大型语言模型（LLM）目前尚不能被视为本领域技术人员（T 1193/23）

在人工智能（AI）新时代，像ChatGPT这样的大型语言模型（LLM）能够在几秒钟内生成复杂的文本答案，这使得AI在专利行业中的相关性成为了一个活跃的讨论话题。欧洲专利局（EPO）上诉委员会在最近的T 1193/23案件中，特别质疑了由LLM生成的专利权利要求中技术术语解释的可靠性。该案件的核心问题是，基于互联网上所有内容进行训练的LLM的输出，能否作为证据来证明本领域技术人员如何解释专利权利要求中的技术术语。

法律背景：本领域技术人员

本领域技术人员的概念在欧洲专利法中至关重要，特别是在权利要求的充分性、新颖性和创造性分析方面。根据上诉委员会的既定判例法，“本领域技术人员”或“技术人员”被假定为相关技术领域内具有平均知识和能力的熟练从业者（即平均技术人员）。这一假设人物是专利的接收者，也是判断新颖性和创造性的标准。

技术人员还被认为了解相关日期时该领域内的普通技术知识（CGK）。他们还被假定能够接触到“现有技术”中的所有内容，并具备进行该技术领域内常规工作和实验的手段和能力。传统上，确定技术人员如何理解专利中的技术术语一直是一个专家证据和既定技术知识的问题。

案件背景

T 1193/23上诉案件涉及立达公司（Rieter）拥有的EP 3118356专利。该案的对手是索若纺织技术有限公司（Saurer Spinning Solutions GmbH）。该专利特别涉及改进的转杯纺纱机安全机制。这些纺纱机用于纺织生产，具有多个以极高速度运转的转子。该发明声称通过检查轴承调节或数据连接来安全启动和停止这些转子。主要的法律问题是该专利是否因权利要求中的所有特征在一份现有技术文件中均已被披露而缺乏新颖性。判决的关键在于如何解释权利要求中的技术术语，如“轴承调节”。

ChatGPT介入诉讼

在欧洲专利局上诉委员会的首次案例中，该决定涉及使用AI生成的内容作为权利要求解释的证据。在口头审理过程中，专利权人口头提交了ChatGPT关于“轴承调节”和其他技术术语含义的回复，主张对这些术语进行比对手提出的更狭义的定义。然而，上诉委员会认为，仅凭ChatGPT的回复无法确立权利要求的解释，而应由专家证据来支持。上诉委员会甚至认为ChatGPT的回复“无关紧要，因为权利要求的解释取决于技术人员的理解”。正如判决摘要所述，上诉委员会得出结论：

“仅凭基于语言模型（‘大型语言模型’）和/或‘人工智能’的聊天机器人传播和使用的普遍增加，并不能证明所接收的答案——该答案基于用户未知的训练数据，并且也可能敏感地依赖于问题的上下文和确切表述——必然正确反映了专家在相关时间对各自技术领域的理解。”（r.1.1.1，重点标注，机器翻译）

就本案而言，上诉委员会进一步指出，除ChatGPT的回复外，未提交任何其他证据来支持所提出的定义。因此，尽管上诉委员会认为提交来自LLM的证据并非绝对禁止，但他们仍要求任何此类提交都应得到额外证据的支持。正如上诉委员会进一步解释的那样：“技术人员如何解释专利（或专利申请）权利要求中某些术语的含义，可以通过适当的技术文献来提供证据。在相关技术领域中，对于上述术语的不同含义，并未提交此类证据。”（r. 1.1.1）

LLM在权利要求解释中有一席之地吗？

上诉委员会基于其认为的AI系统（如ChatGPT）在专利领域的三个关键局限性来做出决定。首先，LLM依赖于用户未知的训练数据。其次，LLM的回复敏感地依赖于上下文和问题表述。第三，不能假定LLM反映了实际专家的理解，尤其是在相关时间点上。

对于知识产权猫而言，关于LLM训练数据的第一个论点，是拒绝将其用于权利要求解释的最薄弱理由。像ChatGPT、Claude和Gemini这样的基础LLM模型是在从互联网、书籍和公开文件中提取的大量数据上进行训练的。因此，可以相当安全地假设，LLM能够访问大多数（如果不是全部）技术领域中技术人员的普通技术知识。

上诉委员会的第二和第三个论点，即LLM的回复将取决于问题和上下文，则更为相关。然而，人们可以想象一种情况，即这些反对意见可能被克服。例如，可以智能地提示LLM以该领域技术人员的身份回答问题。在这样的提示中，可以向LLM提供上下文、欧洲专利局关于技术人员定义的指南和判例法以及技术领域的身份。对于知识产权猫而言，使用LLM定义进行专利挑战的主要问题在于，了解模型训练和访问信息的截止日期。有时会提供关于LLM的此类信息，有时则不会。然而，目前无法要求LLM提供商基于截至特定日期的知识来回答问题，因为大多数人对此并无太多需求。

