专利组合寻宝：使用人工智能寻找有价值的专利

大型专利组合一直很难管理。然而，随着专利组合的规模和复杂性的扩大，越来越难以理解哪些专利有价值，哪些专利没有价值，同时确保投资组合支持公司的业务目标。例如，新产品发布更频繁和产品周期更短意味着公司的业务目标变化比过去更快。确保公司的专利组合不断与这些快速变化的新产品周期重新调整是具有挑战性的。具体来说，确保一家公司的知识产权部门知道需要哪些专利来保护现有产品，以及哪些专利不再需要，因为他们的相应产品已经停产，需要相关的业务部门和知识产权部门之间进行非常密切的协调。即使专利被确定为不再支持公司的业务目标，这些专利也可能相当有价值。因此，仅仅因为专利与公司目前的产品不一致而放弃专利不符合公司的最佳利益。

遗憾的是，许多知识产权部门仍然依赖电子表格等过时的方法来手动跟踪其专利。此外，大多数知识产权部门不经常对其专利组合进行审计，以确定哪些专利支持公司的业务目标，哪些专利不支持公司的业务目标。知识产权部门往往没有足够的人员进行定期审计，尽管鉴于新产品频繁发布和要的现有产品停产，审计应当是常态。而结果是，大多数公司拥有很大比例的、不再支持公司商业目标的专利。

管理大型专利组合的另一个问题是，许多公司并不完全了解专利在其投资组合中的价值。虽然一些专利可以通过粗略估计或其所保护的产品市场价值的百分比来估值，但许多专利可能很难估值。虽然有各种软件和服务提供商会为部分或全部专利组合提供估值，但日本的大多数专利持有者很少使用专利估值服务或软件，主要是因为他们不希望产生费用。此外，其中许多产品或服务只能提供非常粗略的价值估计，主要是因为它们依赖于权力要求1中的字数或前向和向后引用的数量。

最终结果是，公司专利组合（和大学专利组合）不遵守规则，难以管理，使问题年复一年地堆积且得不到解决。再加上日本公司在文化上不愿意出售或许可其专利组合的任何部分，导致许多伟大的日本发明根本没有被使用。只要企业（或大学）方面愿意，这种被压制的供应为技术转让创造了一个很好的机会。

促成这些问题的是美国公司管理和日本公司管理之间的深刻差异。在美国，大多数公司经理，尤其是大公司经理，都拥有工商管理硕士学位。据称，大多数美国公司经理都非常专注于增加利润、扩大业务和产品线，以及通常为公司赚钱。因此，大多数美国公司在公司事务的规划和执行中让首席财务官、财务规划师和会计师拥有主导性发言权。因此，美国专利投资组合被视为与任何其他资产类别一样：它们必须产生收入，从而促进公司的盈利能力；它们不应该是封存的、不良的、折旧的资产。创收通常通过出售或许可公司至少部分专利组合来实现。例如，根据IBM本身公开的数据，自1996年以来，仅IBM就创造了270亿美元的许可收入：

图1

与美国公司不同，日本经理大多是前工程师，他们没有上过商学院。大型、表现不佳的专利组合被视为“经营成本”，并主要用于防御目的。大量资金被困在公司的专利组合中，这一事实未能成为高层管理人员关心的问题，因为他们由工程师而非业务和财务经理组成。其结果是，与一家美国公司持有的专利组合相比，日本的公司专利组合产生的许可收入很小。

除了对专利许可或销售缺乏兴趣外，许多知识产权部门没有意识到，他们所需的、可帮助他们进行专利组合管理的许多信息可以使用人工智能快速轻松地获得。例如，人工智能可用于对专利组合进行分类，以便知识产权部门能够快速准确地了解哪些类别的专利支持公司的业务部门，哪些专利不支持。此后，那些不支持公司业务部门的专利可以出售、许可或放弃，这取决于其价值。

