Carl Rost, Principal Consultant bij Patsnap – Interviewreeks

Carl Rost is de geest achter de AI-gepowered octrooizoektools bij Patsnap.

Patsnap staat aan de voorzijde van innovatie-intelligentie, waarbij het de kracht van AI en machine learning gebruikt om door miljarden datasets te zeven, waardoor innovators cruciale verbindingen kunnen maken. Hun cutting-edge LLM-technologie, aangepast voor R&D- en IP-professionals, navigeert moeiteloos door miljarden pagina’s met octrooien per dag. Patsnaps AI-assistent engageert in conversational antwoorden op noviteitsvragen en kan specifieke antwoorden binnen uitgebreide teksten aangeven. Bijvoorbeeld, kan het nauwkeurig bepalen of een bepaald type widget al is gepatenteerd.

Kunt u een overzicht geven van hoe Patsnaps AI-assistent werkt en zijn primaire functies?

Ja! Het is een AI-assistent genaamd Hiro die u toelaat om vragen te stellen over een specifiek octrooi of zelfs een resultaatset of onze hele database! Het is getraind om innovatie- en octrooigerelateerde vragen te begrijpen en te antwoorden op een manier die technische onderwerpenexperts en IP-professionals tevreden stelt. Een recente vooruitgang is dat Hiro u ook kan helpen om technische problemen op te lossen en nieuwe richtingen voor nieuwe uitvindingen voor te stellen door inventieve principes toe te passen op technische oplossingen en problemen die zijn gevonden in onze octrooi- en literatuurdatabank. Hiro werkt een beetje anders afhankelijk van of u het gebruikt in onze producten die voor R&D of voor IP-professionals zijn.

Ik denk dat wat Hiro uniek maakt, is dat het wordt aangedreven door Patsnaps propriëtaire LLM, antwoorden ook verwijzingen en bronnen van Patsnaps bibliotheek van 200 miljoen octrooien, 190 miljoen literatuur, 254 miljoen chemische structuren, 879 miljoen biologische sequenties en 2 miljard nieuwsartikelen.

Welke problemen lost deze toepassing op voor ondernemingen?

Grote innovators moeten hun tijd besteden aan innovatie, niet aan het bepalen van de noviteit van producten of het doen van voorlopig onderzoek van de markt. Octrooigegevens zijn een van onze rijkste bronnen van technische informatie, die concurreren met gegevens uit tijdschriften, vooral in bepaalde technologiegebieden. Voor R&D heeft de tijd die nodig is om deze gegevens te vinden en te ondervragen een enorme belemmering gevormd om dit te benutten, maar tools zoals Hiro kunnen deze informatie voor het eerst echt democratiseren.

Voor juridische professionals is het gebruikelijk om uren, dagen, weken te besteden aan het uitvoeren van prior art- en vrijheid-om-te-opereren-zoekopdrachten. Met AI-tools kan dit sneller en met meer nauwkeurigheid worden gedaan, waardoor er meer bandwidth vrijkomt voor strategisch werk.

Bestaande AI-tools zijn een van twee dingen: te algemeen en dus niet geschikt voor de intellectuele eigendomsruimte, of ze zijn black boxes, zonder transparantie over bronnen, waardoor vertrouwen en besluitvorming worden belemmerd. Met Hiro koppelen we terug naar bronnen en waarborgen we volledige zichtbaarheid op alle ontwikkelingsfasen.

Wat waren de belangrijkste uitdagingen die uw team tegenkwam bij het ontwikkelen van de AI-functies voor Patsnap, en hoe zijn deze overwonnen?

We weten dat individuen die nieuwe uitvindingen bouwen, deze willen beschermen, dus was beveiliging de topprioriteit bij de bouw van Hiro. Aangezien het model dat Hiro aandrijft, lokaal is en in onze app is ingebouwd, verlaat geen gegevens de omgeving naar derden die moeilijk te vertrouwen zijn. Onze concurrenten hebben geen grondwerk gedaan en hebben derdenmodellen toegevoegd die niet door de beugel kunnen. Wanneer we zeggen dat we geen modellen trainen op klantgegevens, weten we dat te zijn waar en kunnen we onze klanten laten zien wat we in plaats daarvan doen. In tegenstelling tot onze concurrenten blootstellen hun oplossingen u aan risico’s via derden met een minder dan sterke reputatie op het gebied van transparantie en gegevensbeheer.

Kunt u verder ingaan op hoe Hiro specifieke noviteitsvragen beantwoordt en welke invloed dit heeft op R&D- en IP-workflows?

Met Hiro kunnen gebruikers vragen stellen zoals “Wat zijn de aspecten van deze uitvinding die het uniek maken?” of “Hoe zou dit octrooi zich verhouden in verschillende rechtsstelsels?” of zelfs “hoe een draagbare jetpack te bouwen” en antwoorden krijgen die elk stap van het uitvindingsproces aanspreken. In vergelijking met generalistische modellen begrijpt Hiro echt wat een octrooi speciaal maakt. Gebruikers hoeven geen octrooi-experts te zijn om te begrijpen welk deel van hun product of gereedschap beschermd moet worden, en kunnen in seconden begrijpen welk deel van hun product of gereedschap moet worden beschermd.

Hoe handelt Hiro de enorme hoeveelheid gegevens van octrooien en niet-octrooigegevens af om precieze en relevante antwoorden te geven?

