搜尋此網誌

2023年2月22日 星期三

成功的專利創新專案要件 - 專家 VS OPEN AI

.

成功的專利創新專案要件 - 專家 VS OPEN AI 



使用包括TRIZ相關的創新工具已經超過15年,在過去的使用創新工具的成功經驗中發現,一個真正成功的創新專案,最終方案通常變成企業智慧財產,在市場技術競爭密集的領域中,為了有效排除對手,通常會申請專利、嘗試取得專利權,並透過專利布局擴大應用價值範圍,取得市場有效競爭地位。

在這些成功案例中發現:

一個成功的專利創新專案需要三種人才組合:

技術領域專家:熟悉產品相關的技術,並且有能力解決領域內的技術問題,有能力提供具體實施方案;

專利領域專家:熟悉專利布局組合操作,有能力根據技術領域專家所提供的實施方案,根據不同的市場設計出符合需求的專利布局架構與組合;

創新工具應用專家:擁有豐富的創新工具知識,熟悉創新工具的使用方式與使用限制和應用範圍,有能力根據不同的需求和問題選擇使用適合的創新工具,提供創新方案架構組合。

以上這三種專家的合作,缺一不可!


其中,創新工具應用專家關鍵作用在於:

是否能將技術與專利領專家所提出的問題和需求,

提供有效的創新方案架構組合,並且,

這些創新方案架構可被技術和專利領域專家們理解與執行,

最後產生具體解決方案!



在成功的創新工具應用成果中發現,

創新工具應用專家之所以能提供創新方案架構組合,

是因為使用不同的創新工具後,

可以產生不同創新方案架構,換句話說,實務上幾乎不太可能僅僅產生一種創新方案架構。


將這些多種創新方案架構組合,交由技術領域專家評估後,如果原先創新方案架構系統範圍沒有問題,例如沒有系統層次對應不明確、範圍不明確、系統內交互作用定義不明確等等問題,技術領域專家往往就能輕易理解並產生多種具體解決方案概念與實施方式。這一塊有賴於創新工具應用專家和技術領域專家充分溝通與合作,藉由技術領域專家所提出的技術問題和明確對應的技術系統架構下,由創新工具應用專家建構出包括該技術問題以及對應的有效技術系統組成。最後根據創新工具解決問題的流程,提供解決該技術問題的創新架構組合,與技術領域專家合作產生可實施的創新方案組合。

上面這個過程往往需要技術和創新專家雙方充分合作才有可能達成,關鍵在於系統範圍的建構。而雙方合作的程度和該創新工具應用專家本身對技術領域的熟悉程度有關,通常,若創新工具應用專家本身熟悉技術領域專家的技術領域,則可以更有效的建構出技術問題所對應的技術系統架構!也有一種情況是,技術領域專家學習並熟悉創新工具,使得技術領域專家本身也接近創新工具應用專家的程度,這樣一來,就可以讓企業在盡可能不揭露技術特徵的可控制範圍內,確保擁有最大營業秘密範圍內的操作優勢。

最後,根據這些可實施的創新方案組合,雙方和專利領域專家溝通和討論,

根據市場競爭角度下的專利申請策略,綜合性的針對創新方案組合進行評估,選擇具有價值的實施方案與特徵組合,規劃專利布局策略下的布局組合,為企業建構最大價值的權利範圍申請專利。


技術越來越複雜,創新門檻越來越高,真正有價值的創新成果需要專家們的耐心灌溉!


附上OPEN AI Play Ground的回覆 (GPT 3, text-davinci003)



2023©汪周禮@智合創新

10+年 AI 產業工作經驗、15+專利產業工作經驗、15+創新工具使用經驗


智合創新─提供創新知識與服務

SERVICE@iiiinnovation.com (3*i + innovation)

創新工具應用課程招生中!

