軟體專利

任天堂新專利對射擊遊戲的革新，甚至暗示《斯普拉遁4》的創新玩法？

　　在專利的公開資訊中，近期出現一篇以改善射擊遊戲體驗的專利，申請人為眾所周知的任天堂（NINTENDO CO., LTD.），專利的公開號為US 2024/0382848 A1。其核心技術與許多玩家熟悉的《斯普拉遁》（Splatoon）系列遊戲玩法有著一定的相似之處，甚至可能成為下一代《斯普拉遁》新作的技術基礎。然而，這項專利的應用範圍遠不限於特定遊戲，還展現了對所有射擊遊戲、競技遊戲、虛擬實境遊戲，乃至裝備管理系統的潛在技術革新能力。
這項專利的主要設計目的是讓玩家在不中斷遊戲操作的情況下，透過遊戲場景中的動態顏色和紋理變化即時掌握裝備狀態。這一技術亮點不僅能提升玩家的操作流暢度與沉浸感，也為射擊遊戲和多人競技遊戲帶來全新的策略深度。

專利適格性與AI技術：抽象概念的挑戰與突破

　　人工智慧（AI）技術的迅猛發展，帶來了許多創新機會，但同時也挑戰了專利法的傳統框架。美國專利法第101條要求專利申請的客體必須適格，而涉及AI的技術常常因被認定為「抽象概念」或「沒有整合到實際應用」而遭到拒絕。這些拒絕背後的原因不僅反映了專利法對抽象性問題的嚴格要求，也揭示了申請人在撰寫AI專利時的常見難點。本篇文章將探討AI技術專利不符合適格性的主要問題，分析由美國專利局（USPTO）提供的指導文件中範例47、48和49的案例，說明如何提升AI專利申請成功率。

AI 模型串接的專利佈局

　　隨著人工智慧（AI）技術的迅猛發展，各種 AI 模型已經成為解決複雜問題的核心工具。目前市場上有多種常用的 AI 模型，例如大語言模型（LLM）、生成對抗網路（GAN）、卷積神經網路（CNN）、遞歸神經網路（RNN）、強化學習模型（RL）等。這些模型各自擅長處理不同類型的任務，如自然語言處理、影像生成、序列數據預測和策略優化等。

在此基礎上，AI 模型之間的「互動」與「串接」已成為技術突破的主要趨勢，以應對更加複雜的任務需求。例如，大語言模型（如 GPT-4）結合檢索增強生成（Retrieval-Augmented Generation, RAG），使得語言模型在生成答案時具備即時檢索外部資料的能力，從而提高回答的精確性與時效性。此外，生成對抗網路（GAN）結合卷積神經網路（CNN）可顯著提升影像生成與影像辨識的能力，而強化學習（RL）結合遞歸神經網路（RNN）則有助於優化決策過程中的序列依賴性。這些串接方式整合不同模型的優勢，特別適合於需要多重能力支持的應用場景，如自動駕駛、智能客服和複合式推薦系統。