相關專利可能會以陌生的語言描述您的技術。找到它僅僅是第一步，您的團隊還需要理解其揭露內容、保存證據，並判斷它有助於回答哪些法律問題。AI 專利檢索為這項工作增添了基於語義的檢索功能。了解其方法、輸入方式及審查邊界，有助於您選擇合適的平台，並將候選結果轉化為可用的證據。

此處的法律範例採用美國專利實務。檢索功能旨在輔助針對特定事項的評估；律師對生成的摘要、圖表及法律分析保留監督權與最終決定權。

什麼是 AI 專利檢索？

人工智慧 (AI) 專利檢索利用機器學習方法，根據技術相關性來檢索並排列專利文件。根據平台的不同，它還可以搜尋非專利文獻 (NPL)，例如期刊文章、標準和技術出版物。除了關鍵字、專利號和分類代碼外，自然語言的發明描述也能作為檢索輸入。

基於語義的檢索解決了詞彙問題：同一項技術構思在不同的揭露文件中可能使用不同的詞彙來描述。它與精確詞彙檢索、分類檢索及引證追蹤相輔相成。每一種方法都為存取現有資料庫提供了不同的途徑。

這種互補作用已有具體先例。美國專利商標局 (USPTO) 在傳統檢索之外，為審查員引入了<aux translate="no">AI similarity searching</aux>，透過選定的申請案文本和分類符號來協助聚焦查詢。

Patlytics 將跨專利與非專利文獻的語義檢索功能整合至「專利與非專利文獻檢索」模組中，並提供日期範圍控制，以及與無效性分析、發明揭露書 (IDF) 和專利撰寫等工作流程的連結。IDF 指的是發明揭露書。從業人員會在將證據納入圖表和草稿之前，先篩選候選文件。

為什麼要使用 AI 進行專利檢索？

尋找替代的技術語言

相較於簡短的標籤，發明描述能為語義檢索提供更多背景資訊。例如，壓力驅動式咖啡機可能會透過其幫浦、萃取室或流體路徑來描述。搜尋這些概念能開闢額外途徑，找到單一精確詞彙無法涵蓋的候選揭露文件。

組織初步審查

排序後的候選文件與連結至來源的摘要，能協助您的團隊判斷哪些文件值得細讀。其價值取決於輸出結果是否呈現了支撐性的段落並保留了技術細節。若簡潔的摘要遺漏了限制性組件，可能會誤導後續的檢索方向。

請將原始揭露文件保留在分析中。即使檢索或摘要過程耗時較短，審查時間仍應納入工作流程預算。

在相關工作中重複利用證據

一份經過篩選的文件可能對權利要求撰寫、無效性調查或技術映射有所助益。將其識別碼、相關段落及篩選理由帶入下一項任務，可避免重複建立證據鏈。

商業案例應計算總體投入：檢索開發、文件審查、修正、證據封裝、培訓及平台成本。請根據最終完成並審查過的工作成果來評估成本效益。

AI 專利檢索的運作方式

此標籤涵蓋了多種方法。了解它們各自的角色，有助於區分文件檢索與生成的解釋。

自然語言處理

自然語言處理 (NLP) 會分析文本，包括術語以及組件之間的關係。它有助於呈現查詢內容的技術內涵，而非將每個詞彙視為獨立個體。

關於無線傳輸的兩個短語可能相關，但並不代表它們定義了相同的權利要求限制。技術上的相似性仍需透過閱讀實際的組件、關係與條件來判斷。

語意搜尋

一種語意搜尋方法是將文字表示為稱為嵌入（embeddings）的數值向量。比較這些表示有助於檢索出意義相關的文字。而 Sentence-BERT 研究 展示了這種用於句子相似度分析的方法。

以一個說明性查詢為例，「用於加壓沖煮咖啡的攜帶式裝置」會引出相關概念，例如手動濃縮咖啡機或小型加壓沖煮組件。隨後的篩選工作將聚焦於沖煮配置，包括其組件及其相互關係。

大型語言模型與生成式分析

大型語言模型（LLM）能根據所提供的上下文生成文字。在專利工作流程中，生成的文字有助於整理發明說明、總結檢索到的揭露內容，或解釋文件之間擬議的關聯性。

檢索與解釋是兩個獨立的操作。來源識別碼與段落定位器能將解釋內容連結至支持該內容的揭露資訊。從業人員需檢查這些支持證據，且律師必須在任何產出的權利要求分析或對照表用於法律立場前進行核准。