歡迎聯絡我們~


2023年2月18日 星期六

當專利遇到ChatGPT(AI GC)

 

當專利遇到ChatGPT



2023.02.18

作者 汪周禮

10多年AI產業工作經驗,15年以上專利領域實務經驗,15年以上創新工具應用經驗。

 

AI在專利資訊分析領域並不是新工具,早期主要是應用在專利檢索和分析圖表的製作上,例如將關鍵字檢索透過語意分析技擴充可能存在的專利檢索內容,避免漏檢,另外,根據關鍵字再結合文字叢集向量概念形成不同類型具有層次的等高線視覺圖表。

 

AI深度學習(Deep learning)技術崛起後,開始有AI新創朝向AI專利資訊分析的自動檢索與比對技術發展,開啟了專利訴訟相關的新應用(例如專利無效),在實務上的確也有很驚人的成效,包括已知的高通vs魅族涉及標準專利的訴訟案利。

 

專利這一塊在過去整體應用上,AI新創仍就需要和熟悉專利訴訟(無效)的專家合作,萃取出專家技能後產生相關應用,例如提供專家經驗中涉及比對特徵和比對方式等專業意見,否則不容易產生更細膩的專業成果,一般情況下,專家也不願意出賣經驗讓AI有切入取代的機會,除非遇到涉及技術標準這種高價值的專利訴訟需求。

 

隨著ChatGPT 的問世,讓AI應用達到前所未有的高度與廣度,強大的內容生成技術,預料將會顛覆文字內容生成的相關產業,締造新的市場局面,而市場競爭技術資訊分析、內容策略化與營業秘密保護方式,都將受到 AI GC(Generated Content)的應用影響而有所改變。

 

要了解有哪些改變,首先要熟悉AI GC的使用限制,再來就是使用AI GC專家本身的技能專長類型,第三也是最重要的,就是打造專屬的AI GC應用模式,根據應用類型建立專屬的提問組合模型,如此可以更快速的盡可能創造符合應用需求的內容方案。

 

例如使用ChatGPT撰寫撰寫專利說明書,根據專利說明書的格式,設置提問模組,再由提問模組中加入技術方案和技術特徵的描述,快速產生類似於說明書的內容,再將這些內容組合。經過測試,2萬字的內容大約兩個小時內完成!

 

在實際測試AI GC 產業應用功能後,這裡不禁讓人想到,在不遠的未來可能發生的可能情境,例如發明人使用AI GC輔助生成專利說明書,經過發明人確認內容後,最後完稿前再使用AI進行文字和格式比對校正,發明人使用AI GC自行完成專利說明書的日子或許可能不是夢了!

 

未來AI GC的應用開發價值可能在於串接更多不同的專業資料庫,例如專利行政或無效訴訟的判決書內容,產生對應的AI GC訓練模型,提高AI GC對產業專業領域的滲透率。

 

AIGC強大的內容生成能力下,透過深入思考問題的模式,將會提升人們的開發創意的能力與效率,這無疑將會改變教育學習方式、技能養成模式與類型與專業能力樣態與種類

 

人類的創新能力,將以更複雜的方式呈現,且更難以被取代!

 

#CHATGPT
#AIGC
#專利
#創新

 

2023© 汪周禮 @智合創新


2023年2月3日 星期五

系統創新基礎篇 ─ 甚麼是系統?

 系統創新基礎篇 ─ 甚麼是系統?


關鍵字(KEY WORDS):創新、系統創新、TRIZ
#創新
#系統創新
#TRIZ

前言

接觸系統創新已經超過15年,加上更早在半導體工程領域解決相關不少機構、電子電路電機與動力相關半導體製程開發與硬體設備工程問題的經驗,想要分享一下自己認識的"系統"

 



 

在過去以trouble-shooting為主的工程經驗中,當時對系統的理解還比較籠統,接觸技術範圍主要還是以半導體IC製造流程和設備為主,建立了以問題為核心的技術系統概念,也就是從解決問題為基礎,累積足夠經驗到能主動挖掘問題,甚至進一步熟悉並研究製程和設備中機組元件和材料與製程參數特徵後,進一步分析異常特徵 (弱點)以預測未來可能的問題與其出現時機,這種以問題為最大範圍下的系統概念

 

當能夠比較有邏輯的理解所謂的"系統",是在學習並撰寫過美國專利申請文件、學習專利侵權分析,以及學習TRIZ系統創新工具之後。直到接觸了"NASA engineering handbook " (2007版本) 中所介紹的系統工程(*1),才建立完整的系統概念。隨著應用古典TRIZ 和 現代TRIZ創新工具能力的提升與啟發,再加上執行大量的軟硬體產品技術專利風險分析所累積的專利技術分析心得,參與數位產品開發專案成功開發出新產品技術以及完成SaaS服務商業模式個案,最後才讓自己能更充分的掌握對"系統" 的理解與活用,就會發現其實系統無所不在,並不侷限於技術當中。

 

