专利领域的人工智能及大模型应用汇总
努力的光头强 2024-10-21 12:31:02 阅读 97
最近,有跟专利领域的朋友在研究大模型的应用,顺带整理了目前全球这个领域的AI系统或者有AI加持的信息系统。供大家参考,排序不代表重要性。
芽仔
开发者:智慧芽信息科技(苏州)有限公司
智慧芽拥有足够多数量的专利数据(包括韩文/英文专利公报、通知书、机器翻译、CPC分类、机器阅读信息、咨询案例集等),以及特有的生物医药数据(包括7 万多种药物、相关临床资料、新闻和对应的保护专利等)。公司已经开发出了专利大模型(Patent GPT)和生物医药大模型(Pharm GPT)。
芽仔是他们给用户提供的一个人工智能助手,从官网介绍看,主要能做两个事:
1)智能撰写规范完整的技术交底书,提升研发人员撰写效率
2)专业调研报告一键生成,助力掌握药物研发进展、临床试验、专利情况、市场规模、竞争格局等关键信息。
体验地址:https://www.zhihuiya.com/products/AI
相关文档:SCM202404001_智慧芽_专利大模型的实践与知识问答探索 (全文可通过文末链接获取)
IP-GPT
开发者:南京理工大学江苏国际知识产权学院
知识产权大模型(IP-GPT),由江苏国际知识产权学院院长戚湧教授团队开发成功,2023年9月对外公布,是全国首个知识产权领域的生成式人工智能大模型。该模型已累积数十万条知识产权专业语料,将作为世界知识产权组织南京理工大学技术与创新支持中心(TISC)的公共服务产品面向社会开放,企业等创新主体或社会公众可通过邮箱注册账号,获得知识产权大模型服务。
太保(Taibao)
开发者:大连理工大学公共管理学院与大连理工大学信息检索研究室(DUTIR)联合开发
利用基座模型Qwen-7B通过指令任务LoRA有监督高效微调得到的。70亿参数的通义千问(Qwen-7B)基座模型在近2.5万亿Tokens的中英、代码、数学乃至专业领域的高质量语料中进行了多轮预训练,初步具备了指令理解的能力,其自然语言处理与理解的能力在国内诸多开源大模型中名列前茅,显著超出同规模模型并紧追一系列最强的闭源模型。
该模型着力于知识产权智能服务领域,围绕知识产权的创造、管理、保护、运用等重要环节开展研发,旨在为用户提供全方位快捷有效的知识产权服务。
体验地址:https://github.com/Mathsion2/Taibao,http://taibao-ip.help/
incoPat
开发者: 北京合享智慧科技有限公司
用户输入一段话,即可精确匹配最大程度公开此技术的在先专利。incoPat利用自然语言处理、人工智能技术,借鉴DNA识别的理念和算法,创建了专利DNA图谱比对方法,抽取发明的核心部件及关系,在专利的文章级别、段落级别、词级别、语义级别进行大规模精准计算,新颖性检索和无效检索的准确性获得革命性提升。
体验地址:https://www.incopat.com/
相关文档:QYF201905001_北京合享智慧科技有限公司_incoPat专利DNA图谱技术白皮书 (全文可通过文末链接获取)
Innojoy
开发者:保定市大为计算机软件开发有限公司
大为innojoy专利搜索引擎系统收录全球105个国家1.49亿+专利数据,69个国家/地区/组织PDF全文, 60+个国家/地区/组织的法律状态,45个国家/地区/组织的代码化全文,38个国家/地区/组织的小语种高品质英文翻译, INPADOC同族专利数据,DOCDB引证数据等。
基于卷积神经网络的AI智能技术,在千万级的中文/英文专利语料库中构建语义相似模型,让用户以最高的效率获取相关专利文献
专利文档模型PDM
开发者:欧洲专利局EPO
欧洲专利局利用机器学习和人工智能的业务解决方案,可完成以下工作:
1)自动生成查询;
2)对专利文献自动注释;
3)自动检测专利文献中的问题或解决方案;
4)自动检测对可专利性予以排除。
欧专局还有一个 Data Science团队,主要工作是基于适用的开源软件库,开发自己的人工智能系统。结合大量审查员和数据集(即历史保存的检索数据和该局现有技术语料库),Data Science 团队在大模型开发上发挥了重大作用。
相关文档:SCM201805006_EPO_Artificial Intelligence at the EPO. (全文可通过文末链接获取)
KIPO Patent Expert AI
开发者:韩国知识产权局(KIPO)与LG人工智能研究院联合开发
2023年7月,LG人工智能研究院对外公布了双方的协议。他们的目标是开发可用于搜索、分类和摘要专利文件等行政服务的“专利专家AI”。
