Каталог инициатив в области применения ИИ в ведомствах ИС

IP Australia’s Automated Preliminary Search tool (APST) executes an automated search query at the start of the search and examination process, looking for potential prior publication by the applicants or inventors named in a patent application. The tool searches IP Australia’s non-open to public inspection (OPI) database, as well as an external OPI data sources. The default query is based on the applicant and inventor names, as well as Cooperative Patent Classification (CPC) and International Patent Classification (IPC) symbols and can be further refined by users. Natural Language Processing (NLP) is used to compare the potential citations as well as claims with the input application and provide a relevance ranking to the user.

(Updated September 2024)

Ссылки по теме

• IP Australia Artificial Intelligence Initiatives

IP Australia implemented the Trade Mark Precedent Identification (TMPI) tool in November 2023. TMPI has been built to retrieve, rank, and display in order of relevance, substantially identical text trade marks from the Australian trade marks register during examination.

It uses a combination of well-defined, automated business rules and Natural Language Processing (NLP) techniques including key word extraction, segmentation, lemmatisation, spelling correction and character replacement to ensure the automated search query includes relevant variations of the trade mark being searched.

The new search function intends to improve quality and consistency, when searching for substantially identical marks and increase the decision-making capability of trade mark examiners, by providing them ready access to highly relevant information.

(Updated September 2024)

Ссылки по теме

• IP Australia Artificial Intelligence Initiatives

In Australia, the Commissioner of Patents may direct an applicant to request examination for a patent application. This process is known as a ‘direction’ and is used to manage the inventory of applications and examination requests within IP Australia.

IP Australia’s Outcome Based Directions service uses a machine learning model to identify applications that are ‘ready’ and ‘interested’ in pursuing examination, and issues directions to request examination in the order determined by the model. This system offers improved inventory management flexibility when compared to the process of the Commissioner of Patents issuing directions based entirely on chronological order.

(Updated September 2024)

Ссылки по теме

• IP Australia Artificial Intelligence Initiatives

IP Australia’s Family Member Analyser (FMA) tool provides patent examiners with direct links to family members and documents from their electronic dossiers (where available) during patent examination. Examiners will often consider observations made in Foreign Examination Reports (FERs) of closely related patent family members to improve examination quality and to avoid duplication of work where appropriate.

To assist with this process, FMA is used to retrieve and identify the most relevant family members suitable for examination purposes. Natural Language Processing (NLP) is used to perform a pairwise comparison between the claims of the family member and those of the queried application. A relevance score, which can be viewed by the user, is then assigned to each family member based on the comparison. FMA also facilitates a deep dive into FERs using the FER Feature Analyser (FFA) function that searches examination reports for novelty and inventive step objections and presents these specifically to examiners for their assessment. (Updated September 2024)

Ссылки по теме

• IP Australia Artificial Intelligence Initiatives

IP Australia continues to investigate the use of machine learning to determine the risk and complexity level of patent applications waiting in the exam requested stockpile. AI models are used to predict the effort required to conduct a high-quality examination. This approach facilitates the allocation of appropriate resourcing for each examination task thereby improving examination efficiency. Several proof of concepts (POC) are being refined to determine the viability of such tools in providing the required information.

(Updated September 2024)

Ссылки по теме

• IP Australia Artificial Intelligence Initiatives

IP Australia has implemented a Trade Mark International Classification Service (TMICS) Application Programming Interface (API) to assist users when searching the Madrid Goods and Service (MGS) database. Leveraging Natural Language Processing (NLP) models (sentence-transformers), TMICS helps finding goods and services that are semantically related to the search terms entered. This reduces the number of queries that need to be performed to identify relevant goods and services. It also improves the quality of trade mark applications when filing overseas.

Additionally, TMICS delivers business intelligence benefits to IP Australia through semantic comparison of the Australian Picklist with the MGS database to determine gaps in coverage.

(Updated September 2024)

Ссылки по теме

• IP Australia Artificial Intelligence Initiatives

IP Australia's Patent Auto Classification (PAC) service analyses the contents of a patent specification and predicts relevant technology groups enabling prioritisation and allocation to appropriate patent examiner sections.

The service is an internally developed machine learning-based system that performs technology sorting of patent applications using a sophisticated hierarchy classification model. The system allocates relevant International Patent Classification (IPC) marks based on the extracted abstract, descriptions and claim texts form the patent specifications. This in turn allows for the distribution of patent applications to the appropriate patent examination section for further processing, based on the top IPC mark allocated by the model.

PAC replaced the manual process previously in place that required a patent examiner to perform a technology sorting function: to read a patent specification, decide on the most appropriate IPC classification, and assign that application to the appropriate examination section for search and examination. The PAC model is retrained annually when new versions of the IPC become available.

(Updated September 2024)

Ссылки по теме

• IP Australia Artificial Intelligence Initiatives

TM Checker is a free AI-assisted trade mark availability check. TM Checker is aimed at educating small to medium enterprises, who otherwise do not engage with the IP system, about trade marks and help them navigate the application process quickly and easily. A user can enter a brand name or logo and TM Checker provides general observations about eligibility for a trade mark, using a tool with AI assisted algorithms to assist searches of the trade mark register. TM Checker identifies potentially similar trade marks and highlights potential distinctiveness and offensiveness issues with the user’s proposed trade mark.

