与许多洞察力驱动的组织一样，美国专利商标局使用数据分析、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，并提高质量系统和流程。人工智能和机器学习算法对美国专利商标局的工作至关重要，但与此同时，政府机构的指导原则是以人为本的方法来开发和使用这些技术来改进和扩展程序。方法。美国专利商标局首席信息官杰米霍尔科姆指出，人工智能和机器学习工具可以帮助提升人类专家的工作能力，增强他们在工作中的独创性。在这一点上，这个工具不同于人类的思维。或者推理能力无与伦比。美国专利商标局的首席信息官JamieHolcombe通过被动和主动捕获训练和改进AI驱动的模型，以及来自数千名经验丰富的员工的投入，来补充技术，以确保技术达到预期的结果。自成立以来，美国专利商标局已授予超过1100万项专利，拥有12,000多名员工，包括工程师、律师、分析师和计算机专家。不仅如此，一线专利审查员的持续反馈也被用于改进AI/ML模型，以推动新产品开发和支持两个关键领域的活动：专利检索和分类。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具有挑战性。为应对这一挑战，美国专利商标局技术团队正在一种新的专利检索工具中使用人工智能，以帮助审查员在审查申请时找到他们所需的最相关资源。这一点很重要，因为USPTO每年收到超过600,000份申请，平均每份申请包含大约20页的文字和图形，或大约10,000个描述性词语。USPTOIT部门还开发并部署了一种分类工具，可以从超过250,000个可能的类别中识别和匹配与发明相关的分类符号。在这两种情况下，模型都是根据人类专家的反馈开发和不断增强的，这些专家通过人工操作来确定某物是否是新的或新颖的，然后应用法律、事实和专业知识做出决定。探索信息流中的人才管道从审查员专家和其他人那里获得源源不断的反馈可能是一个优势，但这并不是为了让美国专利商标局确定新的创新来源和全球专业知识，以帮助应对重要挑战和唯一的途径扩展人工智能。今年早些时候，USPTO求助于AI研究社区和GoogleKaggle。Kaggle是一个为数据科学家和其他人交流思想和想法而建立的技术和社交平台。每年三月，Kaggle都会举办一场全球性的全球编码竞赛，提供25,000美元的奖金，号召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度。今年的比赛在6月30日结束前收到了42,900份参赛作品，涉及1,800多个全球团队共同努力，利用公开的专利数据源。Holcombe解释说，比赛的目标是促进人工智能的使用，帮助机构和专利界更好地理解专利语言。“结果不仅是用于专利搜索的更好的短语算法，而且获胜模型被采用到公共领域，”他说。推出了一个免费的“维基式”人工智能/机器学习驱动平台，可以通过网络搜索将主题与相关可用数据进行匹配，并将它们整合成一个信息流，其背后运行的人工智能算法可以继续添加相关数据，任何人都可以搜索有关公司、其专利和风险投资等资金来源的信息。人工智能/人类联盟的A、B和C指南虽然我们看到如此多的技术专栏致力于技术融合，但考虑到人性的多样性和复杂性，开发人类人工智能和机器学习的“以人为中心”的方法可以很有挑战性。因此，在霍尔科姆的领导下，美国专利商标局制定了从中试到原型再到生产的指南，概括为A、B、C指南：业务人员和IT人员。有着密切的联系。“最好的跨职能团队由与业务代表并肩工作的技术人员组成，他们都在一个促进规划、执行、检查和调整的敏捷环境中。”敏捷和DevSecOps实践依赖于快速行动、透明度和产品思维，为了最大限度地取得进展，领导者及早并经常与他们的团队和利益相关者进行沟通。B代表业务价值：您可以从对核心战略运营具有明确价值的业务案例开始，这些业务案例可以解决使AI和ML有用的挑战。“作为一家100%收费的机构，我们根据业务和投资回报率解决技术挑战，”Holcombe指出。C代表客户（又名员工）：旨在为领域专家服务的AI/ML解决方案是对他们的补充，而不是替代。因此，新兴技术团队会在任何发布之前、期间和之后与内部客户一起进行测试和调整。这些产品用户可以帮助推动AI创新，其中一些人“注重细节”，包括C级高管和CIO，他们的意见很重要。“因为我们很早就让客户参与到流程中，所以我们得到了非常强烈的反馈，这有助于推动技术的采用，”Holcombe指出。聪明的时候要诚实。”
