美国专利商标局:采用以人为本的人工智能创新方法

人工智能 CIOAge
美国专利商标局首席信息官Jamie Holcombe指出,人工智能和机器学习工具有助于增强人类专家的工作能力并增强他们在工作中的独创性,在这一点上,这种工具与人类思维的细微差别或者推理能力是无法匹敌。

与很多洞察驱动型组织一样,美国专利商标局(USPTO)利用数据分析、人工智能和机器学习等技术来提高自身的运营效率和绩效,以及改善系统和流程的质量。

人工智能和机器学习算法对于美国专利商标局的工作是至关重要的,但同时,这家政府机构的指导原则是在开发和使用这些技术以改进和扩展各项计划的时候,采用一种以人为本的方法。美国专利商标局首席信息官Jamie Holcombe指出,人工智能和机器学习工具有助于增强人类专家的工作能力并增强他们在工作中的独创性,在这一点上,这种工具与人类思维的细微差别或者推理能力是无法匹敌。

美国专利商标局:采用以人为本的人工智能创新方法

美国专利商标局首席信息官 Jamie Holcombe

为了进一步补充完善该技术,美国专利商标局通过被动和主动捕获的方式,借助来自数千名经验丰富的员工的输入,训练和改进人工智能驱动的模型,以确保技术实现预期的结果。美国专利商标局自成立以来已经授予了超过1100万项专利,拥有超过12000名员工,其中包括工程师、律师、分析师和计算机专家。不仅如此,来自前线专利审查员的持续反馈也被用于改进人工智能/机器学习模型,以推动新产品的开发并支持两个关键领域的活动:专利搜索和分类。

Holcombe指出,鉴于当前数据量的爆炸式增长和“现有技术”的潜在来源,进行全面的专利检索可能是颇具挑战性的。为了应对这一挑战,美国专利商标局的技术团队正在一种新的专利搜索工具中采用人工智能技术,帮助审查员在审查申请的时候,找到他们所需的最相关来源。这一点很重要,因为美国专利商标局每年会收到超过60万份申请,平均每一份申请包含大约20页的文本和图片,或者有大约10000个描述性单词。美国专利商标局的IT部门还开发并部署了一个分类工具,可以从超过25万个可能的类别中识别和匹配与该项发明相关的分类符号。

在这两种情况下,模型都是由人类专家开发并且通过这些专家提供的反馈进行持续增强的,这些专家通过人为操作来判断某事物是全新的还是新颖的,然后运用法律、事实和专业知识来做出决定。

在信息流中探索人才渠道

从审查员专家和其他人那里获得源源不断的反馈,这可能是一种优势,但并不是美国专利商标局为了确定创新和全球专业知识的新渠道、帮助解决重要挑战和扩展人工智能所采取的唯一途径。今年早些时候,美国专利商标局求助于人工智能研究社区和Google Kaggle。Kaggle是一个为数据科学家和其他人交流思想和想法搭建的技术和社交平台,每年3月Kaggle会举行全球性的全球编码竞赛,提供2.5万美元的奖金,呼吁人工智能研究人员和数据科学家编写代码来评估短语的语义相似性。

今年这项比赛在6月30日结束之前收到了42900份参赛作品,涉及1800多个全球团队共同致力于利用公开可用的专利数据源。Holcombe解释说,比赛的目标是为了推动借助AI帮助机构和专利社区更好地理解专利语言。他说:“结果不仅是为专利搜索提供更好的短语算法,而且还让获胜的模型被公共领域所采用。”

美国专利商标局还利用了其他的公共信息资源,例如Golden,这是2019年推出的一个免费“维基风”人工智能/机器学习驱动型平台,可以通过网络搜索将主题与相关数据和可用数据进行匹配,并将其整合成一个信息流,背后运行的AI算法启动之后可以持续添加相关的数据,任何人都可以搜索有关公司、公司专利和资金来源(如风险投资)的信息。

人工智能/人类联盟的A、B、C指南

虽然我们看到有非常多的技术专栏都是关于技术融合的,但鉴于人性的多样性和复杂性,采用“以人为本”的方法来开发人人工智能和机器学习可能是颇具挑战性的。因此,美国专利商标局在Holcombe的带领下,制定了从试点到原型、再到生产的指南,概括成A、B、C指南:

  • A 代表一致性:Holcombe认为,业务人员和IT人员之间必须有紧密的联系。“最好的跨职能团队由和业务代表并肩工作的技术人员组成,所有人都身处于一个能够促进计划、执行、检查和调整的敏捷环境中。”敏捷和DevSecOps实践依赖于快速行动、透明度和产品思维,为了最大限度地取得进展,领导者要尽早地、经常地与他们的团队和利益相关者进行沟通。
  • B 代表业务价值:你可以从对于核心战略运营具有明显价值的业务案例开始着手,这些案例可以解决那些让人工智能和机器学习派上用场的挑战。Holcombe指出:“作为一家100%收费的机构,我们在严格的业务和投资回报率下应对技术挑战。”
  • C 代表客户(也就是员工):人工智能/机器学习解决方案旨在为审查员和其他领域专家提供助力,而不是要取代他们。因此,新兴技术团队会在任何发布之前、之中和之后与内部客户一起进行测试和调整。这些产品使用者可以帮助推动人工智能创新,其中一些使用者很“注重细节”,并且和CIO都是C级高管,提供的意见很重要。Holcombe指出:“由于我们尽早地把客户引入了流程中,所以我们获得了很有力的反馈,这有助于推动技术的采用。而且,客户能够让我们在部署对机构专家和公众负责任的人工智能时候保持坦诚。”
责任编辑:赵宁宁 来源: 至顶网
相关推荐

2020-12-22 09:40:44

人工智能AI深度学习

2022-06-28 22:05:11

人工智能

2020-12-02 10:30:35

人工智能数据技术

2022-08-04 22:18:12

人工智能文艺创作

2022-08-02 11:14:34

投资人工智能AI

2022-04-20 11:14:05

人工智能军事化科技革命

2022-06-26 23:20:47

人工智能设计行业AR/VR

2022-06-20 11:05:58

2022-06-08 14:30:14

人工智能算法偏差供应链

2020-09-11 10:33:00

数字化转型美国专利商标局CIO

2011-12-10 19:48:52

Android

2022-04-14 17:01:39

人工智能机器人

2022-03-10 16:27:54

人工智能企业高管职业发展

2021-12-02 10:46:17

2021-09-05 06:23:27

2020-07-02 14:15:59

AI 数据人工智能

2020-11-27 06:24:16

人工智能AI专利申请

2021-04-14 05:55:38

人工智能AI深度学习

2019-12-06 15:02:55

人工智能百度腾讯

2019-05-31 15:00:30

金融科技民生银行人工智能
点赞
收藏

51CTO技术栈公众号