这项协议利用LG超大型AI语言模型“EXAONE Universe”,学习韩国知识产权局持有的专利信息而开发。基础数据包括韩文/英文专利公报、通知书、机器翻译、CPC分类、机器阅读信息、咨询案例集等,预计有1.78TB大小的数据。
预计这将是世界上首个将大模型应用于专利管理的案例。目前还没有看到试用体验的Demo。
相关文档:SCM201805007_KIPO_KIPO’s plan for AI.(全文可通过文末链接获取)
Pat Search
开发者:俄罗斯联邦 Federal Service for Intellectual Property (Rospatent) / Federal Institute of Industrial Property (FIPS)
PatSearch系统所实施的专利文献相似性检索功能的实现,源于采用了一组人工智能方法和技术,并结合了全球信息检索最佳做法。目前,相似性检索功能正在俄罗斯专利文献数据库中运行。在建立俄罗斯分布式同义词库过程中,采用了一种针对俄罗斯专利文献的神经网络,其中所涉的标准兼顾了审查程序的复杂性和专家经验。
2015年,在PatSearch系统开发框架内推出了实施专利文献机器翻译的倡议。翻译功能的实现得益于采用了俄罗斯PROMPT公司开发的机器混合翻译系统。该系统涵盖全面的语言分析方法。现已通过运用俄英双语专利文献平行文本的机器学习方法,创建了神经网络。该系统除翻译专利文献外,还能够将CPC译成俄文。
相关文档:SCM201805002_ROS PATENT_BUSINESS CONSULTING BASED ON PATENT ANALYTICS. (全文可通过文末链接获取)
IPCCAT
开发者:World Intellectual Property Organization (WIPO)
专利自动分类系统(IPCCAT)帮助专利申请人和知识产权局审查员依照国际专利分类(IPC)大类、小类或大组,把专利申请自动分类归入相应技术部门。
相关文档:SCM201805004_WIPO_Artificial Intelligence applied to IPC and Nice classifications.(全文可通过文末链接获取)
WIPO Translate
开发者:World Intellectual Property Organization (WIPO)
WIPO Translate是全球领先的即时翻译工具,专门用于专利文献翻译。 它可以通过PATENTSCOPE数据库访问,也可以应要求纳入知识产权局的系统。
相关文档:SCM201805005_WIPO_strategy for developing AI projects, list of current AI projects.(全文可通过文末链接获取)
Derwent Innovation
开发者:Clarivate
人工智能支持的专利检索工具。功能有:
1)通过输入大量纯文本(如权利要求书和说明书)用于检索的语义/智能检索功能;
2)在检索专利文献的同时检索非专利文献;
3)可以手动设置单个检索关键词的权重,以便排列检索结果。
体验地址:
https://clarivate.com/products/ip-intelligence/patent-intelligence-software/derwent-innovation/
相关文档:
Quality Chat Bots
开发者:未知
美国专利商标局用作《专利审查程序手册》(MPEP)以及其他使用算法和权利要求用语的权利要求分析和分类分析提供“概念提问”(而不是关键词),从而更好地了解权利要求用语和分类的趋势。
USPTO自研系统
开发者:USPTO美国专利商标局
该系统结合人工智能与大数据和机器学习提供专利服务。这些服务包括:
1)为审查员提供最实用相关的信息,助其判定申请的专利性;
2)对专利申请以及专利商标局的后续行动进行文本分析,进而分析专利申请历史;
3)改进应用程序接口,令公众访问美国专利商标局数据更加便利。
相关文档:SCM201805003_USPTO_Emerging Technologies in USPTO Business Solutions (全文可通过文末链接获取)
ABBYY智能分类器
开发者:ABBYY
2018年初,瑞士局将推出使用ABBYY智能分类器进行文件分类的自学人工智能。瑞士局持续使用手动分类的文件训练自学人工智能。瑞士局自动分析自学人工智能的结果质量,然后决定是否需要手动确认。手动确认的结果随后用于增强人工智能的训练集。