機器學習與關聯性排序

機器學習可支援相似度模型與結果排序。不同平台的模型訓練、排序設定與回饋處理方式各異。關聯性回饋對排序或模型訓練的影響，取決於具體的實作方式。

採購審查應探討機密內容是否會影響模型訓練，以及在何種安全防護措施下進行。

將搜尋與專利問題進行匹配

專利性、無效性與侵權自由（FTO）分析需要不同的輸入資訊。請先從團隊必須支持的決策出發，再定義技術範圍與相關日期。

美國專利審查會考量所主張的發明及多項法定要求。如 USPTO 審查架構 所述，先前技術檢索僅是該評估的一部分。

無效程序同樣重要。美國的多方複審（IPR）將挑戰限制在基於專利或印刷刊物的新穎性與顯而易見性理由。其他有效性爭議可能涉及額外的理由與證據。美國侵權法另行規範特定行為，包括在專利期間內的製造、使用、銷售、許諾銷售及進口。這些在 美國專利法 下屬於不同的問題。

過期專利在進行先前技術調查時可能仍具參考價值，但與有效請求項相比，其自由實施（FTO）問題有所不同。公開日、申請日、優先權日與有效申請日也扮演不同角色。先前技術的適格性除了取決於公開日的篩選外，還取決於適用的法律截止日期與揭露證據。

技術全景分析與專利組合工作可以重複利用已篩選的檢索證據，但它們回答的是不同的策略性問題。產品特定的上市審查需要 FTO 工作流程指南 中所述的請求項與地區分析。

選擇 AI 專利檢索平台

選擇標準應符合貴團隊在證據與審查方面的需求。

相關性、涵蓋範圍與驗證

有用的結果應說明文件相關的原因，並提供穩定的識別碼與特定段落。涵蓋範圍應由館藏、司法管轄區、文件類型、語言、全文可用性及更新週期來定義。

優質證據需要明確的任務、技術領域、參考集與審查流程。召回率衡量已檢索到多少已知的相關集合；精確率衡量檢索到的集合中有多少是相關的。這些指標描述了針對定義參考集的檢索效能；摘錄準確度則衡量另一項獨立任務。

功能與整合

當證據進入撰寫或分析階段時，工作流程應保留原始文件與篩選依據。匯出的結果需具備足夠的細節，以便其他從業人員能查閱相同的段落。

底層方法

架構說明應區分查詢生成、檢索、排序以及生成的解釋。效能證據應符合您的技術領域與檢索任務。關鍵的區別在於工作流程是否支援可追溯的檢索與實質審查。

可用性、支援與變更管理

從業人員需要可讀的原始段落、可編輯的分析、已儲存的查詢以及可用的匯出功能。培訓內容應涵蓋不成功的搜尋與修正工作流程，以及成功的範例。當資料庫或模型變更時，先前的搜尋紀錄應保持可解讀性。

機密性與成本

採購審查應涵蓋資料保留、模型訓練用途、存取權限、刪除機制，以及針對發明揭露與訴訟資料的合約保障。認證或證明範圍應與保護該事項的合約控制措施一併考量。

商業評估應包含館藏存取、席位、使用限制、支援、培訓與匯出功能。相關成本應為完成且經過審查的工作成果，包括為填補涵蓋範圍缺口所需的任何額外搜尋。

從搜尋輸入到 Patlytics 中的圖表與草稿

Patlytics 適合需要將搜尋證據與後續專利工作連結的團隊。專利與非專利文獻（NPL）搜尋支援跨專利與 NPL 的語意搜尋，包括 PubMed 中索引的文獻。您的團隊可以從發明說明或相關技術限制開始，並使用日期範圍控制將檢索限制在選定的時間窗口內。

此工作流程連結了探索、篩選與證據再利用：

1. 定義技術輸入與日期範圍。 描述對搜尋至關重要的組件與關係。律師需設定該事項的搜尋窗口，並在分析中處理優先權與有效申請日等問題。
2. 篩選候選文件。 將相關段落與發明說明或受挑戰的限制條件進行比較。保留值得進一步分析的參考文獻，並記錄將其納入考量的原因。
3. 將結果帶入下一個模組。 連結的工作流程可將搜尋結果傳送至「無效性分析」（Invalidity）以製作具引用支持的逐項限制對照表，傳送至「發明揭露」（IDF）以進行揭露內容開發，或傳送至「專利撰寫」（Patent Drafting）以進行權利要求與說明書工作。

