2024-700734

特許第７４３０４３７号発明「印刷物に印刷された文字情報を収集する方法、プログラム及び情報処理装置」の特許異議申立事件について、次のとおり決定する。

結 論 特許第７４３０４３７号の特許請求の範囲を令和７年１月２９日付け訂正請求書に添付された訂正特許請求の範囲のとおり、訂正後の請求項〔１、８－１１〕について訂正することを認める。 特許第７４３０４３７号の請求項２ないし７、９ないし１１に係る特許を維持する。 特許第７４３０４３７号の請求項１、８に係る特許についての特許異議の申立てを却下する。

理 由 第１ 手続の経緯 特許第７４３０４３７号（以下「本件特許」という。）の請求項１～１１に係る特許についての出願は、令和５年９月２５日を出願日とする出願であって、令和６年２月２日にその特許権の設定登録がされ、同年２月１３日に特許掲載公報が発行されたものである。 その後、同年８月５日に特許異議申立人芦田允予（以下「申立人１」という。）により本件特許の請求項１、１０、１１に対して特許異議の申立て（以下「特許異議の申立て１」という。）がされ、同年８月７日に特許異議申立人国分信宏（以下「申立人２」という。）により本件特許の請求項１に対して特許異議の申立て（以下「特許異議の申立て２」という。）がされ、同年８月１３日に特許異議申立人塩田将司（以下「申立人３」という。）により本件特許の全請求項（請求項１～１１）に対して特許異議の申立て（以下「特許異議の申立て３」という。）がされた。 そして、同年１１月２９日付けで取消理由が通知され、令和７年１月２９日に特許権者により訂正請求がされた。 第２ 令和７年１月２９日の訂正請求による訂正の適否 １ 訂正の内容 （１） 訂正事項 令和７年１月２９日の訂正請求による訂正（以下、「本件訂正」という。）事項は以下のア～オ（以下「訂正事項１」～「訂正事項５」という。）のとおりである。 ア 訂正事項１ 請求項１を削除する。 イ 訂正事項２ 請求項８を削除する。 ウ 訂正事項３ 請求項９が引用する他の請求項を、「請求項１～請求項８のいずれか一項」から「請求項２～請求項７のいずれか一項」に訂正する。 エ 訂正事項４ 請求項１０が引用する他の請求項を、「請求項１～請求項８のいずれか一項」から「請求項２～請求項７のいずれか一項」に訂正する。 オ 訂正事項５ 請求項１１が引用する他の請求項を、「請求項１～請求項８のいずれか一項」から「請求項２～請求項７のいずれか一項」に訂正する。 （２） 一群の請求項について 上記訂正事項１～５は、訂正前の請求項１、８～１１についての訂正であり、訂正前の請求項９～１１は、請求項１又は請求項８を直接引用するものであるから、本件訂正は一群の請求項〔１、８～１１〕に対して請求されたものである。 ２ 訂正の適否 ア 訂正事項１ 訂正事項１は、請求項１を削除するものであるから、特許請求の範囲の減縮を目的とし、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてしたものであり、実質上特許請求の範囲を拡張し、又は変更するものではない。 イ 訂正事項２ 訂正事項２は、請求項８を削除するものであるから、特許請求の範囲の減縮を目的とし、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてしたものであり、実質上特許請求の範囲を拡張し、又は変更するものではない。 ウ 訂正事項３ 訂正事項３は、請求項１、８の削除に伴い、請求項９が引用する請求項から請求項１、８を削除し、請求項９が引用する請求項を「請求項２～請求項７」とするものであって、特許請求の範囲の減縮を目的とし、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてしたものであり、実質上特許請求の範囲を拡張し、又は変更するものではない。 エ 訂正事項４ 訂正事項４は、請求項１、８の削除に伴い、請求項１０が引用する請求項から請求項１、８を削除し、請求項１０が引用する請求項を「請求項２～請求項７」とするものであって、特許請求の範囲の減縮を目的とし、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてしたものであり、実質上特許請求の範囲を拡張し、又は変更するものではない。 オ 訂正事項５ 訂正事項５は、請求項１、８の削除に伴い、請求項１１が引用する請求項から請求項１、８を削除し、請求項１１が引用する請求項を「請求項２～請求項７」とするものであって、特許請求の範囲の減縮を目的とし、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてしたものであり、実質上特許請求の範囲を拡張し、又は変更するものではない。 ３ 小括 以上のとおり、一群の請求項１、８～１１の訂正は、特許法第１２０条の５第２項ただし書第１号に掲げる事項を目的とするものであり、同法同条第９項で準用する特許法第１２６条第５項及び第６項の規定に適合するものである。 したがって、特許請求の範囲の請求項１、８～１１について、訂正請求書に添付された訂正特許請求の範囲のとおり、訂正することを認める。 第３ 本件発明について 上記第２の３のとおり、本件訂正は認められ、請求項１及び８は削除されたから、本件特許の請求項２～７、９～１１に係る発明（以下、それぞれ「本件発明２」～「本件発明７」、「本件発明９」～「本件発明１１」という。）は、訂正された特許請求の範囲の請求項２～７、９～１１に記載された事項により特定される次のとおりのものである。なお、Ａ～Ｍは、構成要件を区別するために当審で付与したものであり、以下、「構成Ａ」～「構成Ｍ」という。 〔本件発明２〕【請求項２】 Ａ 印刷物に印刷された文字情報を情報処理装置が収集する方法であって、 Ｂ 前記情報処理装置が、光学文字認識により前記印刷物の画像から読み取られた一群の文字列を取得する工程と、 Ｃ 前記情報処理装置が、所定の１以上の項目に関する１以上の前記文字情報を前記一群の文字列から抽出するように大規模言語モデルへ指示を与える第１プロンプトを生成する工程と、 Ｄ 前記情報処理装置が、生成した前記第１プロンプトを前記大規模言語モデルに提供し、当該第１プロンプトに応じて前記一群の文字列から抽出された１以上の前記文字情報を前記大規模言語モデルから取得する工程と、 Ｅ 前記情報処理装置が、前記一群の文字列から抽出する情報の種類に関する種類情報を取得する工程と Ｆ を有し、 Ｇ 前記第１プロンプトを生成する工程は、前記種類情報が示す前記種類について定められた１以上の前記項目に関する１以上の前記文字情報を前記一群の文字列から抽出するように指示する前記第１プロンプトを生成することを含む、 Ａ 方法。 〔本件発明３〕【請求項３】 前記種類情報を取得する工程は、 前記種類を特徴付ける所定のキーワードを前記一群の文字列において検索することと、 検索により見つかった前記キーワードに基づいて前記種類を判定することとを含む、 請求項２に記載の方法。 〔本件発明４〕【請求項４】 前記種類情報を取得する工程は、 所定の複数の前記種類から該当する１つの前記種類を前記一群の文字列に基づいて判定するように前記大規模言語モデルへ指示を与える第２プロンプトを生成することと、 生成した前記第２プロンプトを前記大規模言語モデルに提供し、当該第２プロンプトに応じて判定された前記種類を前記大規模言語モデルから取得することとを含む、 請求項２に記載の方法。 〔本件発明５〕【請求項５】 Ａ 印刷物に印刷された文字情報を情報処理装置が収集する方法であって、 Ｂ 前記情報処理装置が、光学文字認識により前記印刷物の画像から読み取られた一群の文字列を取得する工程と、 Ｃ 前記情報処理装置が、所定の１以上の項目に関する１以上の前記文字情報を前記一群の文字列から抽出するように大規模言語モデルへ指示を与える第１プロンプトを生成する工程と、 Ｄ 前記情報処理装置が、生成した前記第１プロンプトを前記大規模言語モデルに提供し、当該第１プロンプトに応じて前記一群の文字列から抽出された１以上の前記文字情報を前記大規模言語モデルから取得する工程と Ｆ を有し、 Ｈ 前記第１プロンプトを生成する工程は、少なくとも一部の前記項目について、前記一群の文字列から前記項目に関する前記文字情報を抽出する第１指示と、前記一群の文字列中の前記項目に関するキーワードに基づいて前記項目に関する関連情報をウェブ検索により収集する第２指示とを含んだ前記第１プロンプトを生成することを含み、 Ｉ 前記文字情報を取得する工程は、前記第１指示に応じて抽出された前記文字情報と、前記第２指示に応じて収集された前記関連情報とを前記大規模言語モデルから取得することを含み、 Ｊ 前記情報処理装置が、一の前記項目について前記大規模言語モデルから取得した前記文字情報を、当該一の項目について取得した前記関連情報に応じて修正する工程を有する、 Ａ 方法。 〔本件発明６〕【請求項６】 文字情報を修正する工程は、前記関連情報のウェブ上での公開日が前記印刷物の発行日より後の場合、前記文字情報を前記関連情報に応じて修正することを含む、 請求項５に記載の方法。 〔本件発明７〕【請求項７】 Ａ 印刷物に印刷された文字情報を情報処理装置が収集する方法であって、 Ｂ 前記情報処理装置が、光学文字認識により前記印刷物の画像から読み取られた一群の文字列を取得する工程と、 Ｃ 前記情報処理装置が、所定の１以上の項目に関する１以上の前記文字情報を前記一群の文字列から抽出するように大規模言語モデルへ指示を与える第１プロンプトを生成する工程と、 Ｄ 前記情報処理装置が、生成した前記第１プロンプトを前記大規模言語モデルに提供し、当該第１プロンプトに応じて前記一群の文字列から抽出された１以上の前記文字情報を前記大規模言語モデルから取得する工程と Ｆ を有し、 Ｋ 前記第１プロンプトを生成する工程は、少なくとも一部の前記項目について、前記一群の文字列から前記項目に関する前記文字情報を抽出する第１指示と、前記一群の文字列中の前記項目に関するキーワードに基づいて前記項目に関する関連情報をウェブ検索により収集する第２指示と、前記第２指示に応じて一の前記項目について収集された前記関連情報から、当該一の項目についての前記文字情報を抽出する第３指示とを含んだ前記第１プロンプトを生成することを含み、 Ｌ 前記文字情報を取得する工程は、前記第１指示に応じて前記一群の文字列から抽出された前記文字情報と、前記第３指示に応じて前記関連情報から抽出された前記文字情報とを前記大規模言語モデルから取得することを含み、 Ｍ 前記情報処理装置が、一の前記項目について前記第１指示に応じて前記一群の文字列から抽出された前記文字情報を、当該一の項目について前記第３指示に応じて前記関連情報から抽出された前記文字情報に応じて修正する工程を有する、 Ａ 方法。 〔本件発明９〕【請求項９】 前記情報処理装置が、前記印刷物に表が印刷されている場合において、当該印刷物の前記表から光学文字認識により読み取られた表データを取得する工程を有し、 前記第１プロンプトを生成する工程は、前記印刷物の前記表から読み取られた前記表データを取得した場合、前記一群の文字列及び前記表データから前記文字情報を抽出するように指示する前記第１プロンプトを生成することを含む、 請求項２～請求項７のいずれか一項に記載の方法。 〔本件発明１０〕【請求項１０】 印刷物に印刷された文字情報を収集する処理を情報処理装置に行わせる命令を含んだプログラムであって、 前記命令に従って前記情報処理装置が行う処理は、請求項２～請求項７のいずれか一項に記載された方法の各工程を含む、 プログラム。 