在人工智能迅猛發(fā)展的當(dāng)下，大語(yǔ)言模型正逐步滲透到各個(gè)專(zhuān)業(yè)領(lǐng)域。然而，當(dāng)我們將目光聚焦于專(zhuān)利這一特殊行業(yè)時(shí)，必須清醒地認(rèn)識(shí)到，僅僅依靠大語(yǔ)言模型本身，要達(dá)到理想的應(yīng)用效果，還有很長(zhǎng)的路要走。

專(zhuān)利行業(yè)具有高度的獨(dú)特性和復(fù)雜性。一方面，專(zhuān)利檢索要求極高的精準(zhǔn)度，任何細(xì)微的不匹配都可能導(dǎo)致重要專(zhuān)利被遺漏。另一方面，專(zhuān)利文獻(xiàn)包含大量高度細(xì)致和專(zhuān)業(yè)的場(chǎng)景描述，這些內(nèi)容在大語(yǔ)言模型的訓(xùn)練數(shù)據(jù)中占比有限。

要知道，專(zhuān)利數(shù)據(jù)庫(kù)規(guī)模龐大，可達(dá)幾十至上百TB，但實(shí)際用于訓(xùn)練大語(yǔ)言模型的專(zhuān)利數(shù)據(jù)只是其中一小部分。這就意味著，模型對(duì)很多專(zhuān)業(yè)場(chǎng)景的理解存在天然局限性。

許多人對(duì)大語(yǔ)言模型抱有“輸入目標(biāo)，自動(dòng)得到完美結(jié)果”的期望，這在專(zhuān)利領(lǐng)域尤其不現(xiàn)實(shí)。以專(zhuān)利撰寫(xiě)為例，直接要求模型“寫(xiě)一份關(guān)于某技術(shù)的權(quán)利要求書(shū)”，通常會(huì)得到格式正確但內(nèi)容空洞、保護(hù)范圍不合理的結(jié)果，這不僅無(wú)法滿(mǎn)足專(zhuān)業(yè)需求，甚至可能導(dǎo)致專(zhuān)利保護(hù)不力，事與愿違。

專(zhuān)利檢索是專(zhuān)利申請(qǐng)過(guò)程中的關(guān)鍵任務(wù)，目的是尋找與現(xiàn)有專(zhuān)利相關(guān)的技術(shù)文獻(xiàn)。很多人誤認(rèn)為可以直接將檢索式交給大語(yǔ)言模型生成，期待它能提供準(zhǔn)確的檢索結(jié)果。然而，大語(yǔ)言模型的輸出往往依賴(lài)于其訓(xùn)練數(shù)據(jù)的范圍和質(zhì)量，而專(zhuān)利數(shù)據(jù)庫(kù)內(nèi)容龐大且結(jié)構(gòu)化。大語(yǔ)言模型雖然可以生成一些常見(jiàn)的檢索式，但它無(wú)法準(zhǔn)確地從海量的專(zhuān)利中篩選出相關(guān)性較高的專(zhuān)利。因?yàn)樗鼪](méi)有直接連接到專(zhuān)利數(shù)據(jù)庫(kù)，不能基于最新的專(zhuān)利數(shù)據(jù)進(jìn)行深度檢索，也無(wú)法處理專(zhuān)利中的技術(shù)細(xì)節(jié)和法律術(shù)語(yǔ)。所以，直接依賴(lài)模型生成檢索式，往往會(huì)導(dǎo)致檢索結(jié)果的相關(guān)性不足，影響后續(xù)分析的質(zhì)量。

專(zhuān)利的權(quán)利要求書(shū)是專(zhuān)利申請(qǐng)中至關(guān)重要的一部分，它定義了發(fā)明的保護(hù)范圍。撰寫(xiě)權(quán)利要求書(shū)不僅需要對(duì)技術(shù)細(xì)節(jié)有深入的了解，還需要遵循嚴(yán)格的法律和格式要求。大語(yǔ)言模型在生成權(quán)利要求時(shí)，可以根據(jù)輸入的背景信息和技術(shù)方向生成文本，但這些生成的內(nèi)容常常缺乏法律精確性，可能存在描述不清、定義模糊的問(wèn)題。例如，如果沒(méi)有提供足夠的技術(shù)背景、發(fā)明目標(biāo)以及相關(guān)領(lǐng)域的詳細(xì)信息，大語(yǔ)言模型生成的權(quán)利要求可能會(huì)過(guò)于籠統(tǒng)或過(guò)于詳細(xì)，導(dǎo)致無(wú)法準(zhǔn)確保護(hù)發(fā)明的獨(dú)特性。