TM Checker continues to implement improvements to make the engine more accurate and improve usability of the tool.

IP Australia also provides customers the Australian Trade Mark Search to search for existing trade mark phrases and images. Australian Trade Mark Search uses the commercially available Clarivate Image Recognition software for the search functionality.

(Updated September 2024)

Ссылки по теме

• IP Australia Artificial Intelligence Initiatives

The Austrian Patent Office (APO) is committed to the responsible and trustworthy use of AI in line with the national government's official strategic plan “Artificial Intelligence Mission Austria 2030” (https://www.ki-strategie.at/) and the European Union Artificial Intelligence Act (https://artificialintelligenceact.eu).

Since early 2018, APO has been actively evaluating the state of the art of advanced tools for intellectual property search and management. In this context, APO has conducted extensive trials of various commercial providers’ semantic and artificial intelligence enhanced search tools (IPRally, IPscreener, Predori, Intergator, Orbit Intelligence, Minesoft). The evaluated tools show promising results and interesting capabilities, the implementation within internal processes will still take some time, though.

Some notable use-cases for APO are AI-assisted patent pre-classification for internal routing of new applications, and pre-search for the preparatory stages of prior art search. APO plans further exploration of AI applications in areas such as trademark image search.(Updated November 2024)

The Austrian Patent Office (APO) is committed to the responsible and trustworthy use of AI in line with the national government's official strategic plan “Artificial Intelligence Mission Austria 2030” (https://www.ki-strategie.at/) and the European Union Artificial Intelligence Act (https://artificialintelligenceact.eu).

Since early 2018, APO has been actively evaluating the state of the art of advanced tools for intellectual property search and management. In this context, APO has conducted extensive trials of various commercial providers’ semantic and artificial intelligence enhanced search tools (IPRally, IPscreener, Predori, Intergator, Orbit Intelligence, Minesoft). The evaluated tools show promising results and interesting capabilities, the implementation within internal processes will still take some time, though.

Some notable use-cases for APO are AI-assisted patent pre-classification for internal routing of new applications, and pre-search for the preparatory stages of prior art search. APO plans further exploration of AI applications in areas such as trademark image search.

В начале 2018 г. Национальный институт промышленной собственности (INPI) Бразилии приступил к реализации инициативы по разработке нейронной сети для внутренней автоматизированной предварительной классификации патентных заявок в соответствии с Международной патентной классификацией (МПК) и/или Совместной патентной классификацией (СПК) для последующего распределения заявок между техническими отделами. По мнению INPI, наиболее подходящим инструментом реализации данной инициативы представляется система «Math Lab».

В 2011 г. Ведомство по патентам и товарным знакам Германии (DPMA) внедрило программу автоматизированной международной патентной классификации (МПК) в рамках системы электронного управления патентами и полезными моделями (DPMApatente/gebrauchsmuster). Данный классификатор, в основе которого лежит эвристический алгоритм, позволяет проводить предварительную классификацию поступающих патентных заявок и относить их к определенному классу МПК, таким образом помогая их распределению соответствующим патентным экспертам. Основным недостатком данного инструмента, работающего по принципу «черного ящика», является отсутствие гибкости и возможности задать необходимые параметры, ввиду чего он не подходит для использования в других областях деятельности DPMA.

В этой связи, в рамках новой системы патентного поиска был разработан новый автоматизированный классификатор. По итогам оценки различных технических решений была выбрана методология, основанная на нейронных сетях с «распределенными представлениями слов». На первом этапе был проведен анализ автоматической разбивки по категориям на уровне подклассов МПК с точки зрения точности предсказания и точности трех лучших результатов. Были проведены эксперименты с различными обучающими наборами данных, состоящими из отдельных публикаций немецких патентных заявок, выданных патентов и полезных моделей за период с 2010 г. по 2015 г.

Классификатор включает потоковый механизм подготовки данных, обучения и оценки. На каждом этапе можно настроить параметры и просмотреть промежуточные результаты, что обеспечивает гибкость и прозрачность всего процесса классификации. Классификатор может масштабироваться относительно пространства классификации МПК и демонстрирует приемлемые характеристики с точки зрения учебного процесса. Он способен очень быстро осуществлять онлайновую классификацию неизвестных текстов.

В 2016 г. DPMA инициировало проект по внедрению централизованной системы поиска по известному уровню техники в различных источниках данных DPMA (например, электронных файлах, специализированных базах данных и т. д.). Для более эффективного выявления сходства текстов централизованная система использует алгоритмы.

В DPMA многие заявки на регистрацию товарных знаков классифицируются в полностью автоматическом режиме.

ЕПВ активно занимается разработкой технических решений с использованием машинного обучения и ИИ на различных этапах патентного поиска: автоматический поиск известного уровня техники для поступающих патентных заявок; автоматическое составление запросов.

В ЕПВ созданы собственные справочные данные («золотые стандарты») и системы для определения качества работы систем автоматического поиска.

ЕПВ также использует коммерческие программы, которые оно получает от поставщиков программного обеспечения в рамках различных проектов, для целей автоматического составления аннотаций.

