第1部 特許調査のタスクをAI化したシステムの特許出願を題材としたAI・IoT関連発明特有の保護を図るための特許戦略

(10:30〜12:00)

　AI、IoT技術を特許で保護する取り組みは日本においてもかなり進んでいますが、まだまだ十分ではないのが実情です。AI、IoT技術を保護するためには、従来のIT特許とは異なる観点でクレームを考える必要があります。従来のIT特許では、最終的な判断結果を得るまでの「装置」「方法」「プログラム」などをクレーミングするのが主流でしたが、AI特有の処理を保護するには不十分です。AI、IoTの開発に際しては、学習データの生成処理、学習処理などのAI、IoT特有の技術要素があり、これらをどのように特許に結び付けていくかが重要になります。そこで、本セミナーでは、「特許調査のタスクをAI化したシステム」の特許出願などを題材として、AI、IoT関連発明特有の保護を図るための特許戦略について解説いたします。
　セミナーの構成としましては、前半が「AI、IoT関連の研究開発の成果を知的財産として保護するための基礎知識」、後半が「特許調査のタスクをAI化したシステムの特許出願を題材とした有利な特許取得の進め方」という構成になります。
　後半では、 (1) タスクの特徴をどのようにとらえてシステム化・AI化するか (特徴表現エンジニアリング) という観点、 (2) AI、IoT関連技術のどの部分を特許として保護するかという観点、そして、 (3) AI、IoT関連発明を保護するための特許出願のクレームの考え方、を学ぶことができます。
　本セミナーでは、基本的な考え方から、実例をもとに解説いたしますので、AI、IoT関連の貴社の今後の知財戦略をブラッシュアップしていくことに役立つことでしょう。

1. AI、IoT関連の研究開発の成果を知的財産として保護するための知識
   1. 特許の活用
      1. 特許取得の効果 (特に参入障壁、協業促進について)
      2. 企業が考える知財戦略
   2. AI、IoT特許
      1. AI、IoT関連技術の特許出願状況
      2. IoT関連技術とAIの関係
   3. AI、IoT技術の研究立案・初期段階で知財を意識した計画立案が必要な理由
      1. AI、IoT技術の特徴
      2. どの部分をどのような法律で保護できるかの大局的な視点
   4. データを保有する事業者やIT企業などの協力事業者との関係
      1. 開発の進め方や役割分担によって保護できる範囲が変わる?
      2. データサイエンティストとAI技術者の役割
2. 特許調査のタスクをAI化したシステムの特許出願を題材とした有利な特許取得の進め方
   1. 特許調査タスクのAIシステム化の例
      1. 従来技術と改善例
      2. 今回の検討対象の特許の概要
      3. 着想の経緯
      4. システム化の方向性 (特徴表現エンジニアリング)
      5. システム化の方向性 (ニューラルネットワーク内部構造)
      6. ニューラルネット内の処理
      7. その他 (必要な学習データ量、畳込み計算量の見積もり)
   2. AI関連発明の有利な特許取得の進め方 (概論)
      1. AI、IoT関連システムの特許による保護の課題 (仮想事例の設定)
      2. AI、IoT関連システムの特許による保護の課題 (仮想事例における解決策)
      3. 各社の学習済みモデルの特許取得状況
   3. AI関連発明の有利な特許取得の進め方 (具体例)
      (特許調査のタスクをAI化したシステムの特許出願を題材とした具体例)
      1. クレーム構成
      2. 特徴表現エンジニアリング部分のクレーム
      3. 学習フェーズのクレーム
      4. 学習済みモデルのクレーム
      5. 推論フェーズのクレーム
      6. その他
      7. 小括

第2部 知財AIの「クセ」を攻略 特許調査を最適化する「定率法」

(13:00〜16:00)

　本講演では、知財DX時代における特許調査の効率化をテーマに、知財AIの特性を最大限に活用する「定率法」を中心とした実践的な手法を提案します。
　まず、知財AIが調査集合を抽出する仕組みと、その特性 (抽出結果のバラツキ、精度と集合数の関係など) を詳細に解説し、AIの「クセ」を理解することの重要性を強調します。次に、特許調査を効率化する「定率法」を紹介し、出願前調査、通常調査、SDIにおける具体的な活用方法を、数学モデルとの比較を通じて検証します。これにより、精読範囲の最適化と調査時間の大幅な短縮を実現します。さらに、外国公報調査への応用、技術用語の活用、複数AIの組み合わせ、OpenAIの要約機能など、知財AIを高度に活用するための多岐にわたる工夫を紹介します。
　最後に、AI調査の精度を担保するための人的要素、すなわち判定者のスキル向上に焦点を当て、明細書の読み方や特許技術の要約といった実践的なトレーニング方法を提供します。
　本講演では具体的な処理方法も紹介しますので、参加者は知財AIの特性を深く理解し、効率的な特許調査手法を習得し、業務の生産性を飛躍的に向上させることができるようになります。

1. 知財DXと知財AIの関連性
   1. 知財DXとは:背景、目的、現状
   2. 知財DXにおけるAIの役割:特許調査への影響
   3. 知財AIの進化:現状と将来展望
2. 知財AIが調査集合を抽出する仕組みと知財AIの特性 (クセ)
   1. 知財AIが調査集合を抽出する仕組み
   2. 知財AIの特性 (1) :抽出結果のバラツキ
   3. 知財AIの特性 (2) :調査集合の数と抽出精度の関係
   4. 知財AIの特性 (3) :サーチ割合の大小と抽出精度の関係
   5. 知財AIの特性 (4) :教師データの割合と抽出精度の関係
3. 知財AIを活用して特許調査を効率化するための工夫 (定率法)
   1. 特許調査を効率化するための必要要件 (集合のどこまで精読すれば良いか?)
   2. 知財AIを活用した出願前特許調査の効率化
   3. 知財AIを活用した通常特許調査の効率化
   4. 知財AIを活用したSDIの効率化
4. 知財AIにおける定率法の有効性 (モデル法と定率法の比較)
   1. 調査用特許調査集合の作成 (3D printerの製造方法)
   2. 数学モデルによる知財AI特許調査結果の分析
   3. 定率法による知財AI特許調査結果の分析
   4. 通常調査における数学モデル法と定率法の時間短縮とAUC比較
   5. SDIにおける数学モデル法と定率法の時間短縮とAUC比較
   6. さまざまな技術分野における定率法の効率化事例
5. 外国公報 (USEP) 特許調査の効率化 (通常調査、SDI)
   1. JP調査結果をUSEP特許調査の教師データに反映する方法
   2. 翻訳ソフト選定についての考察
   3. さまざまな技術分野におけるUSEP特許調査の効率化事例
6. 知財AIをより効率化するための工夫
   1. 技術用語 (IPC,FI,Fターム) の活用方法
   2. 複数の知財AIの結果をランク集計する。 (アンサンブル学習)
   3. OpenAIの要約機能の活用事例とその効果
7. 知財AIの調査を正しく行うための工夫
   1. 判定者の判定スキル調査とスキルアップトレーニング
   2. 公報判定者のスキルアップ1 (明細書の読み方)
   3. 公報判定者のスキルアップ2 (特許技術の要約)
8. まとめ
   1. 本講演のまとめ
   2. 今後の知財DXの展望