AI特許の現状を理解する

アイランドスケープ

米国特許商標庁(USPTO)はこのほど、人工知能(AI)が世界一般、特に特許制度に与える潜在的影響に関する報告書を発表しました。

USPTOは、報告書の作成にAIまで使っています。 1976年から2018年までの米国特許に代表されるAIとその構成技術の量、性質、進化を機械学習アルゴリズムを用いて明らかにした。

AIと特許

まず、本レポートで引用されているAIと特許に関するいくつかの事実について説明します。

  • 2002年から2018年にかけて、年間のAI特許出願件数は100%以上増加し、年間3万件から6万件以上へと増加しました。
  • AIを含む特許は、1976年にUSPTOが使用する全技術サブクラスの約9%に出現し、2018年には42%以上に広がりました。
  • AIで活躍する発明者特許権者の割合は、1976年の1%から始まり、2018年には25%に増加しました。
  • AI企業の上位30社のほとんどは情報通信技術分野であり、バンク・オブ・アメリカ、ボーイング、ゼネラル・エレクトリックなどの例外もある。

米国のAI特許所有者のトップは、驚くなかれ、米国の大手テクノロジー企業である。 1位はIBMで、1976年から2018年までに取得した特許は約47,000件。 2位はマイクロソフトで22,000人。 その他のAI特許所有者トップ10には、グーグル、インテル、AT&T、オラクル、アマゾン、アップルが含まれています。

人工知能とは一体何なのか?

米国国立標準技術研究所(NIST)は、AI技術・システムを、複雑な問題の解決、予測、あるいは人間のような感覚(視覚、音声、触覚など)、知覚、認識、計画、学習、コミュニケーション、身体動作を要する作業を学習できるソフトウェアやハードウェアからなると定義している(レポート参照)。

特許出願において、USPTOはAIを8つの要素技術のいずれかを含むものとして定義しています。

  • ナレッジプロセッシング
  • スピーチ
  • AIハードウェア
  • 進化型計算機
  • 自然言語処理
  • 機械学習
  • ビジョン
  • 企画・制御

ナレッジプロセッシング

知識処理では、世界に関する事実を表現し、導き出す。 知識処理は、自律型ロボットが適切な対象に対して適切な処理を行うために不可欠な技術である。 知識処理を用いることで、ロボットはより柔軟で一般的な行動とより良い性能を実現することができます。

USPTOは、Intuit社に発行された米国特許第7,685,082号を例に挙げ、「あらかじめ定義された『知識ベース』を使用して会計エラーを自動的に検出するアルゴリズムについて述べている」と述べている。 その応用例として、オンライン所得税申告のリアルタイムエラー検出があります。"

スピーチ

AI技術を用いた音声認識には、Apple社のSiri(米国特許第10,043,516号)やAmazon社のAlexaなどのアプリケーションがあります。

AIハードウェア

AIは多くの計算能力を必要とします。 AIハードウェアのカテゴリーには、AIの特殊な要件を満たすように設計されたコンピュータやコンポーネントが含まれます。

例えば、「ジョパディ」で2人のチャンピオンを破ったIBMのスーパーコンピュータ「ワトソン」は、ハードウェアとソフトウェアの両方で数多くの特許を取得しています。

進化論的計算

進化計算とは、生物学の世界における自然淘汰を模倣したものである。 AIベースのプロセスでは、多数の異なるモデルや仮説を迅速にテストし、どのモデルが最も優れているかを判断することができます。 その知識をシステムに「フィードバック」することで、より優れたタスクに「変異」させることができるのです。 米国特許No. 7,657,494は、石油・ガス会社のシェブロンUSA社に発行されたもので、「利用可能な石油埋蔵量を予測するための進化的アプローチ」について述べています。この発明のコンピュータ化された方法は、多数の競合するモデルを評価し、異なる選択肢を通して「変異」する遺伝学に基づくアルゴリズムを用いて、最も高い性能を持つモデルを選択する。"

自然言語処理

AIアプリケーションに話し言葉を認識するものがあるように、自然言語処理では書き言葉を理解することができます。

シンシナティ子供病院医療センターに発行された米国特許第8,930,178号は、テキストを用いて、人間の様々な記憶アプローチをシミュレートしてオントロジーを構築するものです。 得られたオントロジーは、診療記録への請求コードの付与など、さまざまな医療事務の効率化に活用することができる。

ビジョン

また、AIは話し言葉や書き言葉を認識・解釈できるのと同様に、画像を識別して反応することができます。

例えば、医療用スキャンの異常検知にAIを活用することができます。 メイヨー医学教育研究財団とアリゾナ州立大学に発行された米国特許第10,055,843号は、大腸内視鏡検査で撮影した画像の異常箇所を自動検出するものです。 自動運転車に搭載されたAIは、道路の危険箇所を特定して対応することができますし、AIの顔認識技術は、防犯カメラの映像から容疑者を特定するのに利用することができます。

企画・制御

AIは、視覚や聴覚などの条件から問題を検出することができます。 例えば、Fisher-Rosemount Systems Inc.に発行された米国特許第10,031,490号は、加工工場で異常状態が発生した場合に、コストのかかるワークフロー分析を削減するのに役立つと考えられる。

明らかに、これらすべての領域で重複がありえます。 例えば、「Physical neural network liquid state machine utilizing nanotechnology」と題された米国特許第7,392,230号は、我々の方法論では機械学習とAIハードウェアの両方の要素技術として分類される。

発明のためにますます重要になるAI

グラフ

出典USPTO

上図は、1976年から2018年までの長期的なAI特許の公開出願量と全公開特許出願に占める割合の推移を示したものである。 1999年末の米国発明家保護法(AIPA)による変更とその実施期間(図中のグレー部分)のため、2002年以降の動向が最も参考になる。

この16年間で、年間のAI特許出願件数は100%以上増加し、3万件から6万件以上となりました。 この間、USPTOにおけるすべての特許出願は増加しているが、この全体の傾向を調整したAI出願の割合も、2002年の9%から2018年には16%近くまで顕著な伸びを示している。

下図は、1990年から2018年までの各構成技術におけるAI特許の公開出願件数を示したものである。

グラフ

大きいのは、計画・制御と知識処理です。 この2つの要素には、システムを制御する発明、計画を立案する発明、情報を処理する発明などが含まれます。 これらは最も一般的なAI要素技術であり、機械学習など他の要素技術の特許には、計画・制御や知識処理の要素が含まれていることが多い。

2012年以降、機械学習とコンピュータビジョンの特許出願が顕著に増加しています。 この2つのAI技術は、2010年のImageNet Large Scale Visual Recognition Challengeに参加したAlexNetの2012年の成功に大きく貢献した。 AlexNetは、画像認識や機械学習、特にディープラーニングの技術的な軌道を変える分水嶺となる成果だった。

特に、AIハードウェアの特許出願は、コンピュータビジョンの特許出願と並んで増加しています。 この2つの要素技術が密接に関連するのは、画像認識の進歩と計算能力・性能の必要性が相互に作用しているためと思われる。

専用ハードウェアには、コンピュータのプロセッサに搭載されるアクセラレータや専用メモリが含まれます。 また、自律走行車のようなAIの応用には、専用のハードウェアが必要です。

AIは可能性を秘めている

AIが電気や半導体のように革命的なものになるかどうかは、イノベーターや企業がAIの発明を既存および新規の製品、プロセス、サービスにうまく取り込めるかどうかにかかっています。 これまでのコンセンサスは、AIが人々の周囲の世界の捉え方や日常生活を根本的に変える可能性があるというものでした。

カテゴリー: カテゴリーなし