广播警报！将传统机器学习应用于新数据不符合专利条件

快速阅读: 据《国家法律评论》最新报道，联邦巡回上诉法院裁定，仅将已知机器学习方法应用于新数据的专利不符美国专利法第101条。该案质疑了单纯技术应用的专利资格，强调需有技术创新而非仅扩大应用范围。

联邦巡回上诉法院维持地方法院裁决，认定将已确立的机器学习方法应用于新数据的专利根据《美国法典》第35卷第101条不具备专利资格。近期活跃分析股份有限公司诉福克斯公司等案件，编号23-2437（联邦巡回上诉法院，2025年4月18日）（戴克、普罗斯特、戈德伯格法官）。近期活跃分析股份有限公司起诉福克斯，指控其侵犯了四项旨在解决娱乐行业长期挑战的专利——即优化现场活动排期及细化“网络地图”的专利。这些地图决定了在特定地理市场中特定时间频道播出的内容。这些专利旨在简化广播操作并提高节目编排效率，以更好地满足市场需求。

争议中的专利可分为两类：网络地图与机器学习训练。机器学习训练专利专注于通过训练机器学习模型生成优化的活动安排表，模型参数包括场地可用性、票价、表演者费用及其他相关因素。网络地图专利描述了动态生成网络地图的方法，该方法将现场活动分配给不同地理区域的电视台。这些方法利用机器学习来优化电视收视率，通过将活动映射到电视频道并在基于时间表或基础标准变化时实时更新网络地图实现这一目标。专利说明书中提到，这些方法使用“任何合适的机器学习技术”，并采用通用计算设备。

福克斯以专利主题不符合§101为由申请驳回。近期活跃分析股份有限公司承认其专利并未声称对机器学习技术本身有所创新。该公司也认识到其专利并未声称机器学习技术本身。然而，近期活跃分析股份有限公司辩称其专利涉及的主题是可专利的，因为它们涉及利用机器学习根据训练机器学习模型生成定制算法。近期活跃分析股份有限公司将其专利描述为将机器学习模型应用于“传统且同样专业的”先前技术领域——即广播现场活动和现场活动时间表生成网络地图的应用。

地方法院不同意并批准了福克斯的动议。应用《爱丽丝案》框架，在第一步，法院确定所主张的权利要求分别“针对使用已知通用数学技术生成网络地图和活动时间表的抽象概念”。在第二步，法院确定机器学习限制只是“广泛、功能描述、众所周知的技术”，仅声称“普通的和常规的计算设备”。法院拒绝了近期活跃分析股份有限公司请求允许修改的请求，因为它认为任何修改都将徒劳无功。

近期活跃分析股份有限公司提起上诉。对于联邦巡回上诉法院来说，本案提出了一个前所未有的问题：是否仅仅应用已确立的机器学习方法于新的数据环境中的权利要求具有专利资格。

**第一步**
尽管近期活跃分析股份有限公司声称其机器学习方法独特且能够实时揭示隐藏模式，但联邦巡回上诉法院发现这些特征仅仅是机器学习如何运作的标准方面。法院解释说，迭代训练和模型更新不是突破，而是技术本身的本质。近期活跃分析股份有限公司承认其专利并未披露任何增强机器学习算法的新方法——只是其常规应用。近期活跃分析股份有限公司还承认，在机器学习出现之前，活动策划者依靠“活动参数”如票务销售、天气预报和其他数据来指导排期决策，这一过程专利本身承认是传统的手动且不灵活的过程。网络地图也是如此，历史上是由人类手工制作以确定频道间的内容放置。法院发现近期活跃分析股份有限公司声称将其应用于此上下文不仅仅是抽象概念因此使权利要求具有专利资格的说法缺乏依据。法院一致认为，仅仅将抽象概念应用于新的领域并不能使其成为可专利的发明。

联邦巡回上诉法院明确指出，单纯将现有技术应用于新的数据集或环境中不足以使其具备专利资格。联邦巡回上诉法院的先例表明，真正的创新需要超越在不同领域重新包装常规方法，无论这种应用看起来多么新颖。法院注意到近期活跃分析股份有限公司声称其专利合格仅仅是因为它们将机器学习融入事件规划和网络映射中，这直接违背了既定的§101判例法。

**第二步**
近期活跃分析股份有限公司主张其专利通过利用机器学习根据实时数据动态生成优化的地图和时间表，并在条件变化时进行更新，从而具有创造性的概念。联邦巡回上诉法院不予认同，支持地方法院的决定，认为这只是对抽象概念的描述。法院在其专利或权利要求中没有发现任何添加内容，可以将使用机器学习生成事件时间表和网络地图的抽象概念转化为可专利的发明。

**无需修改**
联邦巡回上诉法院拒绝了近期活跃分析股份有限公司关于地方法院应允许修改其诉状的论点，指出近期活跃分析股份有限公司既未提出具体修改建议，也未识别影响§101分析的事实问题。

**实践提示**：认识到机器学习作为一个新兴且日益重要的领域，可能带来技术上的专利合格改进，联邦巡回上诉法院谨慎地界定了其裁决：“今天，我们仅裁定那些仅仅声称将通用机器学习应用于新的数据环境而未披露要应用的机器学习模型改进的专利根据§101不具有专利资格。”

—

近期活跃分析股份有限公司诉福克斯公司等案件的裁决，引发了行业内对专利适格性的广泛讨论。尽管机器学习技术在现代应用中的潜力巨大，但联邦巡回上诉法院的判决提醒人们，仅将现有技术简单应用于新领域并不足以构成可专利的创新。这一裁决为未来类似案件提供了明确指引，同时也促使研发人员更加注重技术本身的突破性贡献，而非单纯的技术应用范围拓展。

(以上内容均由Ai生成)