Carl Rost, Patsnap의 Principal Consultant – 인터뷰 시리즈

Carl Rost는 Patsnap의 AI 기반 특허 검색 도구를 개발한 사람입니다.

Patsnap은 혁신 지능의 전위에 서서, AI와 기계 학습의 힘을 이용하여 수십억 개의 데이터 세트를 걸러내어 혁신가들이 중요한 연결을 만들 수 있도록 합니다. 그들의 최신 LLM 기술은 R&D와 IP 전문가를 위해 맞춤형으로 설계되었으며, 매일 수십억 페이지의 특허를 쉽게 탐색합니다. Patsnap의 AI 어시스턴트는 새로운 특허 질문에 대한 대화 형 응답에 참여하며, 광범위한 텍스트 내에서 특정 답변을 찾아낼 수 있습니다. 예를 들어, 특정 위젯 유형이 이미 특허되었는지 정확하게 결정할 수 있습니다.

Patsnap의 AI 어시스턴트가 어떻게 작동하며 주요 기능은 무엇입니까?

네! Hiro라는 AI 어시스턴트가 있으며, 특정 특허 또는 결과 세트 또는 전체 데이터베이스에 대한 질문을 할 수 있습니다! 혁신과 특허 관련 질문을 이해하고 기술 주제 전문가와 IP 전문가를 만족시키는 방식으로 응답하도록 훈련되었습니다. 최근의 발전은 Hiro가 기술 문제를 해결하고 새로운 발명에 대한 새로운 방향을 제안할 수 있다는 것입니다. Hiro는 R&D 또는 IP 전문가를 위한 제품에서 사용하는지에 따라 조금 다르게 작동합니다.

Hiro가 독특한 이유는 Patsnap의 독점적 LLM에 의해 구동되고, 답변은 Patsnap 라이브러리의 2억 개의 특허, 1.9억 개의 문헌, 2.54억 개의 화학 구조, 8.79억 개의 생물학적 시퀀스, 20억 개의 뉴스 기사에서 참조와 출처를 연결한다는 것입니다.

이 응용 프로그램은 기업을 위해 어떤 문제를 해결합니까?

훌륭한 혁신가들은 제품의 신규성 또는 시장의 예비 연구를 결정하는 것보다 혁신에 시간을 보내야 합니다. 특허 데이터는 저널 데이터와 마찬가지로 특히 특정 기술 분야에서 기술 정보의 가장 풍부한 소스 중 하나입니다. R&D를 위해 이 유형의 데이터를 찾고 조사하는 데 걸리는 시간은 이를 활용하는 데 큰 장애물이었습니다. 그러나 Hiro와 같은 도구는真正로 이 유형의 정보를 처음으로 민주화할 수 있습니다.

법률 전문가에게는 이전 예술 및 자유 운용 검색을 실행하는 데 몇 시간, 몇 일, 몇 주가 걸리는 것이 일반적입니다. AI 도구를 사용하면 더 빠르고 더 정확하게 수행할 수 있으며, 더 전략적인 작업을 위한 대역폭을 해방시킬 수 있습니다.

기존 AI 도구는 두 가지 중 하나입니다. 너무 일반화되어 인텔리전트 프로퍼티 공간에 적합하지 않거나, 블랙박스이며, 리소스에 대한 투명성이 없으므로 확신을 줄이고 의사 결정에 방해를 줍니다. Hiro를 사용하면 소스와 참조를 연결하고 개발 프로세스의 모든 단계에서 완전한 가시성을 보장합니다.

Hiro의 AI 기능을 개발하는 동안貴하의 팀이 직면한 주요 도전은 무엇이었으며, 어떻게 극복했습니까?

새로운 발명을 구축하는 개인이 그것을 보호하고 싶어한다는 것을 알고 있으므로 Hiro를 구축할 때 보안이 최우선 과제였습니다. Hiro를 구동하는 모델은 로컬에 구축되어 있으며 앱에 내장되어 있으므로 신뢰할 수 없는 제3자에게 데이터가 전송되지 않습니다. 경쟁사들은 기초 작업을 수행하지 않았으며, 검증을 견디지 못하는 제3자 모델을 부착했습니다. 고객 데이터에 모델을 훈련하지 않는다고 말할 때, 그것이 사실임을 알고, 고객에게 보여줄 수 있습니다. 반면에, 경쟁사 솔루션은 투명성과 데이터 처리에 대한 명성이 좋지 않은 제3자에게 노출시킵니다.

Hiro가 특정 신규성 질문에 어떻게 답변하며, 이것이 R&D와 IP 워크플로에 미치는 영향은 무엇입니까?

Hiro를 사용하면 사용자는 “이 발명의 어떤 측면이 신규성입니까?” 또는 “이 특허는 다른 법적 시스템에서 어떻게 작용할까요?”와 같은 질문을 할 수 있으며, 발명의 각 단계에 대한 답변을 얻을 수 있습니다. 일반 모델과 비교하여 Hiro는真正로 특허가 특별한 이유를 이해합니다. 사용자는 특허 전문가가 될 필요가 없으며, 발명에서 무엇이 신규인지, 어떤 부분이 보호되어야 하는지 이해할 수 있습니다.

Hiro는 특허 및 비특허 문헌의 방대한 양의 데이터를 어떻게 처리하여 정확하고 관련性 있는 답변을 제공합니까?

우리는 광범위한 훈련을 수행했으며, 전문가들이 답변을 평가했습니다. 그런 다음 우리는 전문가의 답변에 대한 AI를 훈련시켰으며, AI가 출력을 평가하고, 전문가가 그것을 검토했습니다. 우리는 이렇게 해서 수백만 개의 데이터 포인트를 평가하여 기술 전문가와 특허 전문가에게 의미 있는 답변을 제공했습니다.

