Carl Rost, consultant principal chez Patsnap – Série d’entretiens

Carl Rost est l’esprit derrière les outils de recherche de brevets alimentés par l’IA de Patsnap.

Patsnap se trouve à la pointe de l’intelligence d’innovation, en exploitant le pouvoir de l’IA et de l’apprentissage automatique pour passer au crible des milliards de jeux de données, permettant aux innovateurs d’établir des connexions cruciales. Leur technologie LLM de pointe, conçue pour les professionnels de la R&D et de la PI, navigue sans effort à travers des milliards de pages de brevets chaque jour. L’assistant IA de Patsnap engage des réponses conversationnelles aux questions de nouveauté et peut identifier des réponses spécifiques dans des textes étendus. Par exemple, il peut déterminer avec précision si un type de widget particulier est déjà breveté.

Pouvez-vous fournir une vue d’ensemble de la façon dont fonctionne l’assistant IA de Patsnap et de ses fonctions principales ?

Bien sûr ! Il s’agit d’un assistant IA appelé Hiro qui vous permet de poser des questions sur un brevet spécifique ou même sur un ensemble de résultats ou sur notre base de données entière ! Il a été formé pour comprendre les questions liées à l’innovation et aux brevets et répondre de manière à satisfaire les experts en la matière et les professionnels de la PI. Une récente avancée est que Hiro peut même aider à résoudre des problèmes techniques et proposer de nouvelles directions pour de nouvelles inventions en appliquant des principes d’invention à des solutions et des problèmes techniques trouvés dans notre base de données de brevets et de littérature. Hiro fonctionne un peu différemment selon que vous l’utilisez dans nos produits destinés à la R&D ou aux professionnels de la PI.

Je pense que ce qui rend Hiro unique, c’est qu’il est alimenté par le LLM propriétaire de Patsnap, les réponses font également référence à des sources et des références de la bibliothèque de Patsnap de 200 millions de brevets, 190 millions de pièces de littérature, 254 millions de structures chimiques, 879 millions de séquences biologiques et 2 milliards d’articles de presse.

Quels problèmes cette application résout-elle pour les entreprises ?

Les grands innovateurs devraient passer leur temps à innover, et non à déterminer la nouveauté des produits ou à effectuer des recherches préliminaires sur le marché. Les données sur les brevets sont l’une de nos sources d’information techniques les plus riches, rivalisant avec les données des revues, en particulier dans certains domaines technologiques. Pour la R&D, le temps nécessaire pour trouver et interroger ces types de données a été un bloqueur massif pour exploiter cela, mais des outils comme Hiro peuvent vraiment démocratiser ces informations pour la première fois.

Pour les professionnels du droit, il est courant de passer des heures, des jours, des semaines, à effectuer des recherches d’antériorité et de liberté d’exploitation. Avec les outils IA, cela peut être fait plus rapidement et avec plus de précision, libérant du bandeau pour un travail plus stratégique.

Les outils IA existants sont de deux types : trop généralisés et donc non adaptés à l’espace de la propriété intellectuelle, ou ils sont des boîtes noires, sans transparence quant aux ressources, réduisant la confiance et obstruant la prise de décision. Avec Hiro, nous relions les sources et assurons une visibilité totale à toutes les étapes du processus de développement.

Quels étaient les principaux défis que votre équipe a rencontrés lors du développement des fonctionnalités IA de Patsnap, et comment les avez-vous surmontés ?

Nous savons que les individus qui créent de nouvelles inventions veulent les protéger, la sécurité était donc au premier plan lors de la construction de Hiro. Puisque le modèle qui alimente Hiro est local et intégré à notre application, aucune donnée ne quitte l’environnement pour des tiers difficiles à faire confiance. Nos concurrents n’ont pas fait les travaux préparatoires et ont ajouté des modèles tiers qui ne résistent pas à l’examen. Lorsque nous disons que nous ne formons pas de modèles sur les données des clients, nous savons que c’est vrai et pouvons le montrer à nos clients et ce que nous faisons à la place. En revanche, les solutions de nos concurrents exposent à des risques en raison de tiers qui ont une réputation moins que stellaire en termes de transparence et de gestion des données.

Pouvez-vous élaborer sur la façon dont Hiro répond à des questions spécifiques de nouveauté et sur l’impact que cela a sur les flux de travail de la R&D et de la PI ?

Avec Hiro, les utilisateurs peuvent poser des questions comme « Quels aspects de cette invention la rendent nouvelle ? » ou « Comment ce brevet pourrait-il tenir dans différents systèmes juridiques ? » ou même « comment construire un jetpack portable » et obtenir des réponses qui s’adressent à chaque étape du processus d’invention. Par rapport aux modèles généralistes, Hiro comprend vraiment ce qui rend un brevet spécial. Les utilisateurs n’ont pas besoin d’être des experts en brevets pour comprendre en quelques secondes quelle partie de leur produit ou outil nécessite une protection.

Comment Hiro gère-t-il la grande quantité de données provenant des brevets et de la littérature non brevetée pour fournir des réponses précises et pertinentes ?

Nous avons effectué une formation approfondie sur cet ensemble de données, et les réponses ont été notées par des experts. Nous avons ensuite formé l’IA sur les réponses des experts, l’IA a noté la sortie, et les experts ont examiné cela. Au total, nous avons noté des millions de points de données de cette manière pour nous assurer que les réponses sont significatives pour les experts techniques et les professionnels de la PI.

