IA e Aprendizagem Automática

A parte mais difícil é descrever o que o modelo efetivamente faz.

Os pedidos de patente em aprendizagem automática estão no gume mais afiado tanto da elegibilidade como da suficiência descritiva. Uma reivindicação de «uma rede neuronal que prevê X» é uma reivindicação de um resultado. O que sobrevive é uma reivindicação da arquitetura, do regime de treino ou da engenharia de sistemas que tornou o resultado alcançável.

Patentes publicadas nesta área: 409
Profissionais: 21

Trabalhamos em arquiteturas de modelos e métodos de treino, infraestrutura de pipelines de dados e de anotação, sistemas de inferência e aceleradores, visão computacional, processamento de linguagem natural e de fala, e a aprendizagem automática aplicada no interior de produtos médicos e financeiros. Quando um modelo treinado controla uma instalação industrial, um robô ou um veículo, o modelo é reivindicado nesta área e a sua utilização nas áreas de Automação Industrial, Robótica ou Veículos Autónomos.

Esta área atravessa os restantes grupos técnicos da sociedade em vez de se colocar ao lado deles: um acelerador de inferência é uma questão de semicondutores, uma plataforma de treino é uma questão de sistemas distribuídos e um modelo de diagnóstico é uma questão de dispositivos médicos. Compomos as equipas em conformidade.

Reivindicar o método, não o resultado

Uma reivindicação de um modelo que alcança um resultado é uma reivindicação do resultado, e será confrontada com objeções de elegibilidade e de suficiência descritiva. O que se aguenta é a arquitetura, o regime de treino, a formulação da função de perda, o passo de tratamento de dados que tornou o resultado alcançável, ou a engenharia de sistemas que o tornou comportável no momento da inferência.

Isto tem uma consequência prática no modo como os pedidos são captados. O contributo patenteável é frequentemente algo que a equipa de investigação considera um pormenor de implementação e não o resultado de que se orgulha, o que significa que a conversa inicial tem de ir além do resumo do artigo.

Suficiência descritiva quando o artefacto é um modelo treinado

A descrição escrita e a suficiência descritiva são postas à prova por invenções cujo comportamento emerge do treino e não do desenho. Um relatório descritivo que descreve apenas a arquitetura e afirma o resultado pode não tornar nada realizável; a divulgação tem de chegar às características dos dados de treino, aos hiperparâmetros e à avaliação que torna o comportamento reproduzível — mantendo-se ao mesmo tempo um documento que o cliente esteja disposto a publicar.

Ponderar isso face à proteção por segredo comercial é uma decisão estratégica, e deve ser uma decisão deliberada e não um valor por omissão.

Provas

Patentes que redigimos nesta área

Patentes tramitadas pela sociedade, extraídas da sua própria listagem publicada e do índice de mandatários constituídos do USPTO. Um registo, não uma afirmação.

Todas as listagens de patentes

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