Arkadiusz Kwapisz

Ekspert w Departamencie Elektroniki i Mechaniki

Urzędu Patentowego Rzeczypospolitej Polskiej

Patentowanie wynalazków wspomaganych

sztuczną inteligencją (AI)

Warszawa, 30.09.2023r.

Stowarzyszenie Własności Intelektualnej

Przyjazne Instrumenty IP

2

Zakres prezentacji

1. Sztuczna inteligencja – czym ona jest ?
2. Przykłady urządzeń ze sztuczną inteligencją
3. Istotne zmiany ustawie P.w.p
4. Stanowisko EPO w zakresie wynalazków AI
5. Rozpoznawanie tablic rejestracyjnych przy użyciu splotowych sieci neuronowych
6. Rozpoznawanie tablic rejestracyjnych przy użyciu splotowych sieci neuronowych – analiza zgłoszenia CN104298976B
7. System sterowania ruchem pojazdów jako wynalazek wspomagany sztuczną inteligencji AI
8. Czat GPT – pytania i odpowiedzi

3

1. Sztuczna inteligencja – czym ona jest ?

Sztuczna inteligencja (ang. AI – artificial intelligence) to zdolność urządzeń do wykazywania ludzkich umiejętności, takich jak rozumowanie, uczenie się, planowanie i kreatywność.

​

Sztuczna inteligencja umożliwia urządzeniom technicznym postrzeganie ich otoczenia, radzenie sobie z tym, co postrzegają i rozwiązywanie problemów, działając w kierunku osiągnięcia określonego celu. Komputer pobiera dane przygotowane lub zebrane za pomocą jego sensorów, np. kamer, czujników nacisku), przetwarza je i odpowiednio reaguje.

​

Systemy SI są w stanie do pewnego stopnia dostosować swoje zachowanie, analizując skutki wcześniejszych działań i działając autonomicznie.

​

​

4

2. Przykłady urządzeń ze sztuczną inteligencją

Jednym z kluczowych celów pojazdów

Tesli jest zapewnienie, aby ich samochody

były w pełni autonomiczne i aby to

osiągnąć, wykorzystuje duże zbiory

danych i sztuczną inteligencję.

​

Robot pies (Boston Dynamics) wyposażony w inteligentny system wizyjny umożliwiający otwarcie drzwi i wyjście z pomieszczenia.

​

W jaki sposób chronić tego typu rozwiązania ?

5

3. Istotne zmiany w ustawie P.w.p.

Art. 24. Patenty są udzielane – bez względu na dziedzinę techniki – na wynalazki, które są nowe, posiadają poziom wynalazczy i nadają się do przemysłowego stosowania.

​

Art. 28.

1.­⁵⁾ Za wynalazki, w rozumieniu art. 24, nie uważa się w szczególności:⁶⁾

Za wynalazki nie uważa się w szczególności:⁷⁾

1) odkryć, teorii naukowych i metod matematycznych;

2) wytworów o charakterze jedynie estetycznym;

3)⁸⁾ planów, zasad i metod dotyczących działalności umysłowej lub gospodarczej oraz gier;

3)⁹⁾ schematów, zasad i metod przeprowadzania procesów myślowych, rozgrywania gier lub prowadzenia działalności gospodarczej;

4)¹⁰⁾ wytworów, których niemożliwość wykorzystania może być wykazana w świetle powszechnie przyjętych i uznanych zasad nauki;

4) (uchylony)¹¹⁾

4¹) wytworów lub sposobów, których:

a)¹²⁾ możliwość wykorzystania nie może zostać wykazana, lub

a)¹³⁾ możliwość wykorzystania nie może być wykazana lub

b) wykorzystanie nie przyniesie rezultatu spodziewanego przez zgłaszającego

– w świetle powszechnie przyjętych i uznanych zasad nauki;

5)¹⁴⁾ programów do maszyn cyfrowych;

5)¹⁵⁾ programów komputerowych;

6) przedstawienia informacji.

2.¹⁶⁾ Przedmiotu lub działalności, o których mowa w ust. 1 pkt 1–3, 5 i 6, nie uważa się za wynalazki, o ile zgłoszenie dotyczy przedmiotu lub działalności jako takich.

