本研究使用 CATAR 擷取 USPTO 深度學習領域的專利文件，針對專利文 件的欄位內容進行概要分析與交叉分析，並針對題名進行共字分析，研究發 現說明如下。
一、 專利的成長趨勢、延遲現象以及技術生命週期
在這 1636 篇深度學習領域的專利中，申請時間最早的專利是在 1997 年，
有 1 篇專利，在 2012 年到 2016 年時開始有大幅的成長；公告時間最早的專利 則是在 2000 年，有 2 篇專利，在 2015 年到 2018 年時開始有大幅的成長，由 此可以看出深度學習領域的發展在近幾年成長相當迅速。
一般而言，專利申請日期與專利公告日期會相差一到五年，在這 1636 篇 深度學習領域的專利中，其專利申請時間與專利公告時間相差年份，第一名 為相差 2 年，有 616 篇，其次是相差 1 年，有 590 篇，前兩名篇數的總和約佔 全部的 74%，整體而言，深度學習領域專利申請與專利公告的延遲時間平均約 為 1.75 年，由此可以看出深度學習領域的專利，其審核速度相當快。
在技術生命週期方面，透過 S 曲線法與技術生命週期圖法，可以判斷出目 前深度學習領域的技術生命週期正處於成長階段，成長期是技術發展最快速、
最有價值的階段，同時也是競爭最激烈的階段，這代表這個時期的高產量專利 權人、專利發明人以及國家很有可能掌控著技術未來的發展與走向。
二、 專利產量高的專利權人、發明人以及國家
高生產力專利權人前 3 名依序是 IBM、Google 以及 Amazon，其中，IBM 與 Google 的專利是大幅領先其他專利權人，將近是 Amazon 的 1.5 倍，高生產 力專利權人大多屬於電腦科技或電機電子產業，領域背景相似，在專利的產 出上，自 2016 年起，高生產力專利權人都有大量的專利產出，特別是 IBM、
Google、Amazon 以及 Microsoft，其中，Amazon 在 2018 年的專利已超越 Google，
僅次於 IBM。
高生產力發明人前 5 名依序是 Comaniciu, Dorin、Frank, Ari M、Pickover, Clifford A.、Thieberger, Gil 以及 Tzvieli, Arie，高生產力發明人所發明的專利，
其專利權人屬於 Siemens Healthcare、Facense、IBM、Google、MobilEye、
Microsoft 以及 Adobe Systems，這些專利發明人服務的機構皆是高生產力專利 權人，另外，從高生產力發明人的專利可以發現五個經常共同發明專利的組 合，第一個組合為 Comaniciu, Dorin、Georgescu, Bogdan 以及 Zheng, Yefeng，
第二個組合為 Frank, Ari M、Thieberger, Gil 以及 Tzvieli, Arie，第三個組合為 Shashua, Amnon 與 Gdalyahu, Yoram，第四個組合為 Yu, Dong 與 Deng, Li，第 五個組合則為 Kingsbury, Brian E. D.與 Sainath, Tara N.。
高生產力專利權人國別前 7 名依序為美國、日本、以色列、韓國、中國、
德國以及加拿大，這七個國家的專利就佔了整體的 93%，專利高生產力發明人 國籍前 7 名依序為美國、中國、韓國、以色列、日本、印度以及加拿大，無論 是專利權人國別還是專利發明人國籍，美國都是遙遙領先的，分別為第二名 的 15 倍與 17 倍。在專利權人國別與專利發明人國籍上，自 2015 年起，皆有
顯著的成長，在專利權人國別方面日本、以色列以及韓國的成長趨勢非常相 似，成長幅度特別大；在專利發明人國籍方面，大部份的國家在 2018 年的成 長幅度都特別大，尤其是韓國，它在 2018 年的專利就有 172 項，排名第二，
僅次於美國。
三、 國際間專利權人與專利發明人之關係
高生產力專利權人國別與高生產力發明人國籍排名前面的國家基本上相 差不多，但除了美國與加拿大，其他國家的名次都有變動，主要原因為每項 專利的發明人不一定只有一人，而且，專利權人與專利發明人所屬的國家也 不一定相同。
這 1636 篇深度學習領域的專利文件，每篇的發明人以 3 位發明人的專利 最多，其次為 2 位發明人，再來是 4 位發明，前三名共佔了 65%，平均每篇專 利的發明人約為 3.4 位。
這 1636 篇專利中，有 412 篇是專利權人與專利發明人所屬國家不同，佔 全體的 25%，共有 103 組專利權人與專利發明人國家組合，次數最多的為專利 權人國別是美國，發明人國籍是印度的組合，在 103 組專利權人與專利發明人 國家組合中，有 54 組是專利權人為美國的組合，有 24 組是專利發明人為美國 的組合，在 103 個國家組合中，共有 78 組是與美國有關，約佔 76%，由此可 以看出，美國在深度學習領域專利的發展上，有其他國家參與的比例並不低。
四、 主題分佈與應用
從專利分類號分析的結果與共字分析第三階段的歸類結果來看，可以歸 納出深度學習應用的領域有「數據訓練」、「語音分析或合成、語音識別」、
「文字處理」、「內容（例如：內容檢測與內容傳遞）」、「電子數位資料處
理」、「數位資訊之傳輸」、「一般影像資料處理或產生」、「影像分析」、
「影像通訊」、「圖像檢測」、「圖像特徵或特性之抽取」、「圖像品質評估」、
「診斷、外科以及鑑定」、「自動駕駛」、「車輛控制系統」、「交通控制系 統」、「目標檢測」、「目標識別」、「分析（例如：圖像分析、場景分析、
檢測分析以及動態分析）」、「檢測（例如：惡意軟體檢測、交通檢測以及路 況檢測）」、「營運方面的管理」以及「驗證」。
五、 主要引用的學科領域
這 1636 篇專利共引用了 34550 篇專利，共計 114140 次，其中，美國專利 就有 31402 篇，約佔總篇數的 91%，共 104193 次，約佔總次數的 91%，比例 相當高，高被引專利文件皆為美國專利，大部分專利都是公告於 2010 年到 2014 年，而且大多都與語音識別有關。
這 1636 篇專利共引用了 10164 篇非專利文獻，共 28689 次，高被引非專 利文獻主要都與深度學習、神經網絡、語音識別或是人機互動有關，其出處主 要為 AAAI、ACM、IEEE 以及 SRI International 的期刊或會議。
六、 臺灣的發展狀況與未來可以發展的方向
臺灣擁有專利權的專利共有 10 項，在 32 個國家中，排名第 9 名，專利發 明人則有 31 人次，在 47 個國家中，排名第 11 名，顯示臺灣在深度學習領域 的發展上尚有很大的進步空間，臺灣可以參考與學習以色列與韓國的發展模 式，這兩個國家在人口與發展上與臺灣較為相似，而這兩個國家近幾年在深 度學習的發展上都有不錯的表現，在研究領域方面，「醫學圖像」與「診斷、
外科以及鑑定」是深度學習應用的領域，臺灣在醫學上的發展是相當知名的，
臺灣可以在這個方面多加琢磨。