Ссылки по теме

• Artificial Intelligence at the EPO

ЕПВ разработало технические решения с использованием машинного обучения и ИИ на различных этапах классификации патентов: автоматическая предварительная классификация поступающих патентных заявок для их распределения среди соответствующих подразделений, отвечающих за поиск и экспертизу; автоматическая классификация патентных документов в соответствии с СПК; автоматическая реклассификация патентных документов в соответствии с изменениями в СПК.

Ссылки по теме

• Artificial Intelligence at the EPO

ЕПВ активно занимается разработкой технических решений с использованием машинного обучения и ИИ на различных этапах патентного поиска, включая автоматический поиск рисунков и изображений для патентных чертежей.

Ссылки по теме

• Artificial Intelligence at the EPO

ЕПВ активно занимается разработкой технических решений с использованием машинного обучения и ИИ на различных этапах обработки патентной документации: автоматическое составление аннотаций патентной литературы; автоматическое выявление проблем/решений в патентной документации; автоматическое выявление исключений из патентоспособности.

В ЕПВ разработана модель патентной документации (PDM), которая используется в системе управления знаниями и информацией (KIME). Все это позволяет значительно усовершенствовать управление патентными и другими данными для целей машинного обучения.

Ссылки по теме

• Artificial Intelligence at the EPO

Что касается машинного перевода, то ЕПВ использует программу перевода патентной документации (Patent Translate), а также разрабатывает собственную систему машинообучаемого перевода. Система перевода патентной документации доступна в базах данных ЕПВ и используется специально обученными патентными экспертами шведского ведомства по патентам и регистрациям и UKIPO.

Ссылки по теме

• Artificial Intelligence at the EPO

Силами своей Группы интеллектуальной обработки данных (DataScience) ЕПВ в основном занимается разработкой собственных систем искусственного интеллекта на основе библиотек программ с открытым исходным кодом, отвечающих поставленным задачам. ЕПВ объединяет опыт и навыки сотрудников группы DataScience со знаниями своих экспертов и своей исключительно ценной базой данных, т.е. хранящейся информацией о результатах предыдущих поисков и собранием материалов по известному уровню техники.

ЕПВ активно занимается выявлением тенденций распространения/проникновения специфических технологий (изобретений, основой которых является программное обеспечение) в другие области техники.

Ссылки по теме

• Artificial Intelligence at the EPO

The OEPM is currently in a process of continuous analysis of state-of-the-art tools and services, which may be useful in different areas of the OEPM. In this context, contacts are being made with cloud service providers of recognized prestige to study the possibility of applying their capabilities, either directly or through specific training and development, to the needs of the OEPM in relation to image comparison. This functionality would be of direct application in the field of Detection of Priorities of Distinctive Signs.

In recent years, a process of discovery, analysis and implementation of possible robotizable processes, applying RPA technology, has been carried out continuously at the OEPM. All departments of the OEPM have been involved in this process. As a result, the following three procedures have been automated by using pay-per-use technology, installed in the cloud:

- Process 1: Implementation of the process of sending the original copy to WIPO.

- Process 2: Implementation of a process of checking that filed sequence lists are in accordance with ST-26

- Process 3: Implementation of the process of sending priority documents to WIPO (work in progress).(Updated October 2024)

Подразделение экономических исследований и стратегического анализа CIPO Канады использует технологию ИИ для проведения семантического поиска, а также для сбора, очистки и анализа больших наборов данных.

В начале 2018 г. в рамках продолжающегося экономического исследования планируется изучить возможность использования технологии машинного обучения для предоставления ответов на вопросы, связанные с политикой и исследованиями в области ИС.

В начале 2018 г. CIPO Канады приступило к изучению возможности использования набора программ «IBM Watson» для взаимодействия с клиентами с помощью платформ социальных сетей и для проведения анализа данных.

Патентный отдел CIPO использует доступные на рынке системы семантического поиска, основанные на использовании технологии ИИ (Questel, STN, Clarivate Analytics), для содействия поиску по известному уровню техники и поиску цитируемого материала. Данные системы основаны на алгоритмах машинного обучения для более эффективного выявления взаимосвязей между цитируемыми материалами, заявками и существующим уровнем техники.

Патентные эксперты также используют алгоритмы Google, в частности программы «Translate», «Patent» и «Scholar», для машинного перевода и доступа к полнотекстовым документам и бланкам формул изобретения, поступающим в режиме реального времени от международных патентных ведомств, а также доступа к индексам цитирования и соответствующим научным публикациям.

Для обработки данных CIPO использует программу «Vantage Point», которая представляет собой инструмент интеллектуального анализа текста, позволяющий извлекать данные из результатов поиска по базам данных патентной и научно-технической литературы, а также фильтровать, автоматически обрабатывать и извлекать необработанные данные.

CIPO uses a chatbot called “The ISED Business Assistant” which provides information on IP to users who visit the CIPO website. It is available 24/7. CIPO is also analysing the potential implementation of a floating chatbot on CIPO’s most visited web pages as well as a website crawling feature (when the chatbot fails to provide an answer).

In April 2022, CIPO began issuing pre-assessment letters on all national, unexamined trademark applications that inform applicants of the results of the automated analysis of goods and services, as well as the advantage of submitting an amended application using the pre-approved list of goods or services.