甚麼是系統

要了解系統,最容易的還是先以技術系統的角度觀察,由系統工程(*)的角度來看,簡單來說,系統必定包含一個邊界/限制以及系統所要達成的至少一個目標任務,為了達成目標任務,在系統的邊界內存在至少一個以上的組成元件,透過技術組成元件之間與系統目標對象進行交互作用達成系統任務。

 

這裡我們可以給技術系統下一個基礎的定義:

 

技術系統 :  運用技術手段針對特定目標(解決問題)執行預期功能所設計的技術組合,該技術組合為了執行預期功能,存在至少一個以上的最少必要組件,並且每一個組件與其他系統內的組件或系統外的目標對象存在至少一種交互作用。

 

交互作用:技術系統的交互作用存在三種型式,分別是,組件之間透過物質傳遞產生交互作用、組件之間透過能量傳遞產生交互作用、組件之間透過信息傳遞產生交互作用。

 



比如說椅子,如果把椅子當成一個系統,那這個椅子技術系統的主要任務就是支撐目標對象()的重量,為了滿足這個任務,通常包括坐墊、椅腳,或再加上椅背,甚至扶手等組件,這當中,每個組件之間都會與其他至少一個組件產生交互作用。

 

如果用軟體工程的角度來看,也可以找到系統的組成,不過這一塊比較類似產品開發的部分,更適合動態系統,為避免看起來更複雜,這裡先以靜態系統的角度來說明。

 

實際上在執行系統分析的過程中,複雜的地方在於需要能夠運用縝密的邏輯文字描述,這對是否能成功完成系統分析至關重要,這是一個看似簡單,卻是非常複雜而需要投注相當心力的工作,有時會涉及到語意分析 (sematic analysis) 工具,就像寫一篇文章,甚至可以說非常類似撰寫專利權利範圍(patent claim),通常需要多次檢視分析與修改文字描述及其邏輯組合,在盡可能通泛文義範圍下,追求文字描述的精確性(多層次的上下位描述對應)與完整性(文字描述所能對應到的最大合理範圍)

 

 

在進一步了解之前,或許我們可以先檢視一下專利權利範圍(patent claim),或許就可以更能理解這個定義。

 

專利權利範圍(patent claim)就是透過文字描述解決特定問題的技術方案,而這些由文字描述所定義構成的技術方案,形成一個專利法律賦予的權利範圍,一般情況下,所有能對應這個權利範圍內所實施的技術方案,都會構成所謂的侵權 (*2),根據專利權利範圍基本規範下,專利權利範圍(patent claim)由文字描述技術方案,這個技術方案是由技術方案的最少必要組件(component/element)構成,且技術方案內的組件與組件之間,並定會存在至少一種可描述並可被解釋的連結關係,並且,僅能使用一句話完成包含以上條件的技術方案文字描述。

 

結論

NASA 工程手冊中所介紹的系統更為縝密,更包括了設計系統任務與目標並確認限制範圍、基於功能解析建立初步系統模組、根據功能模組解析系統架構、根據需求分配功能模組、最後設定系統成功條件。簡單而就是系統建立、產出與成功條件。

 

了解系統的定義後,可以發現所謂的系統,其範圍根據目標任務而可大可小,換句話說,椅子的椅背也可以是一個系統,一組椅子也可以當成系統,主要看如何定義系統範圍及範圍內所欲達成的統一目標任務。

 

此外,系統也有不同的層次與變化之分,這是屬於九宮系統,從物質技術系統的角度來看,結合時間與空間因子。

 



以上簡單分享了一下系統的基礎概念,希望能對有興趣的朋友提供一些資訊作為參考。

 

 

基礎系統介紹課程時數:3小時

進階系統分析與應用介紹課程時數:6小時

 智合新─傳遞創新知識與服務  service@iiiinnovation.com

(*1 此處的系統工程依據為NASA Engineering Handbook 2007版本)

(*2 專利侵權判斷有一定的判斷流程,執行Freedom-to-operate analysis 流程,需要產品/流程技術分析、專利資訊分析、專利權利範圍解析能力、專利侵權分析判斷等多種專業能力結合,相當複雜,在此僅簡述概念)

2023©汪周禮@智合創新


AI 與人類:輔助共生而非競爭取代

  AI 即使發展到AGI (通用人工智慧) 也不會取代人類,只要人類繼續學習成長不斷提升。AI 學習到的資料,也只是人類已經完成的知識,真正的創造力,是突破不同情況的需求限制所展現於當下的新知識,這一塊,還是需要靠人腦才能完成。 AI不會取代人,只會取代那些不會使用AI的人。 ...