由注册专利执业人员主导,而非人工智能主导
我们运用人工智能时,首先依靠的是注册专利执业人员的专业判断,而不是技术本身。我们不会先将发明披露材料或审查意见通知书交给人工智能,让其拟定策略后再由注册专利执业人员审核批准。相反,本所注册专利执业人员会先凭借自身的专业判断分析相关问题,制定初步方案,然后再引入人工智能,协助评估、质疑和完善这一方案。
这种区别至关重要。由注册专利执业人员审核并批准人工智能生成的建议,并不必然意味着该执业人员曾实质性地参与这些建议的形成。本所注册专利执业人员在整个过程中始终主动参与实质性分析与论证,利用人工智能强化自身分析,而不是让人工智能生成的建议主导工作方向。
将人工智能作为思考与分析的协作伙伴
我们将人工智能视为参与思考与分析的协作伙伴,而不仅仅是生成工作成果的工具。本所注册专利执业人员与人工智能展开深入且反复的讨论,探索不同方案、质疑既有假设,并评估各种策略的优势和不足。同样重要的是,我们也鼓励人工智能对我们的分析与推理提出质疑,指出潜在弱点,并提出我们可能尚未考虑的其他方案。
这与由人工智能针对某项任务生成工作成果、执业人员审阅修改后便进入下一项任务的流程不同。我们会先与人工智能进行深入、反复的讨论,形成并完善作为工作基础的方案,然后再据此生成相应的工作成果。我们的目的不仅是获得人工智能生成的答案,更是通过实质性的互动与探讨,形成经过更周密分析和论证的方案。
人工智能辅助撰写专利申请文件
在撰写专利申请文件时,本所注册专利执业人员首先审阅发明披露材料,并与发明人会谈,以全面深入地理解发明。随后,我们拟定初步的权利要求撰写策略,并先行起草至少部分权利要求;根据具体情况,征求客户内部法律顾问或发明人的意见。在此过程中,我们持续与人工智能开展实质性讨论,评估拟定的权利要求、探讨不同的权利要求表述方式,并识别保护范围可能存在的缺口。通过这种反复讨论,我们不断完善权利要求,然后才着手撰写申请文件的其余部分。
在准备附图和说明书时,我们采用类似的方法。我们不是简单地依次让人工智能生成每幅附图或说明书的各个部分,然后再交由注册专利执业人员审核批准。相反,我们会先确定基本方向,与人工智能共同评估不同的可行方案,并通过深入讨论不断完善所形成的工作成果。这种积极、深入的参与,使我们既能够充分发挥人工智能的能力,又能确保相关策略及文件内容始终体现注册专利执业人员的专业判断。
人工智能辅助撰写审查意见答复
在准备审查意见答复时,本所注册专利执业人员首先审阅审查员提出的驳回理由、引用的对比文件及该申请的审查历史,进而拟定初步答复策略,包括可能采用的答辩理由和权利要求修改方案。随后,我们与人工智能进行深入讨论,评估拟定的策略,识别潜在薄弱环节,并探讨其他可能的答辩理由或修改方案。通过这种反复互动,我们先完善答复策略,再开始起草答复文件。
我们不是简单地让人工智能先提出权利要求修改建议和答辩理由,再由注册专利执业人员审核批准;而是利用人工智能检验并强化我们自己拟定的答复策略。这种深入互动贯穿答复文件的撰写过程,使我们能够随着工作的推进,进一步完善答辩理由和权利要求修改方案。在整个过程中,本所注册专利执业人员始终积极参与法律和技术问题的分析评估,确保最终答复体现其专业判断。
零数据保留,而非仅承诺不用于模型训练
许多人工智能服务提供商承诺,不会将提交用于模型推理的信息用于训练模型。然而,这并不意味着这些信息一定会在处理完成后被删除。出于监测滥用行为、执行数据使用政策等目的,服务提供商仍可能将所提交的信息保留30天甚至更长时间。
本事务所采取更严格的做法,仅使用明确保证零数据保留(ZDR)的人工智能服务提供商。根据这些安排,提交用于模型推理的客户信息在处理完成且结果返回后,不会被服务提供商保留。因此,即便这些信息原本就不会用于模型训练,客户机密信息在处理结束后也不会被服务提供商保留,哪怕只是短暂留存。
人工智能模型推理的地域限制
