一、AI/ML發明以往長期受限§101門檻
美國專利法（35 U.S.C.）第101條將純粹數學計算、心智活動或自然法則等抽象概念視為不具專利適格性之標的。而AI與機器學習（Machine Learning, ML）相關專利之申請，過去十年間常被審查委員根據2014年Alice Corp v. CLS Bank Int’l 判例衍生的Alice檢測法以「模型訓練」、「參數更新」等步驟與其它軟體專利都屬於抽象概念為由予以核駁。
2025年下半年間，美國專利商標局(USPTO)透過Desjardins 先例1 與MEPE更新，明確要求其審查委員更完整評估AI/ML發明是否包含「技術性改良」，使得ML審查門檻更加彈性。
二、Desjardins 先例－確認機器學習模型訓練方法的改良具專利適格性
(一) Google旗下 DeepMind 團隊針對其AI模型的核心機器學習技術 「克服神經網路災難性遺忘的訓練方法」提出專利申請（美國專利公開號：US 2019/0236482 A1），原本被以只是抽象數學概念、不具專利適格性（35 U.S.C.§101）及顯而易見性（§ 103）之雙重理由被 審查委員及PTAB連續核駁。2025年9月間，新任USPTO局長上任甫一周，即依職權親自組成PTAB上訴審查小組（Appeals Review Panel, 簡稱ARP），罕見的直接撤銷此前做出的不具專利適格性核駁決定，認定本件申請屬於對電腦（AI系統）運作能力的實質技術改進，而非單純的抽象數學運算。
(二) ARP主要的論點包括：
1. 本案請求項已將「抽象概念整合為實際應用」：
原裁決認定本件專利請求項1、18及19之內容敘及「計算數個參數後驗分佈的近似值」，僅屬於「抽象的數學概念」，且無額外的技術特徵顯示有把抽象概念整合成實際應用。但撤銷理由採納申請人的意見指出，本件發明改善了電腦系統的運作方式，尤其是解決AI連續學習(continual learning)會忘記舊任務的問題，也減少儲存空間之需求，已滿足Alice 架構步驟2A第2部分－將抽象的數學概念「整合到實際應用（Integration into a Practical Application）」之要求，已具備專利適格性，無需再依步驟 2B審查是否為「顯著增益(Significantly More)」的技術改進或創新。
2. 如何判斷是否「將抽象概念整合為實際應用」?
(1) ARP援引CAFC的Enfish, LLC v. Microsoft Corp. 判例說明，軟體本身也可以是具有可專利性的創新技術，不一定要有硬體特徵，關鍵在於：此項技術是否改善了電腦功能，如果答案為肯定，此項技術就並非只是單純的抽象概念。
(2) 本案專利說明書與請求項之敘述一致
本案專利說明書21段提到：「模型能有效連續學習新任務又不會忘記舊任務」、「只需要一份模型參數…可減少儲存空間、降低系統複雜度」等語，而請求項本身也有對應的技術步驟，例如：請求項1提到：在學習第二個任務時，調整參數的方式會保護第一個任務的表現。因此整體觀察，本件申請案已是AI模型運作方式的改進，而不僅是抽象的數學運算。
3. ARP最後表示：美國專利法第102條（新穎性）、第103條（顯而易見性）以及第112條（揭露充分性），才是用來把專利保護限定在適當範圍內的傳統且恰當的手段（traditional and appropriate tools）。第一線審查委員和PTAB應把焦點放在這些條款上，而非擴大解釋第101條。並直言，原審查委員把所有ML都當成抽象算法，甚至主動(sua sponte)根據第101條核駁此類申請，將會阻礙美國在AI專利上的發展，籲請審查委員應該更謹慎此條款之適用。
(三) 本裁決於2025年11月被USPTO指定為先例（precedential），未來將對所有審查員產生拘束力。以藉此定調針對機器學習模型本身、資料結構或是設計效能等軟體相關的改進，都是具有適格性之申請標的。
三、申請人如何因應新的審查標準
USPTO於2025年12月4日及5日續行發布兩備忘錄，為專利申請提供更明確的技術性判斷標準
(一) 2025年12月，USPTO正式修訂MPEP審查指南，增訂了§2106.04(d)與§2106.0章節），將Desjardins 案列入判斷「將抽象概念整合為實際應用」（即技術改良）的成功案例，可做為AI/ML相關專利申請布局指引：
1. 說明書對於技術因果關係的揭露：說明書須詳細提出技術細節，使該領域技藝人士（POSA）能清楚看出技術改良部分，而非只是空泛提出結論性的空論。例如說明書不能只寫「模型準確度提升」，而必須揭露:改良了哪些模型元件、如何改善其效能，以及POSA如何理解該技術效果。
2. 請求項須反映具體技術特徵：請求項應具體包含「實現該改良的關鍵步驟或元件」避免僅描述「訓練模型以達成某結果」。應具體記載：特定參數更新策略、特定資料結構、特定模型架構或流程。
3. 對照Desjardins 案：該案的說明書詳細解釋如何防範災難性遺忘、降低系統複雜度、節省記憶體；同時其請求項也確實反映了調整多個性能參數值的具體邏輯步驟，因此符合技術改良的標準。
(二) 審查過程可考慮使用SMED（專家聲明）
當專利因為涉及演算法而受審查員質疑不具備專利適格性時，申請人可考慮依37 CFR 1.132的SMED（Subject Matter Eligibility Declaration）專家聲明宣告書制度，藉由外部專家或發明人的證詞，在不引進新技術特徵(New Matter)的情況下，補提「客觀對比測試數據」或「業界技術現況分析」等資料協助釐清：POSA如何理解該技術改良、為何該技術改良屬於電腦技術之提升、為何不屬於抽象概念，以提高核准率。
四、Desjardins先例與MPEP更新並非政策大轉彎，而是USPTO放寬AI相關專利審查政策之落實，在2025年8月間，該局已先發布「對AI和機器學習相關軟體專利適格性審查備忘錄」提醒審查委員勿過度解讀或擴大原審查標準的「抽象性」要求（參見本所去年報導），因此，本案設為先例及同年底的備忘錄只是正式將具體案例列入MPEP成為審查時必須參照的指南。但此先例確實降低了AI/ML發明在第101條「專利適格性」審查中的不確定性，提供更明確的技術性判斷標準。對企業或研發團隊而言，若過去1至2年內有因「抽象概念」被駁回的ML發明，尤其是：訓練流程改良、模型架構優化、記憶體/資料結構改良，現階段將有機會透過技術揭露與答辯策略而強化AI布局的空間。
1 Ex parte Desjardins, Appeal 2024-000567, Appl. No. 16/319,040 (P.T.A.B. Sep. 26, 2025) (precedential).