歐洲專利局發布人工智慧與機器學習專利審查指南正式生效
歐洲專利局（European Patent Office, 下稱EPO）於2018年11月1日發佈新版專利審查指南已正式生效。此次新版的焦點為Part G, Chapter II, 3.3.1關於人工智慧（Artificial Intelligence, AI）與機器學習（Machine Learning, ML）的可專利性審查細則。
在新版審查指南Part G, Chapter II, 3.3中指出數學方法本身為法定不予專利事項，然而人工智慧和機器學習是利用運算模型和演算法來進行分類、聚類、迴歸、降維等發明，例如：神經網路、遺傳演算法、支援向量機（Support Vector Machines, SVM）、K-Means演算法、核迴歸和判別分析，不論它們是否能夠藉由數據加以訓練，此類運算模型和演算法本身，因具有抽象的數學性質而不具專利適格性。
其中，EPO亦針對人工智慧和機器學習相關應用舉例下列特殊情形，說明可否具備發明技術特徵：
（一）可能具技術性
- 在心臟監測儀器運用神經網路辨別異常心跳，此種技術為具有技術貢獻。
- 基於低階特徵（例如：影像邊緣、像素數值）的數位影像、影片、音頻或語言訊號分類，屬於分類演算法的技術應用。
（二）可能不具技術性
- 根據文字內容進行分類，本身不具技術目的，而僅是語言學的目的（T 1358/09）
- 對抽象數據或電信網路數據紀錄進行分類，但未說明所產生分類的技術用途，亦被認定本身不具技術目的，即使該分類演算法的數據價值高（例如：穩健性）（T 1784/06）。
在新版審查指南中亦指出，當分類方法用於技術目的，其產生之訓練集（training set）和訓練分類器（training the classifier）的步驟，則能被視為發明的技術特徵。
近年來，人工智慧技術的應用分佈在我們的生活中，無論是自駕車、新藥開發、語音辨識、醫療診斷等，隨著人工智慧和機器學習技術快速發展，新版的審查指南將為此技術訂定可專利性標準，EPO未來要如何評判人工智慧和機器學習相關技術，將可透過申請案之審查結果持續進行關注。
「本文同步刊登於TIPS網站（https://www.tips.org.tw ）」
黃思穎
專案經理 編譯整理
European Patent Office Issues New Guidelines On Artificial Intelligence And Machine Learning , Nov 07, 2018 https://www.natlawreview.com/article/european-patent-office-issues-new-guidelines-artificial-intelligence-and-machine （Last visited Dec.06, 2018）
Assessing the EPO’s new guidelines on AI , Dec. 03, 2018 https://www.ipstars.com/articles/assessing-the-epos-new-guidelines-on-ai/arjvptju （Last visited Dec. 06, 2018）
Guidelines for Examination, 3.3.1Artificial intelligence and machine learning , Nov 01, 2018 https://www.epo.org/law-practice/legal-texts/html/guidelines2018/e/g_ii_3_3_1.htm （Last visited Dec. 6, 2018）
T 1358/09 （Classification/BDGB ENTERPRISE SOFTWARE） , Nov. 21, 2014 https://www.epo.org/law-practice/case-law-appeals/recent/t091358eu1.html
T 1784/06 （Classification method/COMPTEL）, Sep. 21, 2012 https://www.epo.org/law-practice/case-law-appeals/recent/t061784eu1.html
根據美國北加州聯邦地方法院之資料公佈，APPLE已於上週對“Mac Clone”（克隆機）廠商PSYSTAR追加控訴，指控PSYSTAR侵犯了APPLE的著作權和商標權，同時，亦違反了美國1998年通過之數位千禧年著作權法（DMCA - Digital Millennium Copyright Act）的規定。APPLE表示，尚有其他廠商涉及本案，但APPLE仍未公佈其他涉案廠商名單。 PSYSTAR總部位於美國佛羅里達州，今年4月其推出了安裝APPLE Leopard OS X作業系統的低價個人電腦。此“Mac Clone”（克隆機）標準版售價為399美元，高階版售價999為美元。繼今年7月APPLE對PSYSTAR提起法律訴訟後，11月26日又針對PSYSTAR推出的“Mac Clone”（克隆機）追訴其侵犯了APPLE著作權和商標權。 今年8月份，PSYSTAR曾反控APPLE，宣稱APPLE把Mac機種之硬體和Mac OS X作業系統實行捆綁銷售（Tying），已明顯涉及不公平競爭，並違反美國反壟斷法相應條款。APPLE於9月份已要求法院認定PSYSTAR該項反訴無效。該起訴訟的主審法官威廉•阿爾薩普（William Alsup）於11月18日已作出裁決，認定PSYSTAR對APPLE的反訴無效。 APPLE的律師表示，該公司已握有充足之證據，因此決定對PSYSTAR提出其違反DMCA法案的追加指控。但APPLE的律師沒有對此證據加以具體說明，僅表示該項新指控與PSYSTAR的產品和市場行銷活動有關。 按照原定訴訟程序，APPLE起訴PSYSTAR的訴訟預計將於2009年11月09日開庭審理，PSYSTAR和APPLE雙方必須於2009年08月20日之前向法院提交一份描述兩造觀點和權利的說明。