專(zhuān)利實(shí)施例是專(zhuān)利申請(qǐng)中的技術(shù)實(shí)現(xiàn)部分，它詳細(xì)描述了如何實(shí)現(xiàn)發(fā)明的具體步驟和方法。在這方面，大語(yǔ)言模型的表現(xiàn)同樣有限。專(zhuān)利實(shí)施例通常涉及大量的技術(shù)細(xì)節(jié)和具體的操作步驟，依賴(lài)于發(fā)明人對(duì)技術(shù)的深刻理解以及行業(yè)經(jīng)驗(yàn)。大語(yǔ)言模型雖然可以根據(jù)給定的描述生成實(shí)施例的初步文本，但往往不能在技術(shù)層面提供高質(zhì)量的細(xì)節(jié)。因此，依賴(lài)大語(yǔ)言模型生成的實(shí)施例文本，需要經(jīng)過(guò)專(zhuān)家的審核和修改，才能達(dá)到實(shí)際應(yīng)用的標(biāo)準(zhǔn)。

大語(yǔ)言模型是概率模型，并非知識(shí)數(shù)據(jù)庫(kù)：大語(yǔ)言模型 回答本質(zhì)上是基于統(tǒng)計(jì)預(yù)測(cè)下一個(gè)最可能的詞語(yǔ)，它并沒(méi)有實(shí)時(shí)訪(fǎng)問(wèn)權(quán)威知識(shí)庫(kù)，生成內(nèi)容靠的是訓(xùn)練語(yǔ)料中學(xué)到的模式。這意味著它有時(shí)會(huì)給出貌似合理但實(shí)際錯(cuò)誤的信息，所謂 “AI 幻覺(jué) ” 正來(lái)源于此。因此，大語(yǔ)言模型 提供的專(zhuān)利信息未必真實(shí)準(zhǔn)確，尤其當(dāng)涉及它未見(jiàn)過(guò)的新發(fā)明或最新專(zhuān)利時(shí)。

大模型覆蓋的專(zhuān)利數(shù)據(jù)不完整、更新不及時(shí)：專(zhuān)利檢索和分析依賴(lài)于各國(guó)專(zhuān)利局的權(quán)威數(shù)據(jù)庫(kù)，而大多數(shù)通用大模型的訓(xùn)練語(yǔ)料并不包含這些封閉數(shù)據(jù)源的全部?jī)?nèi)容。大模型并不像專(zhuān)業(yè)檢索引擎那樣擁有完整、最新的專(zhuān)利文獻(xiàn)庫(kù)作為支撐。

專(zhuān)利文本高度專(zhuān)業(yè)化，結(jié)構(gòu)嚴(yán)謹(jǐn)，容錯(cuò)率極低：撰寫(xiě)專(zhuān)利文件是一項(xiàng)精細(xì)的工作，術(shù)語(yǔ)選擇需要準(zhǔn)確規(guī)范，權(quán)利要求范圍一字之差可能天差地別，邏輯結(jié)構(gòu)要嚴(yán)密自洽。這些都是目前的大模型難以完全勝任的。模型生成的文字往往追求語(yǔ)義通順，但在法律嚴(yán)謹(jǐn)性上有所欠缺。

要在專(zhuān)利行業(yè)充分發(fā)揮大語(yǔ)言模型的價(jià)值，我們需要進(jìn)行一些設(shè)計(jì)，例如：

提供充分的上下文信息，巧設(shè)提示，使用大語(yǔ)言模型前，務(wù)必先向其 “ 喂料 ” 。模型輸出質(zhì)量高度依賴(lài)輸入提示（ Prompt ）的質(zhì)量。盡可能詳細(xì)地提供技術(shù)背景、發(fā)明要解決的痛點(diǎn)、核心技術(shù)方案和目標(biāo)等信息，讓模型明白你要它扮演的角色和任務(wù)。

善用多輪對(duì)話(huà)，逐步細(xì)化要求，不要指望模型一次回答就完美無(wú)缺。將復(fù)雜任務(wù)拆解，通過(guò)多輪交互引導(dǎo)模型優(yōu)化結(jié)果。比如，先讓模型給出幾個(gè)備選方案，然后人眼篩選出較好的版本，再要求模型基于此版本進(jìn)一步修改或完善。對(duì)于權(quán)利要求的撰寫(xiě)，可以讓模型先生成獨(dú)立權(quán)利要求，再根據(jù)需要提示它 “ 增加某某技術(shù)特征 ” 或 “ 換一種更廣泛的表述方式 ” ，經(jīng)過(guò)幾輪調(diào)整，往往能得到更符合預(yù)期的草案。

