IA e apprendimento automatico

La parte più difficile è descrivere ciò che il modello fa davvero.

Le applicazioni di apprendimento automatico si collocano sul punto più critico sia dell'ammissibilità a brevetto sia della sufficienza della descrizione. Una rivendicazione relativa a «una rete neurale che prevede X» è una rivendicazione di un risultato. Ciò che resiste è una rivendicazione dell'architettura, del regime di addestramento o dell'ingegneria dei sistemi che ha reso raggiungibile quel risultato.

Brevetti pubblicati in quest'area: 409
Professionisti: 21

Ci occupiamo di architetture di modelli e metodi di addestramento, di pipeline di dati e infrastrutture di etichettatura, di sistemi di inferenza e di accelerazione, di visione artificiale, di elaborazione del linguaggio naturale e del parlato, e dell'apprendimento automatico applicato all'interno di prodotti medicali e finanziari. Quando un modello addestrato controlla un impianto, un robot o un veicolo, il modello viene rivendicato qui e il suo impiego nelle aree Automazione industriale, Robotica o Veicoli autonomi.

Questo settore attraversa gli altri gruppi tecnici dello studio anziché affiancarsi ad essi: un acceleratore di inferenza è una questione di semiconduttori, una piattaforma di addestramento è una questione di sistemi distribuiti e un modello diagnostico è una questione di dispositivi medici. Componiamo il gruppo di lavoro di conseguenza.

Rivendicare il metodo, non il risultato

Una rivendicazione relativa a un modello che consegue un determinato esito è una rivendicazione dell'esito stesso, e incontrerà obiezioni tanto di ammissibilità a brevetto quanto di sufficienza della descrizione. Ciò che tiene è l'architettura, il regime di addestramento, la formulazione della funzione di perdita, la fase di trattamento dei dati che ha reso raggiungibile l'esito, oppure l'ingegneria dei sistemi che lo ha reso economicamente sostenibile in fase di inferenza.

Da ciò discende una conseguenza pratica per il modo in cui le domande di brevetto vengono raccolte. Il contributo brevettabile è spesso qualcosa che il gruppo di ricerca considera un dettaglio implementativo anziché il risultato di cui va fiero, il che significa che il colloquio iniziale deve andare oltre l'abstract dell'articolo.

La sufficienza della descrizione quando l'artefatto è un modello addestrato

La descrizione scritta e la sufficienza della descrizione sono messe alla prova da invenzioni il cui comportamento emerge dall'addestramento anziché dalla progettazione. Una descrizione del brevetto che illustri soltanto l'architettura e si limiti ad affermare il risultato potrebbe non rendere attuabile nulla; la divulgazione deve arrivare alle caratteristiche dei dati di addestramento, agli iperparametri e alla valutazione che rende riproducibile il comportamento, pur restando un documento che il cliente sia disposto a pubblicare.

Bilanciare tutto questo con la tutela del segreto commerciale è una decisione strategica, e dovrebbe essere deliberata anziché frutto di un'impostazione predefinita.

Riscontri

Brevetti che abbiamo redatto in quest'area

Brevetti per i quali lo studio ha condotto la procedura di concessione, tratti dall'elenco pubblicato dallo studio stesso e dall'indice dei mandatari negli atti dell'USPTO. Una documentazione, non un'asserzione.

Tutti gli elenchi dei brevetti

12,725,608Automatic speech recognition with multilingual scalability and low-resource adaptation
12,725,451Artificial intelligence video analysis enhanced with text generation
12,725,406Task-oriented clustering using prompt learning
12,725,076Artificial intelligence model learning introspection
12,725,075Training data generation via reinforcement learning fault-injection
12,725,036Explainable deep interpolation of missing pixels via non-contiguous interpolation neighborhoods
12,718,797Label smoothing technique for improving generalization of deep neural network acoustic models
12,718,138Quantum-enhanced features for classical machine learning