KI & maschinelles Lernen

Das Schwierigste ist, zu beschreiben, was das Modell tatsächlich tut.

Anmeldungen zum maschinellen Lernen liegen an der schärfsten Kante sowohl der Patentfähigkeit als auch der ausführbaren Offenbarung. Ein Patentanspruch auf „ein neuronales Netz, das X vorhersagt“ ist ein Anspruch auf ein Ergebnis. Bestand hat ein Anspruch auf die Architektur, das Trainingsregime oder die Systemtechnik, die das Ergebnis erreichbar gemacht hat.

Veröffentlichte Patente in diesem Bereich: 409
Berufsträger: 21

Wir arbeiten an Modellarchitekturen und Trainingsverfahren, an Datenpipelines und Annotationsinfrastruktur, an Inferenz- und Beschleunigersystemen, an Computer Vision, an der Verarbeitung natürlicher Sprache und von Sprachsignalen sowie am angewandten maschinellen Lernen in medizinischen und Finanzprodukten. Wo ein trainiertes Modell eine Anlage, einen Roboter oder ein Fahrzeug steuert, wird das Modell hier beansprucht, sein Einsatz dagegen in den Bereichen Industrielle Automatisierung, Robotik oder Autonome Fahrzeuge.

Dieser Bereich durchzieht die anderen technischen Gruppen der Kanzlei, statt neben ihnen zu stehen: Ein Inferenzbeschleuniger ist ein Halbleitermandat, eine Trainingsplattform ein Mandat zu verteilten Systemen und ein Diagnosemodell ein Mandat zu Medizinprodukten. Entsprechend besetzen wir ihn.

Das Verfahren beanspruchen, nicht das Ergebnis

Ein Patentanspruch auf ein Modell, das ein Ergebnis erzielt, ist ein Anspruch auf das Ergebnis, und er wird auf Einwände sowohl zur Patentfähigkeit als auch zur ausführbaren Offenbarung stoßen. Bestand hat die Architektur, das Trainingsregime, die Formulierung der Verlustfunktion, der Schritt der Datenverarbeitung, der das Ergebnis erreichbar gemacht hat, oder die Systemtechnik, die es zur Inferenzzeit bezahlbar gemacht hat.

Das hat eine praktische Folge dafür, wie Anmeldungen erfasst werden. Der patentfähige Beitrag ist häufig etwas, das das Forschungsteam für ein Implementierungsdetail hält und nicht für das Ergebnis, auf das es stolz ist – weshalb das Erstgespräch über die Zusammenfassung der Veröffentlichung hinausgehen muss.

Ausführbare Offenbarung, wenn das Erzeugnis ein trainiertes Modell ist

Schriftliche Beschreibung und ausführbare Offenbarung geraten unter Druck, wenn das Verhalten einer Erfindung aus dem Training und nicht aus dem Entwurf hervorgeht. Eine Patentbeschreibung, die nur die Architektur schildert und das Ergebnis behauptet, macht unter Umständen gar nichts ausführbar; die Offenbarung muss bis zu den Eigenschaften der Trainingsdaten, den Hyperparametern und der Evaluierung reichen, die das Verhalten reproduzierbar machen – und zugleich ein Dokument bleiben, das der Mandant zu veröffentlichen bereit ist.

Das gegen den Schutz als Geschäftsgeheimnis abzuwägen, ist eine strategische Entscheidung, und sie sollte bewusst getroffen werden, statt sich von selbst zu ergeben.

Nachweise

Von uns ausgearbeitete Patente in diesem Bereich

Patente, deren Erteilungsverfahren die Kanzlei geführt hat, entnommen dem eigenen veröffentlichten Verzeichnis und dem Vertreterverzeichnis des USPTO. Ein Nachweis, keine Behauptung.

Das gesamte Patentverzeichnis

12,725,608Automatic speech recognition with multilingual scalability and low-resource adaptation
12,725,451Artificial intelligence video analysis enhanced with text generation
12,725,406Task-oriented clustering using prompt learning
12,725,076Artificial intelligence model learning introspection
12,725,075Training data generation via reinforcement learning fault-injection
12,725,036Explainable deep interpolation of missing pixels via non-contiguous interpolation neighborhoods
12,718,797Label smoothing technique for improving generalization of deep neural network acoustic models
12,718,138Quantum-enhanced features for classical machine learning