將大模型嵌入特定專(zhuān)利工具和流程：企業(yè)和服務(wù)機(jī)構(gòu)可以開(kāi)發(fā)更定制化的 AI 工具，將通用大模型與專(zhuān)利領(lǐng)域?qū)I(yè)系統(tǒng)結(jié)合，打造 “ 人 + AI” 的高效工作流。例如：研發(fā)專(zhuān)利撰寫(xiě)輔助軟件，由模型根據(jù)發(fā)明交底書(shū)自動(dòng)生成說(shuō)明書(shū)初稿和部分實(shí)例，然后由代理人校對(duì)修改，節(jié)省撰寫(xiě)時(shí)間；利用模型的文本分類(lèi)能力，對(duì)海量專(zhuān)利文獻(xiàn)進(jìn)行初步分類(lèi)、篩選，在情報(bào)分析時(shí)快速鎖定相關(guān)領(lǐng)域文獻(xiàn)；又或者讓模型根據(jù)輸入的技術(shù)方案，提供一個(gè)可專(zhuān)利性初步判斷，列出該方案可能涉及的現(xiàn)有技術(shù)要點(diǎn)，供代理人參考。

假設(shè)我們要讓大語(yǔ)言模型寫(xiě)權(quán)利要求，不是把交底書(shū)直接輸入到大語(yǔ)言模型中，讓直接讓其生成最終的權(quán)利要求，以目前的大語(yǔ)言模型的能力，不可能達(dá)到想要的效果，因?yàn)楝F(xiàn)在的大語(yǔ)言模型還不是AGI，訓(xùn)練的時(shí)候語(yǔ)料有限，最終的能力與數(shù)據(jù)質(zhì)量、數(shù)量處理方式、訓(xùn)練方式密切相關(guān)，專(zhuān)利相關(guān)的數(shù)據(jù)多大幾百T的容量，光文本部分多大十幾T，目前任何的大語(yǔ)言模型的訓(xùn)練也只能抽取其中的一小部分，根本不可能達(dá)到很多人想象的那種輸入質(zhì)量，直接得到理想效果的程度。

例如我們假設(shè)讓大語(yǔ)言模型修改權(quán)利要求，假設(shè)輸入一段技術(shù)資料給大語(yǔ)言模型，第一版的權(quán)利要求是原始的權(quán)利要求，筆者通過(guò)兩輪迭代就可以讓權(quán)利要求變成第三版本，大家看下效果如何，這是完全依靠大語(yǔ)言模型生成，筆者未修改任何一個(gè)字。倘若讓大語(yǔ)言模型直接在原始的權(quán)利要求基礎(chǔ)上直接修改，是不可能得到完善的結(jié)果的。

原始權(quán)利要求：一種雙層反轉(zhuǎn)刀片無(wú)渣豆?jié){機(jī)，包括機(jī)頭(1)、桶體(2)、電機(jī)(3)、電機(jī)軸(4)、下刀片(5)、加熱元件(6)、防溢傳感器(7)和溫度傳感器(8)，所述機(jī)頭(1)與桶體(2)相配合，所述電機(jī)(3)安裝在機(jī)頭(1)中，所述電機(jī)軸(4)一端與電機(jī)(3)相連，另一端與所述下刀片(5)相連，所述下刀片(5)伸入桶體(2)內(nèi)，所述加熱元件(6)、防溢傳感器(7)和溫度傳感器(8)的一端安裝在機(jī)頭(1)上，另一端伸入桶體(2)內(nèi)；其特征在于：所述電機(jī)軸(4)上套設(shè)有一軸套(9)，所述軸套(9)通過(guò)軸承與所述電機(jī)軸(4)轉(zhuǎn)動(dòng)連接，并裝有上刀片(10)，使得所述上刀片(10)能夠相對(duì)于所述下刀片(5)反向旋轉(zhuǎn)。

第一輪迭代：一種豆?jié){機(jī)，包括桶體(2)、電機(jī)(3)、電機(jī)軸(4)和位于所述桶體(2)內(nèi)的下刀片(5)，所述電機(jī)(3)通過(guò)所述電機(jī)軸(4)帶動(dòng)所述下刀片(5)旋轉(zhuǎn)；其特征在于：所述電機(jī)軸(4)上可旋轉(zhuǎn)地安裝有上刀片(10)，所述上刀片(10)設(shè)置成相對(duì)于所述下刀片(5)反向旋轉(zhuǎn)。

