基於專利動向分析之專利策略規劃
基於專利動向分析之專利策略規劃
科技法律研究所
法律研究員 徐維佑
2014年12月23日
壹、專利布局策略目的
無論在企業針對新產品開發、或學研機構研究新興技術時，對於研究方向的判斷，皆應善加利用其他競爭公司、學研機構專利動向最新資訊。以各國專利資料庫為基礎，蒐集其他公司、機構的研究領域，或者與研發成果相關的專利等資料而成的專利地圖（patent map），可構築更完整的智財戰略。
欲將研究成果商業化時，販售排他性產品對於競爭非常重要。因此阻止其他公司製造仿冒品、類似品，甚至競爭品，或者防禦其他公司之侵權告訴，皆必須盡早制定對策，亦即必須掌握該技術領域的智財資訊，才能讓研發活動順利推展。
貳、各國政府公開之專利動向分析
一、英國國家專利藍圖分析報告
英國政府於2014年中，依續公告8大重要技術之專利藍圖分析報告[1]，認為專利資訊可提供創新活動高價值之分析觀點，因此該國智慧財產局資訊團隊，透過專利申請資訊分析出全球性專利藍圖，幫助其國內企業與民眾瞭解此8大重要技術專利資訊，並將分析結果納入資金挹注之考量基礎。
專利藍圖分析報告之資料，來源為2013年至2014年間全球專利資料庫中專利公開(Published)之資料，以及諮詢英國智財局各專業技術領域之專利審查員之結果。而專利藍圖分析報告之分析內容，包括專利涵蓋範圍、專利申請排名領先群、專利優先權期間、專利合作開發申請圖、專利技術分析等。
二、韓國R&D專利技術動向調查
韓國R&D專利技術動向調查制度自2005年開始，每年度由與研究發展相關的各部會針對其提出之研發工作，提供研發計畫執行階段中，所研發之技術是否已有先前技術，或是與研發技術類似之專利發展情況等資訊，即以該研發領域之技術不被其它國家競爭對手搶先獲得專利權的目標作為研究人員之研究方向。
而專利技術動向調查之研發課題則由韓國專利廳下韓國智慧財產策略院主管之「e專利國[2]」負責調查，提供專利分析結果的綜合報告，提供各部會與各領域別的專利動向、方向與及各種分析報告，內容包含有政府R&D專利技術動向調查報告、國家專利策略藍圖報告、以及專利分析與相關生產報告等。並根據以上報告提供技術領域別研發計畫方向、挑選出將來商業化運用價值較高之專利。
參、代結論
專利動向分析的資訊為一種判斷的依據，儘管由分析報告所顯示的技術範圍中，判斷要進行哪一種研究時，需要的是研究者的經驗與知識，但專利動向分析有助於篩選出可行的研究範圍，尤其在投入國家資源補助科研計畫時，資源更應有效應用於可行的技術領域，而非早已佈滿專利地雷處。
目前產業研發過程缺乏完善專利布局分析。實際生產產品之企業為避免侵權故意，常忽略申請前檢索工作；雖研究前或研究中調查之專利動向分析，並不能保證研究成果的可專利性，然而該工作對於國家、企業之研究發展實屬必要。透過如英國國家專利藍圖分析報告、韓國R&D專利技術動向調查，由國家公開技術領域共通性專利分析報告，對於企業後續進行技術專利布局，或者研究機構擬定研究發展方向，皆會有莫大的助益，並節省相當的時間與人力成本，值得我國參考。
[1] UK Intellectual Property Office, Eight great technologies: the patent landscapes (2014), https://www.gov.uk/government/publications/eight-great-technologies-the-patent-landscapes (last visited: 2014/10/01）
[2] 韓國e專利國網頁， http://www.patentmap.or.kr/patentmap/front/common.do?method=main（最後瀏覽日：2014/10/01）。
美國FTC於2月23日對於兩款聲稱具有診斷能力的醫療app進行裁罰，理由是這兩款app宣傳不實資訊，故應予下架並裁處罰鍰。 Melapp與Mole Detective兩款app，均係付費app，售價大約在1.99至4.99美元不等，宣稱只要使用者從不同角度拍下自己身上的痣，app就能夠判斷這個痣屬於黑色素瘤（Melanoma，為一種罕見的皮膚癌類型，且惡性程度高）的機率，app將罹患黑色素瘤的風險區分為：高、中、低三級。但FTC認為業者的說法並沒有足夠的臨床依據加以證明，因此涉及廣告不實的行為。截至目前為止，Melapp與Mole Detective的開發業者都已經繳納罰鍰，但發行商L-Health拒絕繳納這項罰款，因此FTC的委員會在經過表決之後，決定在2015年2月23日向北伊利諾州地方法院提起訴訟，請求法院執行此項由FTC作成的裁罰。 具有診斷效果的app在美國其實開發已久，但在此案前，尚未見到行政機關對之積極的加以管制，此次由FTC出面對於廣告不實的部分加以裁罰，而非由主管藥物、醫材的FDA進行裁罰，或許與眾人的想像不同，但從FTC的這個行動，我們也發現美國政府已開始關切此類宣稱具有醫療診斷效果的app，醫療app未來的發展情勢將會如何，特別是本案中將被FTC起訴的L-Health會不會再另行提起其他法律爭訟，以確保其產品在市面上的合法性？毋寧是未來世界各地醫療app發展的重要參考資訊。
