La brevettabilità nell’ambito dell’Intelligenza Artificiale
Sono molte le questioni aperte in tema di intelligenza artificiale e proprietà intellettuale.
Per esempio, le disposizioni normative attualmente in vigore in materia sono applicabili tout court (o, quantomeno, per analogia) anche alla tutela di brevetti in ambito AI?
Il dibattito è più che mai attuale, nonostante l’ampio concetto di intelligenza artificiale affondi le sue radici negli anni ’50 del secolo scorso.
È utile, a questo riguardo, definire le differenze tra Intelligenza Artificiale, Machine Learning e Deep Learning:
- l’acronimo AI (Artificial Intelligence) include tutte le macchine computazionali in grado di svolgere compiti caratteristici dell’intelligenza umana;
- l’apprendimento automatico (Machine Learning) è un insieme di metodi, legati prevalentemente al riconoscimento di schemi (pattern), che consentono di implementare funzioni tipiche dell’intelligenza artificiale;
- l’apprendimento profondo (Deep Learning) è uno dei vari approcci dell’apprendimento automatico, basato su reti neurali (Neural Networks).
L’AI coinvolge larga parte delle operazioni tipiche dell’intelletto umano eseguite da computer. Tra queste, le più caratteristiche sono la pianificazione, la comprensione del linguaggio, il riconoscimento di oggetti e suoni, l’apprendimento e la risoluzione di problemi.
Il Machine Learning (ML) può essere inteso come “la capacità di una macchina di apprendere senza essere programmata esplicitamente”. L’apprendimento automatico è un modo per “addestrare” un algoritmo, mediante l’elaborazione di grandi quantità di dati, a svolgere determinati compiti. Questo implica, da un lato, una flessibilità nell’adattamento dell’algoritmo, dall’altro, l’analisi dei dati che porta alla costruzione automatizzata di modelli analitici per classificarli.
Un esempio di applicazione di ML, particolarmente utilizzato nel settore automotive, è rappresentato dai dispositivi di visione artificiale in cui un sistema computazionale, attraverso un algoritmo ML, “impara” dalle situazioni pregresse a riconoscere determinati oggetti e si adatta, in tal modo, alle future acquisizioni dei sensori di immagine.
L’apprendimento approfondito, o deep learning, è uno degli approcci del Machine Learning che mira a riprodurre le interconnessioni neuronali umane. Esso implementa dunque, tramite unità di elaborazione, modelli di reti neurali e si avvale di progressi computazionali e tecniche di “allenamento” per apprendere compiti complessi. Alcuni esempi di applicazione del deep learning sono le cosiddette image, speech, shape e pattern recognition.
Dal punto di vista della Proprietà Intellettuale, i dispositivi “intelligenti” sono costituiti principalmente da software.
Ora, è noto che il software è tutelabile dalla normativa sul diritto d’autore la quale protegge “soltanto” gli elementi che siano frutto della creatività dell’autore stesso. Da questo ambito, sono esclusi l’algoritmo o gli algoritmi alla base delle capacità predittive e computazionali di una tecnologia AI.
La legge italiana in materia di brevetti (il Codice della Proprietà Industriale), all’articolo 45, stabilisce che il software in quanto tale e i metodi matematici non possono essere considerati alla stregua di invenzioni e, quindi, non sono brevettabili. In altre parole, l’algoritmo, che è di natura astrattamente matematica, non è brevettabile ma un metodo che implichi l’utilizzo di un algoritmo, purché venga usato per risolvere un problema tecnico, lo è.
L’Ufficio Europeo Brevetti (EPO), dal canto suo, ha parzialmente risolto la questione integrando, a margine di una conferenza del 2018 dal titolo “Patenting Artificial Intelligence”, le linee guida per l’esame delle domande con una appendice dedicata, appunto, all’Intelligenza Artificiale (Linee Guida disponibili qui).
Successivamente, nel marzo di quest’anno, ha pubblicato il documento “The patentability of artificial intelligence and machine learning applications” in cui ha illustrato la sua attuale prassi nella gestione delle domande di brevetto in questi specifici ambiti.
In sostanza, l’EPO consente la brevettabilità di invenzioni di sistemi AI a condizione che esse:
- abbiano un carattere tecnico, quindi caratteristiche che contribuiscano alla soluzione di un problema tecnico;
- soddisfino requisiti di chiarezza, concisione e sufficiente descrizione (sufficient disclosure), nel senso che un esperto qualsiasi del settore, leggendo la domanda di brevetto, deve poter attuare l’invenzione.
Vediamo di seguito, a titolo esemplificativo, un caso di applicazione tecnica e un caso di non brevettabilità.
Fonte: EPO “The patentability of artificial intelligence and machine learning applications”
Nel caso qui sopra illustrato, i requisiti richiesti vengono rispettati per la natura stessa dell’invenzione: l’uso di reti neurali all’interno dei dispositivi utilizzati per l’identificazione dei battiti cardiaci irregolari. L’applicazione delle reti neurali contribuisce a risolvere un problema tecnico in un particolare campo della tecnologia e lo scopo tecnico è specifico (non quello di “controllare un sistema” bensì un particolare parametro dello stesso).
Quanto al caso di non brevettabilità,
Fonte: EPO “The patentability of artificial intelligence and machine learning applications”
In questo caso, l’EPO ha ritenuto che la classificazione di messaggi in base al proprio contenuto non abbia carattere di per sé tecnico. In particolare, l’Ufficio obietta che, sebbene un sistema di scambio di email abbia caratteristiche tecniche, ciò che qui viene classificato è il contenuto dei messaggi che, però, non ha valore tecnico in sé.
In conclusione, nonostante il dibattito sia ancora in corso, sembrerebbe che il legislatore europeo abbia fornito delle guidelines che, al momento, appaiono del tutto in linea con la consueta prassi dell’EPO.
© Studio Torta (riproduzione vietata)