第二輪迭代：一種豆?jié){機(jī)，包括容器(2)和驅(qū)動(dòng)裝置(3)，所述驅(qū)動(dòng)裝置(3)具有驅(qū)動(dòng)軸(4)，所述驅(qū)動(dòng)軸(4)伸入所述容器(2)內(nèi)，其末端連接第一刀片(5)；其特征在于：所述驅(qū)動(dòng)軸(4)上可旋轉(zhuǎn)地安裝有第二刀片(10)，所述第一刀片(5)和第二刀片(10)分別設(shè)置成反向旋轉(zhuǎn)。

只要掌握大語(yǔ)言模型的原理，知道模型的界面和擅長(zhǎng)的能力，通過(guò)對(duì)業(yè)務(wù)場(chǎng)景的拆解，大語(yǔ)言模型會(huì)高效出色地協(xié)助我們完成工具。通俗地說(shuō)，現(xiàn)在的大語(yǔ)言模型更像是機(jī)器上的電動(dòng)機(jī)，只能做簡(jiǎn)單粗暴的工作，這是由大語(yǔ)言模型的本質(zhì)決定，因?yàn)橐瓿上鄳?yīng)的工作，就需要做工作流的拆解和流程的設(shè)計(jì)，讓大語(yǔ)言模型分階段去執(zhí)行，結(jié)合人工去選擇。這也是Maxipat的理念。很多朋友經(jīng)常說(shuō)為什么Maxipat設(shè)計(jì)的流程那么復(fù)雜，為什么不能直接都一鍵完成，實(shí)際上一鍵完成恰恰是最簡(jiǎn)單的，因?yàn)橹灰斎胩崾驹~就可以，但這樣沒(méi)有多少實(shí)際意義，任何人都可以在通用的大語(yǔ)言模型上這樣操作。

不同的人使用大語(yǔ)言模型產(chǎn)生的結(jié)果天壤之別，關(guān)鍵就在于對(duì)于模型的本質(zhì)和業(yè)務(wù)場(chǎng)景的理解。要理解大模型作為任何行業(yè)的“電動(dòng)機(jī)”能夠在特定的行業(yè)可以做什么？能力的邊界在哪里？模型本身的缺陷導(dǎo)致的沖突在哪里？行業(yè)的痛點(diǎn)在哪里？業(yè)務(wù)的流程如何拆解到模型能力勝任的地方。

大語(yǔ)言模型的出現(xiàn)，為專(zhuān)利行業(yè)帶來(lái)了前所未有的效率提升機(jī)會(huì)。它可以快速生成文本、分析語(yǔ)言模式，完成一些初步工作，從而解放專(zhuān)利人的部分精力。然而，大語(yǔ)言模型并不是全知全能的智囊，它有算法和訓(xùn)練數(shù)據(jù)的先天局限。只有深刻理解這些本質(zhì)和限制，我們才能避免把AI當(dāng)成“神筆馬良”而用錯(cuò)場(chǎng)景。

正確的做法是以人為主導(dǎo)，結(jié)合AI助手。人類(lèi)專(zhuān)家擅長(zhǎng)判斷、創(chuàng)造和決策，AI擅長(zhǎng)速度和海量數(shù)據(jù)處理，兩者優(yōu)勢(shì)互補(bǔ)，才能在專(zhuān)利工作中達(dá)到1 + 1 > 2的效果。相反，如果對(duì)AI寄予不切實(shí)際的期望，忽視必要的核查和平衡，最終可能會(huì)事與愿違，甚至造成嚴(yán)重失誤。

總而言之，大模型就像一把功能強(qiáng)大的新工具，掌握用法者收益無(wú)窮；但若盲目使用，這把“雙刃劍”也可能傷及自身，讓“人 + AI”的協(xié)作模式才能真正提高專(zhuān)利工作的質(zhì)量和效率。

Maxipat致力于作為成為科技創(chuàng)新和知識(shí)產(chǎn)權(quán)工作的AI加速器，主要包括輔助創(chuàng)新：提高研發(fā)的科技創(chuàng)新效率；智能搜索與分析：將專(zhuān)利搜索和報(bào)告制作借助AI實(shí)現(xiàn)智能化，包括智能查新、無(wú)效、FTO、Landscaping報(bào)告；投資助手：快速生成投資賽道報(bào)告、專(zhuān)利購(gòu)買(mǎi)篩選、專(zhuān)利轉(zhuǎn)化評(píng)估。目前開(kāi)放注冊(cè)中。輔助科技創(chuàng)新和知識(shí)產(chǎn)權(quán)工作的AI智能體

感興趣的朋友可以通過(guò)以下三種方式填寫(xiě)申請(qǐng)信息：

1. 請(qǐng)發(fā)郵件到郵箱：info@maxipat.com

2. 點(diǎn)擊文末閱讀全文；

3. 掃描以下二維碼

感興趣的朋友可以加筆者微信patentlight