कार्ल रोस्ट, पैटस्नैप के प्रिंसिपल कंसल्टेंट – इंटरव्यू श्रृंखला

कार्ल रोस्ट पैटस्नैप में एआई-संचालित पेटेंट खोज उपकरणों के पीछे का मस्तिष्क है।

पैटस्नैप नवाचार बुद्धिमत्ता के अग्रिम पंक्ति में खड़ा है, जो एआई और मशीन लर्निंग की शक्ति का उपयोग करके अरबों डेटासेट को छानने के लिए, जिससे नवोन्मेषकों को महत्वपूर्ण संबंध बनाने में मदद मिलती है। उनकी अग्रिम एलएलएम प्रौद्योगिकी, आरएंडडी और आईपी पेशेवरों के लिए तैयार की गई, आसानी से अरबों पृष्ठों के पेटेंट के माध्यम से नेविगेट करती है। पैटस्नैप का एआई सहायक नवाचार और पेटेंट से संबंधित प्रश्नों के उत्तर देने के लिए प्रशिक्षित किया गया है और विस्तृत ग्रंथों के भीतर विशिष्ट उत्तरों को इंगित कर सकता है। उदाहरण के लिए, यह सटीक रूप से निर्धारित कर सकता है कि क्या एक विशिष्ट विजेट प्रकार पहले से ही पेटेंट में है।

क्या आप पैटस्नैप के एआई सहायक के कार्य और इसके प्राथमिक कार्यों का एक विवरण प्रदान कर सकते हैं?

बिल्कुल! यह एक एआई सहायक है जिसे हिरो कहा जाता है जो आपको एक विशिष्ट पेटेंट या甚至 हमारे पूरे डेटाबेस के बारे में प्रश्न पूछने की अनुमति देता है! यह नवाचार और पेटेंट से संबंधित प्रश्नों को समझने और तकनीकी विषय विशेषज्ञों और आईपी पेशेवरों के लिए संतोषजनक उत्तर प्रदान करने के लिए प्रशिक्षित किया गया है। हाल की प्रगति यह है कि हिरो तकनीकी समस्याओं को हल करने और नए आविष्कारों के लिए नए दिशानिर्देशों का प्रस्ताव करने में मदद कर सकता है जो हमारे पेटेंट और साहित्य डेटाबेस में पाए गए तकनीकी समाधानों और समस्याओं पर आविष्कारशील सिद्धांतों को लागू करके किया जाता है। हिरो का कार्य थोड़ा अलग है जब आप इसे आरएंडडी या आईपी पेशेवरों के लिए हमारे उत्पादों में उपयोग करते हैं।

मुझे लगता है कि हिरो को विशिष्ट बनाने वाली बात यह है कि यह पैटस्नैप के प्रोप्राइटरी एलएलएम द्वारा संचालित है, और उत्तर संदर्भ और स्रोतों को पैटस्नैप के 200 मिलियन पेटेंट, 190 मिलियन साहित्य, 254 मिलियन रासायनिक संरचनाओं, 879 मिलियन जैविक अनुक्रमों और 2 अरब समाचार लेखों के पुस्तकालय से जोड़ता है।

यह अनुप्रयोग उद्यमों के लिए किन समस्याओं का समाधान कर रहा है?

महान नवोन्मेषकों को नवाचार पर अपना समय बिताना चाहिए, न कि उत्पादों की नोवेल्टी या बाजार के प्रारंभिक शोध का निर्धारण करना। पेटेंट डेटा हमारे सबसे समृद्ध तकनीकी जानकारी के स्रोतों में से एक है, जो विशिष्ट प्रौद्योगिकी क्षेत्रों में पत्रिका डेटा को पार करता है। आरएंडडी के लिए, इस प्रकार के डेटा को खोजने और पूछताछ करने में समय लगना एक बड़ा ब्लॉकर रहा है, लेकिन हिरो जैसे उपकरण इस प्रकार की जानकारी को पहली बार लोकतांत्रिक बना सकते हैं।

