היום לא ניתן לגלוש במרחב האינטרנטי מבלי להיתקל באין ספור התייחסויות לבינה המלאכותית והשפעותיה. מצד אחד, זה מובן לגמרי, כי היא מעוררת תקווה לשיפור משמעותי בכל תחומי החיים ובאיכות החיים; מצד שני יש כאלה החוזים שהיא תביא לקטסטרופות חברתיות, כמו אבטלה המונית, ואפילו מזהירים מחיסול אפשרי של המין האנושי.

חיים צציק. קרדיט צילום: מיכל לוצאטו

עוד מוקדם לקבוע דעה נחרצת בעניין, אך אציין שכמעט כל טכנולוגיה חדשנית שהוטמעה בציבור עוררה קודם להטמעתה פחדים וחששות. כך נאמר למשל, גם על התפתחות המחשבים בראשית שנות ה-70' של המאה שעברה, אבל במבט לאחור בזמן, החששות ליוו כל התפתחות טכנולוגית משחר האנושות. אם לסכם זאת בקצרה, ההיסטוריה מלמדת אותנו ששינויים טכנולוגיים מביאים איתם אתגרים, אך גם הזדמנויות. גישה נכונה תאפשר לנו ליהנות מיתרונות הבינה המלאכותית, תוך צמצום הסיכונים שבהטמעתה.

תוכנה משולבת בחומרה עם תועלת מעשית

במאמר זה ארצה להתייחס לנקודה אחת מהותית והיא - האם אמצאה המשלבת בינה מלאכותית היא פטנטבילית, כלומר, האם ניתן לרשום עליה פטנט? לתשובה על שאלה זו יש חשיבות עצומה בעולם העסקי של היום, בשל ההיקף העצום של פיתוחים חדשניים מבוססי AI והרצון המובן של מפתחים ויוצרים ליהנות מפרי עמלם.

ואכן, הבינה המלאכותית נכנסת כיום ליותר ויותר שימושים ויישומים, כאשר יצרנים ונותני שירותים משלבים אותה במוצרים או בשירותים שהם משווקים. לא חסרות דוגמאות - ממערכת לחיזוי שערי מטבע (המבוססת על נתונים היסטוריים רבים שנאספו), דרך ניטור תופעות רפואיות בקרב מטופלים (למשל, חיזוי התקפי לב קטלניים בקרב מטופלים או מאושפזים) ועד מערכת קבלת החלטות עצמאית ברכבים אוטונומיים וברחפנים (המאפשרת להם להגיע מנקודה לנקודה, תוך מעבר על מכשולים, מבלי להיוועץ במפעיל וללא תשומה אנושית).

בכל היישומים הללו, מערכות הבינה המלאכותית מדמות חשיבה אנושית באמצעות מודלים ממוחשבים. אבל השאלה היא, כאמור, האם הטכנולוגיה של מערכות אלה ניתנת לרישום כפטנט, ואם כן, כיצד?

הואיל ואלגוריתם בינה מלאכותית הוא בסופו של דבר מוצר תוכנה, הרי הגישה העקרונית של בוחני פטנטים היא שתוכנה אינה פטנטבילית, שכן מדובר ברעיון אבסטרקטי. לכאורה, אם בוחני פטנטים "מעקמים את האף" כשהם דנים בשאלה האם לאשר פטנט בתחום התוכנה, על אחת כמה וכמה הדבר נכון כאשר מדובר בבינה מלאכותית. אבל כאן צריך לציין שכאשר התוכנה קשורה למכשיר המייצר תוצאה פיזית בשטח, גדל עד מאוד הסיכוי לקבל פטנט על המצאה המשלבת בינה מלאכותית, בכפוף ליישומה המעשי.

וזה הכלל - ככל שמדובר בתוכנה משולבת בחומרה, שמייצרות ביחד תועלת תעשייתית, וככל שמדובר ביישומים ספציפיים שיש להם מאפיינים טכניים וניתן להשתמש בהם בעולם הממשי - גובר הסיכוי שבוחני הפטנטים יכירו בהם כפטנטבילים. העיקרון המנחה הוא מוצר או שירות שהם בבחינת Boots on the Ground ("מגפיים על הקרקע" בתרגום חופשי), אם לעשות שימוש במונח צבאי, ולא פיתוח אבסטרקטי ש"מרחף מעל הקרקע".

אבל בדו-שיח עם בוחן הפטנטים אין בכך די. אם נחזור לרגע ליישומים שהזכרנו, למשל, המודל לחיזוי שערי מטבע או המודל לניטור סיכונים רפואיים, הרי נצטרך להסביר לבוחן הפטנטים כיצד המודל עובד: להציג את שכבות המידע, להדגים את עצי ההחלטה שמחשבים את התוצאה ומגיעים להחלטה, וכדומה, הכול כדי להמחיש בפניו את המודל ותועלותיו. על היזמים והיזמיות יהיה להדגיש בפניו כיצד המודל מביא תוצאות ממשיות, ולהסביר את הדרך הייחודית שבה הוא עובד.

אימון המודל באמצעות דאטה איכותית

היבט נוסף המשפר את היכולת לקבל פטנט על אמצאות בתחום הבינה המלאכותית הוא הנתונים (Data) שנאספו ומהווים בסיס לאימון המודל. כאן נדרשת הקדמה. אימון מודל בינה מלאכותית הוא תהליך חיוני המאפשר למערכת ללמוד ולבצע משימות מורכבות של סיווג וחיזוי מדויק. ניתן לדמות אותו לתהליך של הוראת ילד. כשם שילד זקוק להדרכה וחשיפה לדוגמאות כדי ללמוד מיומנויות חדשות, כך גם מודל AI זקוק לכמות גדולה של נתונים איכותיים על מנת לפתח את יכולותיו.

