كارل روست، مستشار رئيسي في Patsnap – سلسلة المقابلات

كارل روست هو العقل المدبر وراء أدوات البحث عن البراءات التي تعمل بالذكاء الاصطناعي في Patsnap.

Patsnap تقف في طليعة استخبارات الابتكار، مستفيدة من قوة الذكاء الاصطناعي وتعلم الآلة لفرز مليارات مجموعات البيانات، مما يتيح للمبتكرين إجراء اتصالات حاسمة. تقنية LLM المتقدمة الخاصة بهم، المصممة خصيصًا لمحترفي البحث والتطوير والملكية الفكرية، تتنقل بسهولة عبر مليارات الصفحات من البراءات يوميًا. يتضمن مساعد الذكاء الاصطناعي في Patsnap استجابات محادثية لأسئلة الجدة ويمكنه تحديد الإجابات المحددة داخل النصوص الشاسعة. على سبيل المثال، يمكنه تحديد بدقة ما إذا كان نوع معين من الأجهزة قد تم براءة اختراعه بالفعل.

يمكنك تقديم نظرة عامة عن كيفية عمل مساعد الذكاء الاصطناعي في Patsnap ووظائفه الرئيسية؟

بالتأكيد! إنه مساعد ذكاء اصطناعي يسمى هيرو يسمح لك بطرح أسئلة حول براءة اختراع معينة أو حتى مجموعة نتائج أو قاعدة بياناتنا بأكملها! لقد تم تدريبه على فهم أسئلة الابتكار والبراءات والاستجابة بطريقة ت満ي الخبراء الفنيين ومحترفي الملكية الفكرية. أحد التطورات الحديثة هو أن هيرو يمكنه أيضًا مساعدتك في حل المشكلات الفنية واقتراح اتجاهات جديدة للاختراعات الجديدة عن طريق تطبيق المبادئ المبتكرة على الحلول والمشكلات الفنية الموجودة في قاعدة بيانات البراءات والأدب. يعمل هيرو بشكل مختلف قليلاً حسب استخدامك له في منتجاتنا المخصصة لأبحاث وتطوير أو لمحترفي الملكية الفكرية.

أعتقد أن ما يجعل هيرو فريدًا هو أنه مدعوم بتقنية LLM الخاصة بنا، وتوفر الإجابات أيضًا روابط المراجع والمصادر من مكتبة Patsnap التي تضم 200 مليون براءة اختراع و190 مليون قطعة أدبية و254 مليون هيكل كيميائي و879 مليون تسلسل بيولوجي و2 مليار مقال إخباري.

ما هي المشاكل التي تحلها هذه التطبيق لشركات besar؟

يجب على المبتكرين الكبار أن يقضوا وقتهم في الابتكار، وليس في تحديد جدة المنتجات أو إجراء بحث أولي عن السوق. بيانات البراءات هي واحدة من أغنى مصادر المعلومات الفنية، وتعادل بيانات المجلات، خاصة في مجالات التكنولوجيا 某些. بالنسبة لأبحاث وتطوير، كان الوقت اللازم لإيجاد واستجواب هذه النوعية من البيانات عائقًا كبيرًا للاستفادة منها، ولكن الأدوات مثل هيرو يمكن أن تدمج هذه المعلومات لأول مرة.

对于 المحترفين القانونيين، من الشائع أن يقضوا ساعات وأيام وأسابيع في إجراء عمليات بحث سابقة وحرية التشغيل. يمكن أن تتم هذه العملية بسرعة أكبر ودقة أكبر باستخدام أدوات الذكاء الاصطناعي، مما يتيح للمحترفين تخصيص نطاق أوسع للعمل الاستراتيجي.

الأدوات الحالية للذكاء الاصطناعي هي إما أدوات عامة ولا تتناسب مع مجال الملكية الفكرية، أو أنها صناديق سوداء بدون شفافية فيما يتعلق بالموارد، مما يقلل من الثقة ويعوق اتخاذ القرارات. مع هيرو، نرتبط بالمراجع والمصادر ونسهم في الشفافية في جميع مراحل عملية التطوير.