कानूनी पेशेवरों के लिए, प्राथमिक कला और स्वतंत्रता से संचालित खोजों को चलाने में घंटे, दिन, सप्ताह बिताना आम बात है। एआई टूल्स के साथ यह अधिक तेजी से और सटीकता से किया जा सकता है, जिससे अधिक रणनीतिक कार्य के लिए बैंडविड्थ मुक्त हो जाती है।

मौजूदा एआई टूल्स या तो बहुत सामान्य हैं और इसलिए बौद्धिक संपदा स्थान के लिए उपयुक्त नहीं हैं, या वे ब्लैक बॉक्स हैं, जिसमें संसाधनों के लिए कोई पारदर्शिता नहीं है, जो विश्वास को कम करता है और निर्णय लेने में बाधा डालता है। हिरो के साथ, हम स्रोतों को जोड़ते हैं और पूरी प्रक्रिया में पूरी दृश्यता सुनिश्चित करते हैं।

हिरो के लिए एआई सुविधाओं को विकसित करते समय आपकी टीम ने किन मुख्य चुनौतियों का सामना किया, और आपने उन्हें कैसे पार किया?

हम जानते हैं कि नए आविष्कार बनाने वाले व्यक्ति उन्हें सुरक्षित रखना चाहते हैं, इसलिए हिरो बनाते समय सुरक्षा हमारे लिए सबसे ऊपर थी। हिरो को संचालित करने वाला मॉडल स्थानीय है और हमारे ऐप में निर्मित है, इसलिए किसी तीसरे पक्ष को डेटा नहीं छोड़ता है जिस पर भरोसा करना मुश्किल है। हमारे प्रतिस्पर्धियों ने जमीनी काम नहीं किया और तीसरे पक्ष के मॉडल जोड़ दिए जो जांच के लिए खड़े नहीं होते हैं। जब हम कहते हैं कि हम ग्राहक डेटा पर मॉडल को प्रशिक्षित नहीं कर रहे हैं, तो हमें यह पता है और हम अपने ग्राहकों को दिखा सकते हैं कि हम क्या करते हैं और इसके बजाय क्या करते हैं। इसके विपरीत, हमारे प्रतिस्पर्धियों के समाधान आपको तीसरे पक्ष के माध्यम से जोखिम के संपर्क में लाते हैं जो पारदर्शिता और डेटा के साथ व्यवहार के मामले में एक से कम प्रतिष्ठा रखते हैं।

क्या आप विस्तार से बता सकते हैं कि हिरो विशिष्ट नोवेल्टी प्रश्नों का उत्तर कैसे देता है और इसका आरएंडडी और आईपी कार्य प्रवाह पर क्या प्रभाव पड़ता है?

हिरो के साथ, उपयोगकर्ता प्रश्न पूछ सकते हैं जैसे “इस आविष्कार के कौन से पहलू इसे नए बनाते हैं?” या “यह पेटेंट विभिन्न कानूनी प्रणालियों में कैसे खड़ा होगा?” या यहां तक कि “एक पोर्टेबल जेटपैक कैसे बनाएं” और उन्हें उत्तर मिलते हैं जो आविष्कार प्रक्रिया के प्रत्येक चरण को संबोधित करते हैं। सामान्य मॉडलों की तुलना में हिरो वास्तव में यह समझता है कि क्या एक पेटेंट को विशेष बनाता है। उपयोगकर्ताओं को पेटेंट विशेषज्ञ होने की आवश्यकता नहीं है ताकि वे अपने आविष्कार के भीतर क्या नया है और क्या नहीं यह जानने के लिए पहुंच सकें, और वे कुछ सेकंड में समझ सकते हैं कि उनके उत्पाद या उपकरण का कौन सा हिस्सा संरक्षित होने की आवश्यकता है।

हिरो पेटेंट और गैर-पेटेंट साहित्य से विशाल डेटा को कैसे संभालता है ताकि सटीक और प्रासंगिक उत्तर प्रदान किए जा सकें?

