第1部 生成AI、特許分析へのイントロダクション

(2023年12月14日 10:30〜11:30)

　ChatGPTをはじめとする生成AIを用いた新たなサービスが連日創出される中、特許に対する注目が集まっている。それに伴い、特許分析自体を生成AIでサポートする実用レベルでの試みも開始されている。
　本講演では、生成AIが特許分析に与えるインパクトをより深く理解するため、生成AIおよび特許分析の基本から、適用方法、活用事例に至るまで、技術や特許に詳しくない方に対しても平易に紹介する。

1. 生成AIによる特許分析が可能となった理由
   1. 特許分析とは何か
   2. 生成AIとは何か
   3. 生成AIの特許分析への応用とそれが可能となった理由
2. 生成AIによる特許分析の実例と課題
   1. 生成AIを用いた特許分析の具体例
   2. 生成AIを用いた特許分析の課題
• 質疑応答

第2部 大規模言語モデルを活用した特許調査の効率化とノイズ除去

(2023年12月14日 12:15〜13:45)

　近年、知財業務で大規模言語モデルを用いた人工知能 (AI) 使用して、特許調査の効率化や洞察・気付き得る取り組みが始まっています。ChatGPTをはじめとした生成系AIがAI利用特許調査ツールの機能向上に試行されています。生成系AIの利用にあたっては、ポジティブ・ネガティブ両面で留意点も多いのが現状です。ユーザーにもこれらの新しいAIツールへの対応が求められています。
　本セミナーでは大規模言語モデルの代表例としてGoogle BERTとOpenAI ChatGPTを取り上げ、共通点と相違点、対話型AIの問題点等に関して具体的に紹介します。具体的には特許文書の類似文書検索、分類、俯瞰可視化を検討しました。調査目的に応じてBERT、GPT等、モデルの特徴を理解して使いこなすことが重要です。

1. 初めに
   1. セミナー概要
   2. アジア特許情報研究会と講師紹介
   3. 特許調査の基礎
2. 大規模言語モデル (LLM) とは
   1. 大規模言語モデルを活用した特許調査のメリットとデメリット
   2. 代表的な大規模言語モデル (BERT,ChatGPT等)
3. 大規模言語モデルを活用した特許調査の具体的方法
   1. 特許文書の類似文書検索
   2. 特許文書の分類
   3. 特許文書の俯瞰可視化
   4. 特許文書の要約・翻訳
   5. 特許文書の生成・修正
4. 大規模言語モデルを活用した特許調査の取り組み動向
   1. PatentfieldのChatGPTを活用した査読評価支援システム
   2. ChatGPTを知財DXに活用したR&D知財グループウェアTHE調査力AI
   3. Amplified AIの文書埋め込みによるベクトル検索とキーワード検索
   4. 特許書類作成システムAI Samurai ZERO
5. 大規模言語モデルを活用した特許調査のノイズ除去の方法
   1. ノイズとは何か
   2. ノイズの原因と影響
   3. ノイズを除去するための技術的な工夫
      • データクレンジング
      • データ補完
      • データフィルタリング
      • データ正規化
      • データ検証
6. 大規模言語モデルを活用した特許調査の今後の展望と課題
   1. 精度・再現率・安全性・コストなどの向上に向けた取り組み
   2. 他のAI技術やシミュレーション技術との連携による可能性
   3. 法的・倫理的・社会的な問題への対応策
7. まとめ
• 質疑応答

第3部 生成AI・人工知能を活用した俯瞰的なアイディア創出の仕方

(2023年12月14日 14:00〜15:30)

　現在の生成AI・人工知能は知的労働プロセスの7割を自動化できるところまできている。価値ベースでみると、時間短縮、安定性をもたらしているが、創造性のある結論を得るにはまだ難がみうけられる。人智と組み合わせて、洗練された高度な知的資本を生み出す方法の一端をご紹介する。

1. IT技術の変遷とAIの進化
2. エコーチェンバーとフィルターバブル
3. 指数関数的変化への対応方法
4. きづきと直感の必要性
5. 特許データ、論文データ、マーケティングデータ、社会データのデータフュージョン
6. ビックデータの可視化
7. 空白領域を読む
8. AIツールを利用したアイディア創出
• 質疑応答

第4部 今さら聞けない自然言語処理技術の体系的解説と複数のAI技術を応用した特許文書分析

(2023年12月14日 15:45〜17:15)

　本講演では、特許文書の分析で用いられるテキストマイニングと自然言語処理技術について、トピックモデルやChatGPTに代表される大規模言語モデルなど、体系立てて解説します。そして、従来のテキストマイニングに加え、トピックモデルのPLSAと確率的因果モデルのベイジアンネットワークという2つのAI技術を応用して開発した「Nomolytics」という新しい分析手法をご紹介します。
　AIを(1)理解系AI、(2)識別系AI、(3)生成系AIに大別すると、Nomolyticsは1番目に該当し、AIによって人間がテキストデータに潜む傾向や要因関係を理解し、そこから人間が有用なビジネスアクションを検討するための手法です。これを特許文書データに適用した分析事例をご紹介します。

1. テキストマイニングと自然言語処理技術
   1. テキストマイニングと自然言語処理技術の体系
   2. 従来の自然言語処理技術
   3. トピックモデル
   4. 深層学習モデル (第3次AIブーム 前半編)
   5. 深層学習モデル (第3次AIブーム 後半編)
   6. テキストマイニングと大規模言語モデル
2. 複数のAI技術を応用した新たなテキスト分析手法 Nomolytics
   1. 従来の特許文書分析とその課題
   2. AI技術の応用:PLSAとベイジアンネットワーク
   3. Nomolytics:PLSAとベイジアンネットワークを応用した新たなテキスト分析手法
3. Nomolyticsを適用した特許分析事例
   1. 風・空気に関する特許文書データ
   2. 分析プロセスの全体像
   3. トピックの抽出
   4. トピックのスコアリング
   5. 出願年×トピックによるトレンド分析
   6. 出願人×トピックによる競合分析
   7. 用途×技術の関係分析 (その1) 〜用途⇒技術の関係〜
   8. 用途×技術の関係分析 (その2) 〜技術⇒用途の関係〜
4. Nomolyticsによる特許文書分析のまとめ
• 質疑応答