發佈日期:2019-10-31

人工智慧之全球專利發展趨勢分析

作者:葉席吟

政策評析 人工智慧 專利分析 Artificial Intelligence Patent Analysis

文章圖片所有權: https://ppt.cc/ftXSBx ,Created by TheDigitalArtist
著作權聲明: CC0 Public Domain-可以做商業用途-不要求署名

1

一、人工智慧之發展現況

2

人工智慧(Artificial Intelligence, AI)的概念是由美國科學家John McCarthy於1955年提出,目標為使電腦具有類似人類學習及解決複雜問題、抽象思考、展現創意等能力,能夠進行推理、規劃、學習、交流、感知和操作物體(維基百科,2019)。然而,即便很早就有這樣的概念與想法出現,卻是直到2016年AlphaGo在比賽中擊敗了人類圍棋高手後,才使得人工智慧的發展邁入了重要的里程碑,就是人工智慧不在只是專注於模仿人類的思考模式,而是進一步開創出自有的思維及演算方式,也進而帶動了更多人類本體、軟體與硬體技術之間的創新發展(湯凱傑,2018)。

3

近期美國市調公司CB Insights發表了2019年最具潛力100間AI新創企業(CB Insights, 2019),從AI 100企業中可發現,AI正在顛覆許多重要的產業,如醫療保健、電信、半導體、政府、零售和金融,以及企業的內部管理技術等。而在AI的廣泛應用中,又以企業內部的網路安全和資料管理為最大量的應用AI輔助;其次則為健康醫療產業中的影像和診斷輔助;最後AI則提供了在企業的廣告行銷、反詐欺、自駕車的感知應用、政府安全等多面向的輔助應用。在硬體發展中,由於整個 AI 晶片主導人工智慧的運算速度,因此近年來半導體業中則以雲端資料中心用的 AI 晶片與邊緣端點裝置用的 AI 晶片為最值得被關注的領域。在此次的2019年AI 100企業,共有11家屬於獨角獸企業(估值超越十億美元),涵蓋有圖像處理、機器人流程 自動化、資訊安全、影像診斷、風險控管、人臉辨識及自駕車技術等新興應用,目前 AI 獨角獸企業中,11 家企業就有10家高度集中在美國與中國,也顯示了此兩國正是AI技術發展的核心國家。

4

二、研究方法與檢索策略

5

AI所涉及的技術範疇甚廣,主要包括機器學習、語音處理、自然語言處理、電腦視覺與移動控制(Motion and Manipulation)等面向。本研究將從專利的角度出發,檢視各國現階段在AI相關專利的發展現況,同時進一步從技術領域的角度切入,透視各國在AI技術範疇中的重點投入面。本研究為有效檢索出AI相關專利,參考了世界智慧財產權組織於2019年1月所出版的《WIPO Technology Trends 2019: Artificial Intelligence》一書中(WIPO, 2019),對於AI專利的檢索三要件進行專利資料的蒐整,其中要件一為檢索與AI相關的114項CPC技術分類;要件二為搜尋主題與摘要中有包含與AI相關的32組關鍵詞(參考表1);要件三是檢索CPC、IPC、FI與FT中結合AI有關技術描述的16組關鍵字(參考表2),同時此次檢索也將不設定時間與地區,以觀測全球AI發展之角度進行專利資料的蒐取。

6

表1 AI於標題與摘要之檢索關鍵詞

Artificial Intelligent Reinforcement Learning Transfer Learning RankBoost
Neural Network NPL Perceptron Learning Algorithm Logistic Regression
Bayesian Network Supervised Learning Support Vector Machines Stochastic Gradient Descent
Data Mining Unsupervised Learning Random Forest Multilayer Perceptron
Deep Learning Semi-Supervised Learning Decision Tree Latent Semantic Analysis
Genetic Algorithm Swarm Intelligence Gradient Boosting Decision Tree Multi-Agent System
Inductive Logic Programming Expert System Xgboost (eXtreme Gradient Boosting) Hidden Markov Mode
Machine-Learning Fuzzy Logic AdaBoost (Adaptive Boosting) RankBoost
7

