هل يمكن للذكاء الاصطناعي أتمتة سير العمل القياسي للبحث عن براءات الاختراع والتحليلات؟

يتبع الخبراء في مختلف المنظمات عملية قياسية لإجراء عمليات بحث IP بانتظام. يتم إعداد سلاسل البحث المعقدة من خلال فهم سياق الاختراع واستخدام المعلومات الهامة الأخرى مثل التصنيف والمتنازل إليه النشط وتحليل الاستشهاد وما إلى ذلك. بشكل عام، يحتاج هذا النوع من العمليات إلى خبرة سابقة ومعرفة بقاعدة البيانات وخبرة في مجال معين من التكنولوجيا.

حاليًا، تتبنى كل صناعة الذكاء الاصطناعي للتخلص من عملها المعتاد على الآلات الذكية. وبالمثل، في صناعة الملكية الفكرية، يبحث المستخدمون عن إجابات لأسئلة محددة في أسرع وقت ممكن من خلال تجنب الحاجة إلى اتباع عمليات البحث القياسية.

مع الأخذ في الاعتبار أن XLPAT أنفقت تركيزها وطاقتها بشكل أكبر من أجل وضع طبقات من الذكاء الاصطناعي في خوارزمياتها لأتمتة الرؤية أو التفسير من بيانات التكنولوجيا الأولية. ينصب التركيز الأساسي للشركة على أتمتة سير العمل القياسي لعمليات بحث IP. قام الخبراء في XLPAT بتطوير خوارزميات ذكية من خلال الحصول على أكثر من 12 عامًا من الخبرة من نظيرهم TT Consultants وتخصيص GOOGLE AI وIBM Watson لحالات استخدام محددة. في الآونة الأخيرة، قام فريق البحث والتطوير الداخلي بتطوير نموذج للتعلم الآلي تم تدريبه على أكثر من 200 ساعة عمل مما جعل الآلة قادرة على التعلم من 100 جيجابايت من البيانات المعالجة وتطوير غريزة الباحث الخبير.

وقد اعترف Derwent في PIUG 2018 أيضًا بـ XLPAT لنهجها المركّز وأتمتة العملية القياسية لعمليات بحث IP مثل الجدة وFTO وما إلى ذلك.

براناف شارما