英國ISP業者主動揭露網路速度資訊2011年5月英國電信主管機關Ofcom（Office of communications）對英國境內寬頻網路速率現況進行調查，寬頻網路平均下載速度從去年11月的6.2Mbits/s增為6.8Mbits/s，且有近半（47%）的使用者可享受到超過10Mbit/s的速度。 但廣告速度與真實速度間的差距擴大，今年5月業者平均廣告速度為15Mbit/s,，較真實速度6.8Mbits/s差距為8.2Mbit/s，而2010年11月平均廣告速度13.8Mbit/s真實速度6.2Mbit/s，差距為7.6Mbit/s。上述的差距主要發生於ADSL網路，英國有近75%的使用者仍用ADSL，此種傳輸方式將受到距離、纜線品質的影響。因此大多數業者所宣稱的20Mbit/s下載速度，僅能達到6.6 Mbit/s。有超過1/3的使用者速度為4 Mbit/s或更低。 F英國今年7月正式實施之寬頻速度自律規則（Voluntary Code of Practice on Broadband Speeds），為業者自願加入。除提供消費者「典型的速度範圍」（Typical Speed Range, TSR）資訊外，若消費者可使用速度小於業者宣稱之速度範圍，且業者無法解決問題時，在3個月內使用者可更換其他業者而無須罰款。目前已有BT、O2、Virgin Media等17家ISP業者加入自律規則中。
放寬視障者及閱讀障礙者著作權合理使用之範圍2009年5月，巴西、厄瓜多爾及巴拉圭於世界智慧財產權組織（The World Intellectual Property Organization,以下簡稱WIPO）之著作權及其相關權利常務理事會（Standing Committee on Copyright and Related Right, 以下簡稱SCCR）中，根據世界盲人聯盟（World Blind Union ,以下簡稱WBU）所草擬的一份關於「促進視障者（Visually Impaired Persons,以下簡稱VIPs）及閱讀障礙者接觸受著作權保護之資訊」國際性公約，內容為提出增訂著作權的限制及例外（limitations and exceptions）條款的相關主張，亦即針對視障者及閱讀障礙者放寬著作權合理使用範圍。 SCCR的會員，將就此草擬公約於2010年5月26日至28日進行協商討論，其協商結果亦將於日內瓦下一屆會議中提出討論。 另外，WIPO也透過網路開放之平台，開放各界參與本議題之討論（https://www3.wipo.int/forum/），該網路論壇將持續開放討論至2010年6月20日，並決定加快有利於視障者接觸資訊之相關問題。 目前全球有超過3億1千4百萬盲人或視障者，但目前於全球各地，供給視障者及閱讀障礙者閱讀或收聽資訊的工具很少，在多數國家中，尤其是發展中國家，此將影響其教育及就業機會，甚至使其更陷於弱勢地位。而為促進保障視障者及閱讀障礙者接觸資訊的權利，例如藉由點字書（Braille）、大字本（large print）等科技產品，俾利提供給視障者及閱讀障礙者閱讀或收聽的工具。但如何結合現代科技、增進其接取資訊的機會與放寬著作權相關規定；亦即如何讓著作權所有人的權利受到保護，以及有利於盲人或視障者接觸資訊，兩者間如何取得平衡，其著作權合理使用範圍是需要再思考的問題。
美國國家標準暨技術研究院規劃建立「人工智慧風險管理框架」，並徵詢公眾對於該框架之意見美國國家標準暨技術研究院（National Institute of Standards and Technology, NIST）為管理人工智慧對於個人、組織以及社會所帶來之風險，於2021年7月29日提出將建立「人工智慧風險管理框架」（Artificial Intelligence Risk Management Framework, AI RMF）之規畫並徵詢公眾意見，截止日為9月15日，並預計於10月發布正式報告。 依照NIST說明，公眾所建議之人工智慧風險管理框架，可促進人工智慧之可信賴性，其中包含如何應對並解決人工智慧於設計、發展及使用過程中所遭遇之「精確度」（accuracy）、「可解釋性」（explainability）、「偏見」（bias）等議題。此外，上開管理框架預計為非強制性、供企業自願性使用於人工智慧設計、發展、使用、衡量及評估之人工智慧標準。 依現有公眾意見徵詢結果，其中DeepMind公司建議於人工智慧設計初期，必須預先構思整體系統之假設是否符合真正社會因果關係。舉例言之，當設計一套可預測民眾健保需求程度之系統時，如輸入參數僅考量民眾於醫療上的花費，將使僅有可負擔較高醫療費用之民眾被歸類為健保需求程度較高者，從而導致健保制度排擠經濟負擔程度較差之公民，故在設計系統時，應從預先設定之假設事實反面（counter-factual）思考並驗證是否會產生誤差或公平性之問題（例如預先思考並驗證「醫療費用支出較低之民眾是否即可被正確歸類為健保需求度低之民眾」）。惟進行上述驗證需要大量社會資料，因此DeepMind也建議NIST應建立相關機制，使這些社會資料可以被蒐集、使用。 此外，亦有民眾建議管理框架應有明確之衡量方法以及數值指標，以供工程界遵循。同時鑒於人工智慧發展極為快速，未來可能有不同於以往之人工智慧類型出現，故亦建議NIST應思考如何在「建構一套完整且詳細之人工智慧治理框架」與「保持人工智慧治理框架之彈性與靈活性」之間取得平衡。 最後，目前也有許多徵詢意見指出，許多人工智慧治理之目標會相互衝突。舉例言之，當NIST要求人工智慧系統應符合可解釋性，則人工智慧公司勢必需要經常抽取人工智慧系統中之「數據軌跡」（audit logs），惟數據軌跡可能被認為是使用者之個人資料，因此如何平衡或完善不同治理框架下之目標，為未來應持續關注之議題。