经验数据表明，在初始审查阶段，美国专利商标局对现有技术检索的额外投资相对较小的增量可能是提高专利制度准确性的一种具有成本效益的机制。 该贡献认为，机器学习为此类投资提供了一个有前途的领域。 值得注意的是，在专利审查中使用机器学习并没有像在行政和司法程序的其他领域那样引起对个人权利和歧视的强烈担忧。 也就是说，即使是像 USPTO 的现有技术检索这样看似简单的案例也会带来挑战。 最重要的普遍性挑战与可解释性有关。 美国专利商标局强调向公众透明是实现充分可解释性所必需的。 然而，至少在像现有技术搜索这样的上下文中，足够的可解释性不需要完全透明。 此外，完全透明会抑制私营部门专业知识的提供，并且容易受到博弈的影响。
