【AI関連発明】AI関連技術に係るデータ群の利活用について（１５）～AIと特許法（続き）～＜勉強ノート＞

□AI関連発明における進歩性の判断については、特許庁より、次の事例が提供されている。

記

（目次）
　１　はじめに→（１）
　２　AI利用データについて→（１）～（３）
　３　AIと特許法について→（４）～（１６）
　　３－１ 我が国における特許出願件数に係る統計データ→（４）
　　３－２ AI関連発明→（５）
　　３－３ AI関連発明、ビジネス関連発明、IoT関連発明の特許庁資料→（６）
　　３－４ 特許要件の判断→（７）
　　３－５ 特許要件の判断→（８）
　　３－６ 記載要件に関する特許庁の事例について→（８）～（１１）
　　３－７ 進歩性に関する特許庁の事例について→（１２）～（１６）
　　　（１）進歩性の判断→（１２）
　　　（２）特許庁の事例についての進歩性の有無→（１２）
　　　（３）事例３３「癌レベル算出装置」→（１３）
　　　（４）事例３４「水力発電量推定システム」→（１４）
　　　（５）事例３５「ネジ締付品質推定装置」→（１５）
　　　（６）事例３６「認知症レベル推定装置」→（１６）
　４　AIと意匠法について（未作成）
　５　AIと著作権法について（未作成）
　６　AIと不正競争防止法について（未作成）
　７　AIと契約について（未作成）
　８　AIと商標法について（未作成）
　９　AIとその他（未作成）
　１０　おわりに（未作成） 

**********

（本文）
３　AIと特許法について
　３－７ 進歩性に関する特許庁の事例について
　　（５）事例３５「ネジ締付品質推定装置」
　　　　　＜出典＞
　　　　　(1)特許庁「AI関連技術に関する事例について」（2019.1公表）
　　　　　(2)特許庁「AI関連技術に関する事例の追加について」
　　　　　　（平成31年1月30日公表）
　●事例３５：ネジ締付品質推定装置
【表２０】　＊改行・下線挿入

事例３５：ネジ締付品質推定装置

＜拒絶理由＞ ・請求項１に係る発明は、進歩性を有しない。 [技術水準] 　(1) 引用発明１（引用文献１に記載された発明） 　(2) 引用発明２（引用文献２に記載された発明） 　(3)技術常識

＜クレーム＞（特許請求の範囲） 【請求項１】 　ドライバにより自動ネジ締付作業が行われたときのネジ締付品質を評価するネジ締付品質推定装置において、 　前記ドライバの回転速度、角加速度、位置及び傾きから構成される状態変数セットを測定する状態測定部と、 　前記状態測定部により測定された前記状態変数セットと、当該状態変数セットで自動ネジ締付作業が行われたときの前記ネジの締付品質とを関連付けてニューラルネットワークを機械学習させる機械学習部と、 　ドライバにより自動ネジ締付作業が行われたときに測定された状態変数セットを、前記機械学習部によって学習させた前記ニューラルネットワークに入力すると、ネジ締付品質を推定するネジ締付品質推定部と、 を具備するネジ締付品質推定装置。

＜教師データ＞→学習済みニューラルネットワーク 　(1)「状態変数セット」 　　（(1a)ドライバの回転速度、(1b)角加速度、(1c)位置、(1d)傾き） 　(2)「ネジの締付品質」

【図１８】

＜出典＞特許庁「AI関連技術に関する事例の追加について」
（平成31年1月30日公表）
　●事例３５：拒絶理由の内容
【表２１】　＊改行・下線挿入、一部省略

＜引用発明１＞ 　ドライバにより自動ネジ締付作業が行われたときのネジ締付品質を評価するネジ締付品質推定装置において、 　前記ドライバの回転速度及び角加速度から構成される状態変数セットを測定する状態測定部と、 　前記状態測定部により測定された前記状態変数セットと、当該状態変数セットで自動ネジ締付作業が行われたときの前記ネジの締付品質とを関連付けてニューラルネットワークを機械学習させる機械学習部と、 　ドライバにより自動ネジ締付作業が行われたときに測定された状態変数セットを、前記機械学習部によって学習させた前記ニューラルネットワークに入力すると、ネジ締付品質を推定するネジ締付品質推定部と、 を具備するネジ締付品質推定装置。

