数据如何变成美国专利商标局的流动资金

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。