Not A Categorical Ban: Federal Circuit Narrowed Spectrum of Patent Eligible Machine Learning Claims www.lexology.com 27/01/2026
Recentive Analytics, Inc. v. Fox Corp., No. 23-2437 (Fed. Cir. 2025) – Em 18 de abril de 2025, o Circuito Federal manteve a rejeição do caso pelo tribunal distrital com base no inelegível do § 101.
Contexto
A Recentive detém quatro patentes relacionadas à otimização de programação de programas de transmissão televisiva (Patentes dos EUA nºs 11.386.367 Um método computacional que usa aprendizado de máquina para gerar e atualizar dinamicamente cronogramas de eventos ao vivo, otimizando datas, locais e custos com base em dados históricos, prioridades do usuário e mudanças em tempo real, visando maximizar objetivos como lucro, receita ou frequência de eventos.); 11.537.960; 10.911.811; e 10.958.957). Pertencentes a duas famílias diferentes, todas as quatro patentes ainda dependem de técnicas de aprendizado de máquina para executar os métodos reivindicados. Conforme descrito pela especificação de uma das patentes, as invenções reivindicadas poderiam utilizar "qualquer tecnologia de aprendizado de máquina adequada", incluindo "uma floresta aleatória com gradiente aumentado, uma regressão, uma rede neural, uma árvore de decisão, uma máquina de vetores de suporte, uma rede bayesiana, [ou] outro tipo de técnica."
Recentive reivindicou todas as quatro patentes contra Fox no Tribunal Distrital dos EUA para o Distrito de Delaware. Fox pediu para arquivar o caso por não apresentar uma alegação. Fox argumentou que todas as reivindicações alegadas eram inválidas porque não recitavam matéria elegível para patentes sob 35 U.S.C. § 101. Aplicando a investigação em duas etapas de Alice, o tribunal distrital considerou as reivindicações alegadas inacreditáveis em patente. Assim, o tribunal distrital rejeitou o caso. Recentemente recorreu.
Pergunta
Se reivindicações que apenas aplicam métodos estabelecidos de aprendizado de máquina a um novo ambiente de dados são elegíveis para patentes.
Decisão e Raciocínio
O Tribunal Federal respondeu que não. Revisando a rejeição de novo do tribunal distrital, o Circuito Federal conduziu sua própria análise de Alice.
Na primeira etapa de Alice, o Circuito Federal decidiu que as reivindicações eram direcionadas às ideias abstratas de aplicação de técnicas genéricas de aprendizado de máquina. O Circuito Federal observou primeiro a partir do registro que a Recentive havia admitido as alegações de conceitos de programação de transmissão que eram realizados por seres humanos e que existiam mesmo antes dos computadores. Recentive argumentou que foi a aplicação do aprendizado de máquina para executar esses conceitos que tornou as reivindicações elegíveis para patentes. No entanto, o Circuito Federal concluiu que as alegações apenas aplicavam técnicas convencionais de aprendizado de máquina, sem melhoria nos modelos de treinamento. Recentive então argumentou que as alegações eram direcionadas à aplicação de técnicas de aprendizado de máquina em um novo campo de uso e que a aplicação acelera a atividade humana em si e representa uma melhoria técnica. Baseando-se em vários precedentes, o Circuito Federal rejeitou esse argumento.
No segundo passo de Alice, o Circuito Federal destacou que o argumento de Recentive se sobrepôs ao seu argumento para o primeiro passo e "claramente não identificou nada nas reivindicações que 'transformasse' a ideia abstrata reivindicada em um pedido de patente válido."
No final, reconhecendo o aprendizado de máquina como uma área importante, o Tribunal Federal de Apelações Apelativo resmeteu que sua decisão não deveria ser interpretada como uma proibição categórica de alegações de aprendizado de máquina. Na verdade—"[n]u, sustentamos apenas que patentes que não fazem mais do que reivindicar a aplicação de aprendizado de máquina genérico em novos ambientes de dados, sem divulgar melhorias nos modelos de aprendizado de máquina a serem aplicados, são inelegíveis sob o § 101."
Nenhum comentário:
Postar um comentário