台灣電腦軟體專利的現況
台灣的專利制度相對成熟，並且政府積極推動AI技術發展，以促進數位經濟。電腦軟體專利在台灣的專利法中屬於「發明專利」，其申請必須符合發明的三大基本要件：新穎性、進步性和可實施性。尤其是AI技術的發展，因其多樣化的應用場景和複雜的技術結構，對專利申請提出了更高的要求。
AI及軟體專利的挑戰
AI技術的創新與傳統軟體發明不同，AI發明往往涉及深度學習、機器學習模型的訓練與應用，這些技術常常與數據處理緊密相關。因此，申請人必須具體描述技術細節，如演算法、數據結構、模型訓練方法等，才能滿足專利申請的要求。
一個具挑戰性的問題是如何區分技術發明與單純的數學方法或數據處理過程。根據台灣專利法的規定，單純的數學演算法並不能被授予專利保護，必須證明這些演算法與具體的技術效果相結合，並且能解決實際問題。
台灣專利申請的具體流程
在台灣申請AI及軟體相關的專利，需要經過以下幾個步驟：
- 撰寫說明書及請求項：說明書應該詳細描述發明的技術內容，包括技術如何運作、所解決的問題以及具體的技術手段。請求項則定義了專利保護的範圍，必須清楚界定發明的技術特徵，避免過於狹隘或過於寬泛。
- 專利審查：智慧局在收到申請後，將對發明的新穎性、進步性和可實施性進行審查。AI相關的軟體專利特別需要審查員具備一定的技術專業知識，以判斷技術進步性是否符合要求。
- 專利保護範圍：AI技術專利通常涉及方法、系統或裝置等多種形式的請求項，這些不同形式的專利申請有助於全面保護發明。
台灣專利審查標準：是否符合發明定義
為了更好地理解台灣AI及軟體專利的申請過程，我們以台灣智慧局於中華民國111年1月發行的資訊科技專利審查案例彙編內的叫車服務方法作為範例。這個發明針對線上叫車服務中的預估到達時間進行改進，通過使用人工智慧模型來精確預測到達時間，從而提升服務的準確性和乘客滿意度。
在此發明中，乘客可以通過可攜式裝置向叫車服務伺服器發送叫車請求和目標行程。伺服器則根據一種遞迴神經網路預估模型，分析歷史行程數據和當前交通狀況，來預測乘客到達目的地的時間，以提升叫車服務品質及乘客叫車意願。這個預估過程不僅使用了與路徑相關的特徵資料，還包含對多個子路徑的交通數據分析，如紅綠燈數量、交通擁堵情況等。該模型的輸入包括行程特性資料和駕駛資料，通過遞迴運算不斷優化預估時間的精確度。
請求項範例
[範例1]
一種叫車服務方法,其包含:
一乘客籍由一聊天系統傳送一叫車請求及一目標行程給一司機;
該司機利用該聊天系統接收該叫車請求及該目標行程,並利用該聊天系
統傳送一預估到達時間給該乘客。
[範例2]
一種叫車服務方法,其包含:
一乘客籍由一可攜式装置傳送一叫車請求及一目標行程;
一叫車服務伺服器接收該叫車請求及該目標行程,並據以預估一預估到到
達時間,該叫車服務伺服器傳送該叫車請求、該目標行程及該預估到達時
間給一司機;
該司機傳送一確認請求服務訊息給該乘客。
[範例3]
一種叫車服務方法,其包含:
一乘客藉由一可攜式裝置傳送一叫車請求及一目標行程;
一叫車服務伺服器接收該叫車請求及該目標行程;
該叫車服務伺服器執行以下步驟:
藉由一處理器擷取該目標行程相關的一行程特性資料,其中該目標
行程包括一路徑,該路徑更包括多個子路徑,該行程特性資料包含對應
於該路徑的一第一特征資料及對應於該多個子路徑的一第二特徵資
料;
獲取用於預估一預估到達時間的一遞迴神經網路预估模型;及
依據該遞迴神經網路預估模型及該第一特徴資料、該第二特徴資料,
藉由該處理器確定與該目標行程相關的該預估到達時間;
傳送該叫車請求、該目標行程及該預估到達時間給在線上之複數個
司機,由該些司機傳送一確認請求服務訊息給該乘客。
判斷請求項是否符合發明定義
[範例1及2]
判斷步驟A-是否為明顯符合發明定義:
(1) 範例1、2之發明未執行對於機器的控制,亦非伴隨控制之處理。
(2) 範例1、2之發明處理之資訊一為叫車請求及目標行程資訊皆為人為認知所產生之資訊,為經人類的心智活動所獲得之資訊,故未執行依據物體之技術性質的資訊處理。
綜上, 範例1、2之發明非明顯符合發明定義。
判斷步驟B-是否為明顯不符合發明定義:
範例1之發明是透過聊天系統進行叫車的服務,整體而言仍是一種人為安排的活動,該聊天系統僅為人為安排的工具使用,不符發明定義。
範例2雖揭露可攜式装置舆伺服器,惟仍僅是一種為達叫車服務的工具使用,然其中增加一技術特徵為預估到達時間,此處預估與請求項1由司機單純傳送一預估到達時間給該乘客不同,明顯為依據叫車請求及目標行程進行的資訊處理,故進入軟體觀點的判斷。
判斷步驟C-範例2所載之發明,具有軟硬體協同運作,惟僅揭露「預估」之資訊處理,卻未揭露如何預估,無法得知其資訊處理為何,因此,並未揭露特定之資訊處理,故不符發明定義。
[範例3]
判斷步驟A-是否為明顯符合發明定義:
範例3之發明非明顯符合發明定義,理由同上述請求項寫法1、2。
判斷步驟B-是否為明顯不符合發明定義:
範例3所戴之發明像利用一遞迴神經網路預估模型來預估到達時間,遞迴神經網路已隱含具有特定演算法的資訊處理,非為明顯不符發明定義,依軟體觀點判斷,該遞迴神經網路為具有軟硬體協同運作之資訊處理,且已明確揭露輸入之特徴資料及輸出之預估資料,因此,本項為軟體具體與硬體資源協同運作,具有符合资訊處理目的(增加叫車服務品質)之特定資訊處理,符合發明定義。
結論
在台灣申請AI及軟體相關的專利時，挑戰與機遇並存。隨著AI技術的發展，對於專利申請的要求越來越高，特別是在技術應用層面的創新上，如何明確描述技術細節，並展示其技術進步性和實施可能性，已成為專利審查中的核心問題。
透過上面叫車服務方法的範例，我們可以看出台灣智慧局在審查這類發明時的標準是如何進行的。從請求項寫法的差異中可以發現，不僅僅是應用某些技術工具或系統（如聊天系統或可攜式裝置），而是要明確揭示具體的技術實施方式和其技術貢獻，才能滿足專利法對符合軟體發明申請的要求。
聯繫我們，讓您的創新更具競爭力！
如果您正考慮如何保護您的AI技術或軟體創新，我們的專業團隊可以為您提供全方位的專利申請服務。我們深耕於台灣與全球的專利申請，對AI專利及軟體專利有豐富的經驗，能夠確保您的技術成果得到最佳的保護。立即聯繫我們，了解更多關於專利申請流程、技術專利保護策略及國際專利佈局的專業建議，讓您的創新領先市場！