〔本件発明１１〕【請求項１１】 印刷物に印刷された文字情報を収集する処理を行う情報処理装置であって、 処理部と、 前記処理部において実行される命令を記憶した記憶部とを有し、 前記処理部が前記命令に従って行う処理は、請求項２～請求項７のいずれか一項に記載された方法の各工程を含む、 情報処理装置。 第４ 取消理由通知に記載した取消理由について 当審において特許権者に通知した取消理由の概要は、次のとおりである。 理由１（進歩性） 請求項１、８、１０、１１に係る発明は、本件特許出願前に日本国内又は外国において、頒布された刊行物に記載された発明又は電気通信回線を通じて公衆に利用可能となった発明（引用文献１に記載された発明、及び引用文献２、３に記載された技術事項に例示される周知の技術事項）に基いて、本件特許出願前にその発明の属する技術の分野における通常の知識を有する者が容易に発明をすることができたものであるから、請求項１、８、１０、１１に係る特許は、特許法第２９条第２項の規定に違反してされたものである。 引用文献１： Vincent Perot et al.、「LMDX: LANGUAGE MODEL-BASED DOCUMENT INFORMATION EXTRACTION AND LOCALIZATION」、[online]、令和５年９月１９日、インターネット<URL: https://arxiv.org/pdf/2309.10952v1>（申立人１が提出した甲第１号証であって、申立人３が提出した甲第１号証。） 引用文献２： おがた さとし、「ChatGPT で抽出 & フォーマットのタスクをするときのテクニック」、[online]、令和５年３月１３日、インターネット<URL：https://qiita.com/ogatango/items/3ef5e7e87f66ed971411>（申立人１が提出した甲第２号証。） 引用文献３： tt-tsukumochi、「chatgpt-prompt-engineering-for-developersで学ぶプロンプトエンジニアリング【ChatGPT】」、[online]、令和５年６月８日、インターネット<URL：https://tt-tsukumochi.com/archives/8052>（申立人１が提出した甲第３号証。） 第５ 特許異議申立理由 特許異議申立理由の概要は、次のとおりである。 １ 特許異議の申立て１ （１） 申立理由 ア 申立理由１－１（甲第１号証を主引例とした進歩性） 本件特許の請求項１、１０、１１に係る発明は、甲第１号証に記載された発明及び甲第２～６号証に記載された技術事項に基づいて、当業者が容易に発明をすることができたものであるから、特許法第２９条第２項の規定により特許を受けることができない。 イ 申立理由１－２（甲第２号証を主引例とした進歩性） 本件特許の請求項１、１０、１１に係る発明は、甲第２号証に記載された発明及び甲第１、８～１０号証に記載された技術事項に基づいて、当業者が容易に発明をすることができたものであるから、特許法第２９条第２項の規定により特許を受けることができない。 （２） 証拠方法 甲第１号証： Vincent Perot et al.、「LMDX: LANGUAGE MODEL-BASED DOCUMENT INFORMATION EXTRACTION AND LOCALIZATION」、令和５年９月１９日 甲第２号証： おがた さとし、「ChatGPT で抽出 & フォーマットのタスクをするときのテクニック」、[online]、令和５年３月１３日、インターネット<https://web.archive.org/web/20230318091757/https://qiita.com/ogatango/items/3ef5e7e87f66ed971411> 甲第３号証： tt-tsukumochi、「chatgpt-prompt-engineering-for-developersで学ぶプロンプトエンジニアリング【ChatGPT】」、[online]、令和５年６月８日、インターネット<https://web.archive.org/web/20230917131749/https://tt-tsukumochi.com/archives/8052> 甲第４号証： りすけん、「LangChainで対話テキストからイベント情報をまとめる１」、[online]、令和４年１２月３１日、インターネット<https://note.com/sator926/n/n592cda4756f0> 甲第５号証： sasami_axis、「Microsoft365管理センターのサービス正常性のメール通知を翻訳してTeamsチャネルに投稿するPowerAutomateクラウドフロー(2/2) OpenAI API Completionにお任せ版」、[online]、令和５年６月２８日、インターネット<https://web.archive.org/web/20230628021039/https:/sasami-axis.hatenablog.com/entry/2023/06/28/110925> 甲第６号証： 特許第７３４９２１９号公報 甲第７号証： YouTube動画「ChatGPTで使える裏技11選【みんなが知らない秘密のテクニック集】」及び反訳書面、令和４年４月１１日 甲第８号証： 特開２０２１－１６５９６７号公報 甲第９号証： 「シナモン、技術文書デジタル化とナレッジ活用をワンストップで行うAI-OCR「ぜんぶよむもんLLMオプション」を提供開始」、[online]、令和５年７月１８日、株式会社アールジーン、インターネット<https://web.archive.org/web/20230719103641/https:/iotnews.jp/manufacturing/229780/> 甲第１０号証： 逆瀬川、「ChatGPT APIのFunction callingを使って、請求書の構造化データを抽出する」、令和５年７月１８日、インターネット<https://web.archive.org/web/20230719163226/https:/gihyo.jp/article/2023/07/programming-with-chatgpt-04> ２ 特許異議の申立て２ （１） 申立理由 ア 申立理由２－１（甲第１号証を主引例とした新規性） 本件特許の請求項１に係る発明は、甲第１号証に記載された発明であるから、特許法第２９条第１項第３号に該当し、特許を受けることができない。 イ 申立理由２－２（甲第１号証を主引例とした進歩性） 本件特許の請求項１に係る発明は、甲第１号証に記載された発明、又は、甲第１号証に記載された発明及び甲第２～７号証に記載された技術事項に基づいて、当業者が容易に発明をすることができたものであるから、特許法第２９条第２項の規定により特許を受けることができない。 （２） 証拠方法 甲第１号証： Vincent Perot et al.、「LMDX: Language Model-based Document Information Extraction and Localization」、[online]、２０２４年６月２１日、p.1, 3, 4, 5, 19、インターネット：<URL:https://arxiv.org/pdf/2309.10952.pdf> なお、特許異議申立書に添付された証拠説明書によれば、甲第１号証の作成年月日が２０２３年９月１９日とされているが、当該甲第１号証には「21 Jun 2024」と記載されており、その内容及びURLから見て、２０２４年６月２１日にリバイスされたものと認められる。 甲第２号証： Alejandro Lopez-Lira and Yuehua Tang、「Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models」、[online]、２０２３年４月２２日、p.9、インターネット<URL:https://www.dirk.org/wp-content/uploads/2023/06/Can-ChatGPT-Forecast-Stock-Price-Movements.pdf> なお、特許異議申立書に添付された証拠説明書によれば、甲第２号証の作成年月日が２０２３年６月２２日とされており、この根拠は、２０２３年６月２２日付けの他のＷｅｂページにおいて、甲第２号証の論文である「Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models」を参照していることにあると解されるが、当該論文には複数のバージョンがあり、いずれのバージョンを参照しているのかは明らかでない。 当審で確認したところ、提出された甲第２号証（p.9のみ）は、バージョン２<https://arxiv.org/abs/2304.07619v2>と同一であることから、バージョン２の日付からみて、甲第２号証（p.9のみ）の内容は、令和５年４月２２日に電気通信回線を通じて公衆に利用可能となったものと認められる。 甲第３号証： peko-peko、「OpenAIのChatAPIを利用した「ふりがな生成」サービスを作った」、[online]、２０２３年６月１日、インターネット<URL:https://zenn.dev/pekopeko/articles/ab9c8dde77a788> 甲第４号証： エル先生、「プロンプトエンジニアについて【後編】」、[online]、２０２３年４月１７日，インターネット<URL:https://note.com/erusousui/n/nbb7a910e3ef6> 甲第５号証： sh1,「言語モデル(LMs) を効率的に利用するプロンプト基礎学習メモ」、[online]、２０２３年４月６日、インターネット<URL:https://shikaku-sh.hatenablog.com/entry/ai-prompt-basic-1> 甲第６号証： sergicalsix、「ChatGPTの進化を辿る：最新研究論文12選」、[online]、２０２３年７月２３日、インターネット<URL:https://qiita.com/sergicalsix/items/f28064ce8894f114017f> 甲第７号証： genkAIjokyo、「汎用性の高い効果的なChatGPTのCustom Instructionの設定8選」、[online]、２０２３年８月１９日、インターネット<URL:https://note.com/genkaijokyo/n/n953e0867e454> ３ 特許異議の申立て３ （１） 申立理由 ア 申立理由３－１（甲第１号証を主引例とした進歩性） 本件特許の請求項１～１１に係る発明は、甲第１号証に記載された発明及び甲第２～１７号証に記載された技術事項に基づいて、当業者が容易に発明をすることができたものであるから、特許法第２９条第２項の規定により特許を受けることができない。 イ 申立理由３－２（明確性） 本件特許の請求項５、７に係る発明は明確ではないから、特許法第３６条第６項第２号に規定する要件を満たしていない。 （２） 証拠方法 甲第１号証： Vincent Perot et al.