AI (artificial intelligence) har for alvor gjort sit indtog i teknologiens verden, og der investeres store summer i udviklingen heraf. I takt med at der løbende udvikles mere og mere sofistikeret AI, opstår spørgsmålet om, hvordan rettigheder til en sådan AI og den bagvedliggende machine learning bedst sikres.

AI og machine learning findes allerede i en række teknologier og produkter og forventes inden for få år at være en fuldt integreret bestanddel i alt fra biler til robotter, lægemidler og medicinsk udstyr. Virksomheders behov for at beskytte sine investeringer i udvikling af AI og machine learning har medført, at der er sket en voldsom stigning i antallet af AI-relaterede patentansøgninger på verdensplan. Eksempelvis har selskabet DeepMind, en af verdens førende AI-udviklere, som bl.a. udviklede en AI, der i 2016 slog verdensmesteren i det koreanske brætspil Go, indgivet en lang række AI-relaterede patentansøgninger.  DeepMind er dog ikke alene om at indgive patentansøgninger på AI-området, og de mest patentaktive inden for AI er kendte aktører som IBM, Microsoft og Samsung.

Ifølge WIPO findes mere end 340.000 patentansøgninger for AI-området, og udviklingen er stigende inden for mange områder som fx robotter og computer vision.

Som et resultat af den stigende udvikling inden for AI har den Europæiske Patentmyndighed, EPO, foretaget en principiel stillingtagen til, om AI kan patentbeskyttes i Europa. EPO har derfor opdateret sine guidelines for at beskrive, hvordan patenter kan yde beskyttelse til AI og machine learning. 

EPO’s opdaterede guidelines 
EPO har valgt at klassificere AI og machine learning som matematiske metoder, da AI og machine learning netop baserer sig på algoritmer og beregningsmodeller.   

Der gælder i patentretten et princip om, at rent abstrakte eller intellektuelle fremgangsmåder ikke kan patenteres. Dette betyder, at matematiske metoder, som ikke indeholder et teknisk element, ikke i sig selv kan patenteres. Matematiske metoder kan dog patenteres, hvis de knytter sig til kontrol af et teknisk system eller proces, så den matematiske metode dermed får et konkret teknisk anvendelsesområde. I overensstemmelse hermed er det en forudsætning for, at AI og machine learning kan patenteres, at følgende krav er opfyldt:

  1. Der skal være tale om AI eller machine learning, som har en teknisk karakter og bidrager til et teknisk formål
  2. Der skal være tale om en opfindelse, som indeholder en ikke-åbenbar nyskabelse i forhold til tidligere kendte teknikker. 

Beskrivelsen i et patentkrav til AI/machine learning skal derudover være tilstrækkeligt specifik. Der kan derfor ikke opnås patent til en AI, som ”kan styre tekniske processer”. 

Et eksempel på AI med en teknisk karakter i overensstemmelse med EPO’s guidelines, som samtidig bidrager til en teknisk funktion, vil være brug af et neuralt netværk i hjertescanningsudstyr til at opdage uregelmæssigheder i hjerterytmer

Af øvrige eksempler på matematiske metoder med et teknisk formål kan nævnes en metode til anvendelse af digital billedgenkendelse på pixels eller kanter (edges) eller optimering af arbejdskapacitet i et computernetværk. 

Kravet om, at AI og machine learning skal knytte sig til et teknisk formål for at kunne blive patenteret, følger det hidtidige princip om manglende patenterbarhed på rene matematiske metoder, og der kan derfor hentes erfaring og inspiration i tidligere sager inden for dette område. 

 

Træning af AI 
AI kan ”trænes” gennem anvendelse af datasæt, så AI’en fx hurtigere kan ”genkende” mennesker i et billede eller blive ”bedre” til at spille et brætspil. 

I forbindelse med revisionen af guidelines for patentering har EPO derfor adresseret træning af AI og mulighe-den for, om AI-træningsmetoder kan patenteres. Hvis en klassifikationsmetode/algoritme har et teknisk formål, vil metoder til at træne AI’en gennem datasæt, samt måder at skabe disse datasæt på, ligeledes kunne bidrage til opfindelsens tekniske karakter, hvis disse datasæt bidrager til at opnå opfindelsens tekniske formål. Dette vil fx være en AI, som kan ”genkende” og klassificere digitale billeder på baggrund af kanter eller pixels og på baggrund heraf give en medicinsk diagnose.

Hermed åbner EPO muligvis op for, at der vil kunne opnås patent på måder at træne en AI på samt måder at genere træningsdatasæt på. Dette kræver dog, at træningsmetoden og måden at generere datasættene på kan påvises at give en pålidelig og gentagelig teknisk effekt. 

Bech-Bruuns kommentar
AI og machine learning udgør grundstenen i den kommende Industri 4.0-revolution. Det er et område med enormt potentiale, som forventes at få massiv betydning for verdenssamfundet i de kommende år. og det er interessant at se, at det nu også får fokus fra EPO. Virksomheder, som beskæftiger sig med AI og machine learning-området, bør derfor overveje mulighederne for at indgive en patentansøgning, så udviklingsindsatsen sikres bedst muligt.  

Den enorme vækst i patentudstedelse inden for AI og machine learning-området, betyder samtidig, at risikoen for at krænke andres rettigheder stiger tilsvarende. Virksomheder, som beskæftiger sig med AI og machine learning, bør derfor løbende overvåge udviklingen som led i sikringen af virksomhedens freedom to operate.