與很多洞察驅(qū)動(dòng)型組織一樣，美國(guó)專(zhuān)利商標(biāo)局(USPTO)利用數(shù)據(jù)分析、人工智能和機(jī)器學(xué)習(xí)等技術(shù)來(lái)提高自身的運(yùn)營(yíng)效率和績(jī)效，以及改善系統(tǒng)和流程的質(zhì)量。

人工智能和機(jī)器學(xué)習(xí)算法對(duì)于美國(guó)專(zhuān)利商標(biāo)局的工作是至關(guān)重要的，但同時(shí)，這家政府機(jī)構(gòu)的指導(dǎo)原則是在開(kāi)發(fā)和使用這些技術(shù)以改進(jìn)和擴(kuò)展各項(xiàng)計(jì)劃的時(shí)候，采用一種以人為本的方法。美國(guó)專(zhuān)利商標(biāo)局首席信息官Jamie Holcombe指出，人工智能和機(jī)器學(xué)習(xí)工具有助于增強(qiáng)人類(lèi)專(zhuān)家的工作能力并增強(qiáng)他們?cè)诠ぷ髦械莫?dú)創(chuàng)性，在這一點(diǎn)上，這種工具與人類(lèi)思維的細(xì)微差別或者推理能力是無(wú)法匹敵。

美國(guó)專(zhuān)利商標(biāo)局首席信息官 Jamie Holcombe

為了進(jìn)一步補(bǔ)充完善該技術(shù)，美國(guó)專(zhuān)利商標(biāo)局通過(guò)被動(dòng)和主動(dòng)捕獲的方式，借助來(lái)自數(shù)千名經(jīng)驗(yàn)豐富的員工的輸入，訓(xùn)練和改進(jìn)人工智能驅(qū)動(dòng)的模型，以確保技術(shù)實(shí)現(xiàn)預(yù)期的結(jié)果。美國(guó)專(zhuān)利商標(biāo)局自成立以來(lái)已經(jīng)授予了超過(guò)1100萬(wàn)項(xiàng)專(zhuān)利，擁有超過(guò)12000名員工，其中包括工程師、律師、分析師和計(jì)算機(jī)專(zhuān)家。不僅如此，來(lái)自前線專(zhuān)利審查員的持續(xù)反饋也被用于改進(jìn)人工智能/機(jī)器學(xué)習(xí)模型，以推動(dòng)新產(chǎn)品的開(kāi)發(fā)并支持兩個(gè)關(guān)鍵領(lǐng)域的活動(dòng)：專(zhuān)利搜索和分類(lèi)。

Holcombe指出，鑒于當(dāng)前數(shù)據(jù)量的爆炸式增長(zhǎng)和“現(xiàn)有技術(shù)”的潛在來(lái)源，進(jìn)行全面的專(zhuān)利檢索可能是頗具挑戰(zhàn)性的。為了應(yīng)對(duì)這一挑戰(zhàn)，美國(guó)專(zhuān)利商標(biāo)局的技術(shù)團(tuán)隊(duì)正在一種新的專(zhuān)利搜索工具中采用人工智能技術(shù)，幫助審查員在審查申請(qǐng)的時(shí)候，找到他們所需的最相關(guān)來(lái)源。這一點(diǎn)很重要，因?yàn)槊绹?guó)專(zhuān)利商標(biāo)局每年會(huì)收到超過(guò)60萬(wàn)份申請(qǐng)，平均每一份申請(qǐng)包含大約20頁(yè)的文本和圖片，或者有大約10000個(gè)描述性單詞。美國(guó)專(zhuān)利商標(biāo)局的IT部門(mén)還開(kāi)發(fā)并部署了一個(gè)分類(lèi)工具，可以從超過(guò)25萬(wàn)個(gè)可能的類(lèi)別中識(shí)別和匹配與該項(xiàng)發(fā)明相關(guān)的分類(lèi)符號(hào)。

在這兩種情況下，模型都是由人類(lèi)專(zhuān)家開(kāi)發(fā)并且通過(guò)這些專(zhuān)家提供的反饋進(jìn)行持續(xù)增強(qiáng)的，這些專(zhuān)家通過(guò)人為操作來(lái)判斷某事物是全新的還是新穎的，然后運(yùn)用法律、事實(shí)和專(zhuān)業(yè)知識(shí)來(lái)做出決定。

在信息流中探索人才渠道

從審查員專(zhuān)家和其他人那里獲得源源不斷的反饋，這可能是一種優(yōu)勢(shì)，但并不是美國(guó)專(zhuān)利商標(biāo)局為了確定創(chuàng)新和全球?qū)I(yè)知識(shí)的新渠道、幫助解決重要挑戰(zhàn)和擴(kuò)展人工智能所采取的唯一途徑。今年早些時(shí)候，美國(guó)專(zhuān)利商標(biāo)局求助于人工智能研究社區(qū)和Google Kaggle。Kaggle是一個(gè)為數(shù)據(jù)科學(xué)家和其他人交流思想和想法搭建的技術(shù)和社交平臺(tái)，每年3月Kaggle會(huì)舉行全球性的全球編碼競(jìng)賽，提供2.5萬(wàn)美元的獎(jiǎng)金，呼吁人工智能研究人員和數(shù)據(jù)科學(xué)家編寫(xiě)代碼來(lái)評(píng)估短語(yǔ)的語(yǔ)義相似性。