人工智能模型推理实际发生的地理位置,用户未必能够知晓。为平衡工作负载、优化运行效率,人工智能服务提供商可能将推理请求分配至不同国家、甚至不同大洲的数据中心。因此,即使用户和人工智能服务提供商都位于美国,提交用于模型推理的机密信息仍可能在其他国家接受处理,而用户对此可能毫不知情。
为解决这一问题,本事务所仅使用能够对模型推理地点实施地域限制的人工智能服务提供商。涉及客户信息的模型推理仅在位于美国的数据中心进行,以确保在人工智能模型推理过程中,客户机密信息不会在美国境外被处理。这些地域限制使我们能够充分利用先进的人工智能能力,同时自主控制客户信息的处理地点。
自主选择最合适的人工智能模型
不同的人工智能模型各有所长,最适合某项任务的模型未必适合另一项任务。面向专利业务的人工智能应用程序可能使注册专利执业人员只能使用某一种或少数几种人工智能模型,有时甚至不披露实际使用的是哪些模型。供应商也可能出于推理成本等商业考量更换底层模型,而非仅以最终工作成果的质量为依据。
我们的做法是自行评估各人工智能模型的能力与实际表现,并针对不同任务选择最合适的模型。我们可以在专利申请与审查工作的不同环节采用不同模型,也可以在新模型推出后及时采用,而不必等待第三方应用程序供应商提供支持。这种灵活性使我们能够更快地利用人工智能技术进步,同时始终以客户服务质量作为选择模型的核心标准
采用我们自己的工作流程,而非供应商的流程
面向专利业务的人工智能应用程序往往有其预设的工作流程,要求注册专利执业人员根据应用程序的功能和局限调整原有工作方式。这些限制可能迫使执业人员使用供应商专有的网页操作界面,而不能使用自己偏好的软件;按照指定顺序完成任务;或者采用与既有工作方式不同的操作规范。这些限制可能降低执业人员开展工作的灵活性,并进而影响工作成果的质量。
我们的做法是将人工智能融入现有工作流程,而不是为了适应某款面向专利业务的人工智能应用程序而改变原有流程。我们保留使用自选软件、发挥现有工具及自动化能力的灵活性,并可根据不同客户的要求调整工作方式。随着人工智能能力的发展,我们也可以相应优化工作流程;只有在有助于提升质量或效率时才作出改变,而不是因为供应商提出要求。
积累的专业知识与经验始终保留在本事务所
随着注册专利执业人员不断积累使用人工智能的经验,他们可能会开发出专门的指令、技能和工作流程,以提高工作成果的质量和一致性。一些面向专利业务的人工智能应用程序允许执业人员在其平台内持续完善这些内容,但提供的导出功能十分有限,甚至完全不支持导出。随着时间推移,沉淀在这些应用程序中的专业知识和经验可能越来越难以转移到其他平台;事务所对人工智能的投入越大,对供应商的依赖也可能越深。一旦事务所更换供应商,失去这些积累就可能影响向客户提供服务的质量和一致性。
我们的做法是独立维护本事务所的人工智能技术能力,不依赖任何特定供应商。由我们开发的专用技能、工作流程及其他改进成果始终由本事务所自主掌握,并可在不同的人工智能模型和服务提供商之间灵活迁移。这样,无论人工智能技术如何发展,我们都能保留并不断深化积累的专业知识和经验,而不会逐渐形成对特定供应商的依赖。更重要的是,这有助于长期保持我们向客户提供服务的质量与一致性。
不受供应商决策制约
面向专利业务的人工智能应用程序可能价格不菲,其费用不仅包括底层人工智能模型的使用成本,还反映供应商的开发、营销和运营成本。供应商可能调整产品或服务内容、停止提供某些功能,甚至完全停止运营。如果事务所依赖某家供应商的应用程序,一旦需要更换供应商,既有工作流程就可能受到干扰,从而影响向客户提供服务的质量与连续性。
我们不依赖任何一家面向专利业务提供人工智能应用程序的供应商。通过独立维护自身的人工智能技术能力,我们可以根据不同人工智能模型的实际能力和表现,灵活选择和使用相应模型。即使人工智能模型的可用性或相关技术发生变化,我们也能够灵活应对,无须放弃既有的专业积累,也不必为了适应某款专有应用程序而重构工作流程。这种独立性有助于我们控制运营成本,并长期为客户提供质量稳定的优质服务。