回到该决定，专利权人在本案中的关键问题在于，他们为支持ChatGPT的提交内容而提供的上下文似乎有限。正如上诉委员会所观察到的，“被申请人未将[从ChatGPT获得的]大量口头宣读、部分以要点形式列出的回复以书面形式提交给档案”。关于提示和提供给ChatGPT的信息的细节似乎也缺乏。在拒绝了专利权人对相关术语的解释后，上诉委员会最终认为主要权利要求相对于现有技术缺乏新颖性。上诉委员会基于对整个权利要求语言的语境下的技术分析来做出解释。上诉委员会还拒绝了所有五项辅助请求，认为这些请求中增加的权利要求特征缺乏创造性。

使用说明书来解释权利要求（G1/24）

权利要求解释是欧洲专利局当前的一个热门话题，同时我们也在等待扩大上诉委员会关于说明书是否可以并且应该用于解释权利要求的决定（知识产权猫）。知识产权猫认为她可以看看LLM将如何解释G 1/24中的争议术语。

G 1/24案件的核心在于如何解释专利权利要求中的“聚集”烟草术语。转介的上诉委员会决定在G 1/24中发现，“聚集”一词在该领域具有特定含义。然而，专利的说明书对该术语的定义不同，特别是包括螺旋状的烟草。不幸的是，对于G 1/24中的专利权人而言，这意味着包含螺旋状烟草的产品被视为对其声称产品的破坏新颖性的现有技术。

那么，LLM将如何解释“聚集”烟草呢？知识产权猫使用以下提示询问了Anthropic的Claude：

请参阅所附的欧洲专利法中关于本领域技术人员定义的指南和判例法。回答以下问题：您是烟草行业的技术人员，正在阅读一份与新型电子烟相关的专利。权利要求1如下：[EP3076804B1的权利要求1]。您将如何解释该权利要求中的“聚集”一词，它是否包括螺旋状？

Claude提供了以下解释：

作为烟草行业的技术人员，我会将该专利权利要求中的“聚集”一词解释为特指一种制造技术，即将一张气溶胶形成材料的平板进行褶皱、折叠或压花，以形成多个折叠并聚集在一起，从而在有限的圆柱形空间内增加表面积。这与“螺旋状”配置不同，后者涉及将板材以螺旋方式围绕中心轴缠绕或卷绕。这些代表烟草行业中不同的、公认的制造技术，具有不同的结构结果，而权利要求语言中故意选择“聚集”一词将向我表明，该专利特别声称的是褶皱/折叠配置，而不是螺旋状排列。

在之前的一篇文章中，知识产权猫探讨了用于专利起草的AI工具的兴起可能会增加G 1/24中讨论的那种有问题的样板语言的风险（知识产权猫）。然而，从上面的例子来看，当给予适当的上下文时，LLM在技术定义方面能够做得相当不错。事实上，使用LLM来检查说明书中的过于宽泛和非技术的定义，很可能挽救G 1/24中的专利，因为它很可能已经识别出为“螺旋状”提供的定义与该领域的通常定义不符。然而，当然也有可能LLM受到了关于该案件的所有评论的影响……然而，无论如何，很明显，在专利起草和权利要求解释中，确定技术领域是关键。因此，只有当AI工具被告知其答案的适当技术上下文时，它们才能有效。

回到T 1193/23案件，值得注意的是，上诉委员会并未表示在专利纠纷中LLM提供的证据没有一席之地，而只是表示LLM的结论需要由额外的支持性证据来证实。现在有许多LLM工具会提供引文来支持其结论（可以检查这些引文以确定其有效性）。与任何工具一样，为了使LLM最有效，需要由合适的人以正确的方式用于正确的工作。

最终思考

T 1193/23标志着欧洲专利局在解决AI在专利程序中的作用方面迈出了重要第一步，确立了仅凭LLM的输出不能完全取代专家证据。然而，在知识产权猫看来，LLM无疑将在专利行业中占有一席之地。专利业务涉及对技术术语中隐藏的最细微含义进行辩论，而LLM代表了完成这一任务的非凡资源。至关重要的是，上诉委员会在T 1193/23案件中的决定并未排除使用LLM进行权利要求解释，而只是表明任何基于LLM输出的证据都应得到额外证据的支持和证实。

为了在专利领域中充分利用LLM，有必要在所涉及的具体技术领域内明确界定任何查询。如果没有这一关键的上下文指导，LLM对高度专业化术语的解释可能会过于宽泛或偏离主题。发明的细微且高度技术性的语言要求对AI工具的使用采取同样专注于技术领域的方法。

原文：https://ipkitten.blogspot.com/2025/05/an-llm-is-not-yet-person-skilled-in-art.html

本文原文为英文，中文为机器翻译，仅供参考，如有问题或建议，欢迎随时与我们联系。