Hiro는 대형 언어 모델(Large Language Model, LLM)을 어떻게 사용하여 특허 검색과 IP 분석의 효율성을 향상시키나요? Patsnap의 독점적 LLM을 훈련하기 위해 어떤 유형의 데이터를 사용했으며, 어떻게 그 정확성과 신뢰성을 보장합니까?

Patsnap은 Hiro를 구동하기 위해 산업 특정 LLM을 구축했습니다. LLM은 특허 기록, 학술 논문 및 기타 혁신 데이터로 훈련되어 기술 문서를 이해하고 기술 전문가와 특허 전문가에게 더 유용한 방식으로 정보를 전달합니다. 정확성과 신뢰성을 보장하기 위해, 우리는 엄격한 데이터 전처리 방법을 사용했으며, 저품질 데이터를 필터링하고, 중복을 제거하고, 다시 작성했습니다. 또한 우리는 다양한 소스를 결합하여 모델의 IP 특정한 미묘한 점을 이해하는 것을 향상시켰습니다. 우리는 인간의 피드백에서 감독 학습과 강화 학습을 사용하여 지속적으로 성능을 개선했습니다.

PatsnapGPT는 광범위하게 테스트되었으며, IP 관련 작업에서 GPT-4를 능가하는 성능을 보여주었습니다. 이는 특허 도메인 내에서 초안 작성, 분류, 요약 및推論에서 우수한 능력을 демонстри합니다.

독점적 LLM은 투명하며, 소스와 참조를 연결하며, 고객 데이터에 훈련되지 않았습니다. 이는 특히 데이터 개인 정보 보호와 기밀성이 특히 중요하게 여겨지는 산업에서 유일하게 내부적으로 조정된 LLM을 사용하는 산업입니다.

Patsnap의 독점적 LLM은 IP 관련 작업에서 GPT-4와 같은 일반적인 목적의 LLM과 비교하여 성능과 정확성은 어떻게 됩니까?

Patsnap의 독점적 LLM은 IP 관련 쿼리에서 GPT-4를 능가합니다. 미국 특허청 특허 시험에서 PatsnapGPT-1.0은 IP 전문가 수준의 성능을 보였으며, 일반 LLM은 특허 변호사 시험의 70점 컷오프에 도달하지 못했습니다.

Hiro는 IP 관련 벤치마크에서 탁월한 성능을 보여줍니다. Hiro는 USPTO 특허 시험에서 GPT-4보다 높은 점수를 얻습니다. 일반 LLM은 시험의 70점 컷오프에 도달하지 못하는 반면, PatsnapGPT 1.0은 IP 전문가 수준의 성능을 보여주었습니다. 이는 IP 기본知识를 더 잘 이해하고 있음을 보여줍니다. 또한, 특허 벤치마크에서 PatsnapGPT는 여러 분야에서 우수한 성능을 보여주었습니다. 특허 작성, 특허 분류, 요약 및 추론에서 더 정확하고 관련性 있는 텍스트를 생성했습니다. 또한, 긴 특허 문서에 대해 GPT-4보다 더 빠른 속도와 더 낮은 메모리 사용량을 보여주었습니다.

貴하는 향후 10년 동안 지적 재산권 및 연구 개발 분야에서 AI의 역할이 어떻게 발전할 것으로 예상합니까?

향후 10년 동안, AI는 지적 재산권 및 연구 개발 분야에서 점점 더 중심적인 역할을 할 것으로 예상합니다. 먼저, AI는 특허 검색과 분석의 효율성과 정확성을 크게 향상시킬 것입니다. PatsnapGPT와 같은 고급 AI 모델은 복잡한 기술 문서를 이해하고 분류하며, 높은 품질의 특허 사양을 작성하며, 기존 특허에서 잠재적인 침해 또는 중복을 식별하는 데 더 잘 적응할 것입니다. 이것은大量의 시간을 절약하고, 인간의 오류를 줄일 것입니다.

또한, AI는 IP 데이터의 방대한 양을 처리하고 해석하는 방식을 혁신할 것입니다.大量의 데이터를 빠르게 처리하고 분석할 수 있는 능력으로, AI는 다른 방법으로는 알 수 없는 추세와 통찰력을 발견할 수 있습니다. 이것은 IP 관리와 연구 개발에서 더 나은 의사 결정을 지원할 수 있습니다. 예를 들어, 새로운 기술을 식별하거나, 혁신의 잠재적인 영역을 식별하거나, 전략적 파트너십을 식별하는 데 도움이 될 수 있습니다.

연구 개발에서, AI는 발견 프로세스를 지원하여 혁신을 추동할 것입니다. 기계 학습 알고리즘은 이전 연구를 분석하고 결과를 예측하며, 심지어 새로운 연구 방향을 제안할 수 있습니다. 이는 발견과 개발의 속도를 가속화할 것입니다. AI는 또한 실험을 시뮬레이션하고 복잡한 시스템을 모델링할 수 있으며, 비용이 많이 드는 물리적 실험의 필요성을 줄일 수 있습니다.

AI 기술이 계속 발전함에 따라, 지적 재산권 및 연구 개발 분야에서의 통합은 창의성, 효율성, 전략적 계획을 향상시킬 것입니다.

훌륭한 인터뷰에 감사드립니다. 더 많은 정보를 배우고 싶은 독자는 Patsnap을 방문하십시오.