Carl Rost, Principal Consultant di Patsnap – Seri Wawancara

Carl Rost adalah pemikir di balik alat pencarian paten yang ditenagai AI di Patsnap.

Patsnap berdiri di garis depan kecerdasan inovasi, memanfaatkan kekuatan AI dan pembelajaran mesin untuk menyaring miliaran dataset, memungkinkan inovator untuk membuat koneksi penting. Teknologi LLM canggih mereka, yang dirancang khusus untuk profesional R&D dan IP, dengan mudah menavigasi miliaran halaman paten setiap hari. Asisten AI Patsnap berinteraksi dalam respons konversasional untuk pertanyaan kebaruan dan dapat menunjuk jawaban spesifik dalam teks ekstensif. Misalnya, dapat dengan akurat menentukan apakah jenis widget tertentu sudah dipatenkan.

Apakah Anda dapat memberikan gambaran tentang cara kerja asisten AI Patsnap dan fungsinya?

Tentu! Ini adalah asisten AI yang disebut Hiro yang memungkinkan Anda untuk mengajukan pertanyaan tentang paten tertentu atau bahkan hasil set atau database kami! Ini telah dilatih untuk memahami pertanyaan inovasi dan paten terkait dan merespons dengan cara yang memuaskan ahli subjek teknis dan profesional IP. Kemajuan terbaru adalah bahwa Hiro bahkan dapat membantu Anda memecahkan masalah teknis dan mengusulkan arah baru untuk penemuan baru dengan menerapkan prinsip penemuan ke solusi teknis dan masalah yang ditemukan dalam database paten dan literatur kami. Hiro bekerja sedikit berbeda tergantung pada apakah Anda menggunakannya dalam produk kami yang untuk R&D atau untuk profesional IP.

Saya pikir apa yang membuat Hiro unik adalah bahwa itu ditenagai oleh LLM milik Patsnap, jawaban juga menautkan referensi dan sumber dari perpustakaan Patsnap yang berisi 200 juta paten, 190 juta karya literatur, 254 juta struktur kimia, 879 juta urutan biologis, dan 2 miliar artikel berita.

Apa masalah yang dipecahkan aplikasi ini untuk perusahaan?

Inovator hebat harus menghabiskan waktu mereka untuk berinovasi, bukan menentukan kebaruan produk atau melakukan penelitian awal pasar. Data paten adalah salah satu sumber informasi teknis terkaya, setara dengan data jurnal, terutama di bidang teknologi tertentu. Untuk R&D, waktu yang dibutuhkan untuk menemukan dan menginterogasi data jenis ini telah menjadi penghalang besar untuk memanfaatkan ini, tetapi alat seperti Hiro dapat benar-benar mendemokratisasikan informasi jenis ini untuk pertama kalinya.

Untuk profesional hukum, umum untuk menghabiskan jam, hari, minggu, menjalankan pencarian prior art dan kebebasan untuk beroperasi. Dengan alat AI ini dapat dilakukan lebih cepat, dan dengan lebih akurat, membebaskan bandwidth untuk pekerjaan strategis lebih lanjut.

Alat AI yang ada sekarang adalah salah satu dari dua hal: terlalu umum dan oleh karena itu tidak sesuai untuk ruang lingkup properti intelektual, atau mereka adalah kotak hitam, dengan tidak ada transparansi tentang sumber daya, mengurangi kepercayaan dan menghalangi pengambilan keputusan. Dengan Hiro, kami menautkan kembali ke sumber dan memastikan visibilitas penuh pada semua tahap proses pengembangan.

Apa tantangan utama yang dihadapi tim Anda saat mengembangkan fitur AI untuk Patsnap, dan bagaimana Anda mengatasi mereka?

Kami tahu bahwa individu yang membangun penemuan baru ingin melindunginya, sehingga keamanan adalah prioritas utama saat membangun Hiro. Karena model yang memungkinkan Hiro adalah lokal dan terintegrasi ke dalam aplikasi kami, tidak ada data yang meninggalkan lingkungan untuk pihak ketiga yang sulit dipercaya. Pesaing kami tidak melakukan pekerjaan dasar dan memasang model pihak ketiga yang tidak tahan uji. Ketika kami mengatakan bahwa kami tidak melatih model pada data pelanggan, kami tahu itu benar dan dapat menunjukkan kepada pelanggan kami dan apa yang kami lakukan sebagai gantinya. Sebaliknya, solusi pesaing kami memaparkan Anda pada risiko melalui pihak ketiga yang memiliki reputasi kurang dari baik dalam hal transparansi dan penanganan data.

Apakah Anda dapat menjelaskan lebih lanjut tentang cara Hiro menjawab pertanyaan kebaruan spesifik dan dampaknya pada alur kerja R&D dan IP?

Dengan Hiro, pengguna dapat mengajukan pertanyaan seperti “Apa aspek penemuan ini yang membuatnya baru?” atau “Bagaimana paten ini dapat bertahan di sistem hukum yang berbeda?” atau bahkan “bagaimana membangun jetpack yang dapat dikenakan” dan mendapatkan jawaban yang berbicara pada setiap langkah proses penemuan. Dibandingkan dengan model umum, Hiro benar-benar memahami apa yang membuat paten istimewa. Pengguna tidak perlu menjadi ahli paten untuk sampai ke inti apa yang baru atau tidak dalam penemuan mereka, dan dapat memahami dalam hitungan detik bagian mana dari produk atau alat mereka yang perlu dilindungi.

Bagaimana Hiro menangani sejumlah besar data dari paten dan literatur non-paten untuk memberikan jawaban yang tepat dan relevan?