表2 AI於技術分類之檢索關鍵詞

Clustering Overfitting Self-Learning Inductive Reasoning
Descriptive Model Target Function Objective Function Stochastic OR Probabilistic
Regression Model Test Training OR Validation Data Set Feature Selection Recommend System
Predictive Analytics Model Back Propagation Active Learning Text, Speech, Writing, Face Analysis OR Recognition
7

本研究的檢索截止時間為2019年7月31日,並選用Orbit Intelligence商用專利資料庫進行分析,Orbit Intelligence引入了FAMPAT專利家族的概念,透過專利家族分析方法能在最大程度上避免相同專利及專利檔由於處在不同階段所形成不同的專利號而造成的重複計算問題,提高了專利分析的準確性。本研究所進行的AI專利跨國比較分析,將從12個主要投入AI領域的先進國家之專利資料進行評比,此12國包含美國(US)、中國(CN)、日本(JP)、韓國(KR)、德國(DE)、加拿大(CA)、澳洲(AU)、台灣(TW)、印度(IN)、英國(GB)、奧地利(AT)與以色列(IL)等,本研究希望透過這些國家之AI專利分析,可有助於瞭解人工智慧領域之各國發展差異,找到台灣在人工智慧上領域上的優勢利基。

8

三、各國人工智慧相關專利發展分析

9

首先,從AI專利的歷年發展進行觀察,本研究認為專利的申請日係屬於最早申請專利的時間,因此應以申請年來進行AI專利的統計,AI領域的專利申請數量分佈圖可參考圖1。由於專利從申請到公開一般需要持續一段時間,甚至可能長達18個月,如果申請人通過專利合作條約(Patent Cooperation Treaty,縮寫PCT)提出國際申請,則進入國家階段的週期還可延長到30個月(經濟部智慧財產局,2015),因此,2017年以後的專利申請有部分可能還未被公開,因此數量統計上尚未完整。從圖1的AI專利申請數量可發現,AI的技術專利數量在過去從2000年開始呈現逐年增長,有三個不同的時期表現了專利權利人在AI技術中的發展變化。第一階段技術萌發期,從2000年到2010年,市場萌芽階段,全球範圍內的專利申請數量不是很多,但仍呈現穩定成長。第二階段技術成長期,2010年開始專利申請數量出現了一定幅度的增長,一直持續到2014年。第三階段技術爆發期,隨著機器學習與運算技術的大幅推動,提高了電腦對於人類知識的理解能力,使得AI領域進入了一個嶄新的發展時代,自2015年開始專利申請的節奏顯著加速,申請量亦呈現巨幅的提昇。

10

圖1 AI專利申請之總體趨勢圖

11

在AI專利技術的全球分布中,由圖2的專利申請公開國家分佈中,可發現美國的顏色最深,在數量上美國佔據第一位,由於美國是AI技術的起源國,因此吸引了眾多的科技公司紛紛投入於該領域,AI專利申請第二多的國家為中國,依次是日本、韓國、德國、加拿大、澳洲、臺灣、印度、英國、奧地利、以色列等國家,顯示AI技術目前仍由美國、中國、日本與韓國在主導著專利活動。

12

由於2017年以後的專利申請有部分可能還未被公開,因此本研究統計了2008年至2017年近十年各國專利局之AI專利發展趨勢,由圖3可發現,近十年AI專利仍以美國、中國、日本與韓國為主要發展區域,其中可明顯發現,近三年中國已急起直追美國在AI專利的發展,尤其2017年在AI專利的申請量更是遠遠超越美國,顯示AI技術的發展有移轉到中國的態勢,是值得關注的一項重要趨勢。

