Carl Rost, Principal Consultant bei Patsnap – Interview-Serie

Carl Rost ist der Kopf hinter den künstlichen Intelligenz-gestützten Patent-Suchtools bei Patsnap.

Patsnap steht an der Spitze der Innovationsintelligenz und nutzt die Kraft der künstlichen Intelligenz und des maschinellen Lernens, um durch Milliarden von Datensätzen zu filtern und es Innovatoren ermöglicht, wichtige Verbindungen herzustellen. Ihre bahnbrechende LLM-Technologie, die speziell für R&D- und IP-Professionals entwickelt wurde, navigiert mühelos durch Milliarden von Seiten von Patenten täglich. Der AI-Assistent von Patsnap gibt konversationale Antworten auf Neuheitsfragen und kann spezifische Antworten innerhalb umfangreicher Texte finden. Zum Beispiel kann er genau bestimmen, ob ein bestimmter Widget-Typ bereits patentiert ist.

Können Sie einen Überblick darüber geben, wie der AI-Assistent von Patsnap funktioniert und welche seine Hauptfunktionen sind?

Ja! Es handelt sich um einen AI-Assistenten namens Hiro, der es Ihnen ermöglicht, Fragen zu einem bestimmten Patent oder sogar einem Ergebnissatz oder unserer gesamten Datenbank zu stellen! Er wurde trainiert, um Innovations- und Patent-bezogene Fragen zu verstehen und auf eine Weise zu antworten, die technische Fachleute und IP-Professionals zufriedenstellt. Eine kürzliche Weiterentwicklung ist, dass Hiro auch dabei helfen kann, technische Probleme zu lösen und neue Richtungen für Erfindungen vorzuschlagen, indem er erfinderische Prinzipien auf technische Lösungen und Probleme anwendet, die in unserer Patent- und Literaturdatenbank gefunden wurden. Hiro funktioniert ein bisschen anders, je nachdem, ob Sie es in unseren Produkten für R&D oder für IP-Professionals verwenden.

Ich denke, was Hiro einzigartig macht, ist, dass er von der proprietären LLM von Patsnap angetrieben wird, und die Antworten verlinken auch Referenzen und Quellen aus der Bibliothek von Patsnap mit 200 Millionen Patenten, 190 Millionen Literaturstücken, 254 Millionen chemischen Strukturen, 879 Millionen biologischen Sequenzen und 2 Milliarden Nachrichtenartikeln.

Welche Probleme löst diese Anwendung für Unternehmen?

Große Innovatoren sollten ihre Zeit mit Innovieren verbringen, nicht mit der Bestimmung der Neuheit von Produkten oder der Durchführung von vorläufigen Marktforschungen. Patentdaten sind eine unserer reichsten Quellen technischer Informationen, die mit Journal-Daten konkurrieren, insbesondere in bestimmten Technikfeldern. Für R&D hat die Zeit, die es dauert, diese Art von Daten zu finden und zu befragen, ein massiver Blockierer dargestellt, um dies zu nutzen, aber Tools wie Hiro können diese Art von Informationen wirklich demokratisieren.

Für Rechtsanwälte ist es üblich, Stunden, Tage, Wochen damit zu verbringen, vorherige Kunst und Freiheit-zu-operieren-Suchen durchzuführen. Mit AI-Tools kann dies schneller und genauer durchgeführt werden, wodurch Bandbreite für strategischere Arbeit frei wird.

Bestehende AI-Tools sind entweder zu sehr verallgemeinert und daher nicht geeignet für den geistigen Eigentumsbereich oder sie sind Black-Boxen, mit keiner Transparenz hinsichtlich der Ressourcen, was das Vertrauen reduziert und die Entscheidungsfindung behindert. Mit Hiro verlinken wir zurück zu Quellen und stellen sicher, dass alle Stufen des Entwicklungsprozesses vollständig sichtbar sind.

Welche waren die Haupt-Herausforderungen, denen Ihr Team bei der Entwicklung der AI-Funktionen für Patsnap gegenüberstand, und wie haben Sie sie überwunden?