另外，人工智能也可以用来寻找侵权者。尽管许多日本公司可能并不急于追踪侵权者，但侵权证据实际上是衡量专利价值的最佳标准。如果一项专利被广泛侵犯，它显然具有很高的价值，不应该被放弃，而完全没有被侵犯的专利本质上是无价值的，应该放弃。

即使公司的知识产权部门知道该公司的一些专利用于保护当前产品，也往往仍然存在许多知识产权部门不确定的专利。问题是，许多知识产权部门没有人员、时间或资源来进行彻底调查，以确定谁可能正在使用公司的专利。对于许多知识产权部门来说，使用一个知识产权人员团队并为他们提供数月的时间进行此类调查是根本不可行的。替代方案，例如放弃信息不足的专利，充满了危险。如果不进行调查，该公司可以很容易地放弃在市场上广泛使用的专利，或被一种销售量非常高的产品所使用。没有人愿意缺乏对伦勃朗绘画类型的专利价值的了解而放弃它。

从来没有像人工智能的大型语言模型（或LLM）这样的强大工具来分析专利组合。例如，知识产权部门可能需要几个月的时间来分析一个庞大的专利组合。相比之下，人工智能可以在几分钟内以低成本分析专利组合。具体而言，人工智能可以通过两种有用的方式分析专利组合。首先，人工智能可用于对专利组合进行分类。这将使知识产权部门能够确切了解其拥有哪些类型的专利，以便确定哪些类别的专利支持公司的业务活动，哪些类别的专利不支持公司的业务活动。

AI可用于将公司的专利组合分类如下：

图2

使用人工智能对公司的专利组合进行分类是一项有益的工作，主要是因为它很容易理解投资组合中的专利类型。专利组合分类的示例如下图3所示。

图3

如图3所示，每项专利都被排序并归入分类，包括“垃圾”专利。其次，将专利类别与公司的业务活动进行比较。这些类别见下图4的红线内。

图4

根据图4，一旦知道专利类别，并与公司的业务活动（在红线内）进行比较，就很容易看到哪些类别的专利是可以消耗型（无足轻重）的。例如，消耗品类别显示在下面图5的蓝色边框内（特别是“QoS”、“Notification & Pub-Sub”、“DevOps、Task & Container Management”和“Junk”类别）。专利的消耗性类别如下图5的蓝线内所示。

图5

因此，知识产权部门立即知道它可以出售、许可或放弃哪些专利（蓝色边界内的专利），而不会影响公司的业务活动。

另外，还可以使用人工智能来了解谁侵犯了公司的专利。虽然许多日本公司可能会质疑寻找违规者的必要性，但这样做有许多非诉讼原因，例如：反制；出售专利从而降低维护费；启动许可计划；用未使用的专利换取符合公司业务目标的专利；以及确定专利价值。关于专利价值，事实上，没有比查看是否有人侵犯贵公司的一项或多项专利更好的专利价值了。

其次，只要专利权力要求被准确编码，LLM在发现专利侵权方面特别熟练。下图6概述了LLM如何发现侵权。

图6

为了寻找侵权者，LLM必须首先编码专利权利要求1的单词和含义。通常选择权要1，因为它通常是最广泛的权要。权要1的文本经历了一系列步骤，将单词、句法和含义编码为数值模型。此编码过程通过一系列步骤执行，如下图7所示。

图7

必须说明，这是一个专门为编码专利要求而设计的专业大语言模型；而不是ChatGPT或其他通用语言模型。首先，权要1的单词转换为令牌，换句话说，权要的每个单词都转换为该单词的数字表示。接下来，表示权要1单词的令牌被编码为所谓的矢量嵌入，如下图8所示。矢量嵌入是LLM在句子、段落或专利权要中表示单词与其他单词的关系的方式。

图8

图9

每个矢量量都有许多维度，允许它捕获有关特定单词的复杂信息，例如，其语言类型（例如动词、名词、粒子等）、其时态（例如过去、现在、未来）以及该特定单词与权要中其他单词的关系。见上图9。作为人类，我们很难理解超过4个维度（x、y、z和时间），因为我们的日常现实仅限于4个维度，但LLM没有类似的限制。一些LLM使用1000多个维度来表示单词、上下文和语法。