The letter provides information that the application contains either:

• acceptable goods or services;

• goods or services not classed;

• an improper Nice class;

• unacceptable goods or services, including terms retired from the pre-approved list;

or a combination of the above.

In 2021, CNIPA launched the new intelligent search system and the intelligent semantic search technology was applied in the system. The intelligent search function mainly provides 2 search modes. The first one is the automatic search mode. When the examiner clicks on the "Semantic Search" button，the system will push similar documents, which are sorted by similarity.

The second search mode is semantic sort to Boolean search results. The examiners could do Boolean search and get the results in the first step, and then conduct the semantic sort based on the results. This may help the examiner to view the closest documents, and improve the efficiency of finding reference documents.

At present, CNIPA has translated part of foreign patent data into Chinese by using machine translation technology, so that the examiners can search and browse foreign patent data in Chinese.

SAIC использует систему «автоматического определения административного района» для установления административного района, что позволяет получать данные для проведения дальнейших региональных статистических анализов.

В 2018 г. SAIC продолжило разработку системы поиска по изображениям, которая дает достаточно точные и надежные результаты. Данная система способна осуществлять обратный поиск для получения изобразительных элементов, при этом результаты поиска вводятся в систему после их подтверждения экспертами. Таким образом, система способна самообновляться и самообучаться, что повышает эффективность поиска.

Используемая SAIC «Стандартная система товаров» распределяет все товары по схожим группам, составляя словарь родственных товаров. На основе этого словаря система автоматически распределяет новые товары по соответствующим группам. В случае товаров, представляемых впервые, определяется новое родовое слово.

For invention and utility model patents, CNIPA has developed IPC automatic classification system, which carries out batch pre classification for newly applied patents. The automatic classification system could give precise results in subclass level. For design patents, CNIPA has also developed LOC automatic classification system based on text information, which can give precise results in subclass level.

ВИС Марокко (OMPIC) использует основанную на технологии ИИ систему оптического распознавания знаков (OCR), работающую на основе механизма распознавания ABBYY, для преобразования изображений документов в закодированный машиной текст. При данном методе информация извлекается из файлов в формате PFD и вносится в базы данных OMPIC в соответствии с четко установленной структурой (шаблоном). Затем с помощью методов оперативной проверки подтверждается точность информации, а некорректные данные передаются для видеокодирования. Оптическое распознавание знаков позволяет сократить задержки в обработке документации при извлечении данных, которыми пользуется OMPIC, а также уменьшить затраты, связанные с ручной обработкой свыше миллиона документов. Накопленный положительный опыт также применяется для обработки патентных документов.

OMPIC Марокко также использует систему «Qlikview» для обработки больших данных, полученных из различных баз данных OMPIC, независимо от того, где хранятся такие данные, и создания статистических баз данных для целей отчетности и контроля качества. Программа позволяет быстро создавать новую информацию, сжимать и хранить данные и использовать их для мгновенного поиска множеством пользователей без ограничений в виде заранее установленных иерархических траекторий или заранее заданных параметров. Данная программа полностью удовлетворяет потребности ведомства и его клиентов. Будучи надежной и простой в использовании, она позволяет автоматизировать процесс создания различных информационных панелей, представленных в графической форме или в виде таблиц. Программа используется для создания «статистического барометра» промышленной собственности, с которым можно ознакомиться по адресу: www.barometreompic.ma.

Начиная с 2011 г. ОMPIC использует программу «Orbite Intelligence» - коммерчески доступную систему патентного анализа, основанную на технологии ИИ, для осуществления поиска по патентным заявкам во всем мире в разбивке по ключевым словам или областям техники. Основанная на преобразовании данных аналитическая программа направлена на удовлетворение потребностей сети марокканских центров поддержки технологии и инноваций при проведении поиска по известному уровню техники и ранее выданным патентам.

NIPO uses a commercially available tool: Acsepto for trademark, by Coexya SA, Paris, for trademark image search. The search results (hit list) are prioritized based on AI-assisted search on image property coding. It is trained on images/logos, coding and previous selection by examiners from a number of IP offices.(Updated October 2024)

In 2024 NIPO initiated a project to explore value in use of Generative AI where own data is utilized in a RAG solution. The project aim to provide capacity and competence, an infrastructure and capacity for safe exploration of cases, and hence a playground/sandbox for future projects. In end of 2024 we have a chatbot on subset of register (DS, PT, TM), all regulations, rules, routines, leading documents and trademark decisions. The solution is also tested on trademark list of goods and service comparisons. (Updated October 2024)

ВИС Сербии использует разработанную ВОИС платформу оптического распознавания знаков (OCR) для проверки патентов. Данная платформа ВОИС включает возможность машинного обучения для повышения качества оптического распознавания знаков. Ввиду ограниченных возможностей использования местных языков в ABBY OCR (недостатки словаря и свода грамматических правил) машинное обучение по-прежнему не ведет к значительному повышению качества оптического распознавания знаков. В случае ВИС Сербии основная проблема, в результате которой снижается качество оптического распознавания знаков, связана с использованием в документах различных шрифтов (сербский кириллический, сербский латинский, английский, химические и математические формулы).

В начале 2018 г. ВИС Сербии планирует начать использование возможностей машинного обучения в процессе ручной выверки результатов оптического распознавания знаков (с помощью предоставленной ВОИС программы) в целях повышения качества словарей и формулирования правил обработки изображений патентных документов на сербском языке.

