知识产权领域的生成式人工智能

避免幻灭的低谷

高盛预测，人工智能（AI）将影响法律行业 44% 的工作。将这一预测需要与美国律师协会《2023 年人工智能技术报告》（ABA 2023 Artificial Intelligence TechReport）对比，该报告称，目前有 10.9% 的律师使用 AI 解决方案。然而，44.3% 的律师表示，使用人工智能可以节省时间、提高效率。LexisNexis 于 2024 年发布的《生成式人工智能将如何塑造未来工作 》报告指出，87% 的专业人士对采用生成式人工智能（GenAI）感兴趣，82% 的专业人士预期 GenAI 能够接管一系列重复性行政工作。这是一个复杂的话题，也是知识产权行业发展的核心。

知识产权的人工智能简史

ChatGPT 于 2022 年 11 月 30 日推出，5 天内用户数量就达到了 100 万。GenAI 的炒作程度可说是前所未见。Gartner 的 AI 炒作曲线很好地说明了这一点。现在，GenAI 已经越过了 “期望膨胀的顶峰”，正在走向 “幻想破灭的低谷”。那么，有办法避免这种情况吗？

图1: Gartner 2024 年 AI 炒作周期

起点是背景。GenAI 并不是人工智能的诞生。AI 的诞生可以追溯到图灵（1950 年），也有人说要远早于图灵。在知识产权领域，人工智能的商业应用已有十多年历史。LexisNexis 知识产权解决方案的发展历程就说明了这一点（参见图 2）。

这包括：

• LexisNexis Cipher Clustering （2013 年）和 Classification（2015 年），使用无监督和有监督机器学习将专利映射到技术，建立完全定制的分类标准
• LexisNexis TotalPatent One 对专利文件进行机器翻译（2016 年），有效的专利制度离不开信息的传播
• LexisNexisPatentSight+ 的技术聚类（2020 年）和相似性检索（2021 年），采用自然语言处理技术
• LexisNexis IPlytics 的标准必要分数（2022），旨在缩小已声明的标准必要专利 (SEP) 的专利与实际必要专利之间的巨大差距
• LexisNexis TechDiscovery,将机器学习和 GenAI 结合，从自然语言中生成专利全景

图 2：LexisNexis 知识产权解决方案的人工智能之旅

过去十年中，知识产权领域在采用 AI 的最大变化也许不是我们所掌握的技术，而是我们对采用 AI 的态度。以 LexisNexis Classification powered by Cipher 为例，该产品于 2013 年推出，旨在解决分析大型专利全景所需的繁重工作，因为在这种情况下，布尔检索显得既缓慢又昂贵，或者根本就不是一个可信的起点。当时的挑战在于信任。布尔检索是基于规则的，而许多 AI 解决方案在当时都缺乏可解释性。当我们将时间快进到 2024 年，任何向知识产权市场推出新产品的人都必须提出一个关于 AI 的引人注目的叙事，且最好要涉及 GenAI 。唯一的变化是炒作的程度。

在知识产权解决方案中理性采用 AI 的方法

知识产权领导者不会一觉醒来就希望获得更多的数据或技术。他们的目标是为企业创造更多价值（或降低风险）。以专利组合的规模来认可或奖励专利团队的时代已经一去不复返了。事实上，正是这种历史性的做法，在一定程度上造成了知识产权团队被视为纯粹的成本中心。

因此，采用 AI 或任何新技术的理性方法是从“为什么”开始。Simon Sinek 的方法值得知识产权专业人士借鉴，在这种方法中，当务之急是关注需要解决的问题（为什么），而不是追寻特定的技术（如何）或特定的用户界面（是什么）。

来源: Simon Sinek

这可以通过参考上面提到的 LexisNexis 解决方案来说明。

将人工智能解决方案重述为问题，效果截然不同

• 将专利映射到技术：这是对于对标分析、竞争情报和大多数战略性专利挑战的基本要求。如果 CPC/IPC 代码能够胜任这项任务，就没有必要采用其他方法，无论是人工智能还是其他方法。
• 外国专利申请信息的可获取性： 世界上有 100 多个专利局和几乎同样多的语言。这意味着，如果没有一个有效的翻译系统，任何人都不可能理解什么样的技术已被授权（这是全球现有技术概念的基础）。而直到 2004 年，欧洲专利局才推出了早期的机器翻译系统，而这一能力很快就成为所有可靠的专利信息供应商的入场条件。
• 识别 SEP：对电信标准的投资是第四次工业革命和互联世界的基础。这就需要有一套制度来确定标准的使用者（被许可人）向开发者（许可人）支付公平的专利使用费。任何能减少必要性不确定性的 SEP 分析方法都能提高交易效率。
• 了解谁拥有什么：在一个拥有 5000 多万有效专利和每天超过 5000 多份新申请的世界里，需要有一种方法来找出谁拥有什么专利。这不仅是知识产权专业人员面临的问题，也是研发、并购、知识产权保险和许多其他部门的工作人员所需要面临的问题。许多需要这些信息的团队对专利制度几乎一无所知，但却希望获得其中的信息。因此，易于使用并能提供实际洞察的系统在这种时候显得非常重要。

避免陷入幻灭的低谷

幻灭的低谷是期望与现实之间的差距。在 2023 年 6 月，纽约一名法官因一名律师提交了一份引用不存在案例的 GenAI 摘要而对其进行了处罚。出了什么问题？这显然是选择了错误的工具来完成工作、缺乏教育和控制以及缺乏透明度。

以下是避免在将 AI 纳入工作时失望的一些想法（但并非详尽无遗）：

1. 专注于您的高优先级问题：这样就能缩小您的选择范围，找到可能有帮助的东西。用于自动撰写专利的人工智能可能会令人兴奋，但如果您选择外包专利撰写和专利申请的工作，您就不会有这样的反应了。
2. 了解现在和未来：AI 是一项快速发展的技术。从现在开始参与这个话题，这样您就能了解发展趋势，并能区分哪些方法适用于现在，哪些方法可能会在未来变得很重要。像 LexisNexis 这样的机构会与客户分享其未来路线图的细节，以确保将公司的精力用于正确的领域。
3. 好的标准是什么？避免陷入设定任何现有替代方案都无法达到的精确度的陷阱。指导原则是更好、更快、更便宜中的一种或多种。世界上不存在完美的即时零成本解决方案。

我们知道，几个世纪以来，技术已经并将继续影响我们的工作，而且是向好的方向发展。变革的影响固然令人害怕，但不会比电力或互联网更激进。虽然知识产权法律和实践的变革似乎不可避免，但参与变革的人将获得回报，而落在后面的人将面临更大的风险。让我们一同享受这段旅程吧。

关于作者

Nigel Swycher 是 LexisNexis Cipher 的联合创始人兼首席执行官。Nigel 长期从事法律工作，曾在著名律师事务所 Slaughter and May 领导知识产权业务。

Nigel 多年来一直被 IAM 300 评为知识产权战略领域的领军人物。

FOLLOW NIGEL ON LINKEDIN