今年這項(xiàng)比賽在6月30日結(jié)束之前收到了42900份參賽作品，涉及1800多個(gè)全球團(tuán)隊(duì)共同致力于利用公開(kāi)可用的專(zhuān)利數(shù)據(jù)源。Holcombe解釋說(shuō)，比賽的目標(biāo)是為了推動(dòng)借助AI幫助機(jī)構(gòu)和專(zhuān)利社區(qū)更好地理解專(zhuān)利語(yǔ)言。他說(shuō)：“結(jié)果不僅是為專(zhuān)利搜索提供更好的短語(yǔ)算法，而且還讓獲勝的模型被公共領(lǐng)域所采用。”

美國(guó)專(zhuān)利商標(biāo)局還利用了其他的公共信息資源，例如Golden，這是2019年推出的一個(gè)免費(fèi)“維基風(fēng)”人工智能/機(jī)器學(xué)習(xí)驅(qū)動(dòng)型平臺(tái)，可以通過(guò)網(wǎng)絡(luò)搜索將主題與相關(guān)數(shù)據(jù)和可用數(shù)據(jù)進(jìn)行匹配，并將其整合成一個(gè)信息流，背后運(yùn)行的AI算法啟動(dòng)之后可以持續(xù)添加相關(guān)的數(shù)據(jù)，任何人都可以搜索有關(guān)公司、公司專(zhuān)利和資金來(lái)源（如風(fēng)險(xiǎn)投資）的信息。

人工智能/人類(lèi)聯(lián)盟的A、B、C指南

雖然我們看到有非常多的技術(shù)專(zhuān)欄都是關(guān)于技術(shù)融合的，但鑒于人性的多樣性和復(fù)雜性，采用“以人為本”的方法來(lái)開(kāi)發(fā)人人工智能和機(jī)器學(xué)習(xí)可能是頗具挑戰(zhàn)性的。因此，美國(guó)專(zhuān)利商標(biāo)局在Holcombe的帶領(lǐng)下，制定了從試點(diǎn)到原型、再到生產(chǎn)的指南，概括成A、B、C指南：

A 代表一致性：Holcombe認(rèn)為，業(yè)務(wù)人員和IT人員之間必須有緊密的聯(lián)系?！白詈玫目缏毮軋F(tuán)隊(duì)由和業(yè)務(wù)代表并肩工作的技術(shù)人員組成，所有人都身處于一個(gè)能夠促進(jìn)計(jì)劃、執(zhí)行、檢查和調(diào)整的敏捷環(huán)境中?！泵艚莺虳evSecOps實(shí)踐依賴(lài)于快速行動(dòng)、透明度和產(chǎn)品思維，為了最大限度地取得進(jìn)展，領(lǐng)導(dǎo)者要盡早地、經(jīng)常地與他們的團(tuán)隊(duì)和利益相關(guān)者進(jìn)行溝通。

B 代表業(yè)務(wù)價(jià)值：你可以從對(duì)于核心戰(zhàn)略運(yùn)營(yíng)具有明顯價(jià)值的業(yè)務(wù)案例開(kāi)始著手，這些案例可以解決那些讓人工智能和機(jī)器學(xué)習(xí)派上用場(chǎng)的挑戰(zhàn)。Holcombe指出：“作為一家100%收費(fèi)的機(jī)構(gòu)，我們?cè)趪?yán)格的業(yè)務(wù)和投資回報(bào)率下應(yīng)對(duì)技術(shù)挑戰(zhàn)。”

C 代表客戶(hù)（也就是員工）：人工智能/機(jī)器學(xué)習(xí)解決方案旨在為審查員和其他領(lǐng)域?qū)＜姨峁┲?，而不是要取代他們。因此，新興技術(shù)團(tuán)隊(duì)會(huì)在任何發(fā)布之前、之中和之后與內(nèi)部客戶(hù)一起進(jìn)行測(cè)試和調(diào)整。這些產(chǎn)品使用者可以幫助推動(dòng)人工智能創(chuàng)新，其中一些使用者很“注重細(xì)節(jié)”，并且和CIO都是C級(jí)高管，提供的意見(jiàn)很重要。Holcombe指出：“由于我們盡早地把客戶(hù)引入了流程中，所以我們獲得了很有力的反饋，這有助于推動(dòng)技術(shù)的采用。而且，客戶(hù)能夠讓我們?cè)诓渴饘?duì)機(jī)構(gòu)專(zhuān)家和公眾負(fù)責(zé)任的人工智能時(shí)候保持坦誠(chéng)?！?/p>