出願しようとする発明者にも人工知能発明の特許明細書作成において明確なガイドを提示するもので、本ニュースレターでは本審査実務ガイドを要約し紹介する。
• 人工知能技術の核心を成す神経回路網およびアルゴリズムは、ほとんどがソフトウェアの形で具現される。従って、人工知能分野の審査実務ガイドは基本的にコンピュータ関連の発明^*審査基準に従い、人工知能関連特有の技術について審査基準を補充して説明する形式で作成された。＊コンピュータ関連の発明：発明の実施にコンピュータ·ソフトウェアを必要とする発明
• 人工知能分野の審査実務ガイドは、明細書記載要件と特許要件（発明の成立性、新規性及び進歩性）に区分し、それぞれに対する審査基準と審査事例を含む。本号では明細書記載要件に対する審査基準を要約して紹介し、特許要件に関する審査基準は次号で紹介する。

<人工知能分野審査実務ガイド1(明細書記載要件)>

• 本審査実務ガイドにて扱う人工知能関連発明の基本概要図は以下の通りである。
• 
• 上記の基本概要図に基づき、人工知能関連の発明を以下のように分類することができる。
• 1. データ前処理分野:定型または非定型ローデータを人工知能モデルの設計条件に合うように抽出して精製する技術分野
  2. 学習モデル定義分野:前処理加工された学習用データを活用して学習する学習モデルを設定·具現化する技術分野
  3. 物理的具現分野:設定された学習モデルの全体または一部をハードウェアで具現化する技術分野
  4. 学習済みモデル分野:学習済み学習モデルを特定の応用に活用する技術分野

1. 発明の説明における記載要件

イ．実施可能要件の基本事項

• （原則）発明の説明に人工知能技術分野において通常の知識を有する者が出願時の技術常識に基づき、その発明を容易に実施できるほど明確かつ詳細に記載されているか否かを基準として判断する。
• 人工知能関連の発明を容易に実施するためには、その技術分野における通常の知識を有する者が発明を具現化するための具体的な手段、発明の技術的課題及びその解決手段などが明確に理解できるように発明で具現化する人工知能技術に関する具体的な内容を記載しなければならない。
• 人工知能関連の発明を具現化するための具体的な手段としては、学習データ、データ前処理方法、学習モデル、損失関数(Loss Function)などがある。

ロ．実施可能要件の違反事例

• (1) 発明の説明において、請求項に記載された発明に対応する技術的段階又は機能を抽象的に記載しているだけで、その段階又は機能をハードウェア又はソフトウェアでどのように実行し、又は実現するかを記載しておらず、出願時の技術水準を参酌しても通常の技術者が明確に把握することができず、請求項に記載された発明を容易に行うことができない場合
• (2) 発明の説明において、人工知能関連の発明を具現するための具体的な手段として、入力データと学習されたモデルの出力データ間の相関関係を具体的に記載していない場合
• ここで、入力データと学習されたモデルの出力データとの間の相関関係が具体的に記載されている場合とは、

1. 学習データが特定されていて、
2. 学習データの特性相互間に発明の技術的課題を解決するための相関関係が存在し、
3. 学習データを利用して学習させようとする学習モデルまたは学習方法が具体的に記載されていて、
4. このような学習データおよび学習方法によって発明の技術的課題を解決するための学習されたモデルが生成される場合を意味する。

• (3) 発明の説明において、請求項に記載された発明の機能を実現するハードウェア又はソフトウェアを単に「機能ブロック図（block diagram）」又は「フローチャート」のみで表現しており、その「機能ブロック図」又は「フローチャート」からどのようにハードウェア又はソフトウェアが具現化されるのか明確に把握することができず、出願時の技術水準を参酌しても通常の技術者が明確に把握することができず、請求項に記載された発明を容易に行うことができない場合。

ハ.　留意事項

• (1) 発明の特徴が機械学習の応用にある場合、通常の機械学習方法を活用して発明の技術的課題を解決でき、発明の効果を確認できるならば、学習データを利用して学習させようとする学習モデルまたは学習方法が具体的に記載されておらず、単に通常の機械学習方法だけが記載されていても、実施可能要件を満足していると見なすことができる。
• (2) 発明の特徴が機械学習基盤の人工知能関連発明から収集されたローデータを学習用データに変更するデータ前処理にある場合、発明の説明が以下の場合には実施可能要件を満たしていないと見なす。

1. 収集されたローデータを学習用データに生成、変更、追加、または削除するためにデータ前処理段階または機能をどのように実行するかまたは実現するか記載していない
2. 収集されたローデータと学習用データ間の相関関係を具体的に記載していない

• (3) 強化学習基盤の人工知能関連の発明は、エージェント(agent)、環境(environment)、状態(state)、行動(action)、補償(reward)間の相関関係を含む強化学習方法を具体的に記載していない場合には、実施可能要件を満たしていないものと見なす。

2. 請求の範囲における記載要件

• 人工知能に関する発明において、請求の範囲における記載要件の判断は、基本的に特許·実用新案審査基準の『請求の範囲における記載要件』に従う。
• 本ガイドでは『請求の範囲における記載要件』の中で人工知能関連の発明審査に必要な事項を説明する。

イ 発明が明確かつ簡潔に記載されていること
(1) 発明のカテゴリー

• 人工知能関連の発明は『方法の発明』または『物の発明』として請求項に記載することができる。
• 人工知能関連の発明は時系列的に連結された一連の処理または操作、すなわち段階で表現できるとき、その段階を特定することにより方法の発明として請求項に記載することができる。
• 人工知能関連の発明は、その発明を具現化する複数の機能で表現できるとき、その機能に特定された物(装置)の発明として請求項に記載できる。
• また、人工知能関連の発明は、
  1. 『コンピュータプログラム記録媒体の請求項』、
  2. 『記録媒体に記録されたコンピュータプログラムの請求項』、
  3. 『データ構造記録媒体の請求項』
• 形式に加え、学習モデルや学習モデルを利用する物を請求する場合には、
  4. 『記録媒体に保存された、学習モデルを具現化したコンピュータプログラムの請求項』、
  5. 『学習モデルを利用する物(装置)の請求項』
• 形式として記載することができる。
• ここで学習モデルとは、学習対象となるモデルが学習手段と結合されコンピュータ上で学習されるものとして、請求項には学習モデルに加え人工知能関連の発明を具現化するための具体的な手段をさらに記載しなければならない。ここで具体的な手段とは、学習データ、データ前処理、損失関数などを意味する。
• 学習対象となるモデルには多様な機械学習モデルの基本的な構造を含むことができ、例えば神経網(神経回路)の場合、入力層、出力層および入力層と出力層の間に一つ以上の隠匿層からなる基本的構造に具体的な手段が追加された形態として記載することができる。学習対象となるモデルの例としては、CNNs、RNNs、神経網(Neural Network)などがある。

(2) 発明を明確かつ簡潔に記載されていない例

(イ)発明の遂行主体が明確でない場合

• 当該発明が「使用目的に応じた特有の情報の演算又は加工を実現したもの」であるが、請求項に記載された事項から発明の遂行主体（ハードウェア）が明確に把握できない場合には、当該請求項は明確に記載されていない。

(ロ)発明の対象が明確でない場合

• 請求項の末尾が「プログラム製品」、「プログラムプロダクト」、「プログラム産出物」等と記載されている場合、発明の対象を「プログラムを記録したコンピュータとして読み取り可能な記録媒体」、「プログラムが結合されたコンピュータシステム」のいずれにも特定することが困難であるため、発明が明確でない。