＜引用発明２＞ 　ネジの締付品質の評価方法において、ドライバの位置及び傾きを測定し、前記測定された前記ドライバの位置及び傾きに基づき、ネジの締付品質を評価するネジの締付品質の評価方法。

＜技術常識＞ 　機械学習装置の技術分野において、機械学習装置の出力の信頼性や精度を高めるために、出力と相関関係を有する可能性が高い各種変数を、機械学習装置の入力として採用することは技術常識である。

＜拒絶理由の内容＞ (相違点) 　請求項１に係る発明は、状態測定部が、ドライバの回転速度、角加速度、位置及び傾きの、４つの状態変数から構成される状態変数セットを測定し、前記４つの状態変数から構成される状態変数セットを用いて、ニューラルネットワークの機械学習とネジ締付品質の推定とを行うのに対し、 引用発明１では、状態測定部が、ドライバの回転速度及び角加速度の、２つの状態変数から構成される状態変数セットを測定し、前記２つの状態変数から構成される状態変数セットを用いて、ニューラルネットワークの機械学習及びネジ締付品質の推定を行う点。 （検討） 　引用発明２は、・・・であるから、ドライバの位置及び傾きとネジの締付品質との間に、評価に係る相関関係があることを示している。 引用発明１と引用発明２とは、ともにネジの締付品質の評価を行うものであるから、その技術分野が共通する。 また、引用発明１と引用発明２とは、ともにドライバのいくつかの状態に基づいてネジの締付品質の評価を行うためのものであるから、課題が共通する。 そして、機械学習装置の技術分野において、機械学習装置の出力の信頼性や精度を高めるために、出力と相関関係を有する可能性が高い各種変数を、機械学習装置の入力として採用することは技術常識である。 （結論） 　以上の事情に基づけば、・・・構成とすることは、当業者が容易に想到し得たことである。　 　そして、請求項１に係る発明の効果は当業者が予測し得る程度のものであり、引用発明１に引用発明２を適用するに当たり、特段の阻害要因は存在しない。

　●事例３５：請求項１と引用発明１との相違点
【表２２】　＊改行・下線挿入

請求項１に係る発明	引用発明１
ドライバにより自動ネジ締付作業が行われたときのネジ締付品質を評価するネジ締付品質推定装置において、 　前記ドライバの回転速度、角加速度、位置及び傾きから構成される状態変数セットを測定する状態測定部と、 　前記状態測定部により測定された前記状態変数セットと、当該状態変数セットで自動ネジ締付作業が行われたときの前記ネジの締付品質とを関連付けてニューラルネットワークを機械学習させる機械学習部と、 　ドライバにより自動ネジ締付作業が行われたときに測定された状態変数セットを、前記機械学習部によって学習させた前記ニューラルネットワークに入力すると、ネジ締付品質を推定するネジ締付品質推定部と、 を具備するネジ締付品質推定装置。	ドライバにより自動ネジ締付作業が行われたときのネジ締付品質を評価するネジ締付品質推定装置において、 　前記ドライバの回転速度及び角加速度から構成される状態変数セットを測定する状態測定部と、 　前記状態測定部により測定された前記状態変数セットと、当該状態変数セットで自動ネジ締付作業が行われたときの前記ネジの締付品質とを関連付けてニューラルネットワークを機械学習させる機械学習部と、 　ドライバにより自動ネジ締付作業が行われたときに測定された状態変数セットを、前記機械学習部によって学習させた前記ニューラルネットワークに入力すると、ネジ締付品質を推定するネジ締付品質推定部と、 を具備するネジ締付品質推定装置。

[△最新情報へ]

（以上）