261期
2020 年 05 月 27 日
  北美智權官網 歷期電子報   電子報訂閱管理  
 
亞太國家運用AI輔助專利商標審查 - II:日本、韓國
李淑蓮╱北美智權報 編輯部

承260期亞太國家運用AI輔助專利商標審查 - I:澳洲、新加坡、菲律賓 一文,本刊期會將重心放在亞太國家運用AI輔助專利商標審查的第二站:日本及韓國。

https://upload.wikimedia.org/wikipedia/commons/5/55/Flag_of_Japan_and_South_Korea.png
圖片來源:維基百科

日本

日本使用人工智慧AI來輔助專利及商標審查共有3大目的及6大目標。圖1是其6大目標的時程表。

3大目的包括 (1) 針對IP處理作業,發展更複雜,更高效的業務管理操作方式、(2) 改善對用戶的服務、(3) 推動JPO員工工作方式之改革。而6大目標則為 (1) 回應用戶的問題(第3級)、(2)申請程序數位化(第3級)、(3)分配專利分類(第3 ~ 4級)、(4)進行前案檢索(第4級)、(5) 進行商標圖形前案檢索(第3級)、(6)將不明確的商品及服務進行商標分類(第3 ~ 4級)[1]

圖1. 日本使用人工智慧AI來輔助專利及商標審查之6大目標及其時程

圖片來源:Outline of JPO’s Activities for Using AI, JPO, 2108 May;後製:李淑蓮
* 在推動的過程中計劃可能會有所變動。

現在分述每一項目標細節。

(1) 回應用戶的問題:這個目標分2部分,一部分是支援JPO工作人員回答用戶問題,亦即是說AI系統將可能的答案提供給JPO工作人員,由工作人員來回答用戶問題;第二部分則是自動回覆功能,由AI系統自動回覆來自email,聊天軟體或語音留言系統的問題。

目前這一部分共有14,000個由人類建立的問題及答案的資料庫,觀察重點在於AI支援JPO員工回覆或是AI直接回覆的準確率。

(2) 申請程序數位化:使用建基在AI建礎上的字母辨識系統,將申請案的資料轉化為文字資料檔 (text data);其訓練材料為紙本申請案之圖式及文本資料。希望達成減少用眼睛核對的時間,從而減少人類審查委員之工時。

(3) 分配專利分類:根據人工智慧的建議分配專利分類及其所屬:1.專利分類的F術語、2. 段落所屬的分類(段落)。其訓練資料為已歸檔文件的文本資料(已分配之專利分類)。如圖2。

圖2.  JPO以AI分配專利分類及其所屬

圖片來源:Outline of JPO’s Activities for Using AI, JPO, 2108 May

(4) 進行前案檢索:在前案檢索時建議關鍵字和專利分類。其訓練資料為1. 已審查的專利文件中的文字資料、2. 在審查中使用的檢索的歷史記錄。如圖3。

圖3.  JPO以AI輔助前案檢索
 
圖片來源:Outline of JPO’s Activities for Using AI, JPO, 2108 May

(5) 進行商標前案檢索:檢索先前的圖形商標,找出與新申請商標相同或相似的商標。訓練資料為以前使用圖形商標前案搜索的結果,以利AI能夠學習流程。

(6) 將不明確的商品及服務進行商標分類:在商標申請案中,將暫定的「類似組」代碼分配給不明確的指定商品和服務。其訓練資料為參考資料,像是《相似產品及服務審查指南》(Examination Guidelines for Similar Goods & Services)。如圖4。

圖4.  JPO以AI將不明確的商品及服務進行商標分類

圖片來源:Outline of JPO’s Activities for Using AI, JPO, 2108 May

韓國

韓國KIPO也是將AI應用分為4級[2],應用情況從2級到4級不等,且會視情況調整。AI主要輔助專利商標審查工作有3大類:機器翻譯、前案檢索、及服務台 (Helpdesk)。

除了以上3大類工作外,KIPO也會利用AI進行一些簡單的形式審查檢查工作,例如是否已支付費用?申請人的信息是否正確?代理商的信息是否準確?……等等。

KIPO已在使用AI輔助專利申請之前案檢索。在將申請的專利輸入系統後,系統即會於申請文件中提取關鍵字,並自動進行前案檢索。如圖5。KIPO希望能透過機器學習來提升系統性能 (從第2級提升到3-4級)。

圖5.  KIPO已在使用AI輔助專利申請之前案檢索:輸入申請案號→提取關鍵字及搜尋→以排行順序列出前案

圖片來源:KIPO’s plan for AI - Are you ready for AI? -, Gyudong HAN, KIPO, 2108 May

針對翻譯的部分,KIPO使用了 RBMT (Rule-based Machine Translation)來進行英語、日語、以及中文的翻譯工作。另一方面,Google和WIPO已開始使用NMT(Neural Machine Translation)來進行翻譯工作,認為質量要比RBMT要好。因此,KIPO也希望可與WIPO合作,透過NMT來提升翻譯質量。

以下圖6及圖7分別為RBMT及NMT不同的演算法。

圖6.  RBMT演算法

圖片來源:KIPO’s plan for AI - Are you ready for AI? -, Gyudong HAN, KIPO, 2108 May ;後製:李淑蓮

圖7. NMT演算法

圖片來源:KIPO’s plan for AI - Are you ready for AI? -, Gyudong HAN, KIPO, 2108 May

KIPO認為AI本身不是一個目的,而是一種可能的解決方案。所以重點不在於使不使用AI來輔助審查,重點是在於性能和表現:輸入的資料的品質決定了AI的表現,如果原本資料品質不好,就只會是「Garbage In, Garbage Out」。

 

備註:

 

作者: 李淑蓮
現任: 北美智權報主編
學歷: 文化大學新聞研究所
經歷: 半導體科技雜誌(SST-Taiwan)總編輯
CompuTrade International總編輯
日本電波新聞 (Dempa Shinbun) 駐海外記者
日經亞洲電子雜誌 (台灣版) 編輯

 

Facebook 在北美智權報粉絲團上追踪我們       

 





感謝您閱讀「北美智權報」,歡迎分享智權報連結。如果您對北美智權電子報內容有任何建議或欲獲得授權,請洽:Editorial@naipo.com
本電子報所登載之文章皆受著作權保護,未經本公司授權, 請勿轉載!
© 北美智權股份有限公司 & 北美聯合專利商標事務所 版權所有     234新北市永和區福和路389號五樓 TEL:+886-2-8923-7350