Als wichtigster Bestandteil der künstlichen Intelligenz (KI) basiert maschinelles Lernen auf Rechenmodellen, die ihre eigenen Parameter lernen. Zu diesen Modellen gehören Entscheidungsbäume (z. B. Random Forest), lineare Regression, Nearest-Neighbour- oder Gauß-Prozess-Prädiktoren sowie künstliche neuronale Netze (ANNs).
KNNs sind Rechenmodelle, die von biologischen neuronalen Netzen inspiriert sind. Sie wurden beispielsweise erfolgreich auf Spracherkennung, Textverarbeitung und Computer Vision angewendet. Es wurden verschiedene Arten von neuronalen Netzen untersucht, darunter Feedforward-Neuronale Netze (z. B. Faltungs-Neuronale Netze), wiederkehrende Neuronale Netze und Transformatoren für große Sprachmodelle (LLMs), um nur einige zu nennen.
Mit der Intensivierung der Forschung werden immer größere Modelle eingesetzt, beginnend mit sogenannten Basismodellen, die auf breiten Daten basieren und in einer Reihe von Anwendungsfällen (Text, Bilder, Musik, Videos, Astronomie, Radiologie, Robotik, Genomik) eingesetzt werden , Codierung und Mathematik).
ANNs können in Hardware implementiert werden, z. B. als Crosspoint-Geräte (Crossbar-Array-Strukturen von In-Memory-Rechnerbeschleunigern) oder Reservoir-Netzwerke. Allerdings werden KNNs meist in Software implementiert.
Eine immer wiederkehrende Frage ist, ob KI-Innovationen überhaupt patentierbar sind. Computerprogramme sind als solche nicht patentierbar. Können praktische Anwendungen oder Implementierungen von KI jedoch patentiert werden? Die Antwort lautet „Ja“, sofern die neuartigen Merkmale solcher Erfindungen technischen Charakter haben. Dies ist ein heikler Punkt, aber glücklicherweise verfügen europäische Rechtsordnungen, einschließlich der Schweiz, über einen relativ klaren Rechtsrahmen für solche Erfindungen.
Die aktuelle Situation der Patentierbarkeit von Erfindungen im Zusammenhang mit KI und maschinellem Lernen in Europa lässt sich wie folgt zusammenfassen.
- Hardwareinnovationen (z. B. neuromorphe Prozessoren und In-Memory-Rechnerbeschleuniger) sind wie jede andere Maschine patentierbar. Ein Problem stellen Erfindungen dar, die auf Rechenmodellen (z. B. neuronalen Netzen) basieren, die von herkömmlichen Prozessoren ausgeführt werden.
- Dennoch sind KI-bezogene Erfindungen wie mathematische Methoden im Allgemeinen potenziell patentierbar, wenn sie eine bestimmte technische Anwendung (z. B. die Identifizierung unregelmäßiger Herzschläge) und/oder eine bestimmte technische Implementierung (z. B. die Ausnutzung von Parallelität oder Vektorverarbeitung) beinhalten.
- Bleibt noch die Prüfung der erfinderischen Tätigkeit, für die es notwendig ist, die indirekten technischen Beiträge abstrakter Merkmale (z. B. Algorithmen) (vehement) zu verteidigen. Dabei werden Wechselwirkungen zwischen abstrakten und greifbaren Merkmalen entscheidend sein.
Die Erlangung von Patenten für neue Implementierungen oder Anwendungen erfordert große Sorgfalt. Es ist wichtig, alle technischen Aspekte sorgfältig zu berücksichtigen (z. B. I/O-Verwaltung, Speicher- und Cache-Verwaltung, spezifische Datenverarbeitungsaspekte, z. B. Komprimierung und Quantisierung).
Außerdem ist darauf zu achten, dass die beanspruchten Merkmale (ob abstrakt oder greifbar) ausreichend miteinander verknüpft werden, um funktionsfähige Zusammenhänge sicherzustellen und so den technischen Charakter der Erfindung zu verbessern. Denn nur die beanspruchten Merkmale, die zum technischen Charakter beitragen, können eine erfinderische Tätigkeit belegen und zu einem gültigen Patent führen.
Weitere Einzelheiten finden Sie in unseren Beiträgen zu den Kapiteln EPA, CH und FR des Buches „Artificial Intelligence and Patents: An International Perspective on Patenting AI-Related Inventions“, Kluwer Law International. Unsere Berater, darunter auch unsere Anwälte für Rechtsberatung im Urheberrecht in diesem Bereich, sind:
