مقابلات
كارل روست، مستشار رئيسي في Patsnap – سلسلة المقابلات
كارل روست هو العقل المدبر لأدوات البحث عن البراءات التي تعمل بالذكاء الاصطناعي في Patsnap.
Patsnap تقف في طليعة ذكاء الابتكار، مستغلة قوة الذكاء الاصطناعي وتعلم الآلة لفحص 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. يشارك مساعد الذكاء الاصطناعي في Patsnap في الاستجابات الحوارية لأسئلة الجدة ويمكنه تحديد إجابات محددة داخل النصوص الشاسعة. على سبيل المثال، يمكنه تحديد بدقة ما إذا كان نوع معين من الأجهزة محميًا بالفعل bằng براءة اختراع.
يمكنك تقديم نظرة عامة عن كيفية عمل مساعد الذكاء الاصطناعي في Patsnap وأدائه الرئيسي؟
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 المتخصصين الفنيين ومحترفي الملكية الفكرية. أحد التطورات الحديثة هو أن هيرو يمكنه حتى مساعدتك في حل المشكلات الفنية واقتراح اتجاهات جديدة للمخترعات الجديدة من خلال تطبيق المبادئ المبتكرة على الحلول والمشكلات الفنية التي تم العثور عليها في قاعدة بيانات البراءات والأدب. يعمل هيرو بطريقة مختلفة قليلاً اعتمادًا على ما إذا كنت تستخدمه في منتجاتنا المخصصة للبحث والتطوير أو لمحترفي الملكية الفكرية.
أعتقد أن ما يجعل هيرو فريدًا هو أنه مدعوم بتقنية LLM الخاصة بشركة Patsnap، وتوفر الإجابات أيضًا روابط المراجع والمصادر من مكتبة Patsnap التي تضم 200 مليون براءة اختراع و190 مليون قطعة من الأدب و254 مليون هيكل كيميائي و879 مليون تسلسل بيولوجي و2 مليار مقال إخباري.
ما هي المشكلات التي يحلها هذا التطبيق للمؤسسات؟
يجب أن يقضي المبتكرون الكبار 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 للبحث والتطوير، فإن الوقت اللازم للعثور على هذه البيانات وفحصها كان عائقًا كبيرًا للاستفادة منها، ولكن أدوات مثل هيرو يمكن أن تُجمد هذه المعلومات لأول مرة.
لمحترفي القانون، من الشائع قضاء ساعات وأيام وأسابيع في إجراء عمليات بحث سابقة وحرية التشغيل. مع أدوات الذكاء الاصطناعي، يمكن إجراء هذه العمليات بسرعة أكبر وبدقة أكبر، مما يتيح للمحترفين إجراء عمل استراتيجي أكثر.
الأدوات الحالية للذكاء الاصطناعي هي إحدى两ي штуки: إما أنها عامة جدًا وبالتالي لا تصلح لمجال الملكية الفكرية، أو أنها صناديق سوداء، بدون شفافية فيما يتعلق بالموارد، مما يقلل من الثقة ويعوق اتخاذ القرارات.
ما كانت التحديات الرئيسية التي واجهها فريقك أثناء تطوير الميزات الذكية لأدوات Patsnap، وكيف تم التغلب عليها؟
نحن نعلم أن الأفراد الذين يبنيون اختراعات جديدة يريدون حمايتها، لذلك كانت الأمانة في طليعة أذهاننا عند بناء هيرو. نظرًا لأن النموذج الذي يدير هيرو هو محلي والمتضمن في تطبيقنا، لا يغادر أي بيانات البيئة إلى أطراف ثالثة يصعب الثقة بها. لم يقم منافسنا ببناء الأساس، وربطوا نماذج طرف ثالث لا تتحمل الاختبار.
يمكنك توضيح كيف يجيب هيرو على أسئلة الجدة المحددة وتأثير ذلك على تدفقات عمل 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 “كيفية بناء حزام طيران” والحصول على إجابات تتحدث إلى كل خطوة من خطوات عملية الاختراع. بالمقارنة مع النماذج العامة، هيرو يفهم حقًا ما يجعل براءة اختراع خاصة.
