Carl Rost, Consultor Principal da Patsnap – Série de Entrevistas

Carl Rost é a mente por trás das ferramentas de busca de patentes impulsionadas por IA da Patsnap.

Patsnap está à frente da inovação em inteligência, aproveitando o poder da IA e do aprendizado de máquina para analisar bilhões de conjuntos de dados, permitindo que os inovadores façam conexões cruciais. Sua tecnologia LLM de ponta, personalizada para profissionais de P&D e PI, navega facilmente por bilhões de páginas de patentes diariamente. O assistente de IA da Patsnap responde a perguntas de novidade e pode apontar respostas específicas dentro de textos extensos. Por exemplo, pode determinar com precisão se um tipo específico de widget já está patenteado.

Pode fornecer uma visão geral de como o assistente de IA da Patsnap funciona e quais são suas principais funções?

Claro! É um assistente de IA chamado Hiro que permite fazer perguntas sobre uma patente específica ou até sobre nosso banco de dados inteiro! Foi treinado para entender perguntas relacionadas a inovação e patentes e responder de forma que atenda a especialistas técnicos e profissionais de PI. Uma recente melhoria é que Hiro pode ajudar a resolver problemas técnicos e propor direções novas para novas invenções, aplicando princípios inventivos a soluções e problemas técnicos encontrados em nosso banco de dados de patentes e literatura. Hiro funciona de forma ligeiramente diferente dependendo se você o usa em nossos produtos para P&D ou para profissionais de PI.

Acho que o que torna Hiro único é que ele é impulsionado pela LLM proprietária da Patsnap, e as respostas também vinculam referências e fontes da biblioteca da Patsnap, que contém 200 milhões de patentes, 190 milhões de peças de literatura, 254 milhões de estruturas químicas, 879 milhões de sequências biológicas e 2 bilhões de artigos de notícias.

Quais problemas essa aplicação resolve para as empresas?

Grandes inovadores devem gastar seu tempo inovando, não determinando a novidade de produtos ou fazendo pesquisas preliminares de mercado. Os dados de patentes são uma de nossas ricas fontes de informações técnicas, rivalizando com os dados de periódicos, especialmente em certos campos tecnológicos. Para P&D, o tempo necessário para encontrar e interrogar esses dados foi um grande obstáculo para aproveitar isso, mas ferramentas como Hiro podem verdadeiramente democratizar essas informações pela primeira vez.

Para profissionais jurídicos, é comum gastar horas, dias, semanas, realizando buscas de prioridade e liberdade de operação. Com ferramentas de IA, isso pode ser feito mais rapidamente e com mais precisão, liberando banda para trabalhos mais estratégicos.

Ferramentas de IA existentes são de dois tipos: muito generalizadas e, portanto, não apropriadas para o espaço de propriedade intelectual, ou são caixas pretas, sem transparência em relação a recursos, reduzindo a confiança e obstruindo a tomada de decisões. Com Hiro, vinculamos às fontes e garantimos visibilidade total em todas as etapas do processo de desenvolvimento.

Quais foram os principais desafios que sua equipe enfrentou ao desenvolver os recursos de IA para a Patsnap, e como você os superou?

Sabemos que indivíduos que constroem novas invenções querem protegê-las, então a segurança foi a prioridade quando construímos Hiro. Como o modelo que impulsiona Hiro é local e integrado ao nosso aplicativo, nenhum dado deixa o ambiente para terceiros que são difíceis de confiar. Nossos concorrentes não fizeram o trabalho de base e acoplaram modelos de terceiros que não suportam escrutínio. Quando dizemos que não estamos treinando modelos em dados de clientes, sabemos que é verdade e podemos mostrar isso a nossos clientes e o que fazemos em vez disso. Em contraste, as soluções dos concorrentes expõem você ao risco por meio de terceiros que têm uma reputação menos do que estelar em termos de transparência e manipulação de dados.

Pode elaborar sobre como Hiro responde a perguntas específicas de novidade e qual é o impacto disso nos fluxos de trabalho de P&D e PI?

Com Hiro, os usuários podem fazer perguntas como “Quais aspectos desta invenção a tornam nova?” ou “Como esta patente se manteria em diferentes sistemas legais?” ou até “como construir um jetpack portátil” e obter respostas que falam sobre cada etapa do processo de invenção. Em comparação com modelos generalistas, Hiro realmente entende o que torna uma patente especial. Os usuários não precisam ser especialistas em patentes para chegar ao fundo do que é ou não é novo dentro de sua invenção e podem entender em segundos qual parte de seu produto ou ferramenta precisa ser protegida.

Como Hiro lida com a vasta quantidade de dados de patentes e literatura não patenteada para fornecer respostas precisas e relevantes?

