結論
新規性は、同じ発明が特許出願の前に公知になっていないかを問う要件で、出願された発明と公知の発明に相違点がなければ認められません(特許法29条1項)。進歩性は、相違点があっても、その分野の通常の知識をもつ者(当業者)が公知の発明から容易に考えつけたなら否定される要件です(同条2項)。
比較表
| 観点 | 新規性 | 進歩性 |
|---|---|---|
| 根拠条文 | 特許法29条1項 | 特許法29条2項 |
| 問うこと | 同じ発明が出願前にすでにあるか | 出願前の技術から、当業者が容易に考えつけたか |
| 比べ方 | 出願された発明と公知の発明を1つずつ対比し、相違点があるかを見る。2つ以上の公知の発明を組み合わせて対比はしない | 主引用発明を1つ選んで相違点を明らかにし、ほかの公知技術や技術常識を組み合わせて、容易に到達できたと論理付けできるかを見る |
| 効果の扱い | 相違点の有無で決まり、効果の大小は問わない | 引用発明より有利な効果は、進歩性を認める方向に働く |
| 審査での順番 | 先に判断する。相違点がなければ新規性なしとなる | 相違点がある場合に、続けて判断する |
| 判断の基準時 | 特許出願の時 | 特許出願の時 |
| 新規性喪失の例外(30条) | 公開から1年以内に出願すれば、その公開で新規性を失わなかったものとみなす(自ら公開した場合は書面と証明書の手続が必要) | 例外の適用を受けた公開は、進歩性の判断でも公知の技術として扱われない |
| AIの出願での論点の例 | 論文、プレプリント、ソースコードの公開、展示会での説明など、出願前の公開で失われる | 既存のシステムの計算部分を学習済みモデルに単に置き換えただけで、予想を超える効果もない発明は否定されやすい |
| シラバス項目 | 法律・倫理分野 項目3 特許法 | 法律・倫理分野 項目3 特許法 |
| G検定での問われ方 | 出願前のどの行為で新規性が失われるかや、例外の期間と手続を事例で問う形 | 公知技術の単なる組合せや置き換えで否定されうることを、新規性との区別とあわせて問う形 |
最終確認日:2026年11月1日
それぞれの説明
新規性と進歩性は、どちらも特許法29条が定める特許の要件です。特許は、新しい技術を公開した見返りに、一定の期間の独占を認める制度です。すでに知られた技術や、そこから誰でも簡単に考えつく技術に独占を認めると、ほかの人の利用や改良を妨げてしまいます。この2つの要件は、それを防ぐための関門です。
新規性
29条1項は、特許出願の前に日本国内または外国で、公然知られた発明、公然実施をされた発明、刊行物に記載された発明やインターネットなどで公衆に利用可能になった発明には、特許を与えないと定めています。審査では、出願された発明と公知の発明を対比し、相違点がなければ新規性なしと判断します。論文やプレプリント、ソースコードの公開、展示会での説明も、出願前なら新規性を失わせる公開になりえます。
学会発表などで自分が公開した場合は、公開から1年以内に出願すれば、その公開を理由に新規性や進歩性を否定されない例外があります(30条2項)。出願と同時にその旨の書面を出し、出願の日から30日以内に証明書を提出する必要があります(30条3項)。本人の意に反して公開された場合も、1年以内の出願で同じように扱われます(30条1項)。ただし、出願日がさかのぼるわけではありません。
進歩性
29条2項は、その分野の通常の知識をもつ者(当業者)が、出願前の公知の発明をもとに容易に発明できたときは、特許を受けられないと定めています。特許庁の審査基準では、公知の発明から主引用発明を1つ選んで相違点を明らかにし、ほかの公知技術や技術常識を組み合わせて、その相違点に容易に到達できたと論理付けできるかを検討します。引用発明より有利な効果は、進歩性を認める方向の事情として考慮されます。
AI関連の出願では、既存のシステムの計算部分を学習済みモデルに単に置き換えただけで、予想を超える効果もないものは、進歩性が否定されやすくなります。
2つの関係
新規性がなければ、それだけで特許を受けられません。新規性があっても、進歩性がなければやはり受けられません。「同じか」と「容易か」は別の問いなので、事例ではどちらの要件の話かを先に見分けます。
見分けるコツ
- 「同じものがすでにあるか」なら新規性、「すでにあるものから簡単に思いつけるか」なら進歩性です。
- 新規性があることは、進歩性があることを意味しません。相違点があれば新規性は認められますが、その相違点が容易に考えつける程度なら進歩性は否定されます。
- 「公然知られた」「刊行物」「インターネットで公開」は新規性、「当業者」「容易に」「組合せ」「置き換え」は進歩性の論点だと見当をつけます。
◯×チェック
次の文が正しいか、誤りかを選んでください。
-
新規性の判断では、出願された発明を公知の発明と1つずつ対比し、2つ以上の公知の発明を組み合わせて対比することはしない。
答えを見る
答え ◯ 正しい
公知の発明を組み合わせて考えるのは進歩性の判断です。主引用発明に、ほかの公知技術や技術常識を組み合わせて、容易に考えつけたかを検討します。
-
