Carl Rost, Tư vấn viên chính tại Patsnap – Loạt phỏng vấn

Carl Rost là người đứng sau các công cụ tìm kiếm bằng sáng chế được hỗ trợ bởi AI tại Patsnap.

Patsnap đứng ở vị trí hàng đầu trong lĩnh vực trí tuệ đổi mới, tận dụng sức mạnh của AI và học máy để sàng lọc hàng tỷ tập dữ liệu, cho phép các nhà đổi mới tạo ra các kết nối quan trọng. Công nghệ LLM tiên tiến của họ, được thiết kế dành cho chuyên gia R&D và IP, dễ dàng điều hướng qua hàng tỷ trang bằng sáng chế mỗi ngày. Trợ lý AI của Patsnap tham gia vào các phản hồi đối thoại để trả lời các câu hỏi về tính mới và có thể xác định các câu trả lời cụ thể trong các văn bản rộng lớn. Ví dụ, nó có thể xác định chính xác liệu một loại widget cụ thể đã được cấp bằng sáng chế hay chưa.

Bạn có thể cung cấp cái nhìn tổng quan về cách trợ lý AI của Patsnap hoạt động và các chức năng chính của nó?

Tất nhiên! Đó là một trợ lý AI có tên là Hiro, cho phép bạn đặt câu hỏi về một bằng sáng chế cụ thể hoặc thậm chí là một tập kết quả hoặc toàn bộ cơ sở dữ liệu của chúng tôi! Nó được đào tạo để hiểu các câu hỏi liên quan đến đổi mới và bằng sáng chế và trả lời theo cách mà các chuyên gia về chủ đề kỹ thuật và chuyên gia IP hài lòng. Một tiến bộ gần đây là Hiro thậm chí có thể giúp bạn giải quyết các vấn đề kỹ thuật và đề xuất các hướng mới cho các phát minh bằng cách áp dụng các nguyên tắc sáng tạo cho các giải pháp và vấn đề kỹ thuật được tìm thấy trong cơ sở dữ liệu bằng sáng chế và văn học của chúng tôi. Hiro hoạt động hơi khác nhau tùy thuộc vào việc bạn sử dụng nó trong các sản phẩm của chúng tôi dành cho R&D hay dành cho chuyên gia IP.

Tôi nghĩ điều làm cho Hiro độc đáo là nó được hỗ trợ bởi LLM độc quyền của Patsnap, các câu trả lời cũng liên kết các tài liệu tham khảo và nguồn từ thư viện 200 triệu bằng sáng chế, 190 triệu tác phẩm văn học, 254 triệu cấu trúc hóa học, 879 triệu trình tự sinh học và 2 tỷ bài báo tin tức của Patsnap.

Công cụ này giải quyết những vấn đề gì cho các doanh nghiệp?

Những nhà đổi mới vĩ đại nên dành thời gian để đổi mới, không phải để xác định tính mới của sản phẩm hoặc thực hiện nghiên cứu sơ bộ về thị trường. Dữ liệu bằng sáng chế là một trong những nguồn thông tin kỹ thuật phong phú nhất của chúng tôi, cạnh tranh với dữ liệu tạp chí, đặc biệt là trong một số lĩnh vực công nghệ. Đối với R&D, thời gian cần để tìm và thẩm vấn loại dữ liệu này đã là một chướng ngại vật lớn để tận dụng nó, nhưng các công cụ như Hiro có thể thực sự dân chủ hóa loại thông tin này lần đầu tiên.

Đối với các chuyên gia pháp lý, việc dành hàng giờ, ngày, tuần để chạy các tìm kiếm về tình trạng kỹ thuật trước và tự do hoạt động là rất phổ biến. Với các công cụ AI, điều này có thể được thực hiện nhanh hơn và chính xác hơn, giải phóng băng thông cho công việc chiến lược hơn.

Các công cụ AI hiện có là một trong hai thứ: quá tổng quát và do đó không phù hợp với không gian sở hữu trí tuệ, hoặc chúng là các hộp đen, không có sự minh bạch về tài nguyên, giảm sự tin tưởng và cản trở việc ra quyết định. Với Hiro, chúng tôi liên kết lại với các nguồn và đảm bảo tính minh bạch ở tất cả các giai đoạn của quá trình phát triển.

Những thách thức chính mà nhóm của bạn gặp phải khi phát triển các tính năng AI cho Patsnap là gì và bạn đã vượt qua chúng như thế nào?