Realizamos um treinamento extensivo nesse conjunto de dados e avaliamos as respostas com especialistas. Em seguida, treinamos a IA com as respostas dos especialistas, fizemos a IA avaliar a saída e tivemos especialistas revisando isso. No total, avaliamos milhões de pontos de dados dessa forma para garantir que as respostas sejam significativas para especialistas técnicos e profissionais de PI.

Como Hiro utiliza grandes modelos de linguagem (LLM) para aprimorar a eficiência das buscas de patentes e análise de PI? Quais tipos de dados foram usados para treinar a LLM proprietária da Patsnap, e como você garante sua precisão e confiabilidade?

A Patsnap construiu um LLM específico da indústria para impulsionar Hiro. O LLM foi treinado em registros de patentes, artigos acadêmicos e outros dados de inovação, o que ajuda a entender e recontar informações de forma mais útil para profissionais do que modelos generalistas. Para garantir precisão e confiabilidade, empregamos métodos rigorosos de pré-processamento de dados, incluindo filtragem de dados de baixa qualidade, deduplicação e reescrita. Também sintetizamos novos dados combinando diferentes fontes para aprimorar a compreensão do modelo sobre nuances específicas de PI. Supervisionamos o ajuste fino e o aprendizado por reforço a partir de feedback humano para continuar melhorando seu desempenho.

A PatsnapGPT foi testada extensivamente e superou a GPT-4 em tarefas específicas de PI, demonstrando capacidades superiores em redação, classificação, resumo e raciocínio dentro do domínio de patentes.

A LLM proprietária é transparente, vinculando fontes e referências, e não é treinada em dados de clientes. É o único jogador da indústria que usa um LLM ajustado internamente, em uma indústria que é especialmente dependente de privacidade e confidencialidade de dados.

Como a LLM proprietária da Patsnap se compara a outros LLMs de propósito geral, como a GPT-4, em termos de desempenho e precisão para tarefas relacionadas a PI?

A LLM proprietária da Patsnap supera a GPT-4 quando se trata de consultas de propriedade intelectual. Usando o exame de barra de patentes do USPTO, a PatsnapGPT-1.0 atingiu o nível de um especialista em PI, enquanto LLMs generalistas não atingiram o corte de 70 pontos no exame.

A PatsnapGPT realmente se destaca quando você olha para como ela se sai em benchmarks específicos de PI. Hiro pontua consistentemente mais alto do que modelos generalistas como a GPT-4 no exame de barra de patentes do USPTO. Modelos de LLM generalistas falham em passar no corte de 70 pontos no exame, enquanto a PatsnapGPT 1.0 atingiu o nível de um especialista em PI. Isso mostra que ela tem uma melhor compreensão dos fundamentos de PI. Além disso, no PatentBench, que é um benchmark abrangente para tarefas de PI, a PatsnapGPT se destacou em várias áreas. Produziu textos mais precisos e relevantes para redação de patentes, pontuou mais alto na classificação de patentes de acordo com o sistema de classificação de patentes internacionais, e os resumos de efeitos técnicos, problemas, métodos e resumos foram consistentemente avaliados mais alto por avaliadores. Ela também mostra velocidades mais rápidas e menor uso de memória em comparação com a GPT-4 para documentos de patentes longos.

Como você vê o papel da IA evoluindo no campo da propriedade intelectual e pesquisa e desenvolvimento nos próximos dez anos?

Vejo a IA desempenhando um papel cada vez mais central na propriedade intelectual e pesquisa e desenvolvimento nos próximos dez anos. Em primeiro lugar, a IA aumentará significativamente a eficiência e a precisão das buscas de patentes e análise. Modelos de IA avançados, como a PatsnapGPT, se tornarão ainda melhores em entender e categorizar documentos técnicos complexos, redigir especificações de patentes de alta qualidade e identificar possíveis infrações ou sobreposições em patentes existentes. Isso economizará uma quantidade tremenda de tempo e reduzirá a margem de erro humano.

Além disso, a IA revolucionará como lidamos e interpretamos vastas quantidades de dados de PI. Com a capacidade de processar e analisar grandes conjuntos de dados rapidamente, a IA pode descobrir tendências e insights que poderiam passar despercebidos. Isso pode informar uma melhor tomada de decisões e estratégia na gestão de PI e P&D, como identificar tecnologias emergentes, áreas potenciais para inovação e parcerias estratégicas.

Em P&D, a IA impulsionará a inovação, auxiliando no processo de descoberta. Algoritmos de aprendizado de máquina podem analisar pesquisas anteriores, prever resultados e até sugerir novas linhas de investigação, acelerando o ritmo de descoberta e desenvolvimento. A IA também pode simular experimentos e modelar sistemas complexos, reduzindo a necessidade de ensaios físicos caros e demorados.

À medida que a tecnologia de IA continua a evoluir, sua integração à PI e P&D aprimorará a criatividade, a eficiência e o planejamento estratégico.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Patsnap.