통찰력을 기반으로 하는 많은 조직과 마찬가지로 USPTO(미국 특허청)는 데이터 분석, 인공 지능, 기계 학습과 같은 기술을 사용하여 운영 효율성과 성능을 향상할 뿐만 아니라 제품의 품질도 향상시킵니다. 시스템과 프로세스.
인공 지능과 기계 학습 알고리즘은 USPTO의 업무에 매우 중요하지만 동시에 정부 기관의 지침 원칙은 사람 중심 접근 방식을 채택하는 것입니다. 미국 특허청의 최고 정보 책임자인 Jamie Holcombe는 인공 지능과 기계 학습 도구가 인간 전문가의 역량을 강화하고 작업 독창성을 높이는 데 도움이 된다고 지적했습니다. 현 시점에서 이러한 도구는 인간의 마음과 약간 다릅니다. 아니면 추론 능력이 타의 추종을 불허합니다.
Jamie Holcombe, USPTO 최고 정보 책임자
이 기술을 더욱 보완하고 개선하기 위해 USPTO는 수동 및 능동 캡처 AI 기반 모델을 통해 경험이 풍부한 수천 명의 직원의 의견, 교육 및 개선 사항을 활용하여 기술을 보장합니다. 원하는 결과를 얻습니다. 미국 특허청은 창립 이래 1,100만 개 이상의 특허를 부여했으며 엔지니어, 변호사, 분석가 및 컴퓨터 전문가를 포함하여 12,000명 이상의 직원을 보유하고 있습니다. 뿐만 아니라 일선 특허 심사관의 지속적인 피드백은 AI/ML 모델을 개선하여 신제품 개발을 촉진하고 특허 검색 및 분류라는 두 가지 핵심 영역에서 활동을 지원하는 데에도 사용됩니다.
Holcombe는 현재 폭발적인 데이터 볼륨과 "선행 기술"의 잠재적 소스를 고려할 때 포괄적인 특허 검색을 수행하는 것이 어려울 수 있다고 지적했습니다. 이러한 문제를 해결하기 위해 USPTO의 기술 팀은 심사관이 출원을 검토할 때 필요한 가장 관련성이 높은 소스를 찾는 데 도움이 되는 새로운 특허 검색 도구에 인공 지능을 사용하고 있습니다. USPTO는 매년 600,000건 이상의 신청서를 접수하고 평균 신청서에는 약 20페이지의 텍스트와 이미지 또는 약 10,000개의 설명 단어가 포함되어 있기 때문에 이는 중요합니다. USPTO IT 부서는 또한 250,000개 이상의 클래스에서 발명과 관련된 분류 기호를 식별하고 일치시킬 수 있는 분류 도구를 개발하고 배포했습니다.
두 경우 모두 인간을 사용하여 무언가 새롭거나 새로운지 판단한 다음 법적, 사실적, 전문 지식을 적용하여 결정을 내리는 인간 전문가가 제공하는 피드백을 통해 모델이 개발되고 지속적으로 향상됩니다.
심사관 전문가 및 기타 사람들로부터 꾸준한 피드백을 얻는 것이 장점이 될 수 있지만, 이것이 USPTO가 혁신과 글로벌 전문성을 위한 새로운 채널을 식별할 수 있는 유일한 방법은 아닙니다. 중요한 과제를 해결하고 인공 지능을 확장하는 데 도움이 됩니다. 올해 초 USPTO는 AI 연구 커뮤니티와 Google Kaggle에 눈을 돌렸습니다. Kaggle은 데이터 과학자와 다른 사람들이 생각과 아이디어를 교환할 수 있는 기술 및 소셜 플랫폼입니다. Kaggle은 매년 3월에 글로벌 코딩 대회를 개최하여 미화 25,000달러의 상금을 제공하고 인공 지능 연구원과 데이터 과학자에게 의미론을 평가할 코드를 작성하도록 요청합니다. 문구의 유사성.
올해 대회에는 6월 30일 마감 전까지 42,900개의 출품작이 접수되었으며, 1,800개 이상의 글로벌 팀이 함께 협력하여 공개적으로 사용 가능한 독점 데이터 소스를 활용했습니다. Holcombe는 대회의 목표는 기관과 특허 커뮤니티가 특허 언어를 더 잘 이해할 수 있도록 AI 사용을 촉진하는 것이라고 설명했습니다. "그 결과는 특허 검색을 위한 더 나은 구문 알고리즘일 뿐만 아니라 승리한 모델이 공개 도메인에 채택되는 것입니다."라고 그는 말했습니다.
USPTO는 또한 무료 "Wiki 스타일"인 Golden과 같은 다른 공공 정보 리소스도 활용합니다. 2019년 출시된 인공지능/머신러닝 기반 플랫폼은 웹 검색을 통해 관련성 있고 사용 가능한 데이터와 주제를 일치시키고 이를 정보 흐름에 통합할 수 있습니다. 이를 실행하는 AI 알고리즘이 출시된 후 관련 데이터가 지속적으로 추가될 수 있으며, 누구든지 회사, 회사 특허, 자금 출처(예: 벤처 캐피털)에 대한 정보를 검색할 수 있습니다.
기술통합에 관한 많은 기술 칼럼이 있지만, 인간 본성의 다양성과 복잡성을 고려할 때 "인간 중심" 접근 방식은 인간의 인공 지능과 기계 학습을 개발하는 것은 어려울 수 있습니다. 따라서 USPTO는 Holcombe의 리더십 아래 A, B, C 지침으로 요약된 시험 단계부터 프로토타입, 생산에 이르기까지 지침을 개발했습니다.
위 내용은 USPTO: AI 혁신에 대한 인간 중심 접근 방식 채택의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!