日本著作權法修正促進人工智慧開發2018年5月18日，於第196次參議院會議中通過「著作權法」修正案，並於5月25日公布，預計於2019年1月1日施行。本次修正是為因應數位網路技術的發展，對需要著作權人同意的行為範圍進行檢視。其中第47條之7修正、及新增之第30條之4與第47條之5與人工智慧發展有重大相關。 日本著作權法於2009年的修正中，增加第47條之7規定，原本可能構成著作權侵害之資料分析、機器學習行為(未經原作者同意複製、改作)，只要在必要限度內，不分是否有營利，皆無須權利人同意。然而本條在使用上因為未涵蓋成果物的讓與行為，也就是如果公開販售學習完成的資料集或是人工智慧模型，甚至於同一平台共享資料集都可以構成侵害。有鑑於此，才在本次修法中修正相關條文。 本次修正中，增加第30條之4規範於必要限度內可利用他人著作物的行為，其中在同條第二款中認可第47條之5第1項第2款之行為，也就是「利用電子計算機的情報解析及提供其結果」，亦可被認為不違反著作權法，因而補上原本第47條之7的漏洞。 惟須注意的是，所謂的必要限度還是有嚴格的比例限制，不能無限制使用。由於目前本次修正還尚未生效，未來對人工智慧發展的應用會產生什麼樣的實際影響，值得繼續觀察。
歐盟單一數位市場之著作權指令（法案）由於數位環境下，歐盟著作權法架構在著作跨境使用上仍有不明確之處，因此歐執會於2016/09/14公布「歐盟單一數位市場之著作權指令」法案（Proposition de DIRECTIVE DU PARLEMENT EUROPÉEN ET DU CONSEIL sur le droit d’auteur dans le marché unique numérique）。法案產生背景是因為擬藉由此法案補充現行歐盟著作權規範架構之不足。 此法案涉及三大重點議題，包括：網路著作內容之跨境取得、歐盟著作權規則如何在數位及跨國環境下運作、以及歐盟著作權市場運作。 因應作品新型式數位使用及具跨境使用性質，法案對於科學研究上資料探索（la fouille de textes et de données）、以教育為目的使用及為文化遺產保存使用，於網路跨境使用上，賦予著作權法跨境使用例外。 其次，為便利VOD平台取得影視著作之授權使用，此法案要求會員國設立授權協商機制，由公正第三方，就數位著作授權，提供權利人及平台諮詢業務。又為簡化數位新聞出版品之授權，確保出版者對數位新聞業之投資，法案承認數位新聞出版者為著作鄰接權人。也就是說，針對新聞作品數位使用上，賦予數位新聞出版者重製權及公眾提供權（le droit de mise à disposition）。 另外為確保著作權授權市場運作，明定網路儲存及連接服務業者（ISP）雖可主張第三人免責規定，但仍負有採取適當及合比例性措施來保護網路著作權之義務；同時，要求授權作品（包含權利移轉）之事後使用資訊需透明化，若有權利金與使用收益比例不當之情形，會員國需有補償機制之救濟並提供替代性爭端解決機制，希望藉由促進著作經濟價值的正確評估，加強對著作人及表演人之保護。 簡而言之，指令目的在擴大歐盟內部使用接近（近用）受著作權保護之網路作品機會，促進受著作權保護作品得以跨境使用於教育、研究及文化保存，以確保數位著作權市場運作效益。 法案將依據歐盟立法程序分送歐盟議會及理事會審查。 本文同步刊登於TIPS網站（https://www.tips.org.tw）
德國聯網車輛駕駛策略德國聯邦政府目標擬定於2020年實現高度自動化駕駛，為達成自動駕駛目標，車聯網（Connected driving）及智慧交通系統（Intelligent transport systems）技術成為必要發展工作項目。車聯網即透過無線通訊技術，使車輛間（Vehicle-to-Vehicle, V2V）或車輛對基礎設施 （Vehicle-to-Infrastructure, V2I）等彼此交換訊息，或是將行車資訊傳輸到伺服器，並透過資訊網路平臺將資料整合利用，並依不同功能需求進行有效監控管理和提供綜合服務。未來，可預見道路使用者的個別交通資訊的質與量將大幅提升，無論是部份自動駕駛或高度自動駕駛，將產生龐大資料量，故系統需要即時迅速的運算能力。例如，前方一旦發生車禍事故，必須通知後方自動模式駕駛車輛即時減緩速度，並適時轉由駕駛人員介入操控。 自動化及車聯網駕駛發展係為跨領域之問題，聯邦政府即針對五大領域問題：基礎設施、法規、創新研發、聯網化、資訊安全及資料保護，提出一連串作法及措施，確保德國汽車產業能保持領先地位。 我國資通訊及汽車零件產業具備技術相對優勢，然應就適合我國車聯網之實際需求發展，促進相關產業創新應用，並利用我國產業優勢與國際接軌，讓台灣在車聯網的發展中取得先機。