David Andrews dari Aon menjelaskan bagaimana pembelajaran mesin dan AI generatif dapat mengurangi biaya hukum dan secara akurat memprediksi hasil kasus paten.
Dari sekian banyak area yang akan diubah oleh AI, kekayaan intelektual (IP) adalah salah satu yang dapat terkena dampak baik secara positif maupun negatif.
Munculnya sistem AI generatif seperti generator teks-ke-gambar telah menimbulkan pertanyaan seputar hak cipta, seperti siapa yang benar-benar memiliki gambar yang dibuat dan apakah sistem ini meniru gaya artis tertentu.
Model AI tingkat lanjut seperti ChatGPT telah terbukti mampu menulis buku sendiri dan memutar dari perintah sederhana. Tetapi sementara chatbot tidak memiliki karya-karya ini di bawah undang-undang UE, pertanyaan tentang siapa yang benar-benar memiliki karya yang dihasilkan oleh AI kemungkinan akan tetap menjadi topik hangat di masa mendatang.
Meskipun ada contoh AI yang menciptakan kebingungan seputar hukum IP, orang-orang seperti David Andrews yakin sistem ini memiliki potensi untuk mengubah lanskap firma hukum IP.
David Andrews adalah chief data and analytics officer Aon dan sebelumnya telah mewakili klien dalam “litigasi paten berisiko tinggi”. Dia memimpin tim ilmuwan dan insinyur data Aon untuk menjawab penilaian IP dan pertanyaan kualitas.
Berbicara kepada SiliconRepublic.com, Andrews mengatakan pembelajaran mesin – di mana mesin mempelajari dan mereplikasi tindakan manusia – dan pemrosesan bahasa alami (NLP) berpotensi memangkas biaya dan menghemat waktu di bidang hukum IP.
“Kita gunakan [deep learning] teknik untuk menilai aset IP,” kata Andrews. “Dengan menggabungkan data IP dan data valuasi historis, kami mengembangkan pemahaman yang mendalam tentang kualitas dan jangkauan kepemilikan IP.”
“Sekarang, banyak pemegang paten bisa mendapatkan keuntungan dari analisis paten skala besar yang awalnya terlalu mahal dengan upaya manusia.”
Menggunakan kumpulan data untuk memprediksi hasil
Andrews menjelaskan bahwa hukum paten adalah bidang yang memiliki “data manusia ratusan tahun yang direkam dalam format semi-reguler”, dalam bentuk pemeriksaan paten, kasus litigasi, dan catatan penugasan.
Dia mengatakan bahwa dengan memeriksa kumpulan data ini, pola perilaku dapat dipelajari dan diterapkan pada sistem AI.
“Pembelajaran mesin membantu kami memahami seberapa lengkap pemeriksaan awal dan seberapa besar kemungkinan paten bertahan dari proses pengadilan, dan dengan menggunakan NLP, kami dapat mulai memahami teks klaim paten,” kata Andrews.
Dengan menggabungkan sistem ini bersama-sama, Andrews mengatakan prediksi dapat dibuat tentang paten mana yang akan bertahan dari “tantangan ketidakabsahan”. Teknik-teknik ini juga dapat diperluas ke bentuk ketidakabsahan lainnya untuk menentukan “kemungkinan pelanggaran” dan membantu pengambilan keputusan hukum.
“Bersama-sama, pembelajaran mesin dan NLP dapat membantu mengidentifikasi paten yang berharga atau tidak efektif atau membantu menginformasikan kasus pengadilan mana yang harus diselesaikan lebih awal dan mana yang harus diperjuangkan,” kata Andrews.
Teknik yang sama yang digunakan dalam undang-undang paten juga dapat diterapkan pada contoh IP lainnya, seperti undang-undang hak cipta, merek dagang, dan rahasia dagang. Meskipun area IP ini memiliki karakteristik yang berbeda, Andrews mengatakan “teknik fundamentalnya tetap sama”.
Andrews mengharapkan perusahaan untuk mendapatkan “keunggulan kompetitif” melalui adopsi pembelajaran mesin, yang pada akhirnya akan mengarah pada “adopsi cepat di seluruh industri”.
“Seiring dengan peningkatan kemampuan untuk menemukan IP yang relevan dan pengukuran kualitas, keputusan membeli-versus-membangun IP menjadi lebih tepat,” kata Andrews. “Ini akan semakin meningkatkan likuiditas di pasar IP, membuat pinjaman yang didukung IP lebih diminati karena aset IP dapat dijual lebih cepat jika terjadi gagal bayar.”
Memotong biaya hukum
Andrews mengatakan sistem AI generatif menghadirkan “ancaman dan aset” bagi IP, dengan manfaatnya adalah kemampuan untuk mempercepat proses hukum.
“Salah satu hambatan untuk melindungi hak hukum adalah biaya yang terkait dengan proses hukum dan karena pengacara IP mengadopsi alat AI generatif, biaya pemeliharaan portofolio IP dapat dikurangi,” kata Andrews.
Sistem AI generatif telah diadopsi lebih jauh ke dalam sektor hukum dalam beberapa bulan terakhir. OpenAI – perusahaan pencipta ChatGPT dan GPT-4 – telah melihat pasar ini melalui investasinya ke Harvey, AI yang sedang berkembang untuk firma hukum.
Perusahaan rintisan ini menggunakan GPT-4 untuk mengembangkan model AI yang berfokus pada hukum dan telah menarik beberapa perusahaan besar dengan teknologinya, termasuk kemitraan dengan PwC pada bulan Maret.
Andrews mengatakan bahwa seiring waktu, konteks besar yang dibawa oleh model AI generatif ini akan memungkinkan orang untuk secara otomatis mencari karya yang dilanggar, menentukan keunikan IP, dan “memprediksi hasil tuntutan hukum IP dengan lebih akurat”.
“Ketika masalah IP menjadi lebih transparan, menilai mereka menjadi lebih tepat dan berulang, dan ketika nilai menjadi lebih disepakati, likuiditas pasar meningkat,” kata Andrews. “Model pembelajaran besar seperti GPT-4 akan menjadi kunci untuk membuka lebih banyak nilai dalam IP dengan menjadikan aset lebih likuid.”
10 hal yang perlu Anda ketahui langsung ke kotak masuk Anda setiap hari kerja. Mendaftar untuk Singkat Harianintisari berita teknologi sains penting dari Silicon Republic.
Hasil bocoran hk unitogel merupakan Info mutlak bagi para pemain togel sidney pools. Nomor keluaran sdy pools memegang manfaat signifikan dikarenakan hasil live draw sdy prize merupakan penentu utama. Dimana taruhan para bettor kalah atau menang benar-benar tergantung bersama dengan no pengeluaran sdy prize. Sehingga kami merangkum semua keluaran sdy pools ke di dalam sebuah tabel data sdy 2021 terlengkap untuk para bettor.