6

4. Stanowisko EPO w zakresie wynalazków AI

1. Wynalazkom opartym o sztuczną inteligencję przyznano status rozwiązań technicznych. Zaklasyfikowano je jako tożsame z wynalazkami wspomaganymi programem komputerowym.
2. Europejski Urząd Patentowy skupia się na patentowalności wynalazków które wcześniej uważał za nietechniczne. Wymóg patentowalności jest istotny, gdyż uznanie technicznego charakteru jest podstawowym kryterium uznania zgłoszonego rozwiązania za wynalazek. Dopiero na dalszym etapie rozpoczyna się badanie jego nowości i poziomu wynalazczego.
3. Sztuczna inteligencja opiera się na modelach obliczeniowych i algorytmach matematycznych, które same w sobie mają charakter abstrakcyjny. Niemniej jednak patenty mogą zostać przyznane, gdy sztuczna inteligencja opuści sferę abstrakcyjną i zastosuje ją do rozwiązania problemu technicznego w dziedzinie techniki. Na przykład zastosowanie sieci neuronowej w aparacie do monitorowania serca w celu identyfikacji nieregularnych uderzeń serca wnosi wkład techniczny. Klasyfikacja cyfrowych obrazów, filmów, sygnałów audio lub mowy to inne typowe zastosowania techniczne sztucznej inteligencji.

Przykładem wynalazku wspomaganego AI jest rozpoznawanie tablic rejestracyjnych pojazdów w celu kontroli wjazdu na teren posesji lub parkingu.

Przykładowy kształt

zespołów QRS

rys. https://www.mp.pl/ekg/zagadki/170202,roznoksztaltne-zespoly-qrs-zagadka-81

7

5. Rozpoznawanie tablic rejestracyjnych przy użyciu splotowych sieci neuronowych

Przykładowe zgłoszenie patentowe w którym przedstawiono system do rozpoznawania numerów tablic rejestracyjnych z użyciem sztucznej inteligencji

​

Jak wyglądają zastrzeżenia patentowe ?

8

5. Rozpoznawanie tablic rejestracyjnych przy użyciu splotowych sieci neuronowych

Zastrzeżenie patentowe

​

1. Sposób rozpoznawania tablicy rejestracyjnej pojazdu, który obejmuje następujące etapy:

- odczyt obrazu zarejestrowanego przez czujnik optyczny, przy czym obraz pochodzący z czujnika optycznego przedstawia co najmniej wspomniany pojazd mający wykrywalną tablicę rejestracyjną;

- wyodrębnianie obrazu tablicy rejestracyjnej

- analizowanie obrazu tablicy rejestracyjnej przy użyciu sieci neuronowej

- wyodrębnianie liter i cyfr w celu wprowadzenia ich do bazy danych

Opis wynalazku

​

W opisie przedstawiono sposób rozpoznawania tablic rejestracyjnych przy użyciu czarnej skrzynki w której moduł sztucznej inteligencji rozpoznaje tablice rejestracyjne pojazdów.

9

5. Rozpoznawanie tablic rejestracyjnych przy użyciu splotowych sieci neuronowych – analiza zgłoszenia

5.1 Czy przedmiot wynalazku został wystarczająco ujawniony w rozumieniu art. 33 ust. 1 ustawy pwp ?

​

Czy określono architekturę sieci neuronowej do analizy obrazu ?

​

​

Rysunki: http://cs231n.github.io/convolutional-networks/

Klasyczna sieć neuronowa w której wszystkie neurony pomiędzy warstwami są w pełni połączone.

Splotowa (konwolucyjna) sieć neuronowa w której neurony połączone są tylko w określonym obszarze w warstwie poprzedzającej.

10

5. Rozpoznawanie tablic rejestracyjnych przy użyciu splotowych sieci neuronowych – analiza zgłoszenia

5.2 Czy przedmiot wynalazku został wystarczająco ujawniony w rozumieniu art. 33 ust. 1 ustawy pwp ?

​

Czy podano informacje o warstwie splotowej i danych treningowych niezbędnych do wytrenowania sieci ?