हमने उस डेटासेट पर व्यापक प्रशिक्षण किया, और विशेषज्ञों ने प्रतिक्रियाओं का मूल्यांकन किया। हमने तब एआई को विशेषज्ञ प्रतिक्रियाओं पर प्रशिक्षित किया, एआई को आउटपुट का मूल्यांकन करने के लिए कहा, और विशेषज्ञों ने उस मूल्यांकन की समीक्षा की। सभी में, हमने इस तरह से लाखों डेटा बिंदुओं का मूल्यांकन किया है ताकि यह सुनिश्चित किया जा सके कि प्रतिक्रियाएं तकनीकी विशेषज्ञों और पेटेंट पेशेवरों के लिए अर्थपूर्ण हैं।

हिरो बड़े भाषा मॉडल (एलएलएम) का उपयोग करके पेटेंट खोज और आईपी विश्लेषण की दक्षता को कैसे बढ़ाता है? पैटस्नैप के प्रोप्राइटरी एलएलएम को प्रशिक्षित करने के लिए किस प्रकार के डेटा का उपयोग किया गया था, और आप इसकी सटीकता और विश्वसनीयता को कैसे सुनिश्चित करते हैं?

पैटस्नैप ने हिरो को संचालित करने के लिए एक उद्योग-विशिष्ट एलएलएम बनाया है। एलएलएम को पेटेंट रिकॉर्ड, अकादमिक पत्रों और अन्य नवाचार डेटा पर प्रशिक्षित किया गया है, जो इसे पेशेवरों के लिए अधिक सहायक तरीके से जानकारी को समझने और पुनः बताने में मदद करता है। सटीकता और विश्वसनीयता सुनिश्चित करने के लिए, हमने डेटा प्रीस्प्रोसेसिंग विधियों का उपयोग किया, जिसमें कम गुणवत्ता वाले डेटा को फिल्टर करना, डुप्लिकेट करना और पुनः लिखना शामिल है। हमने विभिन्न स्रोतों को मिलाकर नई डेटा संश्लेषण की, जिससे मॉडल को आईपी-विशिष्ट बारीकियों की बेहतर समझ मिली। हमने मानव प्रतिक्रिया से पर्यवेक्षित फ़ाइन-ट्यूनिंग और प्रबलित लर्निंग का उपयोग करके इसके प्रदर्शन में लगातार सुधार किया।

पैटस्नैपजीपीटी का व्यापक परीक्षण किया गया है और यह आईपी-विशिष्ट कार्यों में जीपीटी-4 से बेहतर प्रदर्शन करता है, जो पेटेंट डोमेन में ड्राफ्टिंग, वर्गीकरण, सारांश और तर्क में श्रेष्ठ क्षमता प्रदर्शित करता है।

प्रोप्राइटरी एलएलएम पारदर्शी है, स्रोतों और संदर्भों को जोड़ता है, और यह ग्राहक डेटा पर प्रशिक्षित नहीं है। यह उद्योग में एकमात्र खिलाड़ी है जो एक इन-हाउस ट्यून किए गए एलएलएम का उपयोग करता है, जो विशेष रूप से डेटा गोपनीयता और गोपनीयता पर निर्भर करता है।

पैटस्नैप के प्रोप्राइटरी एलएलएम की तुलना आईपी-संबंधित कार्यों के लिए जीपीटी-4 जैसे सामान्य-उद्देश्य एलएलएम से कैसे की जा सकती है?

पैटस्नैप का प्रोप्राइटरी एलएलएम आईपी प्रश्नों के लिए जीपीटी-4 से बेहतर प्रदर्शन करता है। यूएसपीटीओ पेटेंट बार परीक्षा का उपयोग करते हुए, पैटस्नैपजीपीटी -1.0 ने आईपी विशेषज्ञ के स्तर पर प्रदर्शन किया, जबकि सामान्य एलएलएम परीक्षा में कट-ऑफ तक नहीं पहुंचे।