В рамках проекта машинного перевода патентной документации ЕПВ ведомством Сербии было предоставлено собрание полнотекстовых пар документов с патентными спецификациями (на сербском и английском языках) для целей обучения системы машинного перевода. По состоянию на начало 2018 г. специальная программа машинного перевода для сербского языка, интегрированная в базу данных Espacenet, пока не принесла удовлетворительных результатов.

IPOS has implemented a commercial AI-powered image-based search solution on both our e-services web portal and our mobile app (IPOS GO). The solution enables the public and examiners to efficiently search for both visually similar trademarks as well as the conceptually similar trademarks.

From 2019, IPOS was exploring the feasibility of implementing a patents auto classification tool that uses Natural Language Processing to understand patent documents and aid the examiners in classifying incoming patent applications.

In early 2018 IPOS was exploring the feasibility of implementing a patents auto checker that uses Natural Language Processing (NLP) and other machine learning technologies to perform formalities check automatically.

Национальное управление использует систему уведомления собственной разработки, объединенную с онлайновой системой подачи заявок. В начале 2018 г. ведомство приступило к разработке более совершенного алгоритма направления уведомлений, который должен научиться распознавать пользователей, которые более не используют систему или не использовали ее в течение длительного времени. В этом случае алгоритм будет рассылать дополнительные уведомления.

Алгоритм позволит отправлять электронные письма, уведомления о проведении проверок, опросы и формы обратной связи, а также просьбы об обновлении персональных данных для обеспечения регулярного взаимодействия с пользователями и отражения изменений в данных с соблюдением установленных сроков.

Ведомство интеллектуальной собственности Филиппин (IPOPHL) использует поисковый механизм сторонних разработчиков, называемый «DTSearch», для осуществления патентного поиска. Аналогично всем другим поисковым механизмам данная система способна осуществлять пошаговый поиск по индексу и поиск по неточному соответствию, а также выполнять ряд других функций. Хотя данная система представляет собой простую прикладную программу ИИ, она значительно более эффективна, чем традиционные системы поиска по базам данных.

IPOPHL использует коммерческую программу для сбора и анализа информации COGNOS, с помощью которой составляется управленческая отчетность ведомства. IPOPHL использует данную систему для извлечения информации из базы данных IPAS, ее преобразования в машиночитаемые пакеты данных и последующей загрузки в COGNOS.

A patent search system by Finnish startup IPRally Technologies Ltd. was deployed for all patent examiners at the Finnish Patent and Registration Office in March 2020. We chose the system after comparing it to other AI based patent search systems that could be installed on our own servers, such as IPScreener and Teqmine. The search system by Teqmine Analytics Ltd. was installed on our servers previously (from late 2017 until early 2020), but it was never deployed for all examiners. In addition, we have previously tested other systems, such as InnovationQ Plus.

IPRally's system builds a graph from an input text that typically includes the claims and description of a patent application, where the dependencies between concepts are modeled by the structure of the graph. This graph is input into a Graph Neural Network (GNN), which produces a high-dimensional vector that can be compared to vectors produced from prior art patent documents. The system is trained using a large amount of search report data for patent publications. The output format from the system was customized so that it can be easily transferred into our existing search tools. An examiner can thus analyze whether the prior art publications represented by the closest vectors, i.e. top ranked documents, are actually relevant prior art.

The system performs better than the systems we have previously tested. In real world testing, a prior art document that was eventually used by an examiner to deny novelty or inventive step in the first office action was found among the top 20 ranked documents in more than 40 per cent of the cases. At least in some cases, using the system may thus allow for a faster search or for a better quality search.

The system can also be used to find possible classifications for a patent application by determining the most common classification symbols for the top ranked documents.

A patent search system by Finnish startup IPRally Technologies Ltd. was deployed for all patent examiners at the Finnish Patent and Registration Office in March 2020. We chose the system after comparing it to other AI based patent search systems that could be installed on our own servers, such as IPScreener and Teqmine. The search system by Teqmine Analytics Ltd. was installed on our servers previously (from late 2017 until early 2020), but it was never deployed for all examiners. In addition, we have previously tested other systems, such as InnovationQ Plus.

IPRally's system builds a graph from an input text that typically includes the claims and description of a patent application, where the dependencies between concepts are modeled by the structure of the graph. This graph is input into a Graph Neural Network (GNN), which produces a high-dimensional vector that can be compared to vectors produced from prior art patent documents. The system is trained using a large amount of search report data for patent publications. The output format from the system was customized so that it can be easily transferred into our existing search tools. An examiner can thus analyze whether the prior art publications represented by the closest vectors, i.e. top ranked documents, are actually relevant prior art.

The system performs better than the systems we have previously tested. In real world testing, a prior art document that was eventually used by an examiner to deny novelty or inventive step in the first office action was found among the top 20 ranked documents in more than 40 per cent of the cases. At least in some cases, using the system may thus allow for a faster search or for a better quality search.

The system can also be used to find possible classifications for a patent application by determining the most common classification symbols for the top ranked documents.

