隨著 patlytics.ai 等 AI 專利檢索技術的出現，智慧財產權組合管理軟體已大幅提升，為企業提供更深入的專利與商標洞察。這些進步的核心在於一種稱為「模型能力提取」（model capability extraction）的流程。微軟於 2024 年 4 月公開的一項專利中詳細說明了此流程，該專利於 2022 年 10 月提出申請。 

什麼是模型能力提取？

模型能力提取涉及識別並分析機器學習模型的功能，以了解其優勢與侷限。正如該專利摘要所述，模型能力提取是「透過間接查詢模型來判定該模型所具備的能力」。模型能力提取的關鍵面向包括：

1. 效能評估
2. 可解釋性與可詮釋性
3. 偏見檢測
4. 行為分析
5. 能力映射

將模型能力提取應用於智慧財產權組合管理軟體

1. 專利分類與分析中的效能評估：
   • AI 模型被廣泛用於根據技術領域對專利進行分類。透過能力提取，我們可以衡量其分類準確度並找出改進機會。
   • 例如，針對識別相關先前技術所訓練的模型，可以透過標準化基準進行評估，以確保軟體能適當地支援專利審查員或法律團隊。
   • 在專利處理的準確度與速度直接影響創新週期與市場進入時間的環境下，這種效能評估至關重要。透過系統性地評估 AI 模型，組織可以精確找出效能瓶頸並優化模型，以提高處理量並減少錯誤，進而簡化專利審查流程。
2. 策略決策的可解釋性：
   • 透過使用特徵重要性分析，組織可以深入了解驅動模型建議的因素，例如識別用於授權的高價值專利。
   • 這種透明度對於做出符合業務目標的明智策略決策至關重要。例如，了解模型為何優先選擇特定專利進行訴訟支援或授權，有助於企業調整其法律策略，以保護或利用特定的智慧財產。
   • 此外，可解釋性有助於建立利害關係人之間的信任，讓他們能夠看見並理解自動化決策背後的邏輯，進而減少衝突並促進更順暢的營運。
3. 專利估值中的偏見檢測：
   • AI 模型可能會無意間繼承歷史專利數據中存在的偏見，進而影響估值預測。
   • 模型能力提取使企業能夠檢測並修正偏見，確保不同技術領域與地理區域的估值皆能保持公平。
   • 解決偏見不僅是為了公平，更是企業的戰略要務。例如，識別並修正地理偏見，能確保新興市場的創新獲得應有的重視，協助企業發掘並掌握全球商機。透過系統性地處理這些偏見，企業能確保其估值演算法既穩健、公平，且符合全球標準。
4. 商標監控中的行為分析：
   • 商標侵權檢測需要能夠識別標誌或名稱細微差異的模型。
   • 透過能力提取，組織可以識別對抗性漏洞或模型運作困難的情境，進而優化模型以提升檢測準確度。
   • 在侵權手法不斷演變的全球市場中，此類分析對於保護品牌識別與智慧財產權至關重要。透過了解模型的特定弱點，企業能實施針對性的改進，例如使用更多樣化的數據集進行訓練，或調整影像辨識演算法，以更有效地偵測細微的偽造行為。
5. 用於高效投資組合管理的能力映射：
   • 透過映射不同 AI 模型的優勢，企業可以進行策略性的任務分配。例如，利用特別擅長前案檢索的模型，來加速自由實施（FTO）分析。
   • 這種映射確保了智慧財產權投資組合管理軟體中的每一項 AI 模型都能發揮最大潛力。
   • 能力映射使企業能夠優化資源配置，專注於發揮每個模型在智慧財產權管理各個面向的優勢。這種策略性方法不僅提升了效率，還增強了智慧財產權投資組合管理的整體效能，協助企業在各自的產業中保持競爭優勢。

結論

模型能力提取是一項關鍵流程，能協助組織充分發揮嵌入於智慧財產權投資組合管理軟體中 AI 模型的潛力。透過了解這些模型的優勢與侷限，企業能確保更精確的專利分類、更具策略性的決策，以及更公正的估值，最終建立更強大且管理更高效的智慧財產權投資組合。