、「LMDX: Language Model-based Document Information Extraction and Localization」、[online]、令和５年９月１９日、インターネット<URL:https://arxiv.org/pdf/2309.10952v1> 甲第２号証： 「ChatGPTが「ウソ」をつかないプロンプトの書き方」、[online]、令和５年４月１３日、インターネット<URL:https://note.com/satoshi60/n/n780540523055> 甲第３号証： インターテックリサーチ株式会社、「Bard/ChatGPT/Bingに訊いてみた ～プロンプトエンジニアリング－その６～」、[online]、令和５年６月１０日、インターネット<URL:https://www.itrco.jp/wordpress/2023/06/bard-chatgpt-bing%E3%81%AB%E8%A8%8A%E3%81%84%E3%81%A6%E3%81%BF%E3%81%9F%E3%80%80%EF%BD%9E%E3%83%97%E3%83%AD%E3%83%B3%E3%83%97%E3%83%88%E3%82%A8%E3%83%B3%E3%82%B8%E3%83%8B%E3%82%A2%E3%83%AA%E3%83%B3-6/> 甲第４号証： 北郷 達郎、「生成AIを使いこなそう、プロンプトエンジニアリング事始め」、[online]、令和５年７月１３日、株式会社日経ＢＰ、インターネット< URL:https://xtech.nikkei.com/atcl/nxt/column/18/02515/070300004/> 甲第５号証： 特開２０２１－１２８３６５号公報 甲第６号証： 特開２０１３－２５０６２５号公報 甲第７号証： 三柳 英樹、「東芝デジタルソリューションズ、非定型文書から必要な項目を探し出して読み取る文字認識サービスを提供」、[online]、平成３１年１月３１日、株式会社インプレス、インターネット< URL:https://cloud.watch.impress.co.jp/docs/news/1167451.html> 甲第８号証： 特開２０１０－１０２６６８号公報 甲第９号証： 特許第６５０４５１４号公報 甲第１０号証： 特開２０２０－１８１３６９号公報 甲第１１号証： ライフハッカー・ジャパン編集部、「ChatGPTの新しい「ウェブブラウジング機能」を使ってみた。便利だけど大きな課題も…」、[online]、令和５年６月２６日、インターネット<URL:https://www.lifehacker.jp/article/2305-gizmodo-chatgpt-may-12-update-web-browsing/> 甲第１２号証： IT navi、「ChatGPTのWebブラウジング機能をBingやBardと比較してみた」、[online]、令和５年５月２０日、インターネット< URL:https://note.com/it_navi/n/n4360935a81b9> 甲第１３号証： 安藤 正芳、「根本から理解する生成ＡＩ導入」、日経コンピュータ、令和５年７月６日、株式会社日経ＢＰ、p.50～54 甲第１４号証： 田中 陽菜、「新常態で攻める第一生命 非対面から「くせ字」認識まで徹底DX」、日経コンピュータ、令和２年１２月１０日、株式会社日経ＢＰ、p.42～49 甲第１５号証： 川上 明久、「生成AIをデータマネジメント業務に活用、データ加工と高い親和性」、[online]、令和５年７月１２日、株式会社日経ＢＰ、インターネット< URL:https://xtech.nikkei.com/atcl/nxt/column/18/02358/062900015/> 甲第１６号証： NAVITIME_Tech、「PDF形式で納品された表データをOCRでデータ化する」、[online]、令和４年８月１７日、インターネット< URL:https://note.com/navitime_tech/n/nd534691a45b5> 甲第１７号証： 「OCRで画像中の書類から表データを抜き出してみる」、[online]、令和３年６月２５日、株式会社Ｆｕｓｉｃ、インターネット< URL:https://tech.fusic.co.jp/posts/2021-06-25-ml-ocr-gcp-vision-api/> 第６ 甲号証について １ 甲第１号証 （１） 甲第１号証に記載された事項 特許異議の申立て３の甲第１号証には、以下の記載がある。なお、下線は当審において付したものであり、以下同様である。 ア 「ABSTRACT Large Language Models (LLM) have revolutionized Natural Language Processing (NLP), improving state-of-the-art on many existing tasks and exhibiting emergent capabilities. However, LLMs have not yet been successfully applied on semi-structured document information extraction, which is at the core of many document processing workflows and consists of extracting key entities from a visually rich document (VRD) given a predefined target schema. The main obstacles to LLM adoption in that task have been the absence of layout encoding within LLMs, critical for a high quality extraction, and the lack of a grounding mechanism ensuring the answer is not hallucinated. In this paper, we introduce Language Model-based Document Information EXtraction and Localization (LMDX), a methodology to adapt arbitrary LLMs for document information extraction. LMDX can do extraction of singular, repeated, and hierarchical entities, both with and without training data, while providing grounding guarantees and localizing the entities within the document.」 （１頁９～２３行） （当審仮訳： 要約 大規模言語モデル（ＬＬＭ）は、自然言語処理（ＮＬＰ）に革命をもたらし、多くの既存のタスクに関する最先端技術を改良し、能力を現している。しかしながら、ＬＬＭは、多くの文書処理ワークフローの中核にあり、所定のターゲットスキーマが与えられた視覚的に豊かな文書（ＶＲＤ）からキーエンティティを抽出することからなる半構造化文書の情報抽出にまだうまく適用されていない。そのタスクでＬＬＭを採用する上での主な障害は、ＬＬＭ内に、高品質の抽出に重要な、レイアウトのエンコーディングの欠如、及び、答えがハルシネートされたものでないことを保証するグラウンディングメカニズムの欠如であった。このペーパーでは、文書情報の抽出に任意のＬＬＭを適合させる方法論である言語モデルベースの文書情報抽出及び位置特定（ＬＭＤＸ）を紹介する。ＬＭＤＸは、グラウンディング保証を提供し、文書内のエンティティの位置特定を行いながら、トレーニングデータの有無にかかわらず、単一、反復及び階層のエンティティを抽出できる。） イ 「1 INTRODUCTION ・・・ Within that field, the task of document information extraction (IE), which consists of extracting key entities within a semi-structured document (e.g. invoice, tax form, paystub, receipt, etc) given a predefined schema, has received a lot of attention from industry and academia due to its importance and wide applicability to intelligent document processing workflows. However, document information extraction still remains challenging for current generation systems. In particular, information in semi-structured forms is organized in complex layout across many possible templates, which requires understanding of the document context, spatial alignment among the different segments of text, and tabular arrangement of structured entities (e.g. line items on an invoice, deduction items on a paystub, etc.). Content on the document can be printed or handwritten, with scanning artefacts like rotation and contrast issues.」 （１頁２６～３８行） （当審仮訳： １ 序論 ・・・ その分野では、予め定義されたスキーマを与えられた半構造化文書（例えば、インボイス、税金フォーム、ｐａｙｓｔｕｂ、領収書など）内のキーエンティティを抽出することからなる文書情報抽出（ＩＥ）のタスクは、その重要度およびインテリジェントな文書処理ワークフローへの広い適用可能性により、産業界および学会から多くの注目を受けている。しかしながら、文書情報抽出は、現世代のシステムにとって依然として課題である。特に、半構造化様式の情報は、多くの想定されるテンプレートにわたって複雑なレイアウトで編成され、これは、文書コンテキスト、テキストの異なるセグメント間の空間アラインメント、および構造化エンティティの表形式配置（例えば、インボイスのラインアイテム、給与明細書の控除項目など）の理解を必要とする。文書上のコンテンツは、回転、コントラストの問題のようなスキャンアーチファクトを伴う、印刷や手書きされたものであり得る。） ウ 「2 METHODOLOGY 2.1 OVERVIEW Overall, our pipeline is divided into five stages: OCR, chunking, prompt generation, LLM inference and decoding, detailed in the following sections. An overview with a simple example can be found in Figure 1, with the input and output of each stage showcased. 