13

圖2 AI專利申請之公開國家分布圖

14

圖3 各國AI專利申請趨勢圖

15

若僅以專利數量評價一個國家的創新能力,可能會造成偏差而無法準確的評量各國的實際狀況,同時每個國家的組成性質與結構亦都不同,因此本研究進一步以各國GDP來加以評估,提供另一面向的客觀資訊來反應各國在專利活動上的表現。圖4為透過各國專利核准數量與GDP(標準化單位:Billion US dollars)進行標準化後的比值,由各國在專利上的發展可發現,以韓國的表現最為明顯,台灣位列第二,其三則為日本,中國位列第四,這樣的結果顯示排除掉GDP經濟因素的影響,更可客觀反應出韓國與台灣在AI專利活動上的表現,相較其他國家呈現較為優異的成果。

16

圖4 AI專利數與GDP比值分佈

17

四、人工智慧之技術領域比較分析

18

在技術領域的觀察中,本研究採用WIPO分類的35個技術領域分布來進行分析,結果發現AI專利主要都屬於運算科技,佔比接近50%,其次則為數位通訊、控制與資訊管理方法等技術領域;再進一步觀察2008年至2017年的發展趨勢(參考圖5),仍可發現在AI領域中運算科技的發展遠遠超越了其他技術領域,數位通訊領域則在近兩年呈現趨緩,然而近兩年來控制領域的技術發展有顯著的提昇,超越了數位通訊與資訊管理方法領域的技術發展,是值得觀察的現象。

19

在各國發展趨勢上,由於運算科技主導了AI領域的技術發展,因此在圖6與圖7中則先排除了運算科技的佔比,顯示出各國在其他次領域的佔比差異。由圖6的呈現可發現,美國在數位通訊有較多的技術投入;中國在控制與資訊管理領域有較高佔比;德國則是在控制、運輸與量測領域中有較其他國家較高之佔比出現;日本在電信領域專利佔比較高;韓國則是在資訊管理方法領域有較多專利投入;台灣則在視聽技術有較高佔比的投入。由圖7的國家佔比可發現,英國主要投入專利在控制與數位通訊領域;印度則是數位通訊與資訊管理方法領域有較多投入;澳洲則在資訊管理領域有較高技術發展佔比;加拿大在數位通訊與資訊管理方法領域有較高的專利技術佔比;以色列則是數位通訊與控制有較多的專利發展。

20

另一方面若是以技術領域來觀察,可發現醫療技術領域中,以澳洲、加拿大與以色列有較高佔比的投入;運輸領域則以德國相較其他國家有較高佔比投入;視聽技術則是台灣有較高佔比投入。綜合上述結果,可瞭解到排除運算科技的主要技術投入,各國在次要領域的投入皆存在著差異,是後續我國挑選投入AI相關科技發展的課題上值得參考的依據。

21

圖5 AI專利數之技術領域發展趨勢圖

22

圖6 各國AI專利數之技術領域發展(一)

23

圖7 各國AI專利數之技術領域發展(二)

24

本研究亦針對各國AI專利在各技術領域的影響力進行瞭解,在專利的影響力評估中,Hall等人 (Hall, Jaffe and Trajtenberg, 2000)認為專利普遍性(generality)可作為評估專利價值的指標之一。普遍性指標為計算某項專利被隸屬不同專利分類的文獻引用的擴散程度,例如一件專利被後來的20篇專利所引用,且此20篇專利分屬於10種專利分類,則此專利的普遍性數值即為0.5,數值愈高代表普遍性愈佳。表3為各國AI專利在不同技術領域的普遍性值,在AI專利中,運算科技領域之普遍性最高的國家為澳洲與以色列,最低的國家為中國;數位通訊領域之普遍性最高的為日本、澳洲與以色列;控制領域之普遍性最高的為加拿大、澳洲與以色列。台灣在普遍性數值中,相對較高的技術領域有運輸、機械操作處理、生物技術與機械元件等領域。然而,由於普遍性指標亦受到專利數量之影響,因此在評估專利影響力亦應搭配其他指標來加以評估較為妥適。

