Carl Rost, Principal Consultant di Patsnap – Seri Wawancara

Carl Rost adalah otak 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 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 terlibat dalam respons konversasional untuk pertanyaan novasi dan dapat menunjukkan jawaban spesifik dalam teks yang luas. Misalnya, dapat menentukan dengan akurat apakah jenis widget tertentu sudah dipatenkan.

Apakah Anda dapat memberikan gambaran tentang bagaimana asisten AI Patsnap bekerja dan fungsinya?

Tentu! Ini adalah asisten AI yang disebut Hiro yang memungkinkan Anda untuk mengajukan pertanyaan tentang paten tertentu atau bahkan hasil pencarian atau database kami! Ini telah dilatih untuk memahami pertanyaan inovasi dan paten dan merespons dengan cara yang memuaskan ahli 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 pada solusi dan masalah teknis 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 ini ditenagai oleh LLM milik Patsnap, jawaban juga menghubungkan referensi dan sumber dari perpustakaan Patsnap yang memiliki 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 novasi produk atau melakukan penelitian awal pasar. Data paten adalah salah satu sumber informasi teknis yang paling kaya, menyaingi 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 hukum kekayaan intelektual, atau mereka adalah kotak hitam, dengan tidak ada transparansi mengenai sumber daya, mengurangi kepercayaan dan menghalangi pengambilan keputusan. Dengan Hiro, kami menghubungkan 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 dibangun 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 menunjukkannya kepada pelanggan 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.

Dapatkah Anda menjelaskan bagaimana Hiro menjawab pertanyaan novasi 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 mencapai inti dari apa yang baru atau tidak dalam penemuan mereka, dan dapat memahami dalam beberapa detik bagian mana dari produk atau alat yang perlu dilindungi.

Bagaimana Hiro menangani jumlah data yang besar 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. Kemudian kami 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 responsnya bermakna bagi ahli teknis dan profesional paten.

Bagaimana Hiro menggunakan model bahasa besar (LLM) untuk meningkatkan efisiensi pencarian paten dan analisis IP? Apa jenis data 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 menulis ulang. Kami juga mensintesis data baru dengan menggabungkan sumber yang berbeda untuk meningkatkan pemahaman model tentang nuansa IP-spesifik. Kami mengawasi pelatihan ulang dan pembelajaran penguatan dari umpan balik manusia untuk terus meningkatkan kinerjanya.

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

LLM milik Patsnap transparan, menghubungkan 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 membandingkan dengan LLM umum seperti GPT-4 dalam hal kinerja dan akurasi untuk tugas terkait IP?

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

PatsnapGPT benar-benar menonjol ketika Anda melihat bagaimana kinerjanya dalam benchmark IP-spesifik. Hiro konsisten mencetak skor lebih tinggi daripada model umum seperti GPT-4 pada Ujian Bar Paten USPTO. Model LLM umum gagal melewati batas 70 poin pada ujian, sedangkan PatsnapGPT 1.0 mencapai tingkat IP ahli. Ini menunjukkan bahwa memiliki pemahaman yang lebih baik tentang dasar-dasar IP. Selain itu, dalam Benchmark Paten, 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 kekayaan intelektual dan penelitian dan pengembangan selama dekade berikutnya?

Saya melihat AI memainkan peran yang semakin sentral dalam kekayaan intelektual dan penelitian dan pengembangan selama dekade berikutnya. 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 yang kompleks, mendraf paten spesifikasi yang 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.

Lebih lanjut, AI akan merevolusi cara kita menangani dan menafsirkan jumlah data IP yang besar. 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 memacu inovasi dengan membantu dalam proses penemuan. Algoritma pembelajaran mesin dapat menganalisis penelitian sebelumnya, memprediksi hasil, dan bahkan menyarankan garis baru penelitian, mempercepat laju penemuan dan pengembangan. AI juga dapat mensimulasikan eksperimen dan memodelkan sistem yang kompleks, mengurangi kebutuhan untuk percobaan 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 dapat mengunjungi Patsnap.