Wir wissen, dass Personen, die neue Erfindungen bauen, diese schützen möchten, also stand die Sicherheit an erster Stelle, als wir Hiro entwickelten. Da das Modell, das Hiro antreibt, lokal und in unsere App integriert ist, verlässt keine Daten die Umgebung, um Dritte zu vertrauen, die schwer zu vertrauen sind. Unsere Wettbewerber haben die Grundarbeit nicht geleistet und haben Drittanbieter-Modelle angehängt, die der Prüfung nicht standhalten. Wenn wir sagen, dass wir Modelle nicht auf Kundendaten trainieren, wissen wir, dass dies der Fall ist und können unseren Kunden zeigen, was wir tun und was wir stattdessen tun. Im Gegensatz dazu setzen die Lösungen unserer Wettbewerber Sie durch Dritte aus, die einen weniger als vorbildlichen Ruf haben, was Transparenz und Umgang mit Daten angeht.

Können Sie erläutern, wie Hiro spezifische Neuheitsfragen beantwortet und welche Auswirkungen dies auf R&D- und IP-Workflows hat?

Mit Hiro können Benutzer Fragen stellen wie “Was macht diese Erfindung neu?” oder “Wie würde sich dieses Patent in verschiedenen Rechtssystemen behaupten?” oder sogar “Wie baue ich einen tragbaren Jetpack” und erhalten Antworten, die auf jeden Schritt des Erfindungsprozesses sprechen. Im Vergleich zu allgemeinen Modellen versteht Hiro wirklich, was ein Patent besonders macht. Benutzer müssen keine Patent-Experten sein, um herauszufinden, was in ihrer Erfindung neu ist oder nicht, und können in Sekunden verstehen, welcher Teil ihres Produkts oder Tools geschützt werden muss.

Wie handhabt Hiro die enorme Menge an Daten aus Patenten und nicht-patentierter Literatur, um präzise und relevante Antworten zu liefern?

Wir haben umfangreiche Trainings auf diesem Datensatz durchgeführt und die Antworten mit Experten bewertet. Dann haben wir das AI-Modell auf die Experten-Antworten trainiert, die Ausgabe bewertet und von Experten überprüfen lassen. Insgesamt haben wir Millionen von Datenpunkten auf diese Weise bewertet, um sicherzustellen, dass die Antworten für technische Experten und Patent-Professionals sinnvoll sind.

Wie nutzt Hiro große Sprachmodelle (LLM), um die Effizienz von Patent-Suchen und IP-Analysen zu verbessern? Welche Arten von Daten wurden verwendet, um das proprietäre LLM von Patsnap zu trainieren, und wie stellen Sie sicher, dass es genau und zuverlässig ist?

Patsnap hat ein branchenspezifisches LLM entwickelt, um Hiro zu betreiben. Das LLM wurde auf Patent-Unterlagen, akademische Arbeiten und andere Innovationsdaten trainiert, was es ermöglicht, Informationen auf eine Weise zu verstehen und zu erzählen, die für Fachleute hilfreicher ist als allgemeine Modelle. Um Genauigkeit und Zuverlässigkeit sicherzustellen, haben wir strenge Methoden der Daten-Vorverarbeitung eingesetzt, einschließlich Filterung von minderwertigen Daten, Entduplizierung und Umschreibung. Wir haben auch neue Daten synthetisiert, indem wir verschiedene Quellen kombinierten, um das Verständnis des Modells für IP-spezifische Nuancen zu verbessern. Wir haben das Fein-Tuning und das Reinforcement-Learning von menschlichem Feedback überwacht, um seine Leistung kontinuierlich zu verbessern.

PatsnapGPT wurde umfangreich getestet und hat GPT-4 in IP-spezifischen Aufgaben übertroffen, wodurch seine überlegenen Fähigkeiten bei der Erstellung, Klassifizierung, Zusammenfassung und Argumentation im Patent-Bereich demonstriert wurden.

Das proprietäre LLM ist transparent, verlinkt Quellen und Referenzen und wird nicht auf Kundendaten trainiert. Es ist der einzige Industrie-Player, der ein in-house abgestimmtes LLM verwendet, in einer Branche, die besonders auf Datenschutz und Vertraulichkeit angewiesen ist.

