- 23 Settembre 2024
- Brevetti
- Ercole Bonini
Negli ultimi anni, il Machine Learning (ML) ha rivoluzionato diversi settori: dalla medicina alle telecomunicazioni, passando per la finanza e l’automazione industriale. Il machine learning è un sottoinsieme dell’intelligenza artificiale (AI), che si occupa di creare sistemi che apprendono o migliorano le performance in base ai dati che utilizzano. Applicazioni comuni includono il riconoscimento vocale, la previsione di tendenze di mercato, la diagnosi medica assistita e molto altro.
Come funziona il Machine Learning?
Gli algoritmi sono il motore che alimenta il Machine Learning. I due tipi principali di algoritmi di machine learning attualmente utilizzati sono: il Machine Learning supervisionato e apprendimento non supervisionato. La differenza tra questi due tipi viene definita dal modo in cui ciascun algoritmo apprende i dati per fare previsioni.
Machine learning supervisionato: con questo modello, un data scientist agisce da guida e insegna all’algoritmo i risultati da generare. Nel machine learning supervisionato, dunque, l’algoritmo apprende da un set di dati già etichettato e con un output predefinito.
Machine learning non supervisionato: questo modello utilizza un approccio più indipendente, in cui un computer impara a identificare processi e schemi complessi senza la guida attenta e costante di una persona. Il machine learning non supervisionato implica una formazione basata su dati privi di etichette e per i quali non è stato definito un output specifico.
Le novità introdotte dal Machine Learning
L’innovazione in questo campo si basa sulla creazione di algoritmi che elaborano enormi quantità di dati e “apprendono” modelli e comportamenti che possono essere utilizzati per prendere decisioni o fare previsioni. Tuttavia, quando si tratta di brevetti, sorgono diverse domande su ciò che può essere considerato brevettabile e ciò che non lo è.
Brevetti e Machine Learning: cosa c’è da sapere
Questo rapido sviluppo pone nuove sfide, soprattutto in termini di protezione della proprietà intellettuale. I brevetti, tradizionalmente utilizzati per proteggere le invenzioni tecnologiche, si trovano ora a dover affrontare la crescente complessità e innovazione portata dal Machine Learning. Ma è davvero possibile brevettare un algoritmo di ML? E quali sono le implicazioni per le aziende e gli sviluppatori?
Brevettare il machine learning: cosa è possibile proteggere?
Nel contesto dei brevetti, non tutte le scoperte e le invenzioni possono essere protette. Esistono criteri chiave che determinano se un’invenzione è idonea per la brevettabilità, come novità, attività inventiva e applicazione industriale. Questi criteri devono essere attentamente valutati quando si parla di algoritmi di machine learning.
1. Algoritmi e software: una questione controversa
Gli algoritmi puri non sono generalmente brevettabili in molte giurisdizioni, poiché considerati metodi matematici o astrazioni. Tuttavia, l’applicazione pratica di un algoritmo, soprattutto se collegata a un dispositivo fisico o a un’applicazione concreta, può essere brevettabile. Ad esempio, un metodo che utilizza il machine learning per ottimizzare il funzionamento di una macchina o di un sistema potrebbe soddisfare i requisiti di brevettabilità.
In Europa, ad esempio, l’Ufficio Brevetti Europeo (EPO) consente la protezione di software e algoritmi, a patto che essi producano un “effetto tecnico”. Questo significa che un algoritmo che semplicemente elabora dati non è sufficiente per ottenere un brevetto, ma se il software produce un effetto tecnico tangibile in un sistema fisico, può essere considerato brevettabile.
2. Modelli di machine learning e il loro addestramento
Un altro aspetto critico è il modello di machine learning stesso. In molti casi, la novità risiede nel modo in cui il modello è addestrato, nell’architettura utilizzata o nella combinazione di algoritmi per risolvere un problema specifico. Anche qui, tuttavia, la protezione brevettuale non è sempre chiara. Molti dei modelli di machine learning utilizzati oggi, come le reti neurali, sono basati su ricerche scientifiche ampiamente condivise, il che rende difficile brevettare l’algoritmo di base. Tuttavia, le applicazioni specifiche di questi modelli in determinati settori industriali o commerciali possono essere brevettabili, a condizione che siano implementate in modo unico e innovativo.
3. Dati e set di addestramento
I dati sono la materia prima del machine learning. Tuttavia, i set di dati stessi non sono generalmente brevettabili, anche se il modo in cui vengono raccolti, elaborati o utilizzati per addestrare un modello può esserlo. Se il set di dati è costruito in modo tale da produrre un effetto tecnico tramite machine learning, ciò potrebbe rientrare nella sfera della brevettabilità.
Le sfide della brevettabilità nel Machine Learning
La brevettazione delle tecnologie di Machine Learning non è priva di sfide. Alcuni dei principali ostacoli includono:
- Rapida obsolescenza: il settore dell’intelligenza artificiale evolve così rapidamente che ciò che è considerato innovativo oggi potrebbe diventare obsoleto domani. I tempi e i costi di deposito di un brevetto potrebbero risultare controproducenti rispetto alla velocità con cui la tecnologia avanza.
- Difficoltà a dimostrare la novità: Molti algoritmi e modelli di machine learning sono basati su teorie matematiche o tecniche ampiamente conosciute e condivise nella comunità scientifica. Trovare un aspetto brevettabile può essere complesso.
- Interoperabilità e open source: Il machine learning fa spesso uso di strumenti e strutture open source, il che può creare conflitti con i diritti brevettuali. Le aziende devono bilanciare l’utilizzo di tecnologie aperte con la protezione dei propri diritti di proprietà industriale.
Opportunità per le imprese
Nonostante le sfide, ci sono opportunità significative per le aziende che scelgono di proteggere le proprie innovazioni legate al machine learning tramite i brevetti. La protezione brevettuale può offrire un vantaggio competitivo, impedendo ai concorrenti di utilizzare la stessa tecnologia o concedendo licenze per l’uso dell’invenzione.
Le aziende dovrebbero considerare attentamente le strategie di brevettazione, cercando di proteggere non solo gli algoritmi, ma anche le applicazioni pratiche e i processi innovativi che utilizzano il Machine Learning.
Prospettive future
Il Machine Learning sta ridefinendo il concetto di innovazione tecnologica, e il sistema dei brevetti dovrà adattarsi per stare al passo. Se da un lato brevettare algoritmi puri di machine learning può essere complicato, dall’altro la protezione di applicazioni specifiche, modelli addestrati e processi legati al machine learning offre un’area di crescita significativa per le aziende.
È essenziale che professionisti e aziende valutino con attenzione le strategie di protezione della proprietà intellettuale nel contesto del machine learning, tenendo presente le opportunità e le sfide legali che questo settore emergente comporta.
Affidati a un professionista
Con la sua esperienza multi-settoriale, il team di esperti dello Studio Bonini è in grado di valutare e assistere i clienti in tutte le fasi del processo per mettere al riparo gli imprenditori dai rischi connessi alla mancata protezione delle idee innovative sia a livello nazionale che internazionale.