25

表3 各國之AI專利於技術分類之普遍性數值

26

另外,欲衡量一項專利的重要程度中,Hall等人則提出了專利原創性(originality)指標 (Hall, Jaffe and Trajtenberg, 2001),它是用來計量某項專利引用隸屬不同專利分類的文獻的程度,例如一件專利引用了 20篇專利,且此20篇專利分屬於15個專利分類,因此這件專利的原創性數值即為0.75,數值愈高代表原創性就愈佳。表4為各國AI專利在不同技術領域的原創性數值,在AI專利中,運算科技領域之原創性最高的國家為澳洲,最低的國家為中國;數位通訊領域之原創性最高的亦為澳洲;控制領域之原創性最高的為加拿大。台灣在原創性數值中,相對較高的技術領域有運輸、化學工程與製藥等領域。與普遍性指標相同,原創性指標也與專利數量息息相關,因此在評估專利之重要性亦應參考其他重要性指標會較為全面。

27

表4 各國之AI專利於技術分類之原創性數值

28

五、結論

29

本研究以AI專利作為研究標的,經過分析後,我們發現在AI專利技術的全球布局中,美國在AI專利數量上為最多,形成了美國成為AI技術的起源國,其次,AI專利申請量第二多的國家為中國。近十年AI專利仍以美國、中國、日本與韓國為主要發展區域,然而,近三年中國已有急起直追美國在AI專利的發展趨勢,尤其2017年在AI專利的申請量更是遠遠超越美國,顯示AI技術的發展有移轉到中國的態勢。若進一步以各國GDP來加以評估,則可提供另一面向的客觀資訊來反應各國在專利活動上的表現,本研究透過各國專利核准數量與各國GDP標準化後的比值,發現韓國的表現最為出色,台灣位列第二,這樣的結果顯示韓國與台灣在AI專利活動的表現上,相較其他國家展現出較為優異成果。

30

在技術領域的觀察中,透過WIPO的35類的技術領域,可發現AI專利主要都屬於運算科技,其次則為數位通訊、控制與資訊管理方法等領域;再進一步觀察2008年至2017年的發展趨勢,可發現近兩年控制領域的技術發展有顯著的提昇,超越了數位通訊與資訊管理方法領域的技術發展,是值得關注的現象。至於各國AI技術的發展偏好上,排除運算科技的部分,可發現美國在數位通訊有較多的技術投入;中國在控制與資訊管理領域有較高佔比;日本在電信領域進行入;韓國則是在資訊管理方法領域有較多投入;台灣則在視聽技術有較高佔比;以色列則是數位通訊與控制有較多的專利發展。由此分析可知,排除運算科技的AI主要技術,各國在次要領域的投入皆存在著差異,可作為後續台灣投入AI相關科技發展上的評估參考。本研究透過Orbit Intelligence系統收集了AI領域的專利資料,同時對這些專利技術進行了跨國性的分析,希望透過這些分析可以揭示出該技術領域中一些重要的跨國評比資訊,為國內AI領域之戰略制定、科研推動與課題選擇提供有效的參考依據。

31

參考文獻

  1. 湯凱傑 (2018),AlphaGo之後:淺談人工智慧科技的社會影響,科技政策觀點,取自https://portal.stpi.narl.org.tw/index/article/10413。
  2. 經濟部智慧財產局 (2015),有些廣告或型錄會標註「世界專利」、「國際專利」,何謂「世界專利」、「國際專利」?,取自https://www.tipo.gov.tw/ct.asp?xItem=502746&ctNode=7633&mp=1
  3. 維基百科 (2019),人工智慧,取自 https://zh.wikipedia.org/wiki/人工智能。
  4. CB Insights (2019). What’s Next In AI? Emerging Trends In 2019. Available: https://www.cbinsights.com/research/briefing/ai-trends-2019/
  5. Hall, B.H., Jaffe, A. and Trajtenberg, M. (2000). Market value and patent citations : A first look. , NBER working paper no. 7741. Retrieved from http://www.nber.org/patents/
  6. Hall, B.H., A. Jaffe, and Trajtenberg, M. (2001) The NBER patent citation data file: Lessons, insight, methodological tools, NBER Working Paper, No. 8498.
  7. WIPO (2019). WIPO Technology Trends 2019 – Artificial Intelligence. Available: https://www.wipo.int/publications/en/details.jsp?id=4386