Carl Rost, Starszy Konsultant w Patsnap – Seria Wywiadów

Carl Rost jest twórcą narzędzi wyszukiwania patentów opartych na sztucznej inteligencji w Patsnap.

Patsnap stoi na czele innowacji inteligentnych, wykorzystując moc sztucznej inteligencji i uczenia maszynowego do przeszukiwania miliardów zbiorów danych, umożliwiając innowatorom nawiązanie kluczowych połączeń. Ich najnowsza technologia LLM, dostosowana do potrzeb profesjonalistów z dziedziny R&D i IP, bez wysiłku nawiguje przez miliardy stron patentowych dziennie. Asystent AI Patsnap angażuje się w odpowiedzi konwersacyjne na pytania dotyczące nowości i może wskazać konkretną odpowiedź w obszernych tekstach. Na przykład, może dokładnie określić, czy określony typ widgetu jest już opatentowany.

Czy możesz przedstawić ogólny zarys działania asystenta Patsnap i jego podstawowych funkcji?

Oczywiście! Jest to asystent AI o nazwie Hiro, który pozwala na zadawanie pytań dotyczących konkretnego patentu lub nawet całej bazy danych! Został przeszkolony, aby zrozumieć pytania związane z innowacjami i patentami oraz odpowiedzieć w sposób zadowalający ekspertów technicznych i profesjonalistów z dziedziny IP. Ostatnim rozwojem jest to, że Hiro może również pomóc w rozwiązywaniu problemów technicznych i proponowaniu nowych kierunków dla nowych wynalazków, stosując zasady wynalazczości do rozwiązań i problemów znalezionych w naszej bazie patentowej i literatury. Hiro działa nieco inaczej, w zależności od tego, czy jest używany w naszych produktach dla R&D czy dla profesjonalistów z dziedziny IP.

Myślę, że to, co sprawia, że Hiro jest wyjątkowy, to fakt, że jest napędzany przez własną, zastrzeżoną technologię LLM Patsnap, a odpowiedzi również odwołują się do odniesień i źródeł z biblioteki Patsnap, liczącej 200 milionów patentów, 190 milionów pozycji literatury, 254 miliony struktur chemicznych, 879 milionów sekwencji biologicznych i 2 miliardy artykułów prasowych.

Jakie problemy rozwiązuje to zastosowanie dla przedsiębiorstw?

Wielcy innowatorzy powinni spędzać swój czas na innowacjach, a nie na ustalaniu nowości produktów lub prowadzeniu wstępnych badań rynkowych. Dane patentowe są jednym z najbogatszych źródeł informacji technicznych, rywalizując z danymi z czasopism, szczególnie w określonych dziedzinach techniki. Dla R&D czas potrzebny do znalezienia i zbadania tego typu danych był ogromnym hamulcem, ale narzędzia takie jak Hiro mogą naprawdę udemokratyzować ten typ informacji po raz pierwszy.

Dla profesjonalistów z dziedziny prawa jest to powszechne, że spędzają godziny, dni, tygodnie, prowadząc poszukiwania poprzedniej sztuki i swobody działania. Z użyciem narzędzi AI można to zrobić szybciej i z większą dokładnością, zwalniając pasmo dla bardziej strategicznej pracy.

Istniejące narzędzia AI są albo zbyt ogólne i nieodpowiednie dla przestrzeni własności intelektualnej, albo są czarnymi skrzynkami, bez przejrzystości co do źródeł, zmniejszając zaufanie i utrudniając podejmowanie decyzji. Z Hiro, łączymy się z źródłami i zapewniamy pełną widoczność na wszystkich etapach procesu rozwoju.

Jakie były główne wyzwania, z którymi zmagała się Twoja drużyna podczas tworzenia funkcji AI dla Patsnap, i jak je pokonaliście?

Wiemy, że osoby budujące nowe wynalazki chcą je chronić, więc bezpieczeństwo było najważniejsze przy budowaniu Hiro. Ponieważ model napędzający Hiro jest lokalny i wbudowany w naszą aplikację, nie opuszczają jej żadne dane do stron trzecich, którym trudno ufać. Nasi konkurenci nie wykonali podstawowej pracy i dodali modele stron trzecich, które nie wytrzymują krytyki. Kiedy mówimy, że nie szkolimy modeli na danych klientów, wiemy, że to prawda i możemy pokazać naszym klientom, co robimy i jak. W przeciwieństwie do naszych konkurentów, ich rozwiązania narażają na ryzyko poprzez strony trzecie, które mają mniej niż wspaniały reputację, jeśli chodzi o przejrzystość i obsługę danych.

Czy możesz wyjaśnić, jak Hiro odpowiada na konkretne pytania dotyczące nowości i jaki wpływ ma to na procesy R&D i IP?

Z Hiro, użytkownicy mogą zadawać pytania takie jak „Jakie aspekty tego wynalazku sprawiają, że jest on nowy?” lub „Jak ten patent mógłby się sprawdzić w różnych systemach prawnych?” lub nawet „jak zbudować noszący jetpack” i otrzymać odpowiedzi, które odnoszą się do każdego etapu procesu wynalazczego. W porównaniu z modelami ogólnymi, Hiro naprawdę rozumie, co sprawia, że patent jest wyjątkowy. Użytkownicy nie muszą być ekspertami od patentów, aby dotrzeć do sedna tego, co jest lub nie jest nowe w ich wynalazku, i mogą zrozumieć w sekundy, jaki część ich produktu lub narzędzia wymaga ochrony.

Jak Hiro radzi sobie z ogromną ilością danych z patentów i literatury niepatentowej, aby dostarczyć precyzyjne i istotne odpowiedzi?

