Carl Rost, Consultor Principal en Patsnap – Serie de Entrevistas

Carl Rost es la mente detrás de las herramientas de búsqueda de patentes basadas en IA de Patsnap.

Patsnap se encuentra a la vanguardia de la inteligencia de innovación, aprovechando el poder de la IA y el aprendizaje automático para buscar en miles de millones de conjuntos de datos, lo que permite a los innovadores establecer conexiones cruciales. Su tecnología LLM de vanguardia, adaptada para profesionales de I+D y PI, navega con facilidad a través de miles de millones de páginas de patentes diariamente. El asistente de IA de Patsnap participa en respuestas conversacionales a preguntas de novedad y puede señalarificar respuestas específicas dentro de textos extensos. Por ejemplo, puede determinar con precisión si un tipo de widget en particular ya está patentado.

¿Puede proporcionar una visión general de cómo funciona el asistente de IA de Patsnap y sus funciones principales?

¡Claro! Se trata de un asistente de IA llamado Hiro que permite hacer preguntas sobre una patente específica o incluso un conjunto de resultados o nuestra base de datos completa. Ha sido entrenado para entender preguntas relacionadas con la innovación y las patentes, y responder de una manera que satisfaga a los expertos en materia técnica y a los profesionales de la PI. Un avance reciente es que Hiro incluso puede ayudar a resolver problemas técnicos y proponer direcciones novedosas para nuevas invenciones aplicando principios inventivos a soluciones y problemas técnicos que se han encontrado en nuestra base de datos de patentes y literatura. Hiro funciona un poco diferente dependiendo de si se utiliza en nuestros productos que son para I+D o para profesionales de la PI.

Creo que lo que hace que Hiro sea único es que está impulsado por el LLM propio de Patsnap, y las respuestas también enlazan referencias y fuentes de la biblioteca de Patsnap de 200 millones de patentes, 190 millones de piezas de literatura, 254 millones de estructuras químicas, 879 millones de secuencias biológicas y 2 mil millones de artículos de noticias.

¿Qué problemas resuelve esta aplicación para las empresas?

Los grandes innovadores deberían dedicar su tiempo a innovar, no a determinar la novedad de los productos o a realizar investigaciones preliminares del mercado. Los datos de patentes son una de nuestras fuentes más ricas de información técnica, rivalizando con los datos de revistas, especialmente en ciertos campos tecnológicos. Para I+D, el tiempo que se tarda en encontrar e interrogar este tipo de datos ha sido un bloqueador masivo para aprovechar esto, pero herramientas como Hiro pueden verdaderamente democratizar esta información por primera vez.

Para los profesionales del derecho, es común pasar horas, días, semanas, realizando búsquedas de prioridad y libertad de operación. Con herramientas de IA, esto se puede hacer más rápidamente y con más precisión, liberando ancho de banda para trabajos más estratégicos.

Las herramientas de IA existentes son de dos tipos: demasiado generalizadas y, por lo tanto, no adecuadas para el espacio de la propiedad intelectual, o son cajas negras, sin transparencia en cuanto a los recursos, lo que reduce la confianza y obstaculiza la toma de decisiones. Con Hiro, enlazamos fuentes y referencias, y aseguramos la visibilidad total en todas las etapas del proceso de desarrollo.

¿Cuáles fueron los principales desafíos que enfrentó su equipo al desarrollar las características de IA para Patsnap, y cómo los superaron?

Sabemos que las personas que construyen nuevas invenciones quieren mantenerlas protegidas, por lo que la seguridad fue lo primero que tuvimos en cuenta al construir Hiro. Como el modelo que impulsa a Hiro es local y está integrado en nuestra aplicación, no sale ningún dato del entorno a terceros que son difíciles de confiar. Nuestros competidores no hicieron el trabajo de base y agregaron modelos de terceros que no resisten el escrutinio. Cuando decimos que no estamos entrenando modelos con datos de clientes, sabemos que es cierto y podemos mostrarles a nuestros clientes que y qué hacemos en su lugar. En contraste, las soluciones de nuestros competidores exponen a los clientes a riesgos a través de terceros que tienen una reputación menos que estelar en términos de transparencia y manejo de datos.

¿Podría elaborar sobre cómo Hiro responde a preguntas específicas de novedad y el impacto que esto tiene en los flujos de trabajo de I+D y PI?

Con Hiro, los usuarios pueden hacer preguntas como “¿Qué aspectos de esta invención la hacen novedosa?” o “¿Cómo podría sostenerse esta patente en diferentes sistemas legales?” o incluso “cómo construir un jetpack wearable” y obtener respuestas que hablan de cada paso del proceso de invención. En comparación con los modelos generalistas, Hiro realmente entiende qué hace que una patente sea especial. Los usuarios no necesitan ser expertos en patentes para llegar al fondo de qué es o no es novedoso dentro de su invención, y pueden entender en segundos qué parte de su producto o herramienta necesita ser protegida.

¿Cómo maneja Hiro la gran cantidad de datos de patentes y literatura no patentada para proporcionar respuestas precisas y relevantes?