然后，由LLM生成的表示权要1的一系列矢量嵌入传输到高维矢量存储。LLM可以通过学习有关专利权要的复杂规则来存储权要1的含义，例如序言是否是权要元素，序言中“包含”一词的使用，每个权要元素中单词的含义，权要中存在的先例基础等。结果是，高维矢量存储包含一个准确的数学模型，证明哪种类型的产品或服务侵犯权要1。

高维矢量存储也可以在二维空间中表示，以便于理解。放大的人工智能为各种专利声明预先计算了高维矢量存储，然后将结果绘制为2维的视觉表示。例如，Amplified1的矢量商店在电子商务和移动应用程序现金返还设置中绘制各种专利，如下图10所示。由于人类无法可视化高维矢量，图10显示了表示专利声明的放大高维矢量如何在二维空间中显示。每个形状都是专利；相似概念的专利彼此紧密地映射。颜色用于表示每个专利所有者的身份。审查专利权利要求证实，权利要求覆盖范围相似的专利在二维空间中正确地彼此靠近。创建准确建模有关专利权要的高维矢量的能力表明，LLM可以可靠、准确地用于日益复杂的任务（例如侵权、无效等）。

图10[1]

既然可以创建代表权利要求1的高维矢量，也可以创建代表产品的矢量，然后进行比较以确定这些产品是否受到指控，如图11所示。

图11

事实上，LLLM如何运作的过程要复杂得多，这里只是一个极其简化但实用的解释，

不久之前，使用人工智能寻找有价值专利的想法还很新颖，但很快这个概念便成旧闻。现在，已不是还需讨论是否使用人工智能来发现专利侵权的问题，这项任务已经大规模展开，使知识产权世界尽在掌握之中。正如许多读者认可的那样，成为一名知识产权专业人士是为了在信息不足的情况下将风险降至最低。“谁侵犯了我们数千项专利中的哪一项”等问题的答案通常被认为是未知的，特别是对于拥有大量专利组合的公司来说。而 这些都成为了过去时。

现在，每个已颁发专利的侵权信息都已在数据库中进行分析、存储和索引，随时可供公司、竞争对手或NPE购买。任何人都可以查询该数据库，以找出谁侵犯了贵公司的专利，以及贵公司侵犯了哪些专利。换句话说，每个美国的侵权信息。现在只需点击几下鼠标即可访问专利。例如，如果A公司想知道谁在侵犯其专利，该信息可以立即获得，如下图12所示。

图12 (courtesy of IPDefine, Ltd.[2])

现在这些信息很容易获得，知识产权部门将不得不迅速适应。出售专利现在非常容易——价值可以很容易地根据谁在侵权和被指控产品的身份来确定。购买专利也是如此——价值很容易通过统计侵权产品来确定。提出专利侵权主张从未如此简单——现在所有侵权者都以每一项已颁发的专利而闻名。NPE显然会受益，但运营公司也会受益。例如，了解他们的专利是否受到侵犯，以及谁将允许运营公司更容易地评估、购买、出售、交易和交叉许可专利。税务当局突然有了快速轻松地评估公司专利组合的手段，并有能力随时识别不保护公司产品的专利。

反驳运营公司A的侵权主张现在是一项简单的任务。首先，搜索您自己公司的专利，寻找被A公司侵犯的专利。如果很少或什么都没有，请搜索被A公司侵犯的人拥有的专利，以生成要获得的专利购物清单，以反驳A公司的主张，如下图13所示。

图13 (courtesy of IPDefine, Ltd.)

注释

[1] Amplified AI是一家总部位于美国的人工智能初创公司。特别感谢Amplified提供图10。

[2] 特别感谢IPDefine, Ltd.提供此信息。IPDefine是一家位于日本东京的人工智能初创公司。