2.2 OPTICAL CHARACTER RECOGNITION We first use an off-the-shelf OCR service on the document image to obtain words and lines segments, along with their corresponding spatial position (bounding box) on the document. An example of output from that stage on a sample document is given in Appendix A.6. 2.3 CHUNKING Since a document can be arbitrarily long and that LLMs have limited input token length, the document is divided into document chunks so that each is small enough to be processed by the LLM. ・・・ At the end of this stage, we have N chunks. The decision to first divide the document by page stems from the observation that entities rarely cross page boundaries, and as such this chunking scheme will have minimal impact on the final extraction quality. The algorithm is described in pseudo-code in Appendix A.1. 2.4 PROMPT GENERATION The prompt generation stage takes in the N document chunks and creates a LLM prompt for each of them. As seen in Figure 2, our prompt design contains the document representation, a description of the task, and the target schema representation containing the entities to extract. XML-like tags are used to define the start and end of each component. Document Representation. The chunk content is represented in the prompt as the concatenation of all its segment texts, suffixed with the coordinates of those segments in the following format: < segment text > XX|YY segment. ・・・ Task Description. The task description is simply a short explanation of the task to accomplish. In our experiments, we hard code it to the following: From the document, extract the text values and tags of the following entities:. 2.5 COMPLETION TARGETS In this section, we describe the expected LLM completion format, which can be observed in Figure 1. Like the schema, the completion is a JSON structured object with the keys being the entity types, and values being the extracted information from the document chunk. 2.6 LLM INFERENCE In this stage of the pipeline, we run inference on the LLM with the N prompts. ・・・ 2.7 DECODING In this stage, we parse the raw LLM completions into structured entities and their locations. Conversion to structured entities. We begin by parsing each model completion as a JSON object. Completions that fail to parse are discarded. For each key-value pair in the JSON object, we interpret the key as the entity type and parse the value to get the entity text and bounding box (as detailed in the next paragraph). ・・・ Hierarchical JSON object are recursively parsed as hierarchical entities in a similar manner. This algorithm is described in pseudo-code in Appendix A.3.」 （３頁１行～５頁１９行） （当審仮訳： ２ 方法論 ２．１ 概要 全体として、我々のパイプラインは５つのステージ：ＯＣＲ、チャンキング、プロンプト生成、ＬＬＭ推論及びデコーディングに分割され、詳細は次のセクションで述べる。図１の簡単な例の概要では各ステージの入力及び出力が示されている。 ２．２ 光学式文字認識 まず、文書のイメージに既製のＯＣＲサービスを使用して、文書の対応する空間位置（境界ボックス）と共に、ワード及びラインセグメントを取得する。サンプル文書についてのこのステージの出力例を付録Ａ．６に示す。 ２．３ チャンキング 文書は任意の長さにすることができ、ＬＬＭの入力トークン長は限られているので、文書は、ＬＬＭによって処理される小ささの文書チャンクに分割される。 ・・・ このステージの終わりに、N個のチャンクを得る。最初に文書をページごとに分割するという決定は、エンティティがページ境界を跨ぐことがほとんどないという観察に基づくものであり、このチャンキングのスキームが抽出の最終的な品質に与える影響は最小である。アルゴリズムは、付録Ａ．１に擬似コードで記述されている。 ２．４ プロンプト生成 プロンプト生成ステージは、Ｎ個の文書チャンクを取り込み、それらの各々についてＬＬＭプロンプトをクリエイトする。図２のように、我々のプロンプト設計は、文書表現、タスクの記述、及び抽出すべきエンティティを含むターゲットスキーマ表現を含む。ＸＭＬのようなタグが、各コンポーネントの開始と終了を定義するために使用される。 文書表現。プロンプトにおいて、チャンクコンテンツが、セグメントの座標が＜セグメントのテキスト＞ＸＸ｜ＹＹセグメントのフォーマットで末尾に付け加えられたセグメントのテキストの結合として表現される。 ・・・ タスクの記述。タスクの記述は、達成すべきタスクの簡単な説明である。我々の実験では、それを次の通りハードコードする：文書から、次のエンティティ：のテキスト値及びタグを抽出しなさい。 ２．５ 完成ターゲット このセクションでは、図１の、予想されるＬＬＭ完成フォーマットについて説明する。上記スキーマのように、完成物は、エンティティタイプであるキー、及び、文書チャンクから抽出された情報である値を持つＪＳＯＮ構造化オブジェクトである。 ・・・ ２．６ ＬＬＭ推定 パイプラインのこのステージでは、Ｎ個のプロンプトを用いてＬＬＭ上で推論を実行する。 ・・・ ２．７ デコーディング このステージで、生のＬＬＭ完成物を構造化されたエンティティ及びそれらの位置へと解析する。 構造化エンティティへの変換。各モデル完成物をＪＳＯＮオブジェクトとして解析することから始める。解析に失敗した完了は破棄される。ＪＳＯＮオブジェクト内の各キーと値のペアに対し、キーをエンティティタイプとして解釈し、値を解析してエンティティテキスト及び境界ボックスを得る（次の段落で詳述）。 ・・・ 階層ＪＳＯＮオブジェクトは、同様の方法で階層エンティティとして再帰的に解析される。このアルゴリズムは、付録Ａ．３の擬似コードで記述されている。） （２） 甲１発明 ア 上記（１）アによれば、甲第１号証では、「ＬＬＭ」は「大規模言語モデル」であり、「視覚的に豊かな文書（ＶＲＤ）からキーエンティティを抽出することからなる半構造化文書の情報抽出」に関して、「ＬＬＭを採用する上での主な障害は」「レイアウトのエンコーディングの欠如、及び、答えがハルシネートされたものでないことを保証するグラウンディングメカニズムの欠如であった」とした上で、「文書情報の抽出に任意のＬＬＭを適合させる方法論である言語モデルベースの文書情報抽出及び位置特定（ＬＭＤＸ）を紹介」している。 イ 上記（１）イによれば、「半構造化文書（例えば、インボイス、税金フォーム、ｐａｙｓｔｕｂ、領収書など）内のキーエンティティを抽出することからなる文書情報抽出（ＩＥ）のタスクは」、「インテリジェントな文書処理ワークフローへの広い適用可能性により、産業界および学会から多くの注目を受けている」ことから、「半構造化文書（例えば、インボイス、税金フォーム、ｐａｙｓｔｕｂ、領収書など）内のキーエンティティを抽出することからなる文書情報抽出（ＩＥ）のタスクは」、「インテリジェントな文書処理ワークフローへ」広く適用されるものである。 ウ 上記（１）ウによれば、上記アの「言語モデルベースの文書情報抽出」では、 「文書のイメージに既製のＯＣＲサービスを使用して」、「ワード」「を取得」し、 「文書は、ＬＬＭによって処理される小ささの文書チャンクに分割され」、 「ＬＬＭプロンプトをクリエイト」し、 「プロンプト設計は、文書表現、タスクの記述、及び抽出すべきエンティティを含むターゲットスキーマ表現を含」み、 「文書表現」として「チャンクコンテンツが」「セグメントのテキストの結合として表現され」、 「タスクの記述」として「文書から」「エンティティ」「のテキスト値及びタグを抽出」させることが「コード」され、 「プロンプトを用いてＬＬＭ上で推論を実行」し、 「生のＬＬＭ完成物を構造化されたエンティティ及びそれらの位置へと解析」するにあたって、「各モデル完成物をＪＳＯＮオブジェクトとして解析することから始め」、「ＪＳＯＮオブジェクト内の各キーと値のペアに対し、キーをエンティティタイプとして解釈し、値を解析してエンティティテキスト及び境界ボックスを得」るものと認められる。 エ 上記（１）イによれば、「文書上のコンテンツは」、「印刷」「されたものであり得る」から、上記ウの「既製のＯＣＲサービスを使用して」、「ワード」「を取得」する「文書のイメージ」には、「印刷」された「文書のイメージ」が含まれる。 