Realizamos un entrenamiento extensivo en ese conjunto de datos, y calificamos las respuestas con expertos. Luego, entrenamos a la IA con las respuestas de los expertos, hicimos que la IA calificara la salida, y los expertos revisaron eso. En total, hemos calificado millones de puntos de datos de esta manera para asegurarnos de que las respuestas sean significativas para los expertos en tecnología y los profesionales de la PI.

¿Cómo utiliza Hiro los grandes modelos de lenguaje (LLM) para mejorar la eficiencia de las búsquedas de patentes y el análisis de PI? ¿Qué tipos de datos se utilizaron para entrenar el LLM propio de Patsnap, y cómo aseguran su precisión y confiabilidad?

Patsnap construyó un LLM específico de la industria para impulsar a Hiro. El LLM ha sido entrenado con registros de patentes, artículos académicos y otros datos de innovación, lo que ayuda a entender y a relatar la información de una manera más útil para los profesionales que los modelos generalistas. Para asegurar la precisión y la confiabilidad, empleamos métodos rigurosos de preprocesamiento de datos, incluyendo la filtración de datos de baja calidad, la desduplicación y la reescritura. También sintetizamos nuevos datos combinando diferentes fuentes para mejorar la comprensión del modelo de las sutilezas específicas de la PI. Supervisamos el ajuste fino y el aprendizaje por refuerzo desde la retroalimentación humana para mejorar continuamente su rendimiento.

PatsnapGPT ha sido probado extensivamente y ha superado a GPT-4 en tareas específicas de PI, demostrando capacidades superiores en la redacción, clasificación, resumen y razonamiento dentro del dominio de las patentes.

El LLM propio es transparente, enlazando fuentes y referencias, y no se entrena con datos de clientes. Es el único jugador de la industria que utiliza un LLM ajustado en casa, en una industria que es especialmente dependiente de la privacidad y la confidencialidad de los datos.

¿Cómo se compara el LLM propio de Patsnap con otros LLM de propósito general como GPT-4 en términos de rendimiento y precisión para tareas relacionadas con PI?

El LLM propio de Patsnap supera a GPT-4 cuando se trata de consultas de propiedad intelectual. Utilizando el examen de barra de patentes de la USPTO, PatsnapGPT-1.0 obtuvo un rendimiento al nivel de un experto en PI, mientras que los LLM generalistas no alcanzaron el umbral de corte para los abogados de patentes que toman el examen.

PatsnapGPT realmente se destaca cuando se observa cómo se desempeña en las pruebas de referencia específicas de PI. Hiro obtiene constantemente puntuaciones más altas que los modelos generales como GPT-4 en el examen de barra de patentes de la USPTO. Los LLM generalistas no logran pasar el umbral de 70 puntos en el examen, mientras que PatsnapGPT 1.0 obtuvo una puntuación al nivel de un experto en PI. Esto muestra que tiene una mejor comprensión de los fundamentos de la PI. Además, en la prueba de referencia de PI, PatsnapGPT destacó en varias áreas. Produjo textos más precisos y relevantes para la redacción de patentes, obtuvo puntuaciones más altas en la clasificación de patentes según el sistema de clasificación de patentes internacional, y sus resúmenes de efectos técnicos, problemas, métodos y resúmenes fueron consistentemente calificados más altos por los evaluadores. También muestra velocidades más rápidas y un uso de memoria más bajo en comparación con GPT-4 para documentos de patentes largos.

¿Cómo vislumbra el papel de la IA evolucionando en el campo de la propiedad intelectual y la investigación y el desarrollo en la próxima década?

Veo a la IA desempeñando un papel cada vez más central en la propiedad intelectual y la investigación y el desarrollo en la próxima década. Por un lado, la IA mejorará enormemente la eficiencia y la precisión de las búsquedas de patentes y el análisis. Modelos de IA avanzados como PatsnapGPT se volverán aún mejores para entender y categorizar documentos técnicos complejos, redactar especificaciones de patentes de alta calidad y identificar posibles infracciones u obstáculos en patentes existentes. Esto ahorrará una cantidad tremenda de tiempo y reducirá el margen de error humano.

Además, la IA revolucionará la forma en que manejamos e interpretamos grandes cantidades de datos de PI. Con la capacidad de procesar y analizar grandes conjuntos de datos rápidamente, la IA puede descubrir tendencias e información que de otro modo podrían pasar desapercibidas. Esto puede informar una mejor toma de decisiones y estrategia en la gestión de la PI y la I+D, como identificar tecnologías emergentes, áreas potenciales para la innovación y asociaciones estratégicas.

En I+D, la IA impulsará la innovación ayudando en el proceso de descubrimiento. Los algoritmos de aprendizaje automático pueden analizar la investigación previa, predecir resultados y incluso sugerir nuevas líneas de investigación, acelerando el ritmo del descubrimiento y el desarrollo. La IA también puede simular experimentos y modelar sistemas complejos, reduciendo la necesidad de pruebas físicas costosas y que requieren mucho tiempo.

A medida que la tecnología de la IA continúa evolucionando, su integración en la PI y la I+D mejorará la creatividad, la eficiencia y la planificación estratégica.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Patsnap.