与很多洞察驱动型组织一样，美国专利商标局(USPTO)利用数据分析、人工智能和机器学习等技术来提高自身的运营效率和绩效，以及改善系统和流程的质量。
人工智能和机器学习算法对于美国专利商标局的工作是至关重要的，但同时，这家政府机构的指导原则是在开发和使用这些技术以改进和扩展各项计划的时候，采用一种以人为本的方法。美国专利商标局首席信息官Jamie Holcombe指出，人工智能和机器学习工具有助于增强人类专家的工作能力并增强他们在工作中的独创性，在这一点上，这种工具与人类思维的细微差别或者推理能力是无法匹敌。
美国专利商标局首席信息官 Jamie Holcombe
为了进一步补充完善该技术，美国专利商标局通过被动和主动捕获的方式，借助来自数千名经验丰富的员工的输入，训练和改进人工智能驱动的模型，以确保技术实现预期的结果。美国专利商标局自成立以来已经授予了超过1100万项专利，拥有超过12000名员工，其中包括工程师、律师、分析师和计算机专家。不仅如此，来自前线专利审查员的持续反馈也被用于改进人工智能/机器学习模型，以推动新产品的开发并支持两个关键领域的活动：专利搜索和分类。
Holcombe指出，鉴于当前数据量的爆炸式增长和“现有技术”的潜在来源，进行全面的专利检索可能是颇具挑战性的。为了应对这一挑战，美国专利商标局的技术团队正在一种新的专利搜索工具中采用人工智能技术，帮助审查员在审查申请的时候，找到他们所需的最相关来源。这一点很重要，因为美国专利商标局每年会收到超过60万份申请，平均每一份申请包含大约20页的文本和图片，或者有大约10000个描述性单词。美国专利商标局的IT部门还开发并部署了一个分类工具，可以从超过25万个可能的类别中识别和匹配与该项发明相关的分类符号。
在这两种情况下，模型都是由人类专家开发并且通过这些专家提供的反馈进行持续增强的，这些专家通过人为操作来判断某事物是全新的还是新颖的，然后运用法律、事实和专业知识来做出决定。
从审查员专家和其他人那里获得源源不断的反馈，这可能是一种优势，但并不是美国专利商标局为了确定创新和全球专业知识的新渠道、帮助解决重要挑战和扩展人工智能所采取的唯一途径。今年早些时候，美国专利商标局求助于人工智能研究社区和Google Kaggle。Kaggle是一个为数据科学家和其他人交流思想和想法搭建的技术和社交平台，每年3月Kaggle会举行全球性的全球编码竞赛，提供2.5万美元的奖金，呼吁人工智能研究人员和数据科学家编写代码来评估短语的语义相似性。
今年这项比赛在6月30日结束之前收到了42900份参赛作品，涉及1800多个全球团队共同致力于利用公开可用的专利数据源。Holcombe解释说，比赛的目标是为了推动借助AI帮助机构和专利社区更好地理解专利语言。他说：“结果不仅是为专利搜索提供更好的短语算法，而且还让获胜的模型被公共领域所采用。”
美国专利商标局还利用了其他的公共信息资源，例如Golden，这是2019年推出的一个免费“维基风”人工智能/机器学习驱动型平台，可以通过网络搜索将主题与相关数据和可用数据进行匹配，并将其整合成一个信息流，背后运行的AI算法启动之后可以持续添加相关的数据，任何人都可以搜索有关公司、公司专利和资金来源（如风险投资）的信息。
虽然我们看到有非常多的技术专栏都是关于技术融合的，但鉴于人性的多样性和复杂性，采用“以人为本”的方法来开发人人工智能和机器学习可能是颇具挑战性的。因此，美国专利商标局在Holcombe的带领下，制定了从试点到原型、再到生产的指南，概括成A、B、C指南：
以上是美国专利商标局：采用以人为本的人工智能创新方法的详细内容。更多信息请关注PHP中文网其他相关文章！
