คู่มือแอปพลิเคชัน

AI ในการค้นหาและวิเคราะห์สิทธิบัตร

AI ช่วยให้นักประดิษฐ์ นักกฎหมาย และผู้ตรวจสอบค้นหาสิทธิบัตรนับล้านรายการ และวิเคราะห์โดยใช้ความหมาย ไม่ใช่แค่เพียงคำหลัก

ภาพรวม

AI ช่วยให้นักประดิษฐ์ นักกฎหมาย และผู้ตรวจสอบค้นหาสิทธิบัตรหลายล้านรายการและวิเคราะห์โดยใช้ความหมาย ไม่ใช่แค่เพียงคำหลัก เป็นเรื่องสำคัญเพราะการค้นหา 'งานศิลปะก่อนหน้า' ที่เกี่ยวข้องนั้นช้าและมีเดิมพันสูง การที่ขาดเอกสารไปหนึ่งฉบับอาจทำให้สิทธิบัตรหรือคดีความเสียหายได้

AI ในการค้นหาและวิเคราะห์สิทธิบัตรมุ่งเน้นไปที่การใช้งานจริง: เปลี่ยนความสามารถของโมเดลให้เป็นขั้นตอนการทำงานรายวันที่เชื่อถือได้ซึ่งส่งมอบมูลค่าที่วัดได้

เจาะลึก

การค้นหาสิทธิบัตรแบบดั้งเดิมอาศัยคำสำคัญแบบบูลีนและรหัสการจำแนกประเภท ซึ่งขาดเอกสารที่อธิบายสิ่งประดิษฐ์เดียวกันด้วยคำที่ต่างกัน AI เปลี่ยนแปลงสิ่งนี้ด้วยการค้นหาเชิงความหมาย: โมเดลภาษาแปลงการอ้างสิทธิบัตรและคำอธิบายเป็นการฝังเวกเตอร์ เพื่อให้ระบบสามารถค้นหางานศิลปะที่มีแนวคิดคล้ายกันได้แม้ว่าคำศัพท์จะแตกต่างกันก็ตาม นอกเหนือจากการค้นหาแล้ว AI ยังจัดประเภทสิ่งประดิษฐ์เป็นหมวดหมู่เทคโนโลยี สรุปกฎหมายที่หนาแน่น แยกองค์ประกอบการอ้างสิทธิ์ที่สำคัญ และจัดทำแผนที่เครือข่ายการอ้างอิงเพื่อเปิดเผยสิทธิบัตรและคู่แข่งที่มีอิทธิพล สำนักงานสิทธิบัตร เช่น USPTO และ EPO ใช้เครื่องมือ AI เพื่อช่วยผู้ตรวจสอบในการสืบค้นงานศิลปะก่อน ในขณะที่บริษัทต่างๆ ใช้ 'การจัดสวนด้วยสิทธิบัตร' เพื่อระบุพื้นที่สีขาวสำหรับการวิจัยและพัฒนา และประเมินเสรีภาพในการดำเนินงาน ค่านิยมหลักคือการเรียกคืน: การแสดงเข็มที่เกี่ยวข้องในกองเอกสารกว่าร้อยล้านฉบับทั่วโลก

ข้อมูลเชิงลึกทางเทคนิค

เครื่องยนต์มีการดึงข้อมูลอย่างหนาแน่นจากการฝัง: หม้อแปลงไฟฟ้าจะเข้ารหัสสิทธิบัตรแต่ละฉบับ (มักเป็นการอ้างสิทธิ์และนามธรรม) ให้เป็นเวกเตอร์มิติสูงและการค้นหาเพื่อนบ้านที่ใกล้ที่สุดโดยประมาณจะค้นหาการจับคู่ที่ใกล้เคียงที่สุดด้วยความคล้ายคลึงกันของโคไซน์ โมเดลที่ปรับโดเมนและหลายภาษาจะจัดการกับตระกูล 'สิทธิบัตร' และข้ามภาษาที่หยิ่งทะนง ศัพท์เฉพาะที่หนักหน่วง การสร้างแบบดึงข้อมูลที่เพิ่มขึ้นจะวาง LLM ไว้ด้านบนเพื่อสรุปผลลัพธ์และตอบคำถาม โดยมีการอ้างอิงกลับไปยังเอกสารต้นฉบับเพื่อจำกัดอาการประสาทหลอน