ما هي التحديات الرئيسية التي واجهها فريقك أثناء تطوير ميزات الذكاء الاصطناعي في Patsnap، وكيف تم التغلب عليها؟

نحن نعلم أن الأفراد الذين يبنيون اختراعات جديدة يريدون حماية اختراعاتهم، لذلك كانت الأمنة في طليعة أذهاننا عند بناء هيرو. كما أن نموذج الذكاء الاصطناعي الذي يدير هيرو هو نموذج محلي ومدمج في تطبيقنا، ولا يغادر أي بيانات البيئة إلى أطراف ثالثة يصعب الثقة بها. لم يقم منافسينا ببناء الأساس ولا يمتلكون نماذج ثالثة لا تتحمل الاختبار. عندما نقول إننا لا نتدرب على بيانات العملاء، نعلم ذلك ونستطيع أن نبرز لهم ذلك وماذا نفعل بدلاً من ذلك.

يمكنك توضيح كيف يستجيب هيرو لأسئلة الجدة المحددة وتأثير ذلك على عمليات البحث والتطوير والملكية الفكرية؟

مع هيرو، يمكن للمستخدمين طرح أسئلة مثل “ما هي الجوانب التي تجعل هذه الاختراع جديدة؟” أو “كيف يمكن أن تثبت هذه البراءة في أنظمة قانونية مختلفة؟” أو حتى “كيف يمكن بناء حزام طيران” والحصول على إجابات تتوافق مع كل خطوة من خطوات الاختراع. بالمقارنة مع النماذج العامة، يفهم هيرو حقًا ما يجعل براءة اختراع خاصة. لا يحتاج المستخدمون إلى أن يكونوا خبراء براءات اختراع للوصول إلى أساس ما هو جديد في اختراعهم، ويمكنهم فهم في ثوانٍ أي جزء من منتجهم أو أداتهم يحتاج إلى الحماية.

كيف يتعامل هيرو مع كمية هائلة من البيانات من البراءات والأدب غير البراءات لتوفير إجابات دقيقة وملائمة؟

لقد قمنا بتدريب مكثف على ذلك المجموعة من البيانات، وقمنا بتقييم الاستجابات مع الخبراء. ثم قمنا بتدريب الذكاء الاصطناعي على استجابات الخبراء، وقمنا بتقييم مخرجات الذكاء الاصطناعي، وقمنا بمراجعة ذلك. كل ذلك لضمان أن تكون الإجابات مفيدة للخبراء الفنيين ومحترفي الملكية الفكرية.

كيف يستخدم هيرو نماذج اللغة الكبيرة (LLM) لتعزيز كفاءة عمليات البحث عن البراءات وتحليل الملكية الفكرية؟ ما هي أنواع البيانات التي تم استخدامها لتدريب نموذج LLM الخاص بشركة Patsnap، وكيف تضمن دقته وموثوقيته؟

بنت Patsnap نموذج LLM مخصص لتشغيل هيرو. تم تدريب نموذج LLM على سجلات البراءات والأوراق الأكاديمية وبيانات الابتكار الأخرى، مما يساعده على فهم وإعادة سرد المعلومات بطريقة أكثر فائدة للمحترفين من النماذج العامة. لضمان الدقة والموثوقية، قمنا بتقنيات معالجة البيانات الرigorous، بما في ذلك تصفية البيانات منخفضة الجودة، وإزالة التكرارات، وإعادة كتابة البيانات. كما قمنا بدمج بيانات جديدة عن طريق الجمع بين مصادر مختلفة لتعزيز فهم نموذج LLM للنواحي الدقيقة للملكية الفكرية.

