運用AI工具協助管理智慧財產組合(IP Portfolio)之方式
美國實務界律師2023年6月9日撰文指出，人工智慧（artificial intelligence，簡稱AI）將對智慧財產法律和策略帶來改變，大部分企業熟悉的改變是目前仍有爭議的法律問題—由AI工具產生的發明創造是否為專利或著作權適格的保護標的。但除此之外，AI工具對於創建和管理智慧財產組合（IP Portfolio）的方式也已發生改變，並介紹以下五種利用AI工具協助管理智慧財產組合之方式。
1.簡化先前技術之檢索
無論是評估新產品的可專利性、評估競爭對手之智慧財產權之相關風險、抑或是回應侵權索賠，企業均須了解特定領域之先前技術，因應此需求，全球已有大量公司提供先前技術檢索服務，惟AI工具的出現使得企業可自行進行先前技術檢索。例如知名的文件審查平台Relativity創造了Relativity Patents，使用者輸入專利號碼等特定關鍵字即可進行先前技術檢索；美國專利商標局亦為了審查官開發一種AI工具，提升其確認先前技術之準確性及效率。
2.協助專利申請文件撰寫
對於專利申請人而言，可使用AI工具協助草擬專利申請範圍，有些企業甚至會運用AI工具自動化撰寫專利申請文件，惟使用AI工具撰寫專利申請文件時，應留意提供AI工具的資料是否會保密，抑或有向第三人提供之風險。此外，AI工具撰寫之內容建議仍須雙重確認內容正確性及適當性，如引用來源及內容是否正確。
3.改善商標維權能力
企業可使用AI工具協助監控潛在的侵權及仿冒產品，有鑒於現今網站及社群媒體仍有大量未經商標授權的賣家存在，AI工具可作為審查貼文及識別商標侵權案件之工具，相較於傳統的人工審查可更有效率。
4.協助商標檢索作業
於美國、澳洲、歐盟、中國，甚至世界智慧財產組織導入AI工具協助審查官進行商標審查，包括以關鍵字及影像標記之搜尋功能，此一工具不僅可簡化商標申請和註冊審查程序與時間，亦有部分國家提供使用者自行檢索之功能，使企業可進行更快速、有效率之商標檢索，使其於品牌保護策略上節省不必要之時間及金錢。
5.支持策略性專利組合管理
AI工具亦可協助專利組合管理，包括最廣的專利範圍、評估是否需繼續維護專利、或是評估擬收購專利之價值，以AI工具協助評估以上事項，雖無法完全取代人工進行策略評估，惟可顯著減少勞動力支出。
AI工具改變了智慧財產組合創建及管理之方式，雖然AI工具不能完全承擔管理智慧財產權組合之職責，但AI工具在專利/商標檢索、專利申請文件撰寫、專利權評估、商標維權等方面已可大量減少人力及管理成本，有助於企業智慧財產組合管理，惟企業及使用者須留意使用AI工具的資料管理問題，以避免機密資訊遭到外洩。
本文同步刊登於TIPS網站（https://www.tips.org.tw）
陳佳妤
副法律研究員 編譯整理
Elizabeth M. Manno, Five Ways AI Can Help with IP Portfolio Management (June 9, 2023), https://ipwatchdog.com/2023/06/09/five-ways-ai-can-help-ip-portfolio-management/id=202162181/ (last visited June 26, 2023).
日本最高法院最近裁定，日立（ Hitachi ）必須支付一億六千三百萬日圓（約四千五百萬台幣）給取得三項光碟讀取技術發明專利的前工程師米澤成二（ Seiji Yonezawa ）。一九九六年退休的米澤，於一九七三到一九七七年間，將其開發出來的三項有關光碟讀取技術發明專利移轉給任職的日立公司，當時他僅獲日立支付二百三十萬日圓酬勞，米澤嫌酬勞太少而提起訴訟，要求日立支付二億八千萬日圓酬勞。 東京地方法院於二○○二年作成的裁定，認定日立因該專利在日本國內所獲利益約兩億五千萬日圓，依米澤的貢獻度百分之十四計算，命令日立支付約三千五百萬日圓。但在日立上訴至東京高等法院的第二審，高院於二○○四年裁定，加上日立在英美等六個外國取得專利所獲利益約共十一億八千萬日圓，扣除已支付金額，日立應再支付約一億六千三百萬日圓酬勞給米澤。米澤原本訴請日立支付發明報酬兩億八千萬日圓，此案在最高法院駁回日立提起的上訴後判決定讞。 根據日本特許法（專利法）規定，受雇人取得發明專利時，企業需支付相對報酬予發明人，不過對於報酬之合理性，受雇人及雇用人近年來迭有爭議並訴諸司法解決。雖然日本國會在 2004 年 5 月 28 日 通過專利法修正案，進一步使報酬之計算要件更加具體、明確化，日本專利局也隨後在 2004 年 11 月公布「新受雇人發明制度之程序個案研究」（ The Case Studies of the Procedures under the New Employee Invention System ），以問答方式闡釋新修正之發明人報酬規定之意義與適用方法，並尋求一個較為合理的標準，提供受雇人與雇用人間訂定報酬金時之參考。 然而，境外專利權是否應該列入報酬金之計算，新法則未規定，故此問題仍然存在，對此下級法院的判決不一，日本最高法院最近做出確定在海外取得的專利亦得支付相對報酬之裁決，這項司法裁定，勢必會影響到擁有國外專利的眾多日本企業。
合成資料（synthetic data）「合成資料」（synthetic data）的出現，是為了保護原始資料所可能帶有的隱私資料或機敏資料，或是因法規或現實之限制而無法取得或利用研究所需資料的情況下，透過統計學方法、深度學習、或自然語言處理等方式，讓電腦以「模擬」方式生成研究所需之「合成資料」並進行後續研究跟利用，透過這個方法，資料科學家可以在無侵犯隱私的疑慮下，使合成資料所訓練出來的分類模型（classifiers）不會比原始資料所訓練出來的分類模型差。 在合成資料的生成技術當中，最熱門的研究為運用「生成對抗網路」（Generative Adversarial Network, GAN）形成合成資料（亦有其他生成合成資料之方法），生成對抗網路透過兩組類神經網路「生成網路」（generator）與辨識網路（discriminator）對於不同真偽目標值之反覆交錯訓練之結果，使其中一組類神經網路可生成與原始資料極度近似但又不完全一樣之資料，也就是具高度複雜性與擬真性而可供研究運用之「合成資料」。 英國國防科技實驗室（Defense Science and Technology Laboratory, DSTL）於2020年8月12日發布「合成資料」技術報告，此技術報告為DSTL委託英國航太系統公司（BAE Systems）的應用智慧實驗室（Applied Intelligence Labs, AI Labs）執行「後勤科技調查」（Logistics Technology Investigations, LTI）計畫下「資料科學與分析」主題的工作項目之一，探討在隱私考量下（privacy-preserving）「合成資料」當今技術發展情形，並提供評估技術之標準與方法。 技術報告中指出，資料的種類多元且面向廣泛，包含數字、分類資訊、文字與地理空間資訊等，針對不同資料種類所適用之生成技術均有所不同，也因此對於以監督式學習、非監督式學習或是統計學方法生成之「合成資料」需要採取不同的質化或量化方式進行技術評估；報告指出，目前尚未有一種可通用不同種類資料的合成資料生成技術或技術評估方法，建議應配合研究資料種類選取合適的生成技術與評估方法。
簡析WTO綠色能源管制爭端案例 從國內外實務見解談企業對員工之電子郵件監控