出願前に論文で公開された手法と同じ発明であっても、従来より優れた効果があることを示せば、新規性は認められる。
答えを見る
答え × 誤り
新規性は、出願された発明と公知の発明に相違点があるかで決まり、効果の大小では決まりません。有利な効果は、相違点があるときに、進歩性を認める方向の事情として考慮されます。
-
新規性喪失の例外の適用を受けた自分の論文発表は、進歩性を判断するときにも、特許を拒む根拠となる公知の技術として扱われない。
答えを見る
答え ◯ 正しい
特許法30条は、例外の対象となる公開について、29条1項(新規性)と2項(進歩性)の両方の適用で、公知にならなかったものとみなすと定めています。ただし、出願日がさかのぼるわけではありません。
関連問題
出典
- G検定 試験出題範囲(シラバス2024)第1.4版 (法律・倫理分野 項目3 特許法)
- 特許法(e-Gov法令検索) (29条1項・2項、30条1項〜3項)
- 特許庁「特許・実用新案審査基準」第III部第2章 新規性・進歩性(特許法第29条第1項・第2項) (第1節 新規性、第2節 進歩性、第3節 新規性・進歩性の審査の進め方)
ほかの違い比較
- アジャイルとウォーターフォールの違い 進め方とAI開発での使い分け
- 赤池情報量規準(AIC)とベイズ情報量規準(BIC)の違い 罰則の重さ
- バギングとブースティングの違い 並列か逐次か、減らす誤差の違い
- バッチ正規化とレイヤー正規化の違い 平均と分散を計算する範囲の違い
- バッチ学習・ミニバッチ学習とオンライン学習の違い 更新回数とぶれ
- BERTとGPTの違い エンコーダとデコーダ、学習課題の違い
- CBOWとスキップグラムの違い 予測の向きと学習の速さ
- 分類問題と回帰問題の違い 出力の形で見分けるコツと評価指標
- CNN・RNNとTransformerの違い 得意なデータと計算の並列性
- 協調フィルタリングとコンテンツベースフィルタリングの違い 仕組み
- 共分散と相関係数の違い 式の関係と単位・値の範囲
- データ汚染とAdversarial Attackの違い 学習時か推論時かと対策
- 決定木とランダムフォレストの違い 解釈のしやすさと精度・安定性
- 深さ優先探索と幅優先探索の違い 調べる順番・最短解・メモリ
- 営業秘密と限定提供データの違い 3つの要件と刑事罰の有無
- Faster R-CNNとYOLOの違い 2段階型と1段階型、速度と精度
- GANと拡散モデル(Diffusion Model)の違い 学習と生成の仕組み
- GANとVAEの違い 識別器の有無と学習の仕組み
- GDPRと個人情報保護法の違い 法的根拠・本人の権利・制裁金
- 勾配降下法と誤差逆伝播法の違い 勾配を使う側と求める側
- グリッドサーチとランダムサーチの違い 試行回数の決まり方と効率
- ホールドアウト検証と交差検証の違い 分割回数・計算量・使い分け
- 画像分類(物体識別)と物体検出の違い 出力の形と使い分け
- 委託・第三者提供と共同利用の違い 同意の要否と受け手が使える範囲
- k-means法と階層的クラスタリングの違い クラスタ数を決める時期と計算量
- 個人情報・個人データと保有個人データの違い 範囲の入れ子とかかる義務
- 個人情報と個人識別符号の違い 包含関係と当たる例・当たらない例
- L1正則化とL2正則化の違い 罰則の形と重みが0になるか
- 最小二乗法と最尤法の違い 推定の基準と結果が一致する条件
- LIMEとSHAPの違い 局所近似とシャープレイ値の使い分け
- LSTMとGRUの違い ゲートの数と記憶セルの有無
- 機械学習とディープラーニングの違い 包含関係と特徴量の決め方
- 平均絶対値誤差(MAE)と平均二乗誤差(MSE)の違い 外れ値への強さ
- 正規化と正則化の違い 目的と代表的な手法を表で整理
- 主成分分析(PCA)と特異値分解(SVD)の違い 目的と計算の関係
- 主成分分析(PCA)とt-SNEの違い 線形か非線形か、保つ構造の違い
- 適合率と再現率の違い 分母の違いと重視する場面
- プルーニング・量子化と蒸留の違い 何を減らすかと元モデルの扱い
- Q学習とSARSAの違い 更新式の1か所と方策オン・オフ
- RNNとLSTMの違い 記憶セルと勾配消失の起きにくさ
- Self-AttentionとSource-Target Attentionの違い Q・K・Vの出どころ
- セマンティック・インスタンスとパノプティックの違い 背景と個体の扱い
- シグモイド関数とソフトマックス関数の違い 出力の合計と使い分け
- ソフトローとハードローの違い 法的拘束力の有無と日本・EUの例
- 強いAIと弱いAIの違い 心をもつと考えるかの違い
- 教師あり学習・教師なし学習と強化学習の違い 学習の手がかりと代表例
- 特許権と著作権の違い 発生・保護対象・期間とAIでの使い分け
- 匿名加工情報と仮名加工情報の違い 加工の程度と第三者提供の可否
- 転移学習とファインチューニングの違い 重みを固定するか更新するか
- 請負契約と準委任契約の違い 完成義務とAI開発での使い分け
- Zero-shotとFew-shotの違い 与える例の数と重みを更新しない点