INTRODUCCIÓN:

El mundo está en constante evolución y hemos visto algunos cambios tecnológicos profundos y algunos conceptos científicos brillantes. Por lo tanto, es crucial evaluar las implicaciones legales de los avances tecnológicos. Una de esas innovaciones es la Inteligencia Artificial. La historia de la palabra 'Inteligencia artificial ' se remonta al año 1956 cuando se acuñó por primera vez en Dartmouth College. La inteligencia generada por las “máquinas” es esencialmente a lo que se refiere la inteligencia artificial (IA). El término "la propiedad intelectual” (PI) se refiere a cualquier invención genuina de la inteligencia humana, incluidas las obras de arte, la literatura, la tecnología y la ciencia.

La inteligencia artificial puede transformarse en una nueva especie y entrar en el campo de la propiedad intelectual. Dada la rapidez. Es crucial reconocer los problemas con el sistema y modificar algunas de las normas de Propiedad Intelectual existentes. El surgimiento de la inteligencia artificial (IA) como una tecnología multipropósito con importantes aplicaciones económicas y sociales plantea preocupaciones básicas que están en el centro de los actuales sistemas de PI. Este artículo se esfuerza por abordar el tema de la suficiencia de la divulgación en las invenciones de IA, que es vital para los principios básicos de los derechos de propiedad intelectual, pero aún no se encuentra en una etapa determinada.

DIFICULTAD PARA CUMPLIR CON LOS REQUISITOS DE DIVULGACIÓN

Puede ser un desafío cumplir con los requisitos de divulgación cuando se trata de patentar ideas basadas en IA. Las leyes de patentes tienen un quid pro quo en su núcleo. Se requiere que un inventor divulgue al público información suficiente sobre la invención para permitir que alguien con conocimientos ordinarios en la materia ponga en práctica lo que reclama a cambio de un monopolio limitado a través de una subvención para evitar que otros la utilicen. Cumplir con esta condición puede ser difícil, dadas las características de algunas innovaciones de IA. La razón principal detrás de la creación de leyes de patentes fue proporcionar un incentivo para la invención y la divulgación pública de la invención.

Las invenciones asistidas por IA brindan a los humanos control sobre el proceso y los parámetros que determinan el producto, con diversos grados de éxito. La capacidad de varios software/algoritmos utilizados en el proceso podría tener un impacto potencial en la precisión con la que se gestionan los parámetros. Para las invenciones asistidas por IA, la divulgación de la participación humana y la naturaleza del software puede ser de suma importancia.

El diseño de la red neuronal y el proceso utilizado para entrenar los datos pueden hacerse públicos si la tecnología se utiliza para producir creaciones generadas por IA de forma independiente. Debido a la gran cantidad de datos y varias iteraciones de hallazgos, el proceso de capacitación para desarrollar una idea o producto puede ser difícil de divulgar.

Por el contrario, el modelo de aprendizaje automático es el “cuadro negro” aspecto de los sistemas de IA. Según lo declarado por IBM, el mayor solicitante de patentes para invenciones de IA en los EE. UU., "Las invenciones de IA pueden ser difíciles de divulgar por completo porque, aunque el inventor puede conocer la entrada y la salida, la lógica intermedia es desconocida en algunos aspectos". El hecho de que los modelos modernos, como las redes neuronales de aprendizaje profundo, sean tan complejos es una de las razones por las que el modelo se ve como una "caja negra". En general, la IA plantea un dilema de transparencia, ya que un mayor conocimiento sobre el funcionamiento opaco y subyacente de la IA genera beneficios, pero también peligros y costos.

Los procesos de caja negra de la máquina, que con frecuencia resultan en innovaciones de IA, hacen que sea imposible divulgar las innovaciones con suficiente detalle para cumplir con las reglas existentes. La reversión al secreto va en contra de uno de los principios del sistema de PI, donde la divulgación pública es una condición para la protección limitada. El mundo podría necesitar otras formas de protección que actualmente no existen.

En algunas circunstancias, también podría ser necesario revelar datos de entrenamiento además de los algoritmos. Sin embargo, la publicación de datos de entrenamiento podría presentar su propio conjunto de obstáculos, que incluyen:

• Preocupaciones de privacidad y confidencialidad de los datos involucrados; y
• El tercero desde donde se obtienen los datos podría no estar dispuesto a compartir los datos.

¿DEBERÍA DIVULGARSE LA EXPERIENCIA HUMANA QUE SE UTILIZÓ PARA ELEGIR LOS DATOS Y ENTRENAR EL ALGORITMO?