В начале 2018 г. Национальный институт промышленной собственности Чили (INAPI) в сотрудничестве с Инженерным факультетом Университета Чили продолжил разработку системы поиска по изображениям, в основу которой положен алгоритм, разработанный Инженерным факультетом.

Система была обучена на изображениях, содержащихся в базе данных INAPI, и теперь тестируется экспертами по товарным знакам.

IPI использует классические, основанные на правилах системы ИИ (Bosch SI Visual Rules и Camunda BPM) для автоматизации процессов (например, процедур подачи заявок в отношении постановлений/решений, предусматривающих уплату пошлин и соблюдение определенных сроков). По мнению IPI, автоматизация процессов на основе правил обладает наибольшим потенциалом с точки зрения сокращения объемов повторяющейся административной работы. По сути дела, все операции, связанные с уплатой пошлин или необходимостью соблюдения сроков, включая создание документов, могут быть автоматизированы, при этом автоматические системы работают надежно. IPI осуществляет централизованный контроль в режиме реального времени и строго придерживается процедур BPMN (нотация моделирования бизнес-процессов) в целях обеспечения автоматизации.

В начале 2018 г. IPI планировал запустить программу самообучающегося ИИ для классификации документов на основе классификатора ABBYY Smart Classifier. IPI на постоянной основе обучает самообучающийся ИИ, используя классифицированные вручную документы. IPI автоматически анализирует качество полученных от самообучающегося ИИ результатов и принимает решение относительно необходимости подтверждения данных результатов вручную. Такое неавтоматическое подтверждение впоследствии используется для дальнейшего обучения ИИ.

В начале 2018 г. IPI планировал запустить программу самообучающегося ИИ для извлечения информации на основе инструмента ABBY InfoExtractor, предназначенную для проведения расширенного корпоративного поиска.

Ссылки по теме

• Digitalization at the Swiss Intellectual Property Office

Патентные эксперты PRV используют услуги машинного перевода, предоставляемые ЕПВ в базах данных EpoQueNet и Espacenet.

The JPO is validating its systems to verify possible uses for AI to conduct prior searches of figurative trademarks. Using past results in prior searches of figurative trademarks, the JPO is validating functions to retrieve prior figurative trademarks by inputting image data of claimed figurative trademarks, which might be identical with, or similar to, the claimed trademarks.

The JPO is also validating its systems to verify possible uses for AI to conduct prior design searches.

(Updated October 2024)

Ссылки по теме

• https://www.jpo.go.jp/e/system/laws/sesaku/ai_action_plan/ai_action_plan-fy2024.html

The JPO is validating its systems to verify possible uses for AI to assign patent classifications. Using text data of already filed documents to which patent classifications were assigned, the JPO is verifying a function to assign patent classifications (FI/F-terms) to foreign patent document.

(Updated October 2024)

Ссылки по теме

• https://www.jpo.go.jp/e/system/laws/sesaku/ai_action_plan/ai_action_plan-fy2024.html

The JPO is considering possible uses for AI to implement examination management tasks such as appropriate distribution of applications effectively and efficiently.

(Updated October 2024)

Ссылки по теме

• https://www.jpo.go.jp/e/system/laws/sesaku/ai_action_plan/ai_action_plan-fy2024.html

The JPO is validating its systems to verify possible uses for AI to assign trademark classifications of designated goods and services. Using reference materials, such as the Examination Guidelines for Similar Goods and Services (which include many examples of specific goods and/or services and their appropriate similar-group codes), the JPO is testing functions to assign tentative similar-group codes to unclear designated goods and services in trademark applications.

(Updated October 2024)

Ссылки по теме

• https://www.jpo.go.jp/e/system/laws/sesaku/ai_action_plan/ai_action_plan-fy2024.html

The JPO is validating its systems to verify possible uses for AI to support conducting prior art searches. (1) Using text data of examined patent documents and the retrieval history of search queries used in the examinations, the JPO is validating a function to suggest keywords and patent classifications that should be included in search queries. (2) Using image data of already filed documents, the JPO is validating functions to retrieve (i) images similar to designated patent image and (ii) images which are of specific types (like flowchart or circuit diagram). (3) Using past results in prior searches of patent, the JPO is validating a function to sort retrieved documents so that examiners can check the most related document first.

(Updated October 2024)

Ссылки по теме

• https://www.jpo.go.jp/e/system/laws/sesaku/ai_action_plan/ai_action_plan-fy2024.html

IPCCAT позволяет специалистам по патентному делопроизводству и экспертизе в ВИС автоматически классифицировать патентные заявки по техническим единицам в соответствии с классами, подклассами и основными группами Международной патентной классификации (МПК).

Ссылки по теме

• Artificial Intelligence applied to IPC and NICE Classifications
• Strategy for Developing AI Projects, list of current AI Projects

Функция поиска по изображениям в Глобальной базе данных по брендам позволяет владельцам товарных знаков найти визуально похожие знаки и другие данные, касающиеся брендов, среди миллионов хранящихся в базе изображений.

Ссылки по теме

• Machine Learning applied to Trademarks Classification and Search
• Strategy for Developing AI Projects, list of current AI Projects

WIPO Translate – одна из ведущих мировых систем мгновенного перевода, разработанная специально для патентной документации. Доступ к ней осуществляется через базу данных PATENTSCOPE; кроме того, по запросу WIPO Translate может быть интегрирована в системы ВИС.