Wie vergleicht sich das proprietäre LLM von Patsnap mit anderen allgemeinen LLM wie GPT-4 in Bezug auf Leistung und Genauigkeit für IP-bezogene Aufgaben?

Das proprietäre LLM von Patsnap übertrifft GPT-4, wenn es um IP-bezogene Anfragen geht. Mit dem USPTO-Patent-Bar-Examen hat PatsnapGPT-1.0 auf dem Niveau eines IP-Experten abgeschnitten, während allgemeine LLMs den Cut-off für Patent-Anwälte, die die Prüfung ablegen, nicht erreichten.

PatsnapGPT ragt wirklich heraus, wenn man sich ansieht, wie es in IP-spezifischen Benchmarks abschneidet. Hiro erzielt konsistent höhere Punktzahlen als allgemeine Modelle wie GPT-4 im USPTO-Patent-Bar-Examen. Allgemeine LLMs erreichen den Cut-off von 70 Punkten im Examen nicht, während PatsnapGPT 1.0 auf dem Niveau eines IP-Experten abschneidet. Dies zeigt, dass es ein besseres Verständnis für IP-Grundlagen hat. Zusätzlich hat PatsnapGPT im Patent-Benchmark, der ein umfassender Benchmark für IP-Aufgaben ist, in mehreren Bereichen brilliert. Es hat genauere und relevantere Texte für Patent-Schreiben produziert, höhere Punktzahlen bei der Klassifizierung von Patenten nach dem Internationalen Patent-Klassifizierungssystem erzielt und seine Zusammenfassungen von technischen Effekten, Problemen, Methoden und Abstracts wurden konsistent von Evaluatoren höher bewertet. Es zeigt auch schnellere Geschwindigkeiten und geringeren Speicherbedarf im Vergleich zu GPT-4 für lange Patent-Dokumente.

Wie sehen Sie die Rolle der künstlichen Intelligenz in der Zukunft im Bereich des geistigen Eigentums und der Forschung und Entwicklung über die nächsten zehn Jahre?

Ich sehe die künstliche Intelligenz in den nächsten zehn Jahren immer mehr im Mittelpunkt des geistigen Eigentums und der Forschung und Entwicklung. Einerseits wird die künstliche Intelligenz die Effizienz und Genauigkeit von Patent-Suchen und -Analysen enorm verbessern. Fortgeschrittene AI-Modelle wie PatsnapGPT werden noch besser darin sein, komplexe technische Dokumente zu verstehen und zu kategorisieren, hochwertige Patent-Spezifikationen zu erstellen und potenzielle Verletzungen oder Überschneidungen in bestehenden Patenten zu identifizieren. Dies wird eine enorme Menge an Zeit sparen und den Spielraum für menschliche Fehler reduzieren.

Darüber hinaus wird die künstliche Intelligenz die Art und Weise, wie wir mit großen Mengen an IP-Daten umgehen und interpretieren, revolutionieren. Durch die Fähigkeit, große Datensätze schnell zu verarbeiten und zu analysieren, kann die künstliche Intelligenz Trends und Erkenntnisse aufdecken, die sonst möglicherweise unbemerkt bleiben. Dies kann zu besseren Entscheidungen und Strategien in der IP-Verwaltung und der Forschung und Entwicklung führen, wie zum Beispiel der Identifizierung von aufkommenden Technologien, potenziellen Bereichen für Innovationen und strategischen Partnerschaften.

In der Forschung und Entwicklung wird die künstliche Intelligenz die Entdeckung vorantreiben, indem sie bei der Entdeckung hilft. Maschinelles Lernen kann vorherige Forschung analysieren, Ergebnisse vorhersagen und sogar neue Forschungsrichtungen vorschlagen, wodurch der Entdeckungs- und Entwicklungsprozess beschleunigt wird. Die künstliche Intelligenz kann auch Experimente simulieren und komplexe Systeme modellieren, wodurch der Bedarf an teuren und zeitaufwändigen physischen Tests reduziert wird.

Wenn die künstliche Intelligenz weiterentwickelt wird, wird ihre Integration in das geistige Eigentum und die Forschung und Entwicklung Kreativität, Effizienz und strategische Planung verbessern.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Patsnap besuchen: Patsnap.