這種連結式的交接方式使後續工作能錨定在已檢索的參考文獻上，因此您的團隊無需重新建立證據軌跡即可製作對照表、IDF 與草稿。律師在進行下一步使用前，會審查原始來源支持並核准生成的內容。每個事項皆由您決定下一個模組與審查節點。

高效 AI 專利搜尋的最佳實踐

1. 制定技術輸入

描述問題、組件、關係、操作條件以及擬議的區別性限制。將必要元素與選用實施例分開。針對無效性分析，請使用受挑戰的權利要求集；針對自由實施（FTO）分析，請使用實際產品或流程，而非籠統的發明標籤。

對於咖啡杯發明，請具體說明感測器的位置、測量的條件以及觸發警報的機制。這些關係能為搜尋提供超越「智慧咖啡杯」這類標籤的技術目標。

2. 搜尋、檢查與精煉

將語意檢索與精確詞彙、同義詞、分類搜尋以及引用或被引用文件結合使用。每一份有潛力的揭露文件都能為下一次搜尋提供詞彙。合作專利分類（CPC）代碼可組織技術主題，並能作為搜尋鄰近領域的種子。

精煉過程應遵循證據。關於加熱容器的結果可能與該領域相關，但若缺乏閾值觸發警報，則應保留該篩選理由，而非僅將整份文件標記為「不相關」。詳細的 <aux translate="no">prior-art search workflow</aux> 會分別涵蓋各項程序性搜尋步驟。

3. 將候選項目轉化為可審查的記錄

通用的語意查詢可以直接表達技術關聯：

一種飲料容器，其底部附近設有溫度感測器，並在液體達到選定溫度閾值時觸發警報。

此圖示將未執行的查詢與單獨選定的已公開申請案配對。題為「智慧咖啡杯及其他餐具」的已公開申請案記錄於 US20220183485A12022 年 6 月 16 日發布。其請求項 1 描述了一種餐具，底部附近設有溫度感測器和整合式警報器，並由溫度閾值觸發警報。請求項 8 則描述了一種將閾值響應警報發送至行動裝置的發射器。

這些定位器支援特定的篩選理由：該揭露內容涉及感測器放置位置與溫度觸發警報。請保留此內容以與實際的請求項集或產品規格進行比較，然後利用其術語來發展進一步的搜尋分支。官方申請案卷宗提供了後續審查所需的審查歷程。

4. 維持可重現的搜尋記錄

記錄應保留搜尋的內容以及未納入搜尋的範圍。美國專利商標局（USPTO）的搜尋記錄實務提供了一個保留 AI 查詢、檢索到的文件、選定文字及分類背景的範例。

針對已執行的檢索，應保留執行日期與時間、精確的自然語言輸入、所有查詢迭代、欄位與運算子、集合設定、翻譯設定、匯出內容以及篩除的文件。並記錄負責審查人員、篩選原因、未決問題及後續行動。儲存輸入內容有助於重新執行檢索；儲存結果則能保留該次檢索的實際產出，即使後續集合或排序發生變更亦不受影響。

5. 重複使用前請進行專業人員審查

專利專業人員會將生成的摘要與圖表與原始揭露內容進行比對。律師在核准後續使用前，會先釐清請求項含義、相關日期、地域權利以及證據的法律意義。

對於非專利文獻（NPL），證據軌跡應包含標題、作者、出版商、版本、穩定識別碼及公開可用性證明。法律顧問在評估揭露內容是否構成先前技術時，會審查上述證據及相關日期。美國專利商標局（USPTO）的出版指南將公開可及性視為事實與法律層面的調查。這份非專利文獻說明文件涵蓋了文件類別及其在專利工作中的角色。

涵蓋範圍與品質限制

檢索範圍受限於所選的集合、語言、日期範圍及可存取的文字；翻譯、掃描頁面的光學字元辨識（OCR）以及生成的摘要可能會掩蓋技術細節。請記錄缺失之處，並由專業人員審查原始段落，在將證據納入法律分析前，先解決有關請求項、專利家族、日期及地域狀態的問題。

善用檢索證據

將發明說明轉化為經過篩選、具備引證支持的候選先前技術，供團隊用於製作圖表與草稿。Patlytics 將專利與非專利文獻檢索連結至專利工作的下一階段，並將專業人員篩選與律師核准流程內建於您的團隊作業中。

預約示範，了解如何優化團隊的專利性或無效性檢索工作流程。