#AIレベル4

月末なのであわてて更新。

AI関連発明をどう表現すればよいかを模索中。

まずは文字数の少ない発明を分析することにした。
一般的に、文字数が少なければ限定が少なくなり、広い権利範囲を主張できるようになる。実際にはそんな単純な話ではないが、文字数が少ない方が強い権利であるとは言えると思う。というわけで、文字数という切り口から分析することにした。

結果として、ディープラーニング関連発明で、請求項1の文字数が一番短かったのが三菱電機の特許だった。
97文字!(検索観点等は他の媒体で公開しているのでここでは省略。)

それにしても、これで特許になってしまうのには少し違和感を感じる。サポート要件違反に該当するような気がするし、外国特許との乖離が生じるように思う。今は日本の特許審査は緩い気がするが、いずれ厳しい方向に揺り戻しが起こるような気がしてならない。


◆経緯
本件は親出願を早期審査で特許にしてから分割出願したもの。

  親出願(特許5937284 分割出願(特許6227052
20140210 国際出願
(PCT/JP2014/053056)
 
20160206 国内書面  
20160412 特許査定(一発特許)  
20160511   特許出願
20170509   拒絶理由通知
20170706   意見書・手続補正書
20170912   特許査定


◆請求項1の記載

〇親出願の請求項1(出願当初、特許査定)
【請求項1】
  誤り訂正符号の検査行列に基づいて、ノードを有する入力層、中間層および出力層からなる階層型ニューラルネットワークにおける一部のノード間に結合を行って疎結合部分を生成し、結合されたノード間の重みを学習する重み学習部と、
  結合されたノード間の重みが前記重み学習部によって学習された重みの値で更新された階層型ニューラルネットワークを用いて分類問題あるいは回帰問題を解く判別処理部とを備える階層型ニューラルネットワーク装置。

  ↓

〇分割出願の請求項1(出願当初)
【請求項1】
 誤り訂正符号の検査行列に基づいて、階層型ニューラルネットワークにおける疎結合のノード間で学習された重みの値と入力信号とを用いて、問題を解く処理部を備えた処理装置。

 ↓

〇分割出願の請求項1(特許査定)
【請求項1】
 誤り訂正符号の検査行列に基づいてノード間の結合部と非結合部とが形成されたニューラルネットワークにおける疎結合のノード間で学習された重みの値と入力信号とを用いて、問題を解く処理部を備えた処理装置。


◆その他
ディープラーニングに必要な計算量を30分の1に省力化、デバイスに搭載できる人工知能 ─三菱電機インタビュー(2016・12・22)
 #発明者の一人が出ている記事



【発明の名称】処理装置、判別方法およびプログラム
【出願日】平成28年5月11日(2016.5.11)
【分割の表示】 特願2015-561138(P2015-561138)の分割
【原出願日】平成26年2月10日(2014.2.10)
【特許権者】三菱電機株式会社

【請求項1】
 誤り訂正符号の検査行列に基づいてノード間の結合部と非結合部とが形成されたニューラルネットワークにおける疎結合のノード間で学習された重みの値と入力信号とを用いて、問題を解く処理部を備えた処理装置。


〇気になる箇所
【0026】
  また、中間ノードまたは出力ノードの数が多い場合(例えば21個を超える)においては、LDPC符号の検査行列、空間結合型符号の検査行列および疑似巡回符号の検査行列のいずれかに基づいてノード間の結合を行うと、大幅な演算量の削減が期待できる。これは、LDPC符号、空間結合型符号、疑似巡回符号の検査行列においては、行数や列数に依存せず、行に含まれる1の個数や列に含まれる1の個数が、平均3~6個となるためである。例えば、行数を10000とした場合においても、行に含まれる1の個数の平均が3~6個となり、ノード間の結合数の平均が3~6個と疎結合になる。このため、大幅に演算量を削減することができる。特に、図9に示す空間結合型符号の検査行列は、1が帯状に配列した行列であるため、制御のし易さの観点よりも最大演算量の削減効果が期待できる。


これより先はプライベートモードに設定されています。閲覧するには許可ユーザーでログインが必要です。