OpenAIの特殊ツールで明細書の実施例を作れるかを検証

今回は生成AI大本命のOpenAIが手掛けるPlaygroundで明細書の内容から新しい実施例をAIが生成できるのかを検証しました。開発者向けのツールということで、ChatGPTよりも設定をいじることができ、ChatGPTにはないinsert モードという機能があったので、これらをうまく使って実施例を大量生産できないかと思いましたが、甘かったようです。

まずインプットできるテキストの制限は以外に大きく、とても短いサンプル特許を見つけたにも関わらず、ごく一部の明細書のテキストしかインプットとして使えませんでした。そしてアウトプットも微妙なものしか出てきませんでした。クリエーティビティをいろいろと変えてみましたが、極端はものは使い物にならず、妥当なチューニングでも「使える新規の実施例」レベルのものは出てきませんでした。

しかし、今後インプットに使えるトークン数(文字数)が増え、明細書まるごとインプットデータとして用いることができ、さらにGPT4のようなマルチモーダルに対応してもらえれば、図面も参照してもらえるかもしれません。そうなると、かなりの精度で実施例を大量生産してもらえるのではないかと予想してます。

詳細は、Notionに記録したので、このリンクからNotionに行ってください。目次はこのようになっています。

追加記事

特許において、クレームの限定事項が明確に記述されているかどうかは、特許の有効性を左右する重要な要素です。今回、Maxell, Ltd.対Amperex Technology Limitedの判決は、特許クレームの解釈において、限定事項間の表面上の矛盾をどのように扱うべきかという問題を浮き彫りにしました。本文では、この重要な判決を深堀りし、一見矛盾すると思われる限定事項が、実際には特許の不明瞭性(Indefiniteness)を生じさせない理由について探求します。特に、連邦巡回控訴裁判所(CAFC)がどのようにこれらの限定事項を同時に満たすことが可能であると見做したか、その解釈の根拠と、特許クレームを起草する際の実務上の教訓に焦点を当てて考察します。
特許法における「組み合わせの動機」(Motivation to Combin)の概念は、発明が発明された時点でその分野の通常の技術者(PHOSITA)にとって自明であったかどうかを判断する上で不可欠な要素です。自明性の問題は、新しい発明が既知の技術要素の単純な組み合わせに過ぎないのか、それとも特許に値する独自の技術的進歩を表しているのかを区別するために重要です。このブログ記事では、特許請求の自明性を評価する際に中心となる「組み合わせの動機」の概念と最高裁判決であるKSR判例を解説し、Virtek Vision 対 Assembly Guidance Systemsの事件を例に、実際の訴訟におけるこの概念の適用方法について掘り下げます。
先月、米国特許商標庁(USPTO)が「Means-Plus-Function」に関するメモランダムを発行し、審査官に最新ガイダンスを提供しました。その内容は実務における大きな変更を意味するものではなく、既存の法的枠組みの下でより明確な指針を提供することを目的としています。しかし、このタイミングにおけるガイドラインの発行は、35U.S.C.112条(f)に基づく一風変わったクレームの形式であるMeans-Plus-FunctionがUSPTOにおける特許審査で注目されていることを示しており、改めてガイドラインに沿った適切なクレームドラフティングが求められることを意味します。