オ 上記（１）ウの「２．３ チャンキング」と「２．７ デコーディング」のセクションでは、「擬似コードで記述」された「アルゴリズム」を参照していることから、チャンキングと、デコーディングにおける解析にあたって「擬似コードで記述」された「アルゴリズム」を用いることが記載されているといえる。 カ 上記アに記載したように、甲第１号証に記載された「言語モデルベースの文書情報抽出及び位置特定（ＬＭＤＸ）」は「方法論」であり、上記ウに示したとおり、「文書情報抽出及び位置特定」にあたって行う内容が特定されているから、甲第１号証には、「言語モデルベースの文書情報抽出及び位置特定（ＬＭＤＸ）」の「方法」が記載されているといえる。 上記ア～カを纏めると、甲第１号証には以下の発明（以下、「甲１発明」という。）が記載されているものと認められる。（記号「ａ」～「ｌ」は、分説するために当審が付したものであり、記号「ａ」～「ｌ」に対応する発明特定事項を、以下「構成ａ」～「構成ｌ」という。） 「ａ 視覚的に豊かな文書（ＶＲＤ）からキーエンティティを抽出することからなる半構造化文書の情報抽出に関して、大規模言語モデル（ＬＬＭ）を採用する上での主な障害は、レイアウトのエンコーディングの欠如、及び、答えがハルシネートされたものでないことを保証するグラウンディングメカニズムの欠如であったことに対し、 ｂ 文書情報の抽出に任意のＬＬＭを適合させる方法論である言語モデルベースの文書情報抽出及び位置特定（ＬＭＤＸ）の方法であって、 ｃ 半構造化文書（例えば、インボイス、税金フォーム、ｐａｙｓｔｕｂ、領収書など）内のキーエンティティを抽出することからなる文書情報抽出（ＩＥ）のタスクは、インテリジェントな文書処理ワークフローへ広く適用されるものであり、 ｄ 印刷された文書のイメージに既製のＯＣＲサービスを使用してワードを取得し、 ｅ 文書はＬＬＭによって処理される小ささの文書チャンクに分割され、 ｆ ＬＬＭプロンプトをクリエイトし、 ｇ プロンプト設計は、文書表現、タスクの記述、及び抽出すべきエンティティを含むターゲットスキーマ表現を含み、 ｈ 文書表現としてチャンクコンテンツがセグメントのテキストの結合として表現され、 ｉ タスクの記述として文書からエンティティのテキスト値及びタグを抽出させることがコードされ、 ｊ プロンプトを用いてＬＬＭ上で推論を実行し、 ｋ 生のＬＬＭ完成物を構造化されたエンティティ及びそれらの位置へと解析するにあたって、各モデル完成物をＪＳＯＮオブジェクトとして解析することから始め、ＪＳＯＮオブジェクト内の各キーと値のペアに対し、キーをエンティティタイプとして解釈し、値を解析してエンティティテキスト及び境界ボックスを得るものであり、 ｌ チャンキング、解析にあたって擬似コードで記述されたアルゴリズムを用いる、 ｂ 方法。」 ２ 甲第２号証 特許異議の申立て３の甲第２号証には、「ChatGPTがウソを書かないプロンプト」として、「ウソを排除するための条件を書く」ことが記載されている。 ３ 甲第３号証 特許異議の申立て３の甲第３号証には、「言語モデルのでっち上げを減らし、事実に基づいた回答を生成させるには」、「わからない場合は「わからない」と言うように指示する」ことが記載されている。 ４ 甲第４号証 特許異議の申立て３の甲第４号証には、「LLMの出力を自力でコントロールできるように「カスタマイズ」するスキル」について記載されている。 ５ 甲第５号証 特許異議の申立て３の甲第５号証には、以下の記載がある。 「【請求項６】 前記プロセッサは、 前記入力画像に含まれる前記原稿の種類を示す種類情報を取得し、 前記検出では、取得した前記種類情報が示す前記種類に対応づけて予め定められた前記１以上の項目を、前記入力画像から検出する、 ことを特徴とする請求項１～５のいずれか１項に記載の情報処理装置。」 「【０００８】 本発明は、原稿の項目に基づいて、原稿を撮像した入力画像から原稿領域を抽出しない場合よりも、該入力画像中から適切に原稿領域を抽出することを目的とする。」 「【００３８】 原稿には、氏名、会社名、住所、電話番号、電子メールアドレス、商品名、合計金額、クレジットカード決済情報等の様々な項目が含まれる。同じ種類の原稿であれば、必ず含んでいると想定される項目がある。このような項目がキー項目である。例えば、レシートの場合は、発行者の会社名、住所、合計金額等がキー項目の例であり、名刺の場合は、氏名、会社名、住所、電話番号等の連絡先がキー項目の例である。原稿の種類ごとに、１以上のキー項目が設定される。」 「【００５４】 マルチクロップの開始指示の際、プロセッサ１０２は、ユーザに、原稿の種類（例えば名刺か、レシートか）の指定を求めてもよい。」 「【００８９】 図１９に例示する推定結果画面３００は、スキャン画像１０上に本推定結果の原稿領域１４ａ及び１４ｂを重畳して表示したものである。スキャン画像１０内には、原稿画像１２ａ及び１２ｂが表示される。図示例では、原稿領域１４ａ及び１４ｂは、それぞれ、対応する原稿画像１２ａ及び１２ｂ内のキー項目群を含む領域を囲んだ枠線の形態である。ただし、図示した枠線の表示形態はあくまで一例に過ぎない。」 当該記載によれば、特許異議の申立て３の甲第５号証には、入力画像中から適切に原稿領域を抽出することを目的とし、ユーザに、原稿の種類の指定を求め、前記原稿の種類を示す種類情報を取得し、前記種類情報が示す前記種類に対応づけて予め定められた項目を前記入力画像から検出することで、同じ種類の原稿であれば、必ず含んでいると想定されるキー項目群を含む領域を囲んだ枠線の形態を推定結果の原稿領域とすることが記載されている。 ６ 甲第６号証 特許異議の申立て３の甲第６号証には、以下の記載がある。 「【００１５】 事務センタ２は、複数の営業店１から送信された帳票イメージを受け付け、帳票イメージから帳票種類を認識しかつ帳票記入事項を文字認識する。また集中センタ４では、所定の項目の入力を行って帳票データとしてホストコンピュータ５に送信する。そのため事務センタ２には、営業店１から回線３を介して送信される帳票イメージを受信する集配信サーバ２１と、集配信サーバ２１から帳票イメージを受取りデータベース２３へ格納するマルチイメージエントリ（以下ＭＩＥという）サーバ２２と、帳票イメージから帳票種類を認識し記入事項の文字認識を行うＭＩＥ認識サーバ２４及び集中センタ４の入力端末２５の帳票データの管理画面（照会等）にＷｅｂ形式で表示するための制御を行うＭＩＥＷｅｂサーバ２６を有する。また、集中センタ４には、帳票認識及び文字認識した認識データから、所定の項目の入力を行って帳票データとしてホストコンピュータ５に送信する入力端末２５を有する。 【００１６】 なお、ここでＭＩＥ、即ちマルチイメージエントリは、帳票の大きさ、記入項目の枠の位置、寸法を認識サーバに合わせて設計した帳票を扱うのでなく、複数種類の帳票に対応して認識可能とするシステムである。即ち、後述する帳票定義テーブル５２に各種帳票の寸法等から作成された帳票認識用のパターンデータ等の帳票定義を格納し、読み取った帳票イメージから帳票定義に適合する帳票の種類を認識するようにしたので、複数種類の帳票について読取可能としたものである。 【００１７】 集配信サーバ２１は、営業店１から回線３を介して送信された帳票イメージを受信すると当該帳票イメージをＭＩＥサーバ２２へ転送する。ＭＩＥサーバ２２は、集配信サーバ２１から転送された帳票イメージをデータベース２３へ格納する。更に、ＭＩＥサーバ２２は、ＭＩＥ認識サーバ２４が後述する帳票定義テーブル５２に従って認識した帳票の種類としての認識データ及び文字認識した認識データをデータベース２３へ格納する。そして、ＭＩＥサーバ２２は、後述する管理情報テーブル３７を作成して記憶部３６に記憶する。データベース２３は、帳票イメージを格納するイメージファイル２３－１と、前記文字認識した認識データ及び前記帳票の種類としての認識データ（入力画面／電文仕様データ等を含む）を格納する認識済みファイル２３－２を有する。」 当該記載によれば、特許異議の申立て３の甲第６号証には、読み取った帳票イメージから帳票定義に適合する帳票の種類を認識し、帳票記入事項を文字認識し、認識した帳票の種類としての認識データ及び文字認識した認識データをデータベースへ格納することが記載されている。 ７ 甲第７号証 特許異議の申立て３の甲第７号証には、以下の記載がある。 「業務効率を大善する文字認識サービスについて、読み取り位置を事前に設定しなくても、受発注伝票や見積書などさまざまな書式・レイアウトの非定型文書から必要な項目を探し出して読み取る機能など、機能強化版の販売を開始した。 機能強化版の文字認識サービスでは、専用のスキャナが不要で、オフィスの複合機などで作成した紙文書のイメージデータから、簡単な操作で必要な文字を認識することが可能。面倒な読み取り位置の詳細定義は不要で、キーワード（読み取りたい項目）を登録するだけで該当する項目を探して活字を読み取るため、さまざまな書式の非定型文書で利用できる。 特に「請求書」については、合計金額や請求番号などの主なキーワードが事前登録（プリセット）されているため、すぐに利用でき、「合計金額／総合計／御合計」といった言葉の「ゆらぎ」にも対応する。」 当該記載によれば、特許異議の申立て３の甲第７号証には、受発注伝票や見積書などさまざまな書式・レイアウトの非定型文書から必要な項目を探し出して読み取る機能に関して、キーワード（読み取りたい項目）を登録するだけで該当する項目を探して活字を読み取るため、さまざまな書式の非定型文書で利用でき、特に「請求書」については、合計金額や請求番号などの主なキーワードが事前登録（プリセット）されていることが記載されている。 ８ 甲第８号証 特許異議の申立て３の甲第８号証には、「あらかじめユーザが」「文書の“種別”（「御見積書」や「請求書」など）に特異的な領域（タイトル部分など）を囲み、その領域座標と領域内の“文字列”をテンプレート化して登録してお」き、「入力文書内で登録済みの領域内に登録済みの文字列が書いてあるかどうかで、文書の種別を選択」し、文書種別を判定してメタデータ（「文書中に書かれた案件名・取引先会社名・契約日・受付番号など」）を抽出することが記載されている。 ９ 甲第９号証 特許異議の申立て３の甲第９号証には、「ＯＣＲ処理を行」い、「ＡＩ機能」により「書類を分類し」、「会計処理を行う」ことが記載されている。 １０ 甲第１０号証 特許異議の申立て３の甲第１０号証には、「書類内から事前に登録した１つまたは複数の見出し語（キーワード）を見つけ、その近辺の文字列を自動的に抽出するキーワードサーチ形ＯＣＲ処理を行う」ことが記載されている。 １１ 甲第１１号証 特許異議の申立て３の甲第１１号証には、以下の記載がある。 「2023年5月12日にOpenAI社がChatGPTに「ウェブブラウジング機能」（ネット検索を行なったうえで回答を作成する機能）をテスト実装すると発表しました。有料プランである「ChatGPT Plus」（月額20ドル）のユーザー限定で順次開放されています。」（１枚目８～１１行） 「ChatGPTの「最新情報に弱い」という弱点を補う機能であり、さらに便利に使えるようになるだろうと期待されていました（この機能がないと2021年までのデータに基づいた回答しか得られない）。」（２枚目４～６行） 当該記載によれば、特許異議の申立て３の甲第１１号証には、ChatGPTの「最新情報に弱い」という弱点を補う機能として、ChatGPTに「ウェブブラウジング機能」（ネット検索を行なったうえで回答を作成する機能）をテスト実装することが記載されている。 １２ 甲第１２号証 特許異議の申立て３の甲第１２号証には、以下の記載がある。 「おすすめの使い方としては、以下のような場面が考えられます： １．最新の情報を取得する：ChatGPTは2021年までの情報しか持っていませんので、それ以降の最新の情報を得るためには、Webブラウジング機能を使用します。 ２．特定のウェブサイトから情報を取得する：特定のウェブサイトからの情報を得るためには、そのURLを直接オープンすることができます。 ３．詳細なリサーチを行う：特定のトピックについてより詳細なリサーチを行いたい場合、複数の情報源を横断的に検索することができます。 ４．情報の信憑性を確認する：ChatGPTから提供された情報の信憑性を確認したい場合、Webブラウジング機能を使って情報源を調査することができます。」（２枚目２１～３４行目） 当該記載によれば、特許異議の申立て３の甲第１２号証には、ChatGPTは2021年までの情報しか持っていないので、それ以降の最新の情報を得るためには、Webブラウジング機能を使用することが記載されている。 １３ 甲第１３号証 特許異議の申立て３の甲第１３号証には、以下の記載がある。 「現在のChatGPTは2021年9月までのデータで学習しているため、無料版のChatGPTでは「現在の日本の総理大臣は誰？」という質問をしても正しく答えられない。 ・・・ こうした生成AIが苦手とする処理を補うフレームワークが注目されている。」（５２頁右欄３１～３９行） 「Agentモジュールを利用すると、ChatGPTだけでは回答できなかった「現在の日本の総理大臣は誰?」といった問いに対してGoogle検索の結果を返せる。GMOペパボの栗林健太郎取締役CTO (最高技術責任者)は「エージェントが外部サービスとのやり取りを代行する。これにより、ChatGPTなどの大規模言語モデル(LLM)が知らない情報を取得できる」と説明する。」（５３頁左欄１１～２０行） 当該記載によれば、特許異議の申立て３の甲第１３号証には、現在のChatGPTは2021年9月までのデータで学習しているため、無料版のChatGPTでは「現在の日本の総理大臣は誰？」という質問をしても正しく答えられないこと、及びAgentモジュールを利用すると、ChatGPTだけでは回答できなかった「現在の日本の総理大臣は誰?」といった問いに対してGoogle検索の結果を返せることが記載されている。 １４ 甲第１４号証 特許異議の申立て３の甲第１４号証には、以下の記載がある。 「「AIの確信度を出している点が特徴」だと岩元マネジャーは話す。 AIの確信度とはAI OCRの認識結果についての正解確率を指し、いわば「AIがどれくらい自信を持って認識しているか」を表す。例えばある顧客の手書き書類を文字認識した場合、文字認識結果と合わせて「80％の確率で正しく認識できている」という確信度を出力する。読み取った文字情報の確信度が高い項目はそのまま処理してデータ入力に進む。確信度が低い項目は自動で抽出され、人の目による確認・修正に回す。」（４８頁右欄３６～左欄７行） 当該記載によれば、特許異議の申立て３の甲第１４号証には、手書き書類を文字認識した場合、文字認識結果と合わせて「80％の確率で正しく認識できている」という確信度を出力すること、及び、読み取った文字情報の確信度が高い項目はそのまま処理してデータ入力に進み、確信度が低い項目は自動で抽出され、人の目による確認・修正に回すことが記載されている。 １５ 甲第１５号証 特許異議の申立て３の甲第１５号証には、「生成ＡＩ独自の強みとして、修正案の「確からしさ」を０～１００％で出力させるような利用方法ができ」、「閾値を設けて一定以上であれば修正案を自動的に採用するような方法が採れ」ることが記載されている。 １６ 甲第１６号証 特許異議の申立て３の甲第１６号証には、ＯＣＲに関して、「読み込みたい表のみにトリミングしてから読み込ませた方がアウトプットするＣＳＶの精度が高くな」ることが記載されている。 １７ 甲第１７号証 特許異議の申立て３の甲第１７号証には、ＯＣＲに関して、「書類画像内の「表」に注目し、画像から表のデータを認識して、表の構造を保ったままエクセルやｃｓｖといった表データに出力すること」が記載されている。 第７ 当審の判断 上記第２の３のとおり、本件訂正が認められ、申立理由の対象であった請求項１及び８が削除され、請求項１０、１１に係る発明についても当該請求項１又は８を引用しないものとされたため、上記第４の取消理由は解消したものと判断される。 また、上記第５の特許異議申立理由のうち、申立理由１－１、１－２、２－１、２－２は解消したものと判断される。 したがって、申立理由３－１のうち請求項２～７、９～１１に関するもの、及び申立理由３－２について以下検討する。 なお、申立人３によって提出された甲第１～１７号証を、以下、甲１～甲１７という。 １ 申立理由３－１（甲１を主引例とした進歩性） （１） 本件発明２ 本件発明２を甲１発明と対比する。 ア 対比 （ア） 構成Ａについて ａ 甲１発明の構成ｃによれば、「半構造化文書（例えば、インボイス、税金フォーム、ｐａｙｓｔｕｂ、領収書など）内のキーエンティティを抽出することからなる文書情報抽出（ＩＥ）のタスクは、インテリジェントな文書処理ワークフローへ広く適用されるものであ」るから、構成ｂの「言語モデルベースの文書情報抽出」は、「文書処理ワークフロー」に必要な文書情報を集めるものといえ、構成Ａの「情報を」「収集する」ことに相当する。 ｂ 上記ａを踏まえると、甲１発明の構成ｄにより、「印刷された文書のイメージに既製のＯＣＲサービスを使用してワードを取得」した上で、構成ｂの「言語モデルベースの文書情報抽出」を行うことは、構成Ａの「印刷物に印刷された文字情報を」「収集する」ことに相当する。 ｃ 甲１発明の構成ｊの「プロンプトを用いてＬＬＭ上で推論を実行」させるために情報処理装置を用いることは技術常識である。また、甲１発明では、構成ｌのように「アルゴリズム」を用いた処理を行うから、甲１発明の「方法」が「情報処理装置」を用いて実施されることは明らかである。 ｄ 上記ａ～ｃより、本件発明２と甲１発明は「印刷物に印刷された文字情報を情報処理装置が収集する方法」である点で共通する。 （イ） 構成Ｂ、Ｆについて 甲１発明の構成ｄの「印刷された文書のイメージに既製のＯＣＲサービスを使用して」「取得し」た「ワード」は、構成Ｂの「光学文字認識により前記印刷物の画像から読み取られた一群の文字列」に相当する。 そして、構成ｄの「ＯＣＲサービスを使用して」得た「ワード」は、「文書のイメージ」から得たものであり、構成ｅにより「文書チャンクに分割され」る対象であるから、構成ｌの「チャンキング」「にあたって擬似コードで記述されたアルゴリズムを用いる」ことを踏まえると、上記「ワード」が、「チャンキング」の対象として「情報処理装置」によって取得されることは明らかである。 そうすると、本件発明２と甲１発明は「前記情報処理装置が、光学文字認識により前記印刷物の画像から読み取られた一群の文字列を取得する工程」「を有」する点で共通する。 （ウ） 構成Ｃ、Ｆについて ａ 甲１発明の「タスクの記述」は、構成ｉの「タスクの記述として文書からエンティティのテキスト値及びタグを抽出させることがコードされ」ることを踏まえると、構成Ｃの「指示」に相当する。 ｂ 甲１発明の「ＬＬＭ」は「大規模言語モデル」であり、甲１発明の構成ｇにより、「プロンプト設計は」、「タスクの記述」「を含」むから、上記ａを踏まえると、甲１発明の構成ｆの「ＬＬＭプロンプト」は、構成Ｃの「大規模言語モデルへ指示を与える第１プロンプト」に相当する。 ｃ 上記ｂを踏まえると、構成ｆの「ＬＬＭプロンプトをクリエイト」することは、構成Ｃの「大規模言語モデルへ指示を与える第１プロンプトを生成する工程」に相当する。 ｄ 甲１発明の構成ｉの「タグ」は、本件発明２の「項目」に相当する。 ｅ 甲１発明の構成ｉの「テキスト値」は、構成Ｃの「文字情報」に相当する。 ｆ 甲１発明の構成ｈの「セグメントのテキストの結合として表現され」る「文書表現」は、構成Ｃの「一群の文字列」に相当する。 ｇ 甲１発明の構成ｇによれば、「プロンプト設計は、文書表現、タスクの記述」「を含」んでおり、構成ｉの「タスクの記述として文書からエンティティのテキスト値及びタグを抽出させること」は、「文書表現」から「エンティティのテキスト値及びタグを抽出させること」を意味すると解される。 ｈ 上記ａ、ｄ～ｇより、甲１発明の構成ｉの「タスクの記述として文書からエンティティのテキスト値及びタグを抽出させること」は、構成Ｃの「所定の１以上の項目に関する１以上の前記文字情報を前記一群の文字列から抽出する」「指示」に相当する。 ｉ 上記ｃ、ｈより、甲１発明において「文書表現、タスクの記述」「を含」む「プロンプト設計」（構成ｇ）の「ＬＬＭプロンプトをクリエイト」（構成ｆ）することは、構成Ｃの「所定の１以上の項目に関する１以上の前記文字情報を前記一群の文字列から抽出するように大規模言語モデルへ指示を与える第１プロンプトを生成する工程」に相当する。 ｊ 上記ｉより、上記（ア）ｃの検討を踏まえると、本件発明２と甲１発明は「前記情報処理装置が、所定の１以上の項目に関する１以上の前記文字情報を前記一群の文字列から抽出するように大規模言語モデルへ指示を与える第１プロンプトを生成する工程」「を有」する点で共通する。 （エ） 構成Ｄ、Ｆについて ａ 甲１発明では、構成ｆで「ＬＬＭプロンプトをクリエイトし」、構成ｊで「プロンプトを用いてＬＬＭ上で推論を実行」することから、「クリエイト」した「プロンプト」を「大規模言語モデル」である「ＬＬＭ」に提供することは明らかである。 ｂ 甲１発明では、構成ｊで「プロンプトを用いてＬＬＭ上で推論を実行し」た上で、構成ｋで「生のＬＬＭ完成物を構造化されたエンティティ及びそれらの位置へと解析」することから、提供した「プロンプト」に応じて、「大規模言語モデル」である「ＬＬＭ」から「生のＬＬＭ完成物」を取得していることは明らかである。 ｃ 甲１発明の構成ｋでは、「各モデル完成物をＪＳＯＮオブジェクトとして解析することから始め、ＪＳＯＮオブジェクト内の各キーと値のペアに対し、キーをエンティティタイプとして解釈し、値を解析してエンティティテキスト及び境界ボックスを得る」ことから、「各モデル完成物」の「ＪＳＯＮオブジェクト内」には「各キーと値のペア」が存在する。 ここで、構成ｋでは「値を解析してエンティティテキスト」「を得る」こと、及び、タグを検索等のキーとすることが技術常識であることを踏まえると、当該「値」は、構成ｉの「タスクの記述として文書からエンティティのテキスト値」「を抽出させ」た結果であるから、上記（ウ）ｅの検討を踏まえると、当該「値」は、構成Ｃ、Ｄの「文字情報」に相当する。 また、上記（ウ）ｇ、ｈの検討を踏まえると、甲１発明において、当該「値」は、「文書表現」から抽出されたものであり、甲１発明の「文書表現」は、上記（ウ）ｆのとおり、構成Ｃ、Ｄの「一群の文字列」に相当するから、甲１発明の構成ｋの「値」は、構成Ｄの「一群の文字列から抽出された１以上の前記文字情報」に相当する。 ｄ 上記ａ～ｃより、甲１発明において、構成ｆで「ＬＬＭプロンプトをクリエイトし」、構成ｊで「プロンプトを用いてＬＬＭ上で推論を実行し」、構成ｋで「生のＬＬＭ完成物を構造化されたエンティティ及びそれらの位置へと解析する」ことは、構成Ｄの「生成した前記第１プロンプトを前記大規模言語モデルに提供し、当該第１プロンプトに応じて前記一群の文字列から抽出された１以上の前記文字情報を前記大規模言語モデルから取得する」ことに相当する。 