Warstwa splotowa

Dane treningowe do trenowania sieci splotowej

Zdjęcia tablic rejestracyjnych z etykietami

Operacja splotu z filtrem 3x3 którego wartości są

dobierane i optymalizowane podczas trenowania sieci

11

6. Rozpoznawanie tablic rejestracyjnych przy użyciu splotowych sieci neuronowych – analiza zgłoszenia CN104298976B

Zastrzeżenie patentowe

​

1. Metoda wykrywania tablic rejestracyjnych z wykorzystaniem splotowej sieci neuronowej, znamienna tym, że składa się z następujących etapów:
1. Przygotowanie próbek tablicy rejestracyjnej i przetrenowanie detektora tablic rejestracyjnych przy użyciu funkcji Haar’a;
2. Wykonanie przetwarzania w skali szarości na wykrytym obrazie, aby uzyskać zgrubny obszar wyboru tablicy rejestracyjnej na obrazie, który ma zostać wykryty;
3. Przygotowanie próbek kompletnej tablicy rejestracyjnej i wytrenowanie modelu rozpoznawania tablic rejestracyjnych w splotowej sieci neuronowej;
4. Wykrywanie kąta pochylenia poziomego na obszarze tablicy rejestracyjnej
5. Stosowanie algorytmu segmentacji wieloprogowej do przetwarzania pochylonego w poziomie, skorygowanego końcowego obszaru tablicy rejestracyjnej;
6. Przygotowanie znaków, liter i próbek cyfrowych w celu trenowania modelu rozpoznawania splotowej sieci neuronowej.

12

6. Rozpoznawanie tablic rejestracyjnych przy użyciu splotowych sieci neuronowych – analiza zgłoszenia CN104298976B

6.1 Czy przedmiot wynalazku został wystarczająco ujawniony w rozumieniu art. 33 ust. 1 ustawy pwp ?

​

Czy podano informacje o architekturze sieci splotowej i danych treningowych niezbędnych do wytrenowania sieci ?

​

Struktura splotowej sieci neuronowej

Dane treningowe do trenowania sieci splotowej

13

7. System sterowania ruchem pojazdów jako wynalazek wspomagany sztuczną inteligencji AI

Innowacja zaproponowanego rozwiązania polega na zastosowaniu modułu sztucznej inteligencji do kierowania ruchem pojazdów i pieszych na skrzyżowaniach. Moduł sztucznej inteligencji na podstawie pobieranych na bieżąco sygnałów z kamer ulicznych, czujników ruchu i modułów GPS pojazdów zmienia sekwencje zapalania świateł w taki sposób, że zmniejsza się zator na drodze. Dzięki tej funkcjonalności moduł sztucznej inteligencji zapobiega tworzeniu się zatorów ulicznych.

Czy przedstawione rozwiązanie jest wynalazkiem wspomaganym AI czy tylko koncepcją ?

14

8. Czat GPT – pytania i odpowiedzi

Odpowiedź czata GPT:

Aby stworzyć architekturę splotowej sieci neuronowej do rozpoznawania tablic rejestracyjnych pojazdów samochodowych, można zastosować następujące kroki:�

1. Zbieranie danych treningowych: Pierwszym krokiem jest zebranie dużej ilości obrazów z różnymi tablicami rejestracyjnymi, zarówno z różnych krajów, jak i różnych typów pojazdów. Te dane będą służyć do treningu sieci neuronowej.

2. Przygotowanie danych: Następnie należy przetworzyć zebrane dane, usuwając szumy i niepotrzebne informacje z obrazów. Można również zastosować techniki augmentacji danych, takie jak obracanie, skalowanie czy zmiana jasności, aby zwiększyć różnorodność danych treningowych.

3. Budowa modelu splotowej sieci neuronowej: W tym kroku należy zbudować architekturę splotowej sieci neuronowej, która będzie miała za zadanie naukę rozpoznawania tablic rejestracyjnych. Można zastosować różne warstwy, takie jak warstwy splotowe, warstwy poolingowe i warstwy w pełni połączone. Przykładowe architektury, które mogą być użyteczne, to np. LeNet, AlexNet, VGG lub ResNet.