Ссылки по теме

• Strategy for Developing AI Projects, list of current AI Projects

КВИС создало базу данных, в которой для целей машинного обучения используются опубликованные патентные данные по разделу Н МПК. База данных будет включать 100 тыс. единиц терминологии по патентной технологии и один миллион единиц анализа патентного языка и тэгов чертежей.

Ссылки по теме

• KIPO's Plan for AI

В начале 2018 г. КВИС заявило о своих планах по созданию и доработке в течение следующих трех лет основанной на технологии ИИ экспериментальной системы обслуживания клиентов в патентной области, в которой будет реализована функция распознавания текста и голоса.

Ссылки по теме

• KIPO's Plan for AI

В апреле 2017 г. Корейское ведомство интеллектуальной собственности (КВИС) заключило с Корейским научно-исследовательским институтом электроники и телекоммуникаций (ETRI) соглашение о сотрудничестве в области ИИ. Совместно они работают над созданием патентной базы знаний для обучения систем ИИ и сотрудничают в проведении исследований в целях применения созданной ими системы ИИ для управления административными процессами в области ИС.

Экспериментальный проект создания системы патентного поиска на основе ИИ находится на этапе разработки и должен быть завершен к 2019 г. Данная система позволяет повысить качество поиска по известному уровню техники благодаря переходу от поиска по ключевым словам к семантическому и синтаксическому поиску.

Ссылки по теме

• KIPO's Plan for AI

В настоящее время проводится разработка новой поисковой системы для экспертизы средств индивидуализации с использованием ИИ с внедрением летом 2020 года. В новой системе используются нейронные сети как при поиске сходных с заявленным обозначением изображений, так и при поиске по словесным элементам заявленного обозначения (в части семантического сходства терминов). Кроме того, производится распознавание информации на заявленном обозначении (изображении) для индексирования, а именно - происходит распознавание словесных элементов на обозначениях и автоматическая классификация (по Венской классификации). В настоящий момент проводится апробация технического решения поиска по изображениям.

Ссылки по теме

• AI and other Tools & Technics. Experience of the Russian Patent Office

Работы по использованию ИИ при проведении поиска начались в 2017 году и в 2018 году были внедрены в промышленную эксплуатацию для экспертизы заявок на ИЗ и ПМ. Поиск похожих патентных документов в системе PatSearch выполняется с использованием целого комплекса методов и средств искусственного интеллекта, скомбинированных с лучшими в мировой практике классическими методами информационного поиска. На сегодняшний день поиск похожих патентных документов в системе PatSearch выполняется с использованием методов и средств искусственного интеллекта только в базе данных русскоязычных патентных документов. Здесь используется нейронная сеть для создания дистрибутивного тезауруса русского языка, обученная на массивах русскоязычной патентной документации по критерию, учитывающему особенности задач экспертизы и многолетние результаты работы экспертов.

Ссылки по теме

• AI and other Tools & Technics. Experience of the Russian Patent Office

Работы по использованию машинного перевода текстов патентных документов были начаты в 2015 году в рамках развития системы патентного поиска PatSearch. Перевод выполняется с использованием разработанной российской компанией ПРОМПТ гибридной системой машинного перевода, в которой комбинируются методы углубленного лингвистического анализа. При этом компонент ИИ – искусственная нейронная сеть была создана методами машинного обучения на специальном корпусе параллельных текстов патентных документов на русском и английском языках, подготовленном специалистами Роспатента. Помимо перевода патентных документов система также выполняет перевод классификатора CPC (СПК) на русский язык.

Ссылки по теме

• AI and other Tools & Technics. Experience of the Russian Patent Office

Trademark Application Checker "Check if you could register your trademark" is a free AI-assisted trademark application acceptance checker. It is aimed at assisting and educating novice users with their application; it helps identify goods and services to protect, any aspects of a trademark that might not be appropriate (such as offensive words or protected symbols e.g. a crown or crest), and if there are any similar trademarks that could cause conflict. It does not provide legal advice, and does not prevent a user submitting an application, as a trademark examiner always examines the submitted trademark. (Updated November 2024)

The UKIPO has been developing a tool for the automatic allocation of new patent applications according to the International Patent Classification (IPC). After the exploration of different technologies, a methodology based on an ensemble of neural networks trained using the extracted textual components of the patent (claims, description and abstract) was settled on. Our solution makes use of the flexibility of neural networks by generating the probabilities of the primary mark and additional marks separately for each textual type. These are then combined to produce a top 5 ranking result.

The accuracy of the result (currently 70% for single mark allocation, and 90% for top 5) allows for the distribution of patent applications to the appropriate patent examination section for further processing, based on the top IPC mark allocated by the models. Note that the model is retrained annually when new versions of the IPC become available. (Updated November 2024)

Enhancing Key word searching of Rights for the public

As part of the development of a new public facing webpage for the public to search rights, we have included the ability to perform key word searching.

This uses a hybrid search system combining BM25 search with document similarity search using sentence embeddings. Base models have been finetuned using Patent Examiner Epoquenet searches as well as searches generated using LLMs fed patent documents. Once live our service will use public searches as a feedback loop to validate and if possible train future iterations of our search model.

