数据如何成为美国专利商标局的“流动资金”

美国专利商标局（USPTO）的主要职能是授予发明专利，并注册产品及服务的商标与标记。为了更好地达成使命，他们的一大重要举措就是利用自动化加AI技术提高专利审查员的工作效率。

在即将于10月召开的AI in Government线上会议中，USPTO高级分析部门主管Scott Beliveau将分享自己关于如何利用数据、自动化与AI手段提升工作效率的真知灼见。在此次访谈中，他介绍了USPTO一支积极进取的小团队如何构建一款屡获殊荣的AI/ML程序，不仅帮助部门节约下数千万美元、而且每年为超过2亿条公共请求提供服务。目前，分析、自动化与AI等技术方案已经在USPTO的各类不同用例与项目规划当中协同起效。

USPTO高级分析部门主管Scott Beliveau

您通过哪些创新方式让数据与人工智能（AI）为USPTO带来助益？

Scott Beliveau：作为一家靠申请费运营的机构，数据已经成为USPTO的“流动资金”——我们将数据视为改进内部决策的资产，也是赋予企业家及创新者动力的重要方式。数据支撑着我们的规划与评估，也推动我们实施商业案例与财务分析。数据还让我们的机构得以确定成本节约方向、实现预测性规划并改进政策与项目运营思路。

高质量数据也滋养着USPTO使用的AI解决方案。AI在专利领域的作用主要集中在自然语言处理（NLP）技术方面，包括支持专利搜索与分类等；在商业工作上，AI主要侧重于计算机视觉产品，包括检测欺诈活动。利用AI解决方案，我们能够提高专利与商标的申请质量、加快审查速度。

您如何利用自动化技术实现AI发展路线？

Scott Beliveau：我们的AI发展路线其实更多是一段以数据为中心的旅程。我们首先通过DeveloperHub共享“社交”平台建立起数据基础，用以展示我们如何将自有数据同其他数据集结合起来。人们可以在这里获取数据、使用数据、构建数据，并为我们提供更多信息以推进这一正向循环。良好的数据基础也让我们能够使用自然语言编程来提取及编码信息，逐渐增强识别能力。如今，我们的数据被应用于众多领域，甚至被引入AI/NLP研究社区的Pile数据集当中。

您是如何为自动化及认知技术项目选择初步问题域的？

Scott Beliveau：我们的思维核心并不是IT部门能做到什么，而是客户价值需要什么。之后我们会提出一系列问题，比如“您想要什么？”，“得到之后，您打算用它做什么？”或者“它对您来说有什么价值？”有了答案之后，我们就能集中精力交付增量产出，为长期发展构建良性循环。

在数据与AI方面，公共部门拥有哪些独特的机会？

Scott Beliveau：我们机构的数据涵盖了过去250年以来大家能够设想到的一切创新成果。作为一名公务员，我经常与发明家们会面，听他们讲述如何利用数据或者我们的公共AI服务建立新业务、寻求新模式。公共部门做出的技术探索，实际上影响了很多人的一生。

您能不能分享一些AI应用的成功案例？

Scott Beliveau：USPTO目前有两个现实AI用例，都已经进入生产层面：充实引文与自动分类。

美国专利商标局对AI的第一次生产应用，就是这项“充实引文”功能。我们团队使用自然语言处理（NLP）解构专利申请响应（专业表述为Office Actions）并为其创建充实丰富的引文，帮助利益相关方及国际合作伙伴能够更轻松、更快捷地研究应用前景。这种方法从用户的角度使用设计思维理解利益相关者的需求，并提供以用户为中心的庞大数据变量。事实证明，NLP模型在速度与准确性上超越了以往数十位专家的工作效果，NLP的介入也帮助NSPTO节约下数百万美元的引文实施成本。

接下来的重点就是在专利分类工作中部署AI与机器学习（ML）。USPTO将收到的每一项创新成果都归入一个或多个符号，这些符号分别对应数十万个类别。我们之前的手动分类服务相对缓慢而且成本高昂，而如今使用的全新AI/ML算法名为AutoClass，能够在“训练”之后将专利与非专利文件的符号分类时间压缩至几个小时，成本仅为原本的十分之一，质量则基本相当。我们还结合用户反馈验证服务结果的准确性。AutoClass能够与我们的路由及搜索功能无缝集成，显著节约成本。这种新的、更为智能的资讯路由系统已经为USPTO及客户节约下大量时间与数百万美元。

公共部门的AI与机器学习应用之路面临哪些挑战？

Scott Beliveau：作为行政机构，我们的AI与机器学习应用挑战之一，体现在如何在可解释性与透明度之间取得适当平衡。如果无法解决我们做出决策的理由，就同办法保障知识产权制度的可信性与透明度。因此，必须保证训练数据与算法的透明度，避免一切可能对申请人造成意外负面影响的偏见因素。但另一方面，完全透明的流程可能导致审查工作被他人恶意操纵，最终令专利审查沦为“欺诈游戏”。此外，完全透明还可能限制USPTO使用私营部门机器学习服务的能力，因为其中很多服务都涉及专有商业机密。

USPTO如何将分析、自动化与AI技术统一起来？

Scott Beliveau：分析、自动化与AI对于我们的数据程序与生命周期都至关重要。我们的专利审查员与商标代理人在流程中的每个环节都要使用到数据，并由他们对是否授予专利或批准商标注册做出法律判断。USPTO团队会对各个环节中捕捉到的数据进行分析，确定改进现有流程的机会。整个改进体系由自动化、AI/ML以及非IT活动共同支撑。最终，我们还会使用数据评估改进结果，最终形成持续学习的良好闭环。

您如何解决AI应用带来的隐私、信任与安全问题？

Scott Beliveau：就是小心谨慎啰。根据美国商务部2016年公布的研究结果，知识产权相关行业占全美就业总人数的30%。如果保证不了创新安全（直到可以依法共享），可能会给小型企业乃至整个美国的全球竞争力带来灾难性后果。安全是最受关注的议题，同时也是我们制定决策、吸纳及应用AI技术的核心驱动因素。

在培养AI劳动力方面，您做出过哪些努力？

Scott Beliveau：我们拥有数各名计算机科学家与工程师，每天都在研究最新、最伟大的技术方案，所以USPTO在培养AI人才方面拥有独特的优势。然而，AI是个快速发展的领域，我们发现鼓励员工为AI做好准备的最好方式就是营造组织文化。这种文化不仅强调持续学习，同时也要求大家积极拥抱内部创新，如同处理每天收到的申请一样。构建-量化-学习-重复，如果有些尝试达不到预期，那就从中学习而后继续前进。

未来几年，您对哪些AI技术最为期待？

Scott Beliveau：协作智能。机器非常擅长快速处理大量数据，能让人们腾出时间处理那些更有挑战、重复性较低的任务。我们非常关注创新者们如何发挥协作智能进步带来的全新可能性——除了流程自动化之外，我也期待看到大家如何重新设计现有流程、运用协作智能技术。