ｅ 上記ｄより、上記（ア）ｃの検討を踏まえると、本件発明２と甲１発明は「前記情報処理装置が、生成した前記第１プロンプトを前記大規模言語モデルに提供し、当該第１プロンプトに応じて前記一群の文字列から抽出された１以上の前記文字情報を前記大規模言語モデルから取得する工程」「を有」する点で共通する。 （オ） 構成Ｅ～Ｇについて 構成Ｅ～Ｇでは「前記情報処理装置が、前記一群の文字列から抽出する情報の種類に関する種類情報を取得する工程」「を有し、前記第１プロンプトを生成する工程は、前記種類情報が示す前記種類について定められた１以上の前記項目に関する１以上の前記文字情報を前記一群の文字列から抽出するように指示する前記第１プロンプトを生成することを含む」ことが特定されているのに対し、甲１発明では、当該特定がなされていない点で相違する。 イ 一致点及び相違点 以上を総合すると、本件発明２と甲１発明とは、以下の点で一致ないし相違する。 （一致点） 「Ａ 印刷物に印刷された文字情報を情報処理装置が収集する方法であって、 Ｂ 前記情報処理装置が、光学文字認識により前記印刷物の画像から読み取られた一群の文字列を取得する工程と、 Ｃ 前記情報処理装置が、所定の１以上の項目に関する１以上の前記文字情報を前記一群の文字列から抽出するように大規模言語モデルへ指示を与える第１プロンプトを生成する工程と、 Ｄ 前記情報処理装置が、生成した前記第１プロンプトを前記大規模言語モデルに提供し、当該第１プロンプトに応じて前記一群の文字列から抽出された１以上の前記文字情報を前記大規模言語モデルから取得する工程と Ｆ を有する Ａ 方法。」 （相違点） 本件発明２では「前記情報処理装置が、前記一群の文字列から抽出する情報の種類に関する種類情報を取得する工程」「を有し、前記第１プロンプトを生成する工程は、前記種類情報が示す前記種類について定められた１以上の前記項目に関する１以上の前記文字情報を前記一群の文字列から抽出するように指示する前記第１プロンプトを生成することを含む」ことが特定されているのに対し、甲１発明では、当該特定がなされていない点。 ウ 判断 本件発明２の上記イの相違点について検討する。 甲５には、種類情報を取得し、当該種類に対応づけて予め定められた項目を入力画像から検出することが記載されており、甲６には、帳票の種類を認識し、帳票記入事項を文字認識することが記載されている。 また、甲７の記載からは、種類情報を取得することが明らかでないが、甲７には、受発注伝票や見積書などさまざまな書式・レイアウトの非定型文書から必要な項目を探し出して読み取ることが記載されている。 そして、少なくとも甲５、甲６によれば、種類情報に応じて文字認識することは周知の技術事項と認められる。 しかしながら、甲１発明では、構成ｄによりＯＣＲを使用してワードを取得する際に、文字認識を行うことから、周知の当該技術事項を甲１発明に適用した場合は、構成ｄのＯＣＲを使用するにあたって、種類情報を取得し、当該種類情報に応じてＯＣＲが所望の項目の文字情報を抽出することとなり、本件発明２のように、「大規模言語モデル」の使用を前提として「前記種類情報が示す前記種類について定められた１以上の前記項目に関する１以上の前記文字情報を前記一群の文字列から抽出するように指示する前記第１プロンプトを生成すること」にはならない。 また、甲第２～４、８～１７号証には、本件発明２の相違点に関する技術事項は示されていない。 よって、本件発明２は、当業者が甲１発明及び甲第２～１７号証に記載された技術事項に基づいて容易に発明をすることができたものとはいえない。 （２） 本件発明３、４について 本件発明３～４も、本件発明２の上記相違点に係る構成と同等の構成を備えるものであるから、上記（１）ウと同様の理由により、当業者が甲１発明及び甲第２～１７号証に記載された技術事項に基づいて容易に発明をすることができたものとはいえない。 （３） 本件発明５について ア 対比 （ア） 構成Ａ～Ｄ、Ｆについて 本件発明５の構成Ａ～Ｄ、Ｆは、本件発明２の構成Ａ～Ｄ、Ｆと同等の構成であり、上記（１）ア（ア）～（エ）で述べたとおりである。 （イ） 構成Ｈについて 上記（１）ア（ウ）ｈで説示したとおり、甲１発明の構成ｉの「タスクの記述として文書からエンティティのテキスト値及びタグを抽出させること」は、構成Ｃの「所定の１以上の項目に関する１以上の前記文字情報を前記一群の文字列から抽出する」「指示」に相当する。 これを踏まえると、甲１発明の構成ｉの「タスクの記述として文書からエンティティのテキスト値及びタグを抽出させること」は、構成Ｈの「少なくとも一部の前記項目について、前記一群の文字列から前記項目に関する前記文字情報を抽出する第１指示」に相当する。 そして、甲１発明の「プロンプト設計」は「タスクの記述」（構成ｇ）を含むから、甲１発明の「ＬＬＭプロンプト」と、構成Ｈの「第１プロンプト」は、「少なくとも一部の前記項目について、前記一群の文字列から前記項目に関する前記文字情報を抽出する第１指示」を含む点で共通する。 そうすると、本件発明５の構成Ｈの「前記第１プロンプトを生成する工程」と、甲１発明の構成ｆの「ＬＬＭプロンプトをクリエイト」することは、少なくとも一部の前記項目について、前記一群の文字列から前記項目に関する前記文字情報を抽出する第１指示を含んだ前記第１プロンプトを生成することを含む点で共通する。 ただし、「前記第１プロンプトを生成する工程」に関して、本件発明５では、「前記一群の文字列から前記項目に関する前記文字情報を抽出する第１指示と、前記一群の文字列中の前記項目に関するキーワードに基づいて前記項目に関する関連情報をウェブ検索により収集する第２指示とを含んだ前記第１プロンプトを生成する」のに対し、甲１発明では、「ＬＬＭプロンプト」に「前記一群の文字列中の前記項目に関するキーワードに基づいて前記項目に関する関連情報をウェブ検索により収集する第２指示」を含むことは特定されていない点で相違する。 （ウ） 構成Ｉについて 上記（１）ア（エ）ｄで説示したとおり、甲１発明において、構成ｆで「ＬＬＭプロンプトをクリエイトし」、構成ｊで「プロンプトを用いてＬＬＭ上で推論を実行し」、構成ｋで「生のＬＬＭ完成物を構造化されたエンティティ及びそれらの位置へと解析する」ことは、構成Ｄの「生成した前記第１プロンプトを前記大規模言語モデルに提供し、当該第１プロンプトに応じて前記一群の文字列から抽出された１以上の前記文字情報を前記大規模言語モデルから取得する」ことに相当するから、上記（イ）の検討を踏まえると、甲１発明において、構成ｆで「ＬＬＭプロンプトをクリエイトし」、構成ｊで「プロンプトを用いてＬＬＭ上で推論を実行し」、構成ｋで「生のＬＬＭ完成物を構造化されたエンティティ及びそれらの位置へと解析する」ことは、構成Ｉの「前記第１指示に応じて抽出された前記文字情報」「を前記大規模言語モデルから取得すること」に相当する。 ただし、「前記文字情報を取得する工程」に関して、本件発明５では、「前記第１指示に応じて抽出された前記文字情報と、前記第２指示に応じて収集された前記関連情報とを前記大規模言語モデルから取得することを含」むのに対して、甲1発明では、「前記第２指示に応じて収集された前記関連情報」「を前記大規模言語モデルから取得すること」は特定されていない点で相違する。 （エ） 構成Ｊについて 本件発明５では、「前記情報処理装置が、一の前記項目について前記大規模言語モデルから取得した前記文字情報を、当該一の項目について取得した前記関連情報に応じて修正する工程を有する」のに対して、甲１発明では、当該工程を有することは特定されていない点で相違する。 イ 一致点及び相違点 以上を総合すると、本件発明５と甲１発明とは、以下の点で一致ないし相違する。 （一致点） 「Ａ 印刷物に印刷された文字情報を情報処理装置が収集する方法であって、 Ｂ 前記情報処理装置が、光学文字認識により前記印刷物の画像から読み取られた一群の文字列を取得する工程と、 Ｃ 前記情報処理装置が、所定の１以上の項目に関する１以上の前記文字情報を前記一群の文字列から抽出するように大規模言語モデルへ指示を与える第１プロンプトを生成する工程と、 Ｄ 前記情報処理装置が、生成した前記第１プロンプトを前記大規模言語モデルに提供し、当該第１プロンプトに応じて前記一群の文字列から抽出された１以上の前記文字情報を前記大規模言語モデルから取得する工程と Ｆ を有し、 Ｈ’ 前記第１プロンプトを生成する工程は、少なくとも一部の前記項目について、前記一群の文字列から前記項目に関する前記文字情報を抽出する第１指示を含んだ前記第１プロンプトを生成することを含み、 Ｉ’ 前記文字情報を取得する工程は、前記第１指示に応じて抽出された前記文字情報を前記大規模言語モデルから取得することを含む、 Ａ 方法。」 （相違点１） 「前記第１プロンプトを生成する工程」に関して、本件発明５では、「前記一群の文字列から前記項目に関する前記文字情報を抽出する第１指示と、前記一群の文字列中の前記項目に関するキーワードに基づいて前記項目に関する関連情報をウェブ検索により収集する第２指示とを含んだ前記第１プロンプトを生成する」のに対し、甲１発明では、「ＬＬＭプロンプト」に「前記一群の文字列中の前記項目に関するキーワードに基づいて前記項目に関する関連情報をウェブ検索により収集する第２指示」を含むことは特定されていない点。 （相違点２） 「前記文字情報を取得する工程」に関して、本件発明５では、「前記第１指示に応じて抽出された前記文字情報と、前記第２指示に応じて収集された前記関連情報とを前記大規模言語モデルから取得することを含」むのに対して、甲1発明では、「前記第２指示に応じて収集された前記関連情報とを前記大規模言語モデルから取得すること」は特定されていない点。 （相違点３） 本件発明５では、「前記情報処理装置が、一の前記項目について前記大規模言語モデルから取得した前記文字情報を、当該一の項目について取得した前記関連情報に応じて修正する工程を有する」のに対して、甲１発明では、当該工程を有することは特定されていない点。 ウ 判断 本件発明５の上記イの相違点１～３について検討する。 甲１１、１２には、ＣｈａｔＧＰＴの「ウェブブラウジング機能」（ネット検索を行なったうえで回答を作成する機能）について記載されている。 また、甲１３には、ChatGPTだけでは回答できなかった問いに対してGoogle検索の結果を返すことが記載されている。 しかしながら、甲１１～１３には、プロンプトとして「前記項目に関する関連情報をウェブ検索により収集する第２指示」を含むこと、さらには、「大規模言語モデルから取得した前記文字情報を」「前記関連情報に応じて修正する」ことの開示はなく、甲１発明に甲１１、１２に記載された上記「ウェブブラウジング機能」を適用したとしても、甲１発明の構成ｊの「ＬＬＭ上で推論を実行」する際にウェブ検索を利用するにすぎず、関連情報をウェブ検索する指示をプロンプトに含めるとともに、当該関連情報により、構成ｋのＬＬＭ完成物から解析した値を修正することにはならない。 また、甲第２～１０、１３～１７号証には、本件発明５の相違点１～３に関する技術事項は示されていない。 よって、本件発明５は、当業者が甲１発明及び甲第２～１７号証に記載された技術事項に基づいて容易に発明をすることができたものとはいえない。 （４） 本件発明６について 本件発明６も、本件発明５の上記相違点１～３に係る構成と同等の構成を備えるものであるから、上記（３）ウと同様の理由により、当業者が甲１発明及び甲第２～１７号証に記載された技術事項に基づいて容易に発明をすることができたものとはいえない。 （５） 本件発明７について ア 対比 （ア） 構成Ａ～Ｄ、Ｆについて 本件発明７の構成Ａ～Ｄ、Ｆは、本件発明２の構成Ａ～Ｄ、Ｆと同等の構成であり、上記（１）ア（ア）～（エ）で述べたとおりである。 （イ） 構成Ｈについて 上記（１）ア（ウ）ｈで説示したとおり、甲１発明の構成ｉの「タスクの記述として文書からエンティティのテキスト値及びタグを抽出させること」は、構成Ｃの「所定の１以上の項目に関する１以上の前記文字情報を前記一群の文字列から抽出する」「指示」に相当する。 これを踏まえると、甲１発明の構成ｉの「タスクの記述として文書からエンティティのテキスト値及びタグを抽出させること」は、構成Ｋの「少なくとも一部の前記項目について、前記一群の文字列から前記項目に関する前記文字情報を抽出する第１指示」に相当する。 そして、甲１発明の「プロンプト設計」は「タスクの記述」（構成ｇ）を含むから、甲１発明の「ＬＬＭプロンプト」と、構成Ｋの「第１プロンプト」は、「少なくとも一部の前記項目について、前記一群の文字列から前記項目に関する前記文字情報を抽出する第１指示」を含む点で共通する。 そうすると、本件発明７の構成Ｋの「前記第１プロンプトを生成する工程」と、甲１発明の構成ｆの「ＬＬＭプロンプトをクリエイト」することは、少なくとも一部の前記項目について、前記一群の文字列から前記項目に関する前記文字情報を抽出する第１指示を含んだ前記第１プロンプトを生成することを含む点で共通する。 ただし、「前記第１プロンプトを生成する工程」に関して、本件発明７では、「前記第１プロンプトを生成する工程は、少なくとも一部の前記項目について、前記一群の文字列から前記項目に関する前記文字情報を抽出する第１指示と、前記一群の文字列中の前記項目に関するキーワードに基づいて前記項目に関する関連情報をウェブ検索により収集する第２指示と、前記第２指示に応じて一の前記項目について収集された前記関連情報から、当該一の項目についての前記文字情報を抽出する第３指示とを含んだ前記第１プロンプトを生成する」のに対し、甲１発明では、「ＬＬＭプロンプト」に「前記一群の文字列中の前記項目に関するキーワードに基づいて前記項目に関する関連情報をウェブ検索により収集する第２指示と、前記第２指示に応じて一の前記項目について収集された前記関連情報から、当該一の項目についての前記文字情報を抽出する第３指示」を含むことは特定されていない点で相違する。 （ウ） 構成Ｍについて 上記（１）ア（エ）ｄで説示したとおり、甲１発明において、構成ｆで「ＬＬＭプロンプトをクリエイトし」、構成ｊで「プロンプトを用いてＬＬＭ上で推論を実行し」、構成ｋで「生のＬＬＭ完成物を構造化されたエンティティ及びそれらの位置へと解析する」ことは、構成Ｄの「生成した前記第１プロンプトを前記大規模言語モデルに提供し、当該第１プロンプトに応じて前記一群の文字列から抽出された１以上の前記文字情報を前記大規模言語モデルから取得する」ことに相当するから、上記（イ）の検討を踏まえると、甲１発明において、構成ｆで「ＬＬＭプロンプトをクリエイトし」、構成ｊで「プロンプトを用いてＬＬＭ上で推論を実行し」、構成ｋで「生のＬＬＭ完成物を構造化されたエンティティ及びそれらの位置へと解析する」ことは、構成Ｌの「前記第１指示に応じて前記一群の文字列から抽出された前記文字情報」「を前記大規模言語モデルから取得すること」に相当する。 ただし、「前記文字情報を取得する工程」に関して、本件発明７では、「前記第１指示に応じて前記一群の文字列から抽出された前記文字情報と、前記第３指示に応じて前記関連情報から抽出された前記文字情報とを前記大規模言語モデルから取得することを含」むのに対して、甲1発明では、「前記第３指示に応じて前記関連情報から抽出された前記文字情報」「を前記大規模言語モデルから取得すること」は特定されていない点で相違する。 （エ） 構成Ｊについて 本件発明７では、「前記情報処理装置が、一の前記項目について前記第１指示に応じて前記一群の文字列から抽出された前記文字情報を、当該一の項目について前記第３指示に応じて前記関連情報から抽出された前記文字情報に応じて修正する工程を有する」のに対して、甲１発明では、当該工程を有することは特定されていない点で相違する。 イ 一致点及び相違点 以上を総合すると、本件発明７と甲１発明とは、以下の点で一致ないし相違する。 （一致点） 「Ａ 印刷物に印刷された文字情報を情報処理装置が収集する方法であって、 Ｂ 前記情報処理装置が、光学文字認識により前記印刷物の画像から読み取られた一群の文字列を取得する工程と、 Ｃ 前記情報処理装置が、所定の１以上の項目に関する１以上の前記文字情報を前記一群の文字列から抽出するように大規模言語モデルへ指示を与える第１プロンプトを生成する工程と、 Ｄ 前記情報処理装置が、生成した前記第１プロンプトを前記大規模言語モデルに提供し、当該第１プロンプトに応じて前記一群の文字列から抽出された１以上の前記文字情報を前記大規模言語モデルから取得する工程と Ｆ を有し、 Ｋ’ 前記第１プロンプトを生成する工程は、少なくとも一部の前記項目について、前記一群の文字列から前記項目に関する前記文字情報を抽出する第１指示を含んだ前記第１プロンプトを生成することを含み、 Ｌ’ 前記文字情報を取得する工程は、前記第１指示に応じて前記一群の文字列から抽出された前記文字情報を前記大規模言語モデルから取得することを含む、 Ａ 方法。」 （相違点１） 「前記第１プロンプトを生成する工程」に関して、本件発明７では、「前記第１プロンプトを生成する工程は、少なくとも一部の前記項目について、前記一群の文字列から前記項目に関する前記文字情報を抽出する第１指示と、前記一群の文字列中の前記項目に関するキーワードに基づいて前記項目に関する関連情報をウェブ検索により収集する第２指示と、前記第２指示に応じて一の前記項目について収集された前記関連情報から、当該一の項目についての前記文字情報を抽出する第３指示とを含んだ前記第１プロンプトを生成する」のに対し、甲１発明では、「ＬＬＭプロンプト」に「前記一群の文字列中の前記項目に関するキーワードに基づいて前記項目に関する関連情報をウェブ検索により収集する第２指示と、前記第２指示に応じて一の前記項目について収集された前記関連情報から、当該一の項目についての前記文字情報を抽出する第３指示」を含むことは特定されていない点。 （相違点２） 「前記文字情報を取得する工程」に関して、本件発明７では、「前記第１指示に応じて前記一群の文字列から抽出された前記文字情報と、前記第３指示に応じて前記関連情報から抽出された前記文字情報とを前記大規模言語モデルから取得することを含」むのに対して、甲1発明では、「前記第３指示に応じて前記関連情報から抽出された前記文字情報」「を前記大規模言語モデルから取得すること」は特定されていない点。 （相違点３） 本件発明７では、「前記情報処理装置が、一の前記項目について前記第１指示に応じて前記一群の文字列から抽出された前記文字情報を、当該一の項目について前記第３指示に応じて前記関連情報から抽出された前記文字情報に応じて修正する工程を有する」のに対して、甲１発明では、当該工程を有することは特定されていない点。 ウ 判断 本件発明７の上記イの相違点１～３について検討する。 甲１１、１２には、ＣｈａｔＧＰＴの「ウェブブラウジング機能」（ネット検索を行なったうえで回答を作成する機能）について記載されている。 しかしながら、甲１１、１２には、プロンプトとして「前記項目に関する関連情報をウェブ検索により収集する第２指示」を含むこと、さらには、「大規模言語モデルから取得」した「前記文字情報を」「前記関連情報から抽出された前記文字情報に応じて修正する」ことの開示はなく、甲１発明に甲１１、１２に記載された上記「ウェブブラウジング機能」を適用したとしても、甲１発明の構成ｊの「ＬＬＭ上で推論を実行」する際にウェブ検索を利用するにすぎず、関連情報をウェブ検索する指示をプロンプトに含めるとともに、当該関連情報から抽出された文字情報により、構成ｋのＬＬＭ完成物から解析した値を修正することにはならない。 また、甲第２～１０、１３～１７号証には、本件発明７の相違点１～３に関する技術事項は示されていない。 よって、本件発明７は、当業者が甲１発明及び甲第２～１７号証に記載された技術事項に基づいて容易に発明をすることができたものとはいえない。 （６） 本件発明９～１１について 本件発明９～１１も、本件発明２の上記相違点（上記（１）イ）に係る構成と同等の構成、本件発明５の上記相違点１～３（上記（３）イ）に係る構成と同等の構成、又は、本件発明７の上記相違点１～３（上記（５）イ）に係る構成と同等の構成のいずれかを備えるものであるから、上記（１）ウ、上記（３）ウ、又は、上記（５）ウと同様の理由により、当業者が甲１発明及び甲第２～１７号証に記載された技術事項に基づいて容易に発明をすることができたものとはいえない。 ２ 申立理由３－２ 本件発明５は、「前記情報処理装置が、一の前記項目について前記大規模言語モデルから取得した前記文字情報を、当該一の項目について取得した前記関連情報に応じて修正する工程を有する」ものであり、当該「修正」に関して、本件特許の明細書には以下の記載がある。下線は当審で付した。 「【００６５】 情報処理装置１は、一の項目について大規模言語モデル６から取得した文字情報を、当該一の項目について取得した関連情報に応じて修正する（ＳＴ２６５）。例えば、情報処理装置１は、一の項目についての文字情報が不明であると大規模言語モデル６により回答された場合において、当該一の項目について取得した関連情報には、当該文字情報に該当する情報が含まれている場合、この関連情報に含まれる情報を、当該一の項目に関する文字情報として取得してもよい。 【００６６】 また、情報処理装置１は、一の項目について文字情報が抽出された場合において、当該一の項目について取得した関連情報にも当該文字情報に該当する情報が含まれている場合、関連情報のウェブ上での公開日が印刷物の発行日より後であるならば、抽出された文字情報を関連情報に含まれる情報（当該文字情報に該当する情報）に応じて修正してもよい。すなわち、印刷物に印刷された情報に比べて関連情報が新しい場合、ＯＣＲ結果から抽出された文字情報を関連情報に応じて修正してもよい。」 段落【００６５】、【００６６】の記載を参酌すれば、同じ一の項目について、大規模言語モデル６の回答が不明である場合や、関連情報の方が新しい場合に、大規模言語モデル６の回答を関連情報の情報で更新するような修正を行うことが明らかであり、本件発明５が明確でないとはいえない。 本件発明７の「前記情報処理装置が、一の前記項目について前記第１指示に応じて前記一群の文字列から抽出された前記文字情報を、当該一の項目について前記第３指示に応じて前記関連情報から抽出された前記文字情報に応じて修正する工程を有する」点についても同様である。 したがって、本件特許の請求項５、７の記載は、特許法第３６条第６項第２号に規定する要件に適合する。 第８ むすび 以上のとおりであるから、特許異議申立書に記載された特許異議申立の理由及び証拠によっては、訂正後の請求項２～７、９～１１に係る特許を取り消すことはできない。 また、他に本件請求項２～７、９～１１に係る特許を取り消すべき理由を発見しない。 また、本件特許の請求項１及び８は削除されているから、これらの請求項１、８に対する特許異議の申立ては却下する。 よって、結論のとおり決定する。