נניח שמפתחים מודל לזיהוי בעלי חיים וביתר דיוק: כלבים. מציגים למודל תמונות רבות של כלבים - מגזעים שונים, גדלים שונים וצבעים שונים - כדי שהוא יוכל לפענח תמונות חדשות בעתיד, בהן כלבים שמעולם לא ראה קודם. המודל ינתח את מאפייני הכלבים (features), ייצור קלסיפיקציה (סיווג) ובשלב שלאחר האימון יוכל להפעיל את הידע שצבר (באמצעות תכונות או פיצ'רים של המערכת) על מנת לפענח תמונות חדשות ולהחליט האם מדובר בכלב או לא. ככל שנציג לו יותר תמונות, כך המודל יהיה משוכלל יותר ואמין יותר.

הדוגמה של כלב נראית לכם פשטנית? חשבו על המודל הבא - מערכת בינה מלאכותית, שתפקידה לזהות בני אדם ומיועדת לאבטחת שדות תעופה. המערכת אמורה לזהות תנועות חשודות בגדר ההיקפית שסובבת את השדה, באמצעות חיישנים ומצלמות, ולהתריע מפני חדירת גורמים עוינים. כידוע, שדות תעופה ברחבי העולם הפכו מזמן ליעד של טרוריסטים ופתרון אבטחה היקפי מתקדם יאפשר להנהלות שדות התעופה להוזיל עלויות כוח אדם, להגביר את דיוק המערכות ולאפשר הגנה היקפית מרבית על מטוסים ונוסעים. במקרה זה המפתחים ירצו להבטיח שהמערכת תתריע מפני חדירת בני אדם בלבד, ולא תפעיל את מנגנוני האזעקה במקרה שארנבת תמימה תיגע בגדר. כאן יש לאימון המודל חשיבות רבה - ככל שהאימון יהיה טוב יותר, מקיף יותר ומגוון יותר, כך החיזוי יהיה מדויק יותר.

זה קשור גם לאיכות הדאטה בשלב האימון. ככל שהדאטה תהיה איכותית יותר, המערכת תמנע מטעויות בעת הפעלתה. ושימו לב למונח "איכותית". לא מדובר רק בכמויות הדאטה - אף-על-פי שהכמות היא חשובה ביותר - אלא גם לפרמטרים איכותניים, כמו סוג הדאטה שנבחר, מקורות הדאטה, מבנה הדאטה, הארכיטקטורה הרב-שכבתית של הדאטה ומהות האימון.

אימון הוא דבר מסובך. מכיוון שמדובר ב"למידה עמוקה" (Deep learning) היא דורשת כמויות עצומות של דאטה וכוח מחשוב רב. ככל שהמודל יכול להבטיח אימון מהיר יותר, עם משאבי מחשוב פחותים יותר, אך עם יכולת עיבוד גבוהה יותר, כך המערכת תהיה אמינה יותר ויעילה יותר. ככל שהמודל יידע לעבד את המידע בצורה יותר אלגנטית ולהפיק כמה שיותר תובנות מהמידע, היא תיחשב למערכת ייחודית יותר.

איך כל זה קשור לפטנטביליות או לקבלה אפשרית של הפטנט על ידי בוחן הפטנטים? התשובה פשוטה: ככל שמודל האימון יהיה יסודי יותר ויעיל יותר, הבוחן ישתכנע שמדובר במערכת הראויה להגנה פטנטית. כשמדובר על עיבוד תמונה (זיהוי עצמים, סיווג תמונות, יצירת תמונות ותיקון תמונות), עיבוד שפה טבעית (תרגום מכונה, זיהוי דיבור, סיכום טקסט, יצירת טקסט), ראייה ממוחשבת (נהיגה אוטונומית, זיהוי פנים, ניתוח וידיאו) וקבלת החלטות (חיזוי פיננסי, אבחון רפואי, המלצות אישיות), היתרון העיקרי של "למידה עמוקה" הוא יכולתה ללמוד באופן אוטומטי מדוגמאות, ללא צורך בהנדסת תכונות ידנית. מכאן שלאימון המודל יש חשיבות עצומה - הן במעבר רף הפטנטביליות והן בהפעלת המערכת עצמה.

המסקנה היא שעל יזמים להשקיע בתשתית הדאטה וארגונה במבנה מסוים כדי להפוך את המערכת למערכת חכמה המגיעה לתוצאה הרצויה בפחות משאבים.
לסיכום, רישום פטנט על אמצאות תוכנה ובפרט אמצאות המשלבות בינה מלאכותית היא משימה לא פשוטה הדורשת מומחיות, דיוק ומודעות לניואנסים של הליך בחינת הפטנט במדינות השונות.

זו הסיבה שמומלץ מאוד לא לצאת להרפתקאה הזו לבד, ולהתייעץ עם עורך פטנטים מנוסה, בעל ידע טכנולוגי וניסיון מוכח בתחום, כבר בתחילת הדרך, כדי לשפר את הסיכוי לקבל פטנט על הפיתוחים שלכם.

עוד ב-

רשות הפטנטים עושה סדר: בינה מלאכותית לא תוכל להיחשב כ"ממציאה"

לכתבה המלאה

הכותב הוא עורך פטנטים, שותף וראש מחלקות תוכנה, סייבר ואלקטרוניקה בקבוצת לוצאטו, קבוצת הקניין הרוחני הוותיקה בישראל החוגגת 155 שנים להיווסדה.