Comment Hiro utilise-t-il les grands modèles de langage (LLM) pour améliorer l’efficacité des recherches de brevets et de l’analyse de la PI ? Quels types de données ont été utilisés pour former le LLM propriétaire de Patsnap, et comment assurez-vous son exactitude et sa fiabilité ?

Patsnap a construit un LLM spécifique à l’industrie pour alimenter Hiro. Le LLM a été formé sur des dossiers de brevets, des articles universitaires et d’autres données d’innovation, ce qui l’aide à comprendre et à répéter l’information d’une manière plus utile aux professionnels que les modèles généralistes. Pour assurer l’exactitude et la fiabilité, nous avons employé des méthodes rigoureuses de prétraitement des données, notamment le filtrage des données de mauvaise qualité, la déduplication et la réécriture. Nous avons également synthétisé de nouvelles données en combinant différentes sources pour améliorer la compréhension de l’IA des nuances spécifiques à la PI. Nous avons supervisé l’affinage et l’apprentissage par renforcement à partir de la rétroaction humaine pour améliorer continuellement ses performances.

PatsnapGPT a été testé de manière approfondie et a surpassé GPT-4 dans les tâches spécifiques à la PI, démontrant des capacités supérieures dans la rédaction, la classification, la synthèse et la raisonnement dans le domaine des brevets.

Le LLM propriétaire est transparent, en reliant les sources et les références, et il n’est pas formé sur les données des clients. C’est le seul acteur de l’industrie qui utilise un LLM réglé en interne, dans un secteur qui repose particulièrement sur la confidentialité et la confidentialité des données.

Comment le LLM propriétaire de Patsnap se compare-t-il à d’autres LLM généralistes comme GPT-4 en termes de performance et de précision pour les tâches liées à la PI ?

Le LLM propriétaire de Patsnap surpasse GPT-4 lorsqu’il s’agit de requêtes liées à la propriété intellectuelle. En utilisant l’examen du brevet de l’USPTO, PatsnapGPT-1.0 a obtenu un score équivalent à celui d’un expert en PI, tandis que les LLM généralistes n’ont pas atteint le seuil de 70 points pour les avocats en brevets qui passent l’examen.

PatsnapGPT se démarque vraiment lorsqu’on examine ses performances dans les benchmarks spécifiques à la PI. Hiro obtient systématiquement des scores plus élevés que les modèles généralistes comme GPT-4 à l’examen du brevet de l’USPTO. Les LLM généralistes ne parviennent pas à atteindre le seuil de 70 points à l’examen, tandis que PatsnapGPT 1.0 a obtenu un score équivalent à celui d’un expert en PI. Cela montre qu’il a une meilleure compréhension des principes de base de la PI. De plus, dans le PatentBench, qui est un benchmark complet pour les tâches de PI, PatsnapGPT a excellé dans plusieurs domaines. Il a produit des textes plus précis et plus pertinents pour la rédaction de brevets, a obtenu des scores plus élevés dans la classification des brevets selon le système de classification des brevets internationaux, et ses résumés des effets techniques, des problèmes, des méthodes et des résumés ont été systématiquement évalués plus haut par les évaluateurs. Il montre également des vitesses plus rapides et une utilisation de la mémoire plus faible par rapport à GPT-4 pour les documents de brevets longs.

Comment envisagez-vous l’évolution du rôle de l’IA dans le domaine de la propriété intellectuelle et de la recherche et développement au cours de la prochaine décennie ?

Je vois l’IA jouer un rôle de plus en plus central dans la propriété intellectuelle et la recherche et développement au cours de la prochaine décennie. Tout d’abord, l’IA améliorera considérablement l’efficacité et la précision des recherches de brevets et de l’analyse de la PI. Des modèles d’IA avancés comme PatsnapGPT deviendront encore meilleurs pour comprendre et catégoriser des documents techniques complexes, rédiger des spécifications de brevets de haute qualité et identifier les éventuelles contrefaçons ou chevauchements dans les brevets existants. Cela économisera un temps considérable et réduira la marge d’erreur humaine.

De plus, l’IA révolutionnera la façon dont nous traitons et interprétons les vastes quantités de données de PI. Avec la capacité de traiter et d’analyser de grands ensembles de données rapidement, l’IA peut découvrir des tendances et des informations qui pourraient autrement passer inaperçues. Cela éclairera une meilleure prise de décision et une stratégie dans la gestion de la PI et la R&D, comme l’identification de technologies émergentes, de domaines potentiels d’innovation et de partenariats stratégiques.

Dans la R&D, l’IA stimulera l’innovation en aidant au processus de découverte. Les algorithmes d’apprentissage automatique peuvent analyser les recherches antérieures, prédire les résultats et même suggérer de nouvelles lignes d’investigation, accélérant le rythme de la découverte et du développement. L’IA peut également simuler des expériences et modéliser des systèmes complexes, réduisant le besoin d’essais physiques coûteux et chronophages.

À mesure que la technologie IA continue d’évoluer, son intégration dans la PI et la R&D améliorera la créativité, l’efficacité et la planification stratégique.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Patsnap.