كيف يتعامل هيرو مع كمية كبيرة من البيانات من البراءات والأدب غير البراءات لتوفير إجابات دقيقة وملائمة؟
لقد قمنا بتدريب واسع على ذلك المجموعة من البيانات، وقمنا بتقييم الاستجابات من قبل الخبراء. ثم قمنا بتدريب الذكاء الاصطناعي على استجابات الخبراء، وقمنا بتقييم مخرجات الذكاء الاصطناعي، وقمنا بمراجعة ذلك من قبل الخبراء. جميعًا، لقد قمنا بتقييم ملايين النقاط البيانية بهذه الطريقة لضمان أن الاستجابات تكون مفيدة للمتخصصين 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 LLM الخاص بشركة Patsnap، وكيف تضمن دقتها وموثوقيتها؟
بنت Patsnap نموذج LLM مخصص لتشغيل هيرو. تم تدريب النموذج 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 بتوظيف أساليب معالجة البيانات الرقابة، بما في ذلك تصفية البيانات منخفضة الجودة وإزالة التكرارات وإعادة الكتابة.
PatsnapGPT تم اختباره على نطاق واسع وأداء أفضل من GPT-4 في المهام المحددة للملكية الفكرية، مما يظهر قدرات فائقة في صياغة البراءات وتصنيفها وتلخيصها والاستدلال في مجال البراءات.
النموذج LLM مخصص شفاف، يرتبط بالمراجع والمصادر، وليس مدربًا على بيانات العملاء. إنه اللاعب الوحيد في الصناعة الذي يستخدم نموذج LLM مخصصًا في صناعة تعتمد بشكل خاص على الخصوصية وحماية البيانات.
كيف يقارن نموذج LLM الخاص بشركة Patsnap بالنماذج LLM العامة الأخرى مثل GPT-4 فيما يتعلق بالأداء والدقة لمهام متعلقة بالملكية الفكرية؟
نموذج LLM الخاص بشركة Patsnap يتفوق على GPT-4 عندما يتعلق الأمر بالاستفسارات المتعلقة بالملكية الفكرية. باستخدام امتحان براءة اختراع مكتب براءات الاختراع الأمريكي، أداء PatsnapGPT-1.0 على مستوى خبير الملكية الفكرية، في حين أن النماذج LLM العامة لم تصل إلى الحد الأدنى لبراءات الاختراع للمحامين الذين يأخذون الامتحان.
PatsnapGPT يبرز حقًا عند النظر إلى كيفية أدائه في معايير الملكية الفكرية. يُحقق هيرو درجات أعلى بشكل متسق من النماذج العامة مثل GPT-4 في امتحان براءات الاختراع الأمريكي. النماذج LLM العامة تفشل في اجتياز الحد الأدنى من 70 نقطة في الامتحان، في حين أن PatsnapGPT 1.0 سجل على مستوى خبير الملكية الفكرية.
كيف تتخيل دور الذكاء الاصطناعي يتطور في مجال الملكية الفكرية والبحث والتطوير على مدار العقد القادم؟
أرى أن الذكاء الاصطناعي سيلعب دورًا مركزيًا بشكل متزايد في الملكية الفكرية والبحث والتطوير على مدار العقد القادم. من جهة، سيعزز الذكاء الاصطناعي كفاءة و دقة عمليات البحث عن البراءات وتحليلها. ستصبح نماذج الذكاء الاصطناعي المتقدمة مثل PatsnapGPT أفضل في فهم وتصنيف الوثائق الفنية المعقدة، وتصميم مواصفات براءات اختراع عالية الجودة، وتحديد الانتهاكات المحتملة أو التداخلات في البراءات الحالية.
علاوة على ذلك، سيثور 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 مكتشفة. يمكن أن يinform اتخاذ القرارات والاستراتيجية في إدارة الملكية الفكرية والبحث والتطوير، مثل تحديد التكنولوجيات الناشئة، والمناطق المحتملة للابتكار، والشراكات الاستراتيجية.
في البحث والتطوير، سيدفع الذكاء الاصطناعي الابتكار من خلال المساعدة في عملية الاكتشاف. يمكن للخوارزميات التعلم الآلي تحليل الأبحاث السابقة، وتوقعات 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 التكلفة والزمن.
随着 تطور تقنية الذكاء الاصطناعي، ستعزز دمجها في الملكية الفكرية والبحث والتطوير الإبداع، والكفاءة، والتخطيط الاستراتيجي.
شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا Patsnap.