4. Trening modelu: Po zdefiniowaniu architektury, należy przeprowadzić trening modelu na danych treningowych. W trakcie treningu sieć neuronowa będzie dostosowywać wagi i parametry, aby jak najlepiej dopasować się do rozpoznawanych tablic rejestracyjnych.

5. Ocena modelu: Po zakończeniu treningu należy ocenić efektywność modelu na danych walidacyjnych. Można obliczyć różne metryki oceny, takie jak dokładność (accuracy), precyzja (precision) i czułość (recall). Jeśli wyniki są satysfakcjonujące, można przejść do kolejnego kroku.

6. Testowanie i dostosowanie: Ostateczny model powinien być przetestowany na nowych danych testowych, aby sprawdzić, jak dobrze radzi sobie z rozpoznawaniem tablic rejestracyjnych. Jeśli wyniki są zadowalające, można uwolnić model do użycia w rzeczywistych zastosowaniach. W przeciwnym razie, konieczne może być dostosowanie architektury, hyperparametrów lub procesu treningowego.

Ważne jest także pamiętać, że proces rozpoznawania tablic rejestracyjnych może wymagać wstępnego przetwarzania obrazu, takiego jak segmentacja, wykrywanie konturów czy normalizacja jasności, aby poprawić jakość danych dostarczanych do sieci neuronowej.

Pytanie nr 1 na czacie GPT – Jaka powinna być architektura sieci neuronowej aby móc rozpoznawać tablice rejestracyjne pojazdów samochodowych ?

15

8. Czat GPT – pytania i odpowiedzi

Odpowiedź czata GPT:

Wynalazek wspomagany programem komputerowym jest to innowacyjne rozwiązanie techniczne, które obejmuje wykorzystanie programu komputerowego do wspomagania lub ułatwiania określonych zadań lub procesów. Wynalazek taki może być oparty na różnych algorytmach, logikach programowania, bazach danych lub innych elementach, które mają na celu poprawę lub optymalizację działania systemu.�

Wynalazek wspomagany sztuczną inteligencją (AI) to innowacyjne rozwiązanie techniczne, w którym sztuczna inteligencja jest kluczowym elementem działania. AI może być wykorzystywana do analizy danych, podejmowania decyzji, rozpoznawania wzorców, automatyzacji zadań i wielu innych zastosowań. Wynalazek taki może obejmować zastosowanie algorytmów uczenia maszynowego, systemów ekspertowych, sieci neuronowych lub innych metod AI w celu osiągnięcia konkretnych celów lub realizacji określonych zadań.

Pytanie nr 2 na czacie GPT – Jaka jest definicja wynalazku wspomaganego programem komputerowym, a jaka wynalazku wspomaganego sztuczną inteligencją ?

16

8. Czat GPT – pytania i odpowiedzi

Odpowiedź czata GPT:

Aby ustawić kolor na stronie HTML możesz użyć atrybutu „style” w tagu HTML, który jest odpowiedzialny za stylizację elementów. W tym przypadku, aby ustawić kolor tła strony można użyć atrybutu „background-color” lub skróconej wersji tego atrybutu „bgcolor”. Oto przykład:

​

<!DOCTYPE html>

<html>

<head>

<style>

body{

background-color: #ff0000;

}

</style>

</head>

<body>

</body>

​

</html>

Pytanie nr 3 na czacie GPT – Jak ustawić kolor

na stronie html ?

17

8. Czat GPT – pytania i odpowiedzi

Jak będą wyglądały zgłoszenia

patentowe w niedalekiej przyszłości ?

• zgłoszenie dotyczące zapytań do czata GPT?

Czy sztuczna inteligencja wykryje raka płuc?

Czy lekarzy zastąpią inteligentne roboty ?

Arkadiusz Kwapisz

Ekspert w Departamencie Elektroniki i Mechaniki

Urzędu Patentowego Rzeczypospolitej Polskiej

e-mail: Arkadiusz.Kwapisz@uprp.gov.pl

Dziękuję za uwagę