Chúng tôi biết rằng các cá nhân xây dựng các phát minh mới muốn giữ chúng được bảo vệ, vì vậy bảo mật là ưu tiên hàng đầu khi xây dựng Hiro. Vì mô hình hỗ trợ Hiro là cục bộ và được tích hợp vào ứng dụng của chúng tôi, không có dữ liệu nào rời khỏi môi trường để chuyển đến các bên thứ ba khó tin cậy. Các đối thủ cạnh tranh của chúng tôi không thực hiện các công việc cơ bản và gắn các mô hình của bên thứ ba mà không chịu được sự kiểm tra. Khi chúng tôi nói rằng chúng tôi không đào tạo mô hình trên dữ liệu khách hàng, chúng tôi biết điều đó là đúng và có thể cho khách hàng của mình thấy điều đó và những gì chúng tôi làm thay thế. Ngược lại, các giải pháp của đối thủ cạnh tranh của chúng tôi khiến bạn gặp rủi ro thông qua các bên thứ ba có uy tín kém hơn về tính minh bạch và xử lý dữ liệu.

Bạn có thể giải thích rõ hơn về cách Hiro trả lời các câu hỏi về tính mới và tác động của nó đối với các quy trình R&D và IP?

Với Hiro, người dùng có thể đặt câu hỏi như “Những khía cạnh nào của phát minh này làm cho nó mới?” hoặc “Làm thế nào bằng sáng chế này có thể đứng vững trong các hệ thống pháp lý khác nhau?” hoặc thậm chí “làm thế nào để xây dựng một chiếc jetpack đeo được” và nhận được các câu trả lời nói đến từng bước của quá trình phát minh. So với các mô hình tổng quát, Hiro thực sự hiểu những gì làm cho một bằng sáng chế đặc biệt. Người dùng không cần phải là chuyên gia về bằng sáng chế để tìm hiểu những gì là hoặc không phải là mới trong phát minh của họ và có thể hiểu trong vài giây phần nào của sản phẩm hoặc công cụ của họ cần được bảo vệ.

Làm thế nào Hiro xử lý lượng dữ liệu khổng lồ từ các bằng sáng chế và văn học không phải bằng sáng chế để cung cấp các câu trả lời chính xác và liên quan?

Chúng tôi đã đào tạo rộng rãi trên tập dữ liệu đó và đánh giá các phản hồi với các chuyên gia. Sau đó, chúng tôi đào tạo AI trên các phản hồi của chuyên gia, cho AI đánh giá đầu ra và có chuyên gia xem xét lại. Tất cả đều cho thấy chúng tôi đã đánh giá hàng triệu điểm dữ liệu theo cách này để đảm bảo các phản hồi có ý nghĩa đối với các chuyên gia kỹ thuật và chuyên gia IP.

Làm thế nào Hiro tận dụng các mô hình ngôn ngữ lớn (LLM) để tăng hiệu quả của tìm kiếm bằng sáng chế và phân tích IP? Những loại dữ liệu nào được sử dụng để đào tạo LLM độc quyền của Patsnap và bạn đảm bảo tính chính xác và độ tin cậy của nó như thế nào?

Patsnap đã xây dựng một LLM chuyên ngành để hỗ trợ Hiro. LLM đã được đào tạo trên các hồ sơ bằng sáng chế, các bài báo học thuật và các dữ liệu đổi mới khác, giúp nó hiểu và kể lại thông tin theo cách hữu ích hơn cho các chuyên gia so với các mô hình tổng quát. Để đảm bảo tính chính xác và độ tin cậy, chúng tôi đã sử dụng các phương pháp tiền xử lý dữ liệu nghiêm ngặt, bao gồm lọc ra dữ liệu chất lượng thấp, loại bỏ trùng lặp và viết lại. Chúng tôi cũng tổng hợp dữ liệu mới bằng cách kết hợp các nguồn khác nhau để tăng cường sự hiểu biết của mô hình về các sắc thái của IP. Chúng tôi đã giám sát việc tinh chỉnh và học tăng cường từ phản hồi của con người để liên tục cải thiện hiệu suất của nó.

PatsnapGPT đã được thử nghiệm rộng rãi và đã vượt qua GPT-4 trong các nhiệm vụ cụ thể của IP, thể hiện khả năng vượt trội trong việc soạn thảo, phân loại, tóm tắt và suy luận trong lĩnh vực bằng sáng chế.

LLM độc quyền được minh bạch, liên kết các nguồn và tài liệu tham khảo, và nó không được đào tạo trên dữ liệu khách hàng. Đó là người chơi duy nhất trong ngành sử dụng LLM được điều chỉnh trong nhà, trong một ngành đặc biệt phụ thuộc vào quyền riêng tư và bảo mật dữ liệu.