تم اختبار PatsnapGPT على نطاق واسع وتمكنت من تفوق GPT-4 في المهام المتعلقة بالملكية الفكرية، مما يدل على قدرات متفوقة في صياغة البراءات وتصنيفها وتلخيصها والاستدلال داخل مجال البراءات.

نموذج LLM الخاص بنا شفاف، يرتبط بالمراجع والمصادر، ولا يتم تدريبه على بيانات العملاء. إنه اللاعب الوحيد في الصناعة الذي يستخدم نموذج LLM مخصصًا، في صناعة تعتمد بشكل خاص على خصوصية البيانات والسرية.

كيف يقارن نموذج LLM الخاص بشركة Patsnap بالنماذج العامة الأخرى مثل GPT-4 من حيث الأداء والدقة لمهام الملكية الفكرية؟

نموذج LLM الخاص بشركة Patsnap يتفوق على GPT-4 عندما يتعلق الأمر بالاستفسارات المتعلقة بالملكية الفكرية. باستخدام امتحان براءات الاختراع في مكتب براءات الاختراع الأمريكي، أدى PatsnapGPT-1.0 بمستوى خبير الملكية الفكرية، في حين أن النماذج العامة لم تصل إلى حد العتبة لبراءات الاختراع.

يبرز PatsnapGPT حقًا عند النظر إلى أدائه في معايير الملكية الفكرية. يُحقق هيرو باستمرار درجات أعلى من النماذج العامة مثل GPT-4 في امتحان براءات الاختراع. النماذج العامة تفشل في اجتياز عتبة 70 نقطة في الامتحان، في حين أن PatsnapGPT 1.0 سجل بمستوى خبير الملكية الفكرية. هذا يدل على فهم أفضل للأساسيات الفنية.

كيف تتوقع تطور دور الذكاء الاصطناعي في مجال الملكية الفكرية وأبحاث التطوير على مدى العقد القادم؟

أرى أن الذكاء الاصطناعي سيلعب دورًا مركزيًا بشكل متزايد في الملكية الفكرية وأبحاث التطوير على مدى العقد القادم. أولًا، سيعزز الذكاء الاصطناعي كفاءة ودقة عمليات البحث عن البراءات وتحليلها. ستصبح نماذج الذكاء الاصطناعي المتقدمة مثل PatsnapGPT أفضل في فهم وتصنيف الوثائق الفنية المعقدة، وكتابة مواصفات براءات اختراع عالية الجودة، وتحديد الانتهاكات المحتملة أو الت重 في البراءات الحالية.

علاوة على ذلك، سيتطور الذكاء الاصطناعي في كيفية التعامل مع كميات هائلة من بيانات الملكية الفكرية. مع القدرة على معالجة وتحليل مجموعات البيانات الكبيرة بسرعة، يمكن للذكاء الاصطناعي كشف الاتجاهات والرؤى التي قد تظل غير محسوسة. يمكن أن يinform اتخاذ القرارات والاستراتيجية في إدارة الملكية الفكرية وأبحاث التطوير، مثل تحديد التكنولوجيا الناشئة، والمناطق المحتملة للابتكار، والشراكات الاستراتيجية.

في أبحاث التطوير، سيدفع الذكاء الاصطناعي الابتكار عن طريق مساعدة عملية الاكتشاف. يمكن للخوارزميات التعلم الآلي تحليل البحث السابق، وتوقع النتائج، واقتراح خطوط جديدة للتحقيق، مما يسرع من وتيرة الاكتشاف والتطوير. يمكن للذكاء الاصطناعي أيضًا محاكاة التجارب ونمذجة الأنظمة المعقدة، مما يقلل من الحاجة إلى التجارب الفعلية المكلفة والزمنية.

مع استمرار تطور تكنولوجيا الذكاء الاصطناعي، سيعزز دمجها في الملكية الفكرية وأبحاث التطوير الإبداع والكفاءة والتخطيط الاستراتيجي.

شكرًا على المقابلة الرائعة، يرجى زيارة Patsnap لمعرفة المزيد.