Alerts 米特許商標庁のAppeals Review Panel、AI関連特許出願に関し、より柔軟な特許適格性判断へ政策転換を示唆
Written by Cathy E. Cretsinger, Ph.D., Neslihan I. Doran-Civan and David B. Raczkowski, Ph.D. (和訳：穐場 仁)
2025年9月26日、米特許商標庁 (USPTO) は、Ex parte Desjardins, Appeal 2024-000567, September 26, 2025 (“ARP Decision”) で、機械学習モデルの訓練に関する特許出願に関し、特許不適格との判断を覆す異例の上訴審査パネル (Appeals Review Panel, ARP) 決定を公表した。この決定は、新任のUSPTO長官 John Squiresによって就任初週に発行されたもので、特に2025年8月4日付けの米特許副局長 (Deputy Commissioner for Patents) のCharles Kimによる覚書と併せて読むと、クレームを拒絶する際に審査官が特許適格性に依存することを制限する新しいUSPTO指導部の意向を示すものと見受けられる。
対象の特許出願 (U.S. Patent Application No. 16/319,040) は、機械学習モデルを複数の異なるタスクを実行するように訓練することを対象としていた。代表的なクレームは次の通りである：
1. A computer-implemented method of training a machine learning model,
wherein the machine learning model has at least a plurality of parameters and has
been trained on a first machine learning task using first training data to determine first values of the plurality of parameters of the machine learning model, and
wherein the method comprises:
determining, for each of the plurality of parameters, a respective measure of an
importance of the parameter to the first machine learning task, comprising:
computing, based on the first values of the plurality of parameters
determined by training the machine learning model on the first machine learning
task, an approximation of a posterior distribution over possible values of the
plurality of parameters,
assigning, using the approximation, a value to each of the plurality of parameters, the value being the respective measure of the importance of the parameter to the first machine learning task and approximating a probability that the first value of the parameter after the training on the first machine learning task is a correct value of the parameter given the first training data used to train the machine learning model on the first machine learning task;
obtaining second training data for training the machine learning model on a second,
different machine learning task; and
training the machine learning model on the second machine learning task by training the machine learning model on the second training data to adjust the first values of the plurality of parameters to optimize performance of the machine learning model on the second machine learning task while protecting performance of the machine learning model on the first machine learning task,
wherein adjusting the first values of the plurality of parameters comprises adjusting the first values of the plurality of parameters to optimize an objective function that depends in part on a penalty term that is based on the determined measures of importance of the plurality of parameters to the first machine learning task.
審査官は、35 U.S.C. §103に基づき自明であるとしてクレームを拒絶したが、35 U.S.C. §101に基づく特許不適格に該当するとしてクレーム拒絶はしなかった。審判において、特許審判部 (Patent Trial and Appeal Board, PTAB) は§103に基づく拒絶を支持し、§101に基づく新たな拒絶理由を追加した。Squires長官は、PTAB決定を再検討するため上訴審査パネル (ARP) を招集する権限を行使した。
上訴審査パネル (ARP) は§103に基づく拒絶を支持したが、特許審判部が追加した§101に基づく拒絶は取り消した。Alice Corporation v. CLS Bank International, 573 U.S. 208 (2014) およびManual for Patent Examining Procedure (MPEP) at §2106に規定される二段階の特許適格性審査を適用した結果、ARPは、各クレームが司法上の例外、具体的には「少なくとも一つの抽象的アイデア」（ARP Decision at 6-7) を記載している点については特許審判部 (PTAB) の見解に同意した。
一方、二段階テストの次の段階に移ると、ARPはPTABの判断に誤りがあったと認定した。当該クレームはMPEP §2106.04(II)(A)(2)が定める通り、「司法上の例外を実用的な応用に取り込んでいる」とされたのである。ARPはEnfish, LLC v. Microsoft Corp., 822 F.3d 1327, 1339 (Fed. Cir. 2016)を根拠とし、同判決では「連邦巡回区裁判所 (Federal Circuit) は、適格性の判断は『クレームがコンピュータ機能の改善に向けられているか、それとも抽象的なアイデアに向けられているか』によって決まるべきであると判示」されていた。ARP Decision at 8, citing Enfish, 822 F.3d at 1336. 「複数のパラメータの最初の値を調整し、第2の機械学習タスクにおける機械学習モデルの性能を最適化すると同時に、最初の機械学習タスクにおける機械学習モデルの性能を保護する」と記載されたクレーム文言は、「例えば特定された数学的計算ではなく、機械学習モデル自体の動作方法に対する改良を構成する」と判断した。ARP Decision at 9.
注目すべきことに、ARPの決定には、審査官およびPTABが§101に基づく特許適格性を評価する方法に関する文言も含まれていた：
好意的に見れば、既存の§101判例法の混乱した性質を考慮すると、 オリジナルのPTABパネルによる過度に広範な論理づけも理解できるかもしれない。しかし、懸念されるのは、このケースが問題の核心を浮き彫りにしている点である。米国においてAIイノベーションを特許保護から包括的に除外することは、この重要な新興技術における米国のリーダーシップを危うくする。しかしながら、PTABパネルの論理づけによれば、多くのAI技術は特許化不可能となるおそれがある。たとえ適切に開示され、非自明性を満たしていても、PTABパネルは機械学習を特許化不可能な「アルゴリズム」と本質的に同一視し、残りの追加要素を、十分な説明なしに、「汎用的なコンピュータ構成要素」とみなすためである。Dec. 24. 審査官やPTABパネルは、クレームをこれほど抽象的なレベルで評価すべきではない。
…
同時に、対象のクレームは§103に基づき拒絶されている。本件は、§§102、103及び112が特許保護を適切な範囲に限定するための伝統的かつ適切な手段であることを示している。これらの法定規定が審査の焦点となるべきである。
ARP Decision at 9-10.
本決定の公表により、新しいUSPTO長官は政策転換を示唆しているようだ。特に、機械学習モデル（およびその他の複雑なコンピュータ・アルゴリズム）の動作改善は、コンピュータ・システムの機能性に対する特許適格な改良とみなされるべきである。§§ 102, 103, and 112（新規性、非自明性、開示及びクレームの十分性・明確性）が審査の焦点となるべきというより一般的な示唆は他の技術分野にも適用される可能性がある。
このARPの決定により、USPTO が§101に基づき適格と判断するクレームが増える可能性がある一方で、出願人はUSPTOの決定が裁判所に対して拘束力を持たないことにも留意すべきである。連邦巡回区裁判所 (Federal Circuit) は、直近のRideshare Displays, Inc. v. Lyft, Inc., No. 2023-2033 (Fed. Cir. Sept. 29, 2025) (判例拘束力なし) において、この点を改めて強調している。
発明の特許化評価における留意点：
1.機械学習モデルの動作改善を記載したクレームは、USPTOにより特許適格と認められる可能性が高まった。
2.審査官は、新規性や非自明性の問題に重点を置き、主題の適格性の審査を軽減する方向へ移行する可能性がある。出願人にとっては、35 U.S.C. §101に基づく拒絶理由通知の件数が減少するか、またはその解消が容易になる可能性がある。この変化は機械学習やコンピュータ実装発明の枠を超えて広がるかもしれない。
3.裁判所はUSPTOの法令解釈に拘束されない。一部の技術分野では特許取得が容易になる可能性がある一方で、権利行使には依然として困難な課題が残る可能性がある。
Click here for the original English version.