相关文档:SCM200801001_IGE IPI_Digitalization at the Swiss Intellectual Property Office (全文可通过文末链接获取)
Orbite Intelligence
开发者:Questel
自2011年以来,摩洛哥知识产权局使用人工智能专利分析商业工具Orbite Intelligence,通过技术领域或关键字检索全球专利申请。推出这项基于地图的工具,是为满足摩洛哥技术与创新支持中心网络的需求,检索现有技术和专利先例。
体验地址:
https://www.questel.com/patent/ip-intelligence-software/orbit-intelligence/
Acsepto
开发者:Sword-Group
挪威知识产权局(NIPO)用来检索商标图像。检索结果(命中清单)基于对图像属性编码的人工智能辅助检索进行优先级排序。所使用的人工智能技术是经过训练的编码算法和经过训练的图像编码检索算法。
DPMA IPC分类器
开发者:德国专利商标局DPMA
分类器基于带有“分散词语表达”的神经网络的方法,可实现:
1)对新进入系统的专利申请进行自动预先分类,以改善专利审查员中的专利申请分配;
2)交互式分类,在既定的IPC级别作出若干预测,协助专利审查员的工作;
3)重新分类,支持新版IPC的使用;
4)持续改进现有技术专利文献IPC的质量;
5)基于分类器建立的网络服务将就专利文献的既定部分(如摘要、权利要求书或说明书)作出即时的IPC预测。
另外,日本贸易振兴机构北京代表处曾在2021年针对中国企业应用 “知识产权AI” 的情况做过调研:
图片来自:QYF202103001_日本贸易振兴机构北京代表处_2020年度中国知识产权AI活用调查委员会成果报告
如何学习AI大模型 ?
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓
对于0基础小白入门:
如果你是零基础小白,想快速入门大模型是可以考虑的。
一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。
😝有需要的小伙伴,可以VX扫描下方二维码免费领取🆓
👉1.大模型入门学习思维导图👈
要学习一门新的技术,作为新手一定要先学习成长路线图,方向不对,努力白费。
对于从来没有接触过AI大模型的同学,我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线,大家跟着这个大的方向学习准没问题。(全套教程文末领取哈)
👉2.AGI大模型配套视频👈
很多朋友都不喜欢晦涩的文字,我也为大家准备了视频教程,每个章节都是当前板块的精华浓缩。
👉3.大模型实际应用报告合集👈
这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。(全套教程文末领取哈)
👉4.大模型落地应用案例PPT👈
光学理论是没用的,要学会跟着一起做,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。(全套教程文末领取哈)
👉5.大模型经典学习电子书👈
随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。(全套教程文末领取哈)
👉6.大模型面试题&答案👈
截至目前大模型已经超过200个,在大模型纵横的时代,不仅大模型技术越来越卷,就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道,我总结了大模型常考的面试题。(全套教程文末领取哈)
👉学会后的收获:👈
• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;
• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;
• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;
• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习
这份完整版的 AI 大模型学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
😝有需要的小伙伴,可以Vx扫描下方二维码免费领取🆓
声明
本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。