Przeprowadziliśmy obszerny trening na tym zbiorze danych i ocenialiśmy odpowiedzi z ekspertami. Następnie przeszkoliliśmy AI na odpowiedziach ekspertów, a AI oceniło wyniki, a eksperci przeglądali to. W sumie oceniliśmy miliony punktów danych w ten sposób, aby upewnić się, że odpowiedzi są znaczące dla ekspertów technicznych i profesjonalistów z dziedziny IP.

Jak Hiro wykorzystuje duże modele językowe (LLM), aby poprawić wydajność wyszukiwania patentów i analizy IP? Jakie typy danych zostały wykorzystane do szkolenia zastrzeżonej LLM Patsnap, i jak zapewniamy jej dokładność i niezawodność?

Patsnap zbudował branżowy LLM, aby napędzać Hiro. LLM został przeszkolony na danych patentowych, artykułach akademickich i innych danych innowacyjnych, co pomaga mu zrozumieć i przekazać informacje w sposób bardziej przydatny dla profesjonalistów niż modele ogólne. Aby zapewnić dokładność i niezawodność, zastosowaliśmy rygorystyczne metody przetwarzania danych, w tym filtrowanie danych niskiej jakości, deduplikację i przepisanie. Stworzyliśmy również nowe dane, łącząc różne źródła, aby poprawić zrozumienie modelu nuansów IP. Nadzorowaliśmy dostrajanie i uczenie ze sprzężeniem zwrotnym od ludzi, aby ciągle poprawiać jego działanie.

PatsnapGPT został przetestowany i przewyższył GPT-4 w zadaniach związanych z IP, demonstrując lepsze możliwości w tworzeniu, klasyfikowaniu, podsumowaniu i rozumowaniu w dziedzinie patentowej.

Własna LLM jest przejrzysta, łącząc źródła i odniesienia, i nie jest szkolona na danych klientów. Jest to jedyny gracz branżowy, który używa dostosowanego LLM, w branży, która szczególnie polega na prywatności i poufności danych.

Jak zastrzeżona LLM Patsnap porównuje się do innych ogólnych LLM, takich jak GPT-4, pod względem wydajności i dokładności w zadaniach związanych z IP?

Własna LLM Patsnap przewyższa GPT-4, jeśli chodzi o zapytania dotyczące IP. Korzystając z egzaminu Patent Bar USPTO, PatsnapGPT-1.0 osiągnął poziom eksperta IP, podczas gdy ogólne LLM nie osiągnęły progu dla prawników patentowych, którzy zdają ten egzamin.

PatsnapGPT naprawdę wyróżnia się, gdy spojrzy się, jak wykonuje się w benchmarkach IP. Hiro konsekwentnie uzyskuje wyższe wyniki niż modele ogólne, takie jak GPT-4, w teście Patent Bar USPTO. Ogólne LLM nie przekraczają progu 70 punktów na teście, podczas gdy PatsnapGPT 1.0 osiągnął poziom eksperta IP. To pokazuje, że ma lepsze zrozumienie podstaw IP. Dodatkowo, w PatentBench, który jest kompleksowym benchmarkiem dla zadań IP, PatsnapGPT wyróżnił się w kilku obszarach. Wytworzył bardziej dokładne i istotne teksty do pisania patentów, uzyskał wyższe wyniki w klasyfikowaniu patentów według Międzynarodowej Klasyfikacji Patentowej, a jego podsumowania efektów technicznych, problemów, metod i abstraktów były konsekwentnie oceniane wyżej przez oceniających. Pokazał również szybsze prędkości i niższe zużycie pamięci w porównaniu z GPT-4 dla długich dokumentów patentowych.

Jak wyobrażasz sobie ewolucję roli AI w dziedzinie własności intelektualnej i badań oraz rozwoju w ciągu najbliższej dekady?

Widzę AI odgrywającą coraz bardziej centralną rolę w dziedzinie własności intelektualnej i badań oraz rozwoju w ciągu najbliższej dekady. Po pierwsze, AI znacznie poprawi wydajność i dokładność wyszukiwania patentów i analizy. Zaawansowane modele AI, takie jak PatsnapGPT, staną się jeszcze lepsze w zrozumieniu i klasyfikowaniu złożonych dokumentów technicznych, tworzeniu wysokiej jakości specyfikacji patentowych i identyfikowaniu potencjalnych naruszeń lub nakładających się patentów. To zaoszczędzi ogromną ilość czasu i zmniejszy margines błędu ludzkiego.

Ponadto, AI rewolucjonizuje, jak radzimy sobie z ogromnymi ilościami danych IP. Z możliwością przetwarzania i analizy dużych zbiorów danych szybko, AI może odkryć trendy i spostrzeżenia, które mogłyby pozostać niezauważone. To może poinformować lepsze decyzje i strategie w zarządzaniu IP i R&D, takie jak identyfikacja wschodzących technologii, potencjalnych obszarów innowacji i strategicznych partnerstw.

W R&D, AI będzie napędzać innowacje, pomagając w procesie odkrywania. Algorytmy uczenia maszynowego mogą analizować poprzednie badania, przewidywać wyniki i nawet sugerować nowe kierunki badań, przyspieszając tempo odkryć i rozwoju. AI może również symulować eksperymenty i modelować złożone systemy, zmniejszając potrzebę kosztownych i czasochłonnych testów fizycznych.

W miarę ewolucji technologii AI, jej integracja z IP i R&D poprawi kreatywność, wydajność i planowanie strategiczne.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Patsnap.