Može li umjetna inteligencija automatizirati standardni radni tijek pretraživanja i analize patenata?

Stručnjaci u različitim organizacijama slijede standardni postupak kako bi redovito pretraživali IP. Složeni nizovi za pretraživanje pripremaju se razumijevanjem konteksta izuma i korištenjem drugih kritičnih informacija kao što su klasifikacija, aktivni opunomoćenik, analiza citata, itd. Općenito, ova vrsta operacije zahtijeva prethodno iskustvo, poznavanje baze podataka i stručnost u određenom području tehnologije.

Trenutačno svaka industrija usvaja umjetnu inteligenciju kako bi odbacila svoj uobičajeni rad na inteligentnim strojevima. Slično tome, u IP industriji korisnici traže odgovore na određena pitanja što je prije moguće izbjegavajući potrebu da slijede standardne procese pretraživanja.

S obzirom na to, XLPAT je potrošio svoj fokus i energiju na slojevitost AI u svojim algoritmima za automatiziranje uvida ili tumačenja iz sirovih tehnoloških podataka. Primarni fokus tvrtke je automatizacija standardnog tijeka rada IP pretraživanja. Stručnjaci u XLPAT-u razvili su inteligentne algoritme pribavljajući više od 12 godina iskustva od ručnih kolega TT Consultants i prilagođavajući GOOGLE AI, IBM Watson za specifične slučajeve upotrebe. Nedavno je interni tim za istraživanje i razvoj razvio model strojnog učenja obučen s više od 200 strojnih sati, što je stroj učinilo sposobnim učiti iz 100 GB obrađenih podataka i razviti instinkt stručnog pretraživača.

Derwent je na PIUG 2018 također odao priznanje XLPAT-u za njegov fokusirani pristup i automatizaciju standardnog procesa IP pretraživanja kao što su novost, FTO, itd.

Pranav Sharma