การเรียนรู้ AI ในการค้นหาและวิเคราะห์สิทธิบัตร

เพื่อสร้างความเข้าใจอย่างลึกซึ้ง ให้ถือว่า AI ในการค้นหาและวิเคราะห์สิทธิบัตรเป็นเพียงแบบจำลองการดำเนินงาน ไม่ใช่คุณลักษณะเดียว กำหนดผลลัพธ์ที่ต้องการ ชี้แจงสมมติฐาน และแยกสิ่งที่ระบบสามารถทำได้อย่างน่าเชื่อถือจากสิ่งที่ยังต้องใช้วิจารณญาณจากผู้เชี่ยวชาญ

ในทางปฏิบัติ ทีมที่แข็งแกร่งที่ใช้ AI ในการค้นหาและวิเคราะห์สิทธิบัตรมุ่งเน้นไปที่ผลลัพธ์ของขั้นตอนการทำงาน ไม่ใช่สร้างแบบจำลองการสาธิต และกำหนดจุดตรวจสอบของมนุษย์ตั้งแต่เนิ่นๆ โดยจะบันทึกเกณฑ์ความสำเร็จที่ชัดเจน ทดสอบกับข้อมูลและขั้นตอนการทำงานที่สมจริง และทำซ้ำตามรูปแบบความล้มเหลวที่สังเกตได้ แทนที่จะชนะการวัดประสิทธิภาพเพียงครั้งเดียว นี่คือจุดที่ความเข้าใจทางทฤษฎีกลายเป็นความสามารถที่คงทนของผลิตภัณฑ์ นโยบาย และการดำเนินงาน

การออกแบบระดับแอปพลิเคชันจะกำหนดว่า AI จะปรับปรุงผลลัพธ์ที่แท้จริงหรือไม่ ในขณะเดียวกัน การทำให้กระบวนการที่เสียหายเป็นอัตโนมัติสามารถขยายปัญหาที่มีอยู่ได้ แนวทางที่ยืดหยุ่นที่สุดคือการรวมความเร็วของการทดลองเข้ากับวินัยในการกำกับดูแล: ดำเนินการนำร่อง จับหลักฐาน เผยแพร่บันทึกการตัดสินใจ และอัปเดตการป้องกันอย่างต่อเนื่องเมื่อพฤติกรรมของโมเดล ความคาดหวังของผู้ใช้ และข้อกำหนดด้านกฎระเบียบมีการเปลี่ยนแปลง

ผลกระทบเชิงกลยุทธ์

การออกแบบระดับแอปพลิเคชันจะกำหนดว่า AI จะปรับปรุงผลลัพธ์ที่แท้จริงหรือไม่

การออกแบบระดับแอปพลิเคชันจะกำหนดว่า AI จะปรับปรุงผลลัพธ์ที่แท้จริงหรือไม่ ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

การบูรณาการขั้นตอนการทำงานที่ดีจะช่วยเพิ่มผลผลิตที่ผู้ใช้ไว้วางใจได้

การบูรณาการขั้นตอนการทำงานที่ดีจะช่วยเพิ่มผลผลิตที่ผู้ใช้ไว้วางใจได้ ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

กรณีการใช้งานที่มีขอบเขตดีจะช่วยลดความเหนื่อยล้าของการเปลี่ยนแปลงและความเสี่ยงในการดำเนินการ

กรณีการใช้งานที่มีขอบเขตดีจะช่วยลดความเหนื่อยล้าของการเปลี่ยนแปลงและความเสี่ยงในการดำเนินการ ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

อนาคตของ AI ในการค้นหาและวิเคราะห์สิทธิบัตร

คาดหวังผู้ช่วย AI ที่จะร่างรายงานศิลปะก่อนหน้า ตั้งค่าสถานะการละเมิดที่อาจเกิดขึ้น และสร้างแผนภูมิการเรียกร้องสิทธิ์ผ่านครั้งแรก โดยมีเจ้าหน้าที่ตรวจสอบ โมเดลหลายรูปแบบจะค้นหาแบบร่างสิทธิบัตรและโครงสร้างทางเคมี ไม่ใช่แค่ข้อความ การบูรณาการอย่างเข้มงวดมากขึ้นในเวิร์กโฟลว์ของผู้ตรวจสอบและการดำเนินคดีมีแนวโน้มที่จะเกิดขึ้น ควบคู่ไปกับการถกเถียงกันว่าสิ่งประดิษฐ์ที่สร้างโดย AI สามารถจดสิทธิบัตรได้หรือไม่ จนถึงปัจจุบัน ศาลต้องการนักประดิษฐ์ที่เป็นมนุษย์ ซึ่งทำให้ผู้คนอยู่ในวงอย่างมั่นคง

