AI & machine learning

Het moeilijkste is beschrijven wat het model werkelijk doet.

Aanvragen voor machine learning bevinden zich op de scherpste rand van zowel octrooieerbaarheid als nawerkbaarheid. Een conclusie op “een neuraal netwerk dat X voorspelt” is een conclusie op een resultaat. Wat standhoudt, is een conclusie op de architectuur, op het trainingsregime of op de systeemtechniek die het resultaat bereikbaar maakte.

Gepubliceerde octrooien in dit vakgebied: 409
Professionals: 21

Wij werken aan modelarchitecturen en trainingsmethoden, datapijplijnen en labelinfrastructuur, inferentie- en acceleratorsystemen, computervisie, natuurlijke taal- en spraakverwerking, en de toegepaste machine learning binnen medische en financiële producten. Waar een getraind model een fabriek, een robot of een voertuig aanstuurt, wordt het model hier geclaimd en de toepassing ervan onder Industriële automatisering, Robotica of Autonome voertuigen.

Dit gebied loopt dwars door de andere technische groepen van het kantoor heen in plaats van ernaast te staan: een inferentieaccelerator is een halfgeleiderkwestie, een trainingsplatform een kwestie van gedistribueerde systemen, en een diagnostisch model een kwestie van medische hulpmiddelen. Wij bemensen het dienovereenkomstig.

Conclusies op de methode, niet op het resultaat

Een conclusie op een model dat een uitkomst bereikt, is een conclusie op die uitkomst, en zij roept zowel bezwaren over octrooieerbaarheid als over nawerkbaarheid op. Wat standhoudt, is de architectuur, het trainingsregime, de formulering van de verliesfunctie, de stap in de gegevensverwerking die de uitkomst bereikbaar maakte, of de systeemtechniek die haar bij inferentie betaalbaar maakte.

Dat heeft een praktisch gevolg voor de manier waarop aanvragen worden opgehaald. De octrooieerbare bijdrage is vaak iets wat het onderzoeksteam als implementatiedetail beschouwt in plaats van het resultaat waarop het trots is, wat betekent dat het intakegesprek verder moet gaan dan de samenvatting van het artikel.

Nawerkbaarheid wanneer het voortbrengsel een getraind model is

Schriftelijke beschrijving en nawerkbaarheid komen onder druk te staan bij uitvindingen waarvan het gedrag voortkomt uit training in plaats van uit ontwerp. Een octrooibeschrijving die alleen de architectuur beschrijft en het resultaat poneert, maakt mogelijk niets nawerkbaar; de openbaarmaking moet ook de kenmerken van de trainingsgegevens, de hyperparameters en de evaluatie omvatten die het gedrag reproduceerbaar maken — en tegelijk een document blijven dat de cliënt bereid is te publiceren.

Dat afwegen tegen bescherming als bedrijfsgeheim is een strategische beslissing, en die hoort bewust te worden genomen in plaats van als vanzelf te gaan.

Bewijs

Octrooien die wij in dit vakgebied hebben opgesteld

Octrooien waarvoor het kantoor de verleningsprocedure voerde, ontleend aan het eigen gepubliceerde octrooioverzicht en aan de gemachtigdenindex van het USPTO. Vastgelegde feiten, geen bewering.

Alle octrooioverzichten

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