Làm thế nào LLM độc quyền của Patsnap so sánh với các LLM tổng quát khác như GPT-4 về hiệu suất và độ chính xác cho các nhiệm vụ liên quan đến IP?

LLM độc quyền của Patsnap vượt trội hơn GPT-4 khi nói đến các truy vấn về sở hữu trí tuệ. Sử dụng Kỳ thi Bar Exam về Bằng sáng chế của USPTO, PatsnapGPT-1.0 đã thực hiện ở mức của một chuyên gia IP, trong khi các LLM tổng quát không đạt đến điểm cắt cho các luật sư bằng sáng chế tham gia kỳ thi.

PatsnapGPT thực sự nổi bật khi bạn xem xét cách nó hoạt động trong các điểm chuẩn cụ thể của IP. Hiro nhất quán ghi điểm cao hơn các mô hình tổng quát như GPT-4 trong Kỳ thi Bar Exam về Bằng sáng chế của USPTO. Các LLM tổng quát không đạt đến điểm cắt 70 điểm trong kỳ thi, trong khi PatsnapGPT 1.0 ghi điểm ở mức của một chuyên gia IP. Điều này cho thấy nó có sự hiểu biết tốt hơn về các nguyên tắc cơ bản của IP. Ngoài ra, trong PatentBench, một điểm chuẩn toàn diện cho các nhiệm vụ IP, PatsnapGPT đã xuất sắc trong nhiều lĩnh vực. Nó tạo ra các văn bản chính xác và liên quan hơn cho việc viết bằng sáng chế, ghi điểm cao hơn trong việc phân loại bằng sáng chế theo Hệ thống Phân loại Bằng sáng chế Quốc tế, và các tóm tắt về các hiệu ứng kỹ thuật, vấn đề, phương pháp và tóm tắt được đánh giá cao hơn bởi các nhà đánh giá. Nó cũng cho thấy tốc độ nhanh hơn và sử dụng bộ nhớ thấp hơn so với GPT-4 cho các tài liệu bằng sáng chế dài.

Bạn hình dung vai trò của AI sẽ phát triển như thế nào trong lĩnh vực sở hữu trí tuệ và nghiên cứu & phát triển trong thập kỷ tới?

Tôi thấy AI sẽ đóng vai trò ngày càng quan trọng trong sở hữu trí tuệ và nghiên cứu & phát triển trong thập kỷ tới. Trước hết, AI sẽ tăng cường đáng kể hiệu quả và độ chính xác của tìm kiếm bằng sáng chế và phân tích. Các mô hình AI tiên tiến như PatsnapGPT sẽ trở nên tốt hơn trong việc hiểu và phân loại các tài liệu kỹ thuật phức tạp, soạn thảo các thông số kỹ thuật bằng sáng chế chất lượng cao và xác định các vi phạm hoặc chồng chéo tiềm năng trong các bằng sáng chế hiện có. Điều này sẽ tiết kiệm một lượng thời gian đáng kể và giảm thiểu sai sót của con người.

Hơn nữa, AI sẽ cách mạng hóa cách chúng ta xử lý và giải thích lượng dữ liệu khổng lồ về IP. Với khả năng xử lý và phân tích các tập dữ liệu lớn nhanh chóng, AI có thể khám phá ra các xu hướng và thông tin mà nếu không thì có thể không được chú ý. Điều này có thể thông tin cho việc ra quyết định và chiến lược tốt hơn trong quản lý IP và R&D, chẳng hạn như xác định các công nghệ mới nổi, các lĩnh vực đổi mới tiềm năng và các quan hệ đối tác chiến lược.

Trong R&D, AI sẽ thúc đẩy đổi mới bằng cách hỗ trợ quá trình khám phá. Các thuật toán học máy có thể phân tích nghiên cứu trước, dự đoán kết quả và thậm chí đề xuất các hướng nghiên cứu mới, tăng tốc độ khám phá và phát triển. AI cũng có thể mô phỏng các thí nghiệm và mô hình hóa các hệ thống phức tạp, giảm nhu cầu về các thử nghiệm vật lý tốn kém và mất thời gian.

Khi công nghệ AI tiếp tục phát triển, việc tích hợp nó vào IP và R&D sẽ tăng cường sự sáng tạo, hiệu quả và lập kế hoạch chiến lược.

Cảm ơn cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm có thể truy cập Patsnap.