การใช้งานจริงในโลกแห่งความเป็นจริง

บริษัทกฎหมายดำเนินการค้นหาเชิงความหมายก่อนงานศิลปะเพื่อประเมินความแปลกใหม่ของสิทธิบัตรก่อนยื่นฟ้องหรือดำเนินคดี

ผู้ตรวจสอบสิทธิบัตรใช้เครื่องมือดึงข้อมูล AI เพื่อแสดงงานศิลปะก่อนหน้าที่เกี่ยวข้องได้รวดเร็วและสมบูรณ์ยิ่งขึ้น

บริษัทต่างๆ ดำเนินการจัดสวนสิทธิบัตรเพื่อค้นหาพื้นที่สีขาวด้านการวิจัยและพัฒนา และติดตามการยื่นฟ้องของคู่แข่ง

การวิเคราะห์อย่างอิสระในการดำเนินการเพื่อแจ้งสิทธิบัตรที่มีอยู่ว่าผลิตภัณฑ์ใหม่อาจละเมิด

รูปแบบการดำเนินงาน

AI ในการค้นหาและวิเคราะห์สิทธิบัตรในทางปฏิบัติ

บริษัทกฎหมายดำเนินการค้นหาเชิงความหมายก่อนงานศิลปะเพื่อประเมินความแปลกใหม่ของสิทธิบัตรก่อนยื่นฟ้องหรือดำเนินคดี

โดยปกติทีมจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพไว้ล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งการเพิ่มผลผลิตและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

AI ในการค้นหาและวิเคราะห์สิทธิบัตรในทางปฏิบัติ

ผู้ตรวจสอบสิทธิบัตรใช้เครื่องมือดึงข้อมูล AI เพื่อแสดงงานศิลปะก่อนหน้าที่เกี่ยวข้องได้รวดเร็วและสมบูรณ์ยิ่งขึ้น

โดยปกติทีมจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพไว้ล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งการเพิ่มผลผลิตและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

AI ในการค้นหาและวิเคราะห์สิทธิบัตรในทางปฏิบัติ

บริษัทต่างๆ ดำเนินการจัดสวนสิทธิบัตรเพื่อค้นหาพื้นที่สีขาวด้านการวิจัยและพัฒนา และติดตามการยื่นฟ้องของคู่แข่ง

โดยปกติทีมจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพไว้ล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งการเพิ่มผลผลิตและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

AI ในการค้นหาและวิเคราะห์สิทธิบัตรในทางปฏิบัติ

การวิเคราะห์อย่างอิสระในการดำเนินการเพื่อแจ้งสิทธิบัตรที่มีอยู่ว่าผลิตภัณฑ์ใหม่อาจละเมิด

โดยปกติทีมจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพไว้ล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งการเพิ่มผลผลิตและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

ความเสี่ยงและรั้ว

!

การทำให้กระบวนการที่เสียหายเป็นอัตโนมัติสามารถขยายปัญหาที่มีอยู่ได้

!

ทีมอาจดำเนินการอัตโนมัติมากเกินไปและลบวิจารณญาณของมนุษย์ที่จำเป็นออก

!

คุณภาพอาจคลาดเคลื่อนได้หากไม่ได้รับการประเมินผลลัพธ์อย่างต่อเนื่อง

แผนงานการดำเนินงาน

1

แมปขั้นตอนการทำงานปัจจุบันและระบุขั้นตอนที่มีแรงเสียดทานสูงสุด

ถือว่านี่เป็นประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

2

กำหนดจุดตรวจของมนุษย์ก่อนระบบอัตโนมัติเต็มรูปแบบ

ถือว่านี่เป็นประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

3

ฝึกอบรมผู้ใช้เกี่ยวกับการแจ้งเตือน เส้นทางการยกระดับ และมาตรฐานคุณภาพ

ถือว่านี่เป็นประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

4

ติดตามผลลัพธ์ระดับงานเพื่อยืนยันคุณค่าที่ยั่งยืน

ถือว่านี่เป็นประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

สำรวจต่อไป

Check your understanding

Test yourself: take the AI in Patent Search and Analysis quiz

Start quiz