पैटस्नैपजीपीटी वास्तव में तब खड़ा होता है जब आप आईपी-विशिष्ट बेंचमार्क में इसके प्रदर्शन को देखते हैं। हिरो ने जीपीटी-4 की तुलना में यूएसपीटीओ पेटेंट बार परीक्षा में लगातार उच्च स्कोर किया है। सामान्य एलएलएम परीक्षा में 70-ांक के कट-ऑफ को पार नहीं कर पाते हैं, जबकि पैटस्नैपजीपीटी 1.0 ने आईपी विशेषज्ञ के स्तर पर स्कोर किया, जो आईपी मूलभूत बातों की बेहतर समझ को दर्शाता है। इसके अलावा, पेटेंटबेंच में, जो आईपी कार्यों के लिए एक व्यापक बेंचमार्क है, पैटस्नैपजीपीटी ने कई क्षेत्रों में उत्कृष्ट प्रदर्शन किया। इसने पेटेंट लेखन के लिए अधिक सटीक और प्रासंगिक पाठ उत्पन्न किए, और अंतर्राष्ट्रीय पेटेंट वर्गीकरण प्रणाली के अनुसार पेटेंट को वर्गीकृत करने में उच्च स्कोर किया। इसके अलावा, तकनीकी प्रभाव, समस्याएं, तरीके और सारांश के सारांश को मूल्यांककों द्वारा लगातार उच्च दर्जा दिया गया था। यह लंबे पेटेंट दस्तावेजों के लिए जीपीटी-4 की तुलना में तेजी से और कम मेमोरी का उपयोग करता है।

आप अगले दशक में बौद्धिक संपदा और अनुसंधान एवं विकास के क्षेत्र में एआई की भूमिका को कैसे देखते हैं?

मुझे लगता है कि एआई बौद्धिक संपदा और अनुसंधान एवं विकास में अगले दशक में एक महत्वपूर्ण भूमिका निभाएगा। एक तरफ, एआई पेटेंट खोज और विश्लेषण की दक्षता और सटीकता को बहुत बढ़ा देगा। पैटस्नैपजीपीटी जैसे उन्नत एआई मॉडल पेटेंट विशेषज्ञता में और भी बेहतर होंगे, जैसे कि जटिल तकनीकी दस्तावेजों को समझने और वर्गीकृत करने, उच्च गुणवत्ता वाले पेटेंट विशिष्टताओं को तैयार करने और मौजूदा पेटेंट में संभावित उल्लंघन या ओवरलैप की पहचान करने। इससे बहुत समय और मानव त्रुटि की मार्जिन को कम किया जा सकेगा।

इसके अलावा, एआई विशाल आईपी डेटा को संभालने और व्याख्या करने के तरीके को क्रांतिकारी बना देगा। बड़े डेटासेट को जल्दी से संसाधित और विश्लेषण करके, एआई ऐसे रुझान और अंतर्दृष्टि का खुलासा कर सकता है जो अन्यथा अनदेखा हो सकते हैं। यह आईपी प्रबंधन और आरएंडडी में बेहतर निर्णय लेने और रणनीति का मार्गदर्शन कर सकता है, जैसे कि उभरती प्रौद्योगिकियों की पहचान करना, नवाचार के लिए संभावित क्षेत्रों की पहचान करना और रणनीतिक साझेदारी करना।

आरएंडडी में, एआई खोज प्रक्रिया में तेजी लाने में मदद करेगा। मशीन लर्निंग एल्गोरिदम पिछले शोध का विश्लेषण कर सकते हैं, परिणामों का पूर्वानुमान लगा सकते हैं और यहां तक कि नए अनुसंधान की दिशा में सुझाव दे सकते हैं, जिससे खोज और विकास की गति तेज हो जाती है। एआई प्रयोगों को अनुकरण कर सकता है और जटिल प्रणालियों को मॉडल कर सकता है, जिससे महंगे और समय लेने वाले भौतिक परीक्षणों की आवश्यकता कम हो जाती है।

जैसे-जैसे एआई प्रौद्योगिकी विकसित होती है, इसका आईपी और आरएंडडी में एकीकरण रचनात्मकता, दक्षता और रणनीतिक योजना में सुधार करेगा।

धन्यवाद इस शानदार साक्षात्कार के लिए, पाठक जो अधिक जानना चाहते हैं उन्हें पैटस्नैप पर जाना चाहिए।