We are also exploring options for query term expansion where we add additional terms into the BM25 search, either by enhancing the user query or potentially expanding the documents themselves similar to methodology applied in splade v2.

Currently this covers patents, but future phases of development will include search enhancements for trademarks and designs.

(Updated November 2024)

Patent summarisation

The UKIPO has been exploring the use of ML and AI in summarising patent applications. Both abstractive and extractive methods have been explored, using cutting edge Large Language Models (LLMs) and modern Natural Language Processing (NLP) techniques. Our eventual solution was an NLP based extractive method - sentences are split and scored, clustered according to their context, then ranked and the top N output as the summary (according to length)

This tool has many uses: selecting the most relevant parts of the description (based on entered criteria); generating novel text for use in model training; creating clusters of similar sentences and the automatic generation of abstracts. (Updated November 2024)

In terms of the introduction of automated search and classification system, the Industrial Property Office of the Czech Republic has run the proof of concept. It confirmed that such a project is helpful and needed. The preparatory phase of this project has been finished and the development work will be finished by the end of 2023. The service should be ready for public use starting from 2024.

Starting from 2024, the Industrial Property Office of the Czech Republic plans to launch internal AI examination support tool in pilot phase, which will help patent examiners with the pre-classification of patent applications.

The Industrial Property Office of the Czech Republic is currently working on creation of automated IP helpdesk which will be nonstop available to the users. The idea is to start with the provision of IP related advice in general. Later the Office wishes to enlarge this service and provide also the information dedicated to procedures of different IP applications. In this context, the Office would like to take advantage of the cooperation with Czech universities and introduce a chatbot to improve the helpdesk service. For enhancing this service, the Office will also analyze the use of voice recognition.

EUIPO has developed AI based tools to extract relevant information from letters and make decisions based on this information. EUIPO has applied this technique to analyse Classification, formalities and AG deficiencies in trademark applications and to analyse the deficiency rate and grounds in Design applications.

EUIPO has created an algorithm assess a given pair of goods and/or services and provide a prediction as to the outcome of the comparison based on the historical data together with finding the closest semantically relevant matches. The tool is only available for examiners at the moment

The EUIPO has developed an in-house image search system that is integrated in eSearch plus to search Trademarks and designs using images.

Ссылки по теме

• eSearch plus

EUIPO is making use of AI based semantic search for Goods and Services in Easy Filing helping users to find the right protection for their trade marks.

Ссылки по теме

• Easy Filing

EUIPO has its first Chatbot included in Easy Filing helping users to ask trademark related questions using standard responses with a possibility to go back to an Human agent.

Ссылки по теме

• Easy Filing

EUIPO is making use of machine translation for Case Law documents through eSearch Case Law. The Office provides automatic translations in the website for EUIPO decisions. This allows the user to grasp the main idea of the content of the decision.

Ссылки по теме

• eSearch Case Law

ВПТЗ США имеет программу, в которой возможности ИИ объединены с большими массивами данных и функцией машинного обучения и которая может применяться в ряде областей, в том числе для получения актуальной информации, имеющей важное значение для определения патентоспособности изобретений экспертами; текстуального анализа патентных заявок и последующих действий ведомства по анализу всей процедуры выдачи патентов; и совершенствования программного интерфейса в целях улучшения доступа общественности к данным ВПТЗ США.

Данная программа собственной разработки использует технологию, основанную на открытом исходном коде (Java и Python), которую ведомство специально адаптирует для каждой заявки в рамках каждой системы. Основанная на использовании ИИ программа ВПТЗ США призвана усовершенствовать процесс проведения операций с товарными знаками в следующих областях: 1) разработка «умного» бланка контроля качества, включающего аналитические данные; 2) включение действий ведомства в хранилище больших данных с расширенной аналитикой, в том числе статистикой использования и описательной статистикой; 3) определение эффективности углубленного обучения для поиска изображений для товарных знаков.

Ссылки по теме

• Emerging Technologies in USPTO Business Solutions

В начале 2018 г. ВПТЗ США разработало концептуальный вариант программы «Sigma», в которой используются функции машинного обучения/алгоритмы ИИ для поиска полных документов в сопоставлении с массивом данных. В этой версии программы «Sigma» поиск патентных заявок осуществляется по уже выданным патентам и публикациям на этапе до выдачи патента (только американские патенты и публикации).

Ссылки по теме

• Emerging Technologies in USPTO Business Solutions

В начале 2018 г. ВПТЗ США провело исследование разработанных на основе углубленного обучения профильных чат-ботов с целью предоставить беспрепятственный доступ к" концептуальному поиску " (вместо поиска по ключевым словам) по Справочнику по вопросам патентной экспертизы (MPEP) и другой аналитике, касающейся пунктов формулы изобретения и классификации, с использованием алгоритмов и языка формулы изобретения, чтобы лучше понять тенденции развития языка формулы изобретения и классификации.

Ссылки по теме

• Emerging Technologies in USPTO Business Solutions

United States Patent and Trademark Office (USPTO) recently added the new artificial intelligence (AI)-based “Similarity Search” feature to examiners’ Patents End-to-End (PE2E) search suite. This new tool will support the USPTO’s goal to grant more robust and reliable patents by further assisting patent examiners as they search for prior art during the examination process.