Kami melakukan pelatihan ekstensif pada dataset tersebut, dan menilai respons dengan ahli. Kami kemudian melatih AI pada respons ahli, membuat AI menilai output, dan memiliki ahli meninjau itu. Secara keseluruhan, kami telah menilai jutaan titik data dengan cara ini untuk memastikan respons tersebut bermakna bagi ahli teknis dan profesional paten.

Bagaimana Hiro menggunakan model bahasa besar (LLM) untuk meningkatkan efisiensi pencarian paten dan analisis IP? Jenis data apa yang digunakan untuk melatih LLM milik Patsnap, dan bagaimana Anda memastikan akurasi dan keandalannya?

Patsnap membangun LLM khusus industri untuk memungkinkan Hiro. LLM telah dilatih pada catatan paten, makalah akademis, dan data inovasi lainnya, yang membantu memahami dan menceritakan kembali informasi dengan cara yang lebih berguna bagi profesional daripada model umum. Untuk memastikan akurasi dan keandalan, kami menerapkan metode pra-pengolahan data yang ketat, termasuk menyaring data berkualitas rendah, deduplikasi, dan penulisan ulang. Kami juga mensintesis data baru dengan menggabungkan sumber daya yang berbeda untuk meningkatkan pemahaman model tentang nuansa khusus IP. Kami mengawasi penyetelan ulang dan pembelajaran penguatan dari umpan balik manusia untuk terus meningkatkan kinerjanya.

PatsnapGPT telah diuji secara ekstensif dan telah outperform GPT-4 dalam tugas khusus IP, menunjukkan kemampuan unggul dalam penulisan, klasifikasi, ringkasan, dan penalaran dalam domain paten.

LLM milik Patsnap transparan, menautkan sumber dan referensi, dan tidak dilatih pada data pelanggan. Ini adalah satu-satunya pemain industri yang menggunakan LLM yang disesuaikan secara internal, dalam industri yang sangat bergantung pada privasi dan kerahasiaan data.

Bagaimana LLM milik Patsnap dibandingkan dengan LLM umum lainnya seperti GPT-4 dalam hal kinerja dan akurasi untuk tugas terkait IP?

LLM milik Patsnap outperform GPT-4 ketika datang ke kueri properti intelektual. Menggunakan Ujian Bar Paten USPTO, PatsnapGPT-1.0 mencapai tingkat ahli IP, sedangkan LLM umum tidak mencapai batas lulus untuk pengacara paten yang mengambil ujian.

PatsnapGPT benar-benar menonjol ketika Anda melihat bagaimana kinerjanya dalam benchmark khusus IP. Hiro konsisten mencetak skor lebih tinggi daripada model umum seperti GPT-4 pada Ujian Bar Paten USPTO. LLM umum gagal melewati batas 70 poin pada ujian, sedangkan PatsnapGPT 1.0 mencapai tingkat ahli IP. Ini menunjukkan bahwa memiliki pemahaman yang lebih baik tentang dasar-dasar IP. Selain itu, pada PatentBench, yang merupakan benchmark komprehensif untuk tugas IP, PatsnapGPT unggul dalam beberapa area. Ini menghasilkan teks yang lebih akurat dan relevan untuk penulisan paten, mencetak skor lebih tinggi dalam mengklasifikasikan paten menurut Sistem Klasifikasi Paten Internasional, dan ringkasannya tentang efek teknis, masalah, metode, dan abstrak konsisten dinilai lebih tinggi oleh evaluator. Ini juga menunjukkan kecepatan yang lebih cepat dan penggunaan memori yang lebih rendah dibandingkan dengan GPT-4 untuk dokumen paten panjang.

Bagaimana Anda membayangkan peran AI berkembang dalam bidang properti intelektual dan penelitian dan pengembangan selama dekade mendatang?

Saya melihat AI memainkan peran yang semakin sentral dalam properti intelektual dan penelitian dan pengembangan selama dekade mendatang. Pertama, AI akan sangat meningkatkan efisiensi dan akurasi pencarian paten dan analisis. Model AI canggih seperti PatsnapGPT akan menjadi lebih baik dalam memahami dan mengategorikan dokumen teknis kompleks, menulis spesifikasi paten berkualitas tinggi, dan mengidentifikasi potensi pelanggaran atau tumpang tindih dalam paten yang ada. Ini akan menyelamatkan sejumlah besar waktu dan mengurangi margin untuk kesalahan manusia.

Selain itu, AI akan merevolusi cara kita menangani dan menafsirkan sejumlah besar data IP. Dengan kemampuan untuk memproses dan menganalisis dataset besar dengan cepat, AI dapat mengungkap tren dan wawasan yang mungkin tidak akan terlihat. Ini dapat memandu pengambilan keputusan dan strategi yang lebih baik dalam pengelolaan IP dan R&D, seperti mengidentifikasi teknologi yang muncul, area inovasi potensial, dan kemitraan strategis.

Dalam R&D, AI akan menggerakkan inovasi dengan membantu dalam proses penemuan. Algoritma pembelajaran mesin dapat menganalisis penelitian sebelumnya, memprediksi hasil, dan bahkan menyarankan jalur penemuan baru, mempercepat laju penemuan dan pengembangan. AI juga dapat mensimulasikan eksperimen dan memodelkan sistem kompleks, mengurangi kebutuhan untuk uji fisik yang mahal dan memakan waktu.

Ketika teknologi AI terus berkembang, integrasinya ke dalam IP dan R&D akan meningkatkan kreativitas, efisiensi, dan perencanaan strategis.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Patsnap.