We hebben uitgebreide training op die dataset gedaan en de antwoorden beoordeeld met experts. We hebben vervolgens AI getraind op de antwoorden van experts, hebben de AI-uitvoer beoordeeld en hebben experts die beoordeling laten doen. Al met al hebben we miljoenen datapunten op deze manier beoordeeld om ervoor te zorgen dat de antwoorden zinvol zijn voor technische experts en octrooi-professionals.

Hoe gebruikt Hiro grote taalmodellen (LLM’s) om de efficiëntie van octrooizoekopdrachten en IP-analyse te verbeteren? Welke soorten gegevens werden gebruikt om Patsnaps propriëtaire LLM te trainen, en hoe waarborgt u de nauwkeurigheid en betrouwbaarheid ervan?

Patsnap heeft een branche-specifiek LLM gebouwd om Hiro aan te drijven. De LLM is getraind op octrooigegevens, academische papers en andere innovatiegegevens, waardoor het beter begrijpt en vertelt informatie op een manier die meer helpt voor professionals dan generalistische modellen. Om de nauwkeurigheid en betrouwbaarheid te waarborgen, hebben we rigoureuze datapreprocessingmethoden toegepast, waaronder het filteren van lagekwaliteitsgegevens, deduplicatie en herschrijven. We hebben ook nieuwe gegevens gesynthetiseerd door verschillende bronnen te combineren om het model beter te laten begrijpen van IP-specifieke nuances. We hebben toezicht gehouden op finetuning en versterking van het leren van menselijke feedback om de prestaties voortdurend te verbeteren.

PatsnapGPT is uitgebreid getest en heeft GPT-4 overtroffen in IP-specifieke taken, waarbij het heeft aangetoond dat het superieure mogelijkheden heeft in het opstellen, classificeren, samenvatten en redeneren binnen het octrooigebied.

De propriëtaire LLM is transparant, waarbij bronnen en verwijzingen worden gekoppeld, en het is niet getraind op klantgegevens. Het is de enige industrie-speler die een in-huis afgestemde LLM gebruikt, in een industrie die vooral afhankelijk is van gegevensprivaciteit en vertrouwelijkheid.

Hoe vergelijkt Patsnaps propriëtaire LLM zich met andere general-purpose LLM’s zoals GPT-4 in termen van prestaties en nauwkeurigheid voor IP-gerelateerde taken?

Patsnaps propriëtaire LLM presteert beter dan GPT-4 als het gaat om intellectuele eigendomsquery’s. Met behulp van de USPTO Patent Bar Exam, presteerde PatsnapGPT-1.0 op het niveau van een IP-expert, terwijl general LLM’s de drempel van 70 punten voor octrooijuristen die de examen afleggen niet haalden.

PatsnapGPT springt echt uit als u kijkt naar hoe het presteert in IP-specifieke benchmarks. Hiro scoort consistent hoger dan general modellen zoals GPT-4 op de USPTO Patent Bar Exam. General LLM’s halen de 70-punten-drempel niet op de examen, terwijl PatsnapGPT 1.0 op het niveau van een IP-expert presteerde. Dit toont aan dat het een beter begrip heeft van IP-fundamenten. Bovendien presteerde PatsnapGPT uitstekend in verschillende gebieden in de PatentBench, die een uitgebreide benchmark is voor IP-taken. Het produceerde meer accurate en relevante teksten voor octrooischrijven, scoorde hoger in het classificeren van octrooien volgens het Internationaal Octrooiclassificatiesysteem en de samenvattingen van technische effecten, problemen, methoden en abstracten werden consistent hoger beoordeeld door evaluatoren. Het toont ook snellere snelheden en lager geheugengebruik in vergelijking met GPT-4 voor lange octrooidocumenten.

Hoe ziet u de rol van AI evolueren in het veld van intellectuele eigendom en onderzoek en ontwikkeling in de komende tien jaar?

Ik zie AI een steeds centralere rol spelen in intellectuele eigendom en onderzoek en ontwikkeling in de komende tien jaar. Ten eerste zal AI de efficiëntie en nauwkeurigheid van octrooizoekopdrachten en -analyse enorm verbeteren. Geavanceerde AI-modellen zoals PatsnapGPT zullen nog beter worden in het begrijpen en categoriseren van complexe technische documenten, het opstellen van hoogwaardige octrooibeschrijvingen en het identificeren van potentiële inbreuken of overlappingen in bestaande octrooien. Dit zal een enorme hoeveelheid tijd besparen en de marge voor menselijke fouten verkleinen.

Bovendien zal AI de manier waarop we omgaan met en interpreteren van enorme hoeveelheden IP-gegevens revolutioneren. Met de mogelijkheid om grote datasets snel te verwerken en te analyseren, kan AI trends en inzichten ontdekken die anders onopgemerkt zouden blijven. Dit kan betere besluitvorming en strategie in IP-beheer en R&D informeren, zoals het identificeren van opkomende technologieën, potentiële gebieden voor innovatie en strategische partnerschappen.

In R&D zal AI innovatie aandrijven door te helpen bij het ontdekken. Machine learning-algoritmen kunnen eerder onderzoek analyseren, resultaten voorspellen en zelfs nieuwe onderzoekslijnen suggereren, waardoor de ontdekkings- en ontwikkelingssnelheid wordt versneld. AI kan ook simulaties en complexe systemen modelleren, waardoor de noodzaak voor dure en tijdrovende fysieke tests wordt verminderd.

Naarmate AI-technologie verder evolueert, zal de integratie in IP en R&D creativiteit, efficiëntie en strategische planning verbeteren.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Patsnap bezoeken.