El desarrollador del sistema de IA podría ser reacio a revelar los datos por temor a que un rival pueda usarlos para entrenar un sistema de IA diferente en un período más corto. Como sería suficiente recrear la invención sin usar los datos de entrenamiento, las variables utilizadas para elegir los datos de entrenamiento pueden divulgarse alternativamente en lugar de los datos de entrenamiento.

En el contexto indio también, en una solicitud de patente, el solicitante solo mencionó que utilizó técnicas multimodales de aprendizaje profundo para modelar los datos utilizando una cantidad considerable de conjuntos de datos, pero no mencionó el razonamiento, la red neuronal artificial (ANN) empleada, para generar el resultado. Esto se debe a que los humanos no pueden recopilar y analizar la información entre las capas de aprendizaje profundo ni comprender por qué el algoritmo subyacente de la IA desarrolló los pesos asociados con niveles de aprendizaje tan profundo. Incluso las operaciones de IA se están volviendo más no lineales debido a la ingestión constante de conjuntos de datos, lo que aumenta la necesidad de que los humanos puedan explicar cómo se relaciona una variable con otra. Este falta de discernimiento e inexplicabilidad por parte del solicitante de la patente contribuye al incumplimiento del requisito de divulgación suficiente.

El tribunal en el caso de Vasudevan Software, Inc contra MicroStrategy, Inc que una mera divulgación del "resultado deseado" no satisface la Sección 112 del 35 USC, que contiene los requisitos de descripción escrita porque el requisito de descripción del estatuto de patentes requiere una descripción de una invención, no una indicación de un resultado que uno podría lograr si se hiciera esa invención. El módulo "Red neuronal artificial" se describió en Patente de Estados Unidos Nº 6,792,412 como una herramienta basada en IA que proporcionó un valor de calificación para una variedad de elementos al volver a calcular los pesos. Sin embargo, debido a la capacidad de autoaprendizaje de la red, el método subyacente, el patrón incorporado en los datos y la captura de la estructura estadística en un conjunto de datos que representan variables observables eran humanamente ininteligibles. En consecuencia, debido a las características de caja negra y no deterministas del modelo, la divulgación de una afirmación relacionada con el modelo puede considerarse una mera divulgación de los “resultados deseados”, lo que lleva a la insuficiencia de la divulgación requerida.

CAMINO A SEGUIR

Debido a que las propiedades particulares del estado final no pueden definirse mediante el método inventivo que lo produjo, la complejidad de la IA requiere fortalecer el requisito de divulgación. Un método es aplicar un mecanismo de depósito, similar al Tratado de Budapest, a las invenciones asistidas o creadas por IA. El Tratado de Budapest se ocupa del proceso internacional de patentes de microorganismos. El tratado eliminó el requisito de que los microorganismos se depositen en cada nación donde se solicita la protección de patentes. De acuerdo con el acuerdo, el depósito de un microorganismo con una “autoridad internacional de depósito” satisface los requisitos de depósito de las leyes de patentes nacionales de los miembros del tratado. De manera similar, la adopción de un estándar reconocido a nivel mundial ayudará a garantizar que dicho sistema se implemente con éxito porque un único estándar mundial podría aplicarse a ambos tipos de depósitos, IA/algoritmos y datos de capacitación. Una mayor convergencia internacional y colaboración regional sería beneficiosa y eventualmente debería aumentar la seguridad jurídica.

CONCLUSIÓN:

Las leyes de Propiedad Intelectual (PI) existentes no son competentes para abordar los problemas debido al avance de la tecnología y el uso creciente de la IA en los DPI. Se requieren cambios normativos y legislativos para hacer frente a estos problemas. El quid pro quo, en el que un inventor divulga su creación al público a cambio de derechos exclusivos para utilizarla durante un período de tiempo determinado, es un principio fundamental de la mayoría de los regímenes de patentes. Los desarrollos recientes en inteligencia artificial (IA) han planteado dudas sobre si el público puede beneficiarse de los descubrimientos de IA hasta el punto en que la concesión del derecho exclusivo sea justificable bajo las reglas actuales de divulgación de patentes. El aspecto de “caja negra” de un tipo específico de IA, que dificulta el cumplimiento de las leyes de divulgación actuales en varias jurisdicciones, es el punto focal inevitable de esta discusión. Como resultado, no está claro qué, en el contexto de las invenciones de IA, constituye una divulgación apropiada bajo los Regímenes de PI. La adopción de un estándar mundialmente reconocido para la divulgación es el mejor método en este sentido.

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Automoción / vehículos eléctricos, Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
• ChartPrime. Eleve su juego comercial con ChartPrime. Accede Aquí.
• Desplazamientos de bloque. Modernización de la propiedad de compensaciones ambientales. Accede Aquí.
• Fuente: https://www.theippress.com/2023/08/11/sufficiency-of-disclosure-in-ai-inventions/