與許多洞察驅動型組織一樣，美國專利商標局(USPTO)利用數據分析、人工智慧和機器學習等技術來提高自身的營運效率和績效，以及改善系統和流程的品質。
人工智慧和機器學習演算法對於美國專利商標局的工作是至關重要的，但同時，這家政府機構的指導原則是在開發和使用這些技術以改進和擴展各項計劃的時候，採用一種以人為本的方法。美國專利商標局首席資訊長Jamie Holcombe指出，人工智慧和機器學習工具有助於增強人類專家的工作能力並增強他們在工作中的獨創性，在這一點上，這種工具與人類思維的細微差別或者推理能力是無法匹敵。
美國專利商標局首席資訊長Jamie Holcombe
為了進一步補充完善該技術，美國專利商標局透過被動和主動捕獲的方式，借助來自數千名經驗豐富的員工的輸入，訓練和改進人工智慧驅動的模型，以確保技術實現預期的結果。美國專利商標局自成立以來已經授予了超過1,100萬項專利，擁有超過12,000名員工，其中包括工程師、律師、分析師和電腦專家。不僅如此，來自前線專利審查員的持續回饋也被用於改進人工智慧/機器學習模型，以推動新產品的開發並支援兩個關鍵領域的活動：專利搜尋和分類。
Holcombe指出，鑑於當前資料量的爆炸性增長和「現有技術」的潛在來源，進行全面的專利檢索可能是頗具挑戰性的。為了應對這項挑戰，美國專利商標局的技術團隊正在一種新的專利搜尋工具中採用人工智慧技術，幫助審查員在審查申請的時候，找到他們所需的最相關來源。這一點很重要，因為美國專利商標局每年會收到超過60萬份申請，平均每份申請包含大約20頁的文字和圖片，或有大約10,000個描述性單字。美國專利商標局的IT部門也開發並部署了一個分類工具，可以從超過25萬個可能的類別中識別和匹配與該項發明相關的分類符號。
在這兩種情況下，模型都是由人類專家開發並且透過這些專家提供的回饋進行持續增強的，這些專家透過人為操作來判斷某事物是全新的還是新穎的，然後運用法律、事實和專業知識來做決定。
從審查員專家和其他人那裡獲得源源不斷的回饋，這可能是一種優勢，但並不是美國專利商標局為了確定創新和全球專業知識的新管道、幫助解決重要挑戰和擴展人工智慧所採取的唯一途徑。今年早些時候，美國專利商標局求助於人工智慧研究社群和Google Kaggle。 Kaggle是一個為資料科學家和其他人交流想法和想法搭建的技術和社交平台，每年3月Kaggle會舉行全球性的全球編碼競賽，提供2.5萬美元的獎金，呼籲人工智慧研究人員和資料科學家編寫程式碼來評估短語的語義相似性。
今年這項比賽在6月30日結束之前收到了42900份參賽作品，涉及1800多個全球團隊共同致力於利用公開可用的專利資料來源。 Holcombe解釋說，比賽的目標是為了推動借助AI幫助機構和專利社區更好地理解專利語言。他說：「結果不僅是為專利搜尋提供更好的短語演算法，而且還讓獲勝的模型被公共領域所採用。」
美國專利商標局還利用了其他的公共資訊資源，例如Golden，這是2019年推出的一個免費「維基風」人工智慧/機器學習驅動型平台，可以透過網路搜尋將主題與相關數據和可用數據進行匹配，並將其整合成一個資訊流，背後運行的AI演算法啟動之後可以持續添加相關的數據，任何人都可以搜尋有關公司、公司專利和資金來源（如風險投資）的資訊。
雖然我們看到有非常多的技術專欄都是關於技術融合的，但鑑於人性的多樣性和複雜性，採用「以人為本」的方法來開發人類人工智慧和機器學習可能是頗具挑戰性的。因此，美國專利商標局在Holcombe的帶領下，制定了從試點到原型、再到生產的指南，概括成A、B、C指南：
以上是美國專利商標局：採用以人為本的人工智慧創新方法的詳細內容。更多資訊請關注PHP中文網其他相關文章！
