AI热潮！专利行业晚20年才懂自动化。却不知LLMs才是真金！

知识产权行业，素来以其严谨性与传统色彩著称，尤其在技术采纳方面，往往被视为动作迟缓。然而，在全球疫情的催化下，许多专利事务所开始逐步摆脱纸质档案的束缚，转向数字化管理。近年来，随着自动化工具在专利撰写和案件管理中的应用日益广泛，知识产权行业似乎正迎来一场迟到的现代化进程。值得注意的是，许多市场上的“AI”产品，其核心功能更多停留在对简单任务的自动化处理上，而对人工智能，特别是大型语言模型（LLMs）所蕴含的真正变革力量，行业内仍有诸多误解与忽视。

迈入数字化时代的知识产权行业

长期以来，专利行业在技术采纳方面表现出明显的滞后性。尽管服务于创新前沿的客户群体，但专利行业自身在运用技术解决方案上却异常缓慢。实际上，在专利撰写、审查及专利组合管理等环节中，存在大量重复性任务，这些任务早在几十年前便可通过自动化技术实现，而无需依赖人工智能。例如，更新权利要求编号及其从属关系、图示标注以及引用文献管理等，都属于这类可自动化处理的简单任务。令人惊讶的是，即使在引用大量文献的情况下，许多专利律师至今仍未使用专业的引用管理工具来整理文档。

以生物技术领域为例，专利行业对序列列表和序列数据处理的方式尤其引人关注。过去，序列列表的准备工作通常涉及从说明书或数据中复制粘贴单个序列，然后将其输入一个古老且不稳定的JavaScript程序。尽管世界知识产权组织（WIPO）推出的WIPO Sequence工具在一定程度上改善了这一状况，但其进步幅度有限，许多序列列表的制作依然离不开大量复制粘贴。然而，序列列表本质上是高度结构化的XML文件，完全可以通过简单的代码和FASTA文件从输入序列中高效生成。

因此，在新媒网跨境获悉，在深入探讨人工智能之前，行业内最直接的突破口在于简单的自动化应用，尤其对于处理大量申请的大型律所和企业内部知识产权部门而言。许多大型企业内部部门在这方面已走在前列，它们已经自主开发并采用了内部系统。鉴于此，众多所谓的“AI专利软件”供应商如今正以“AI”之名，大力推广自动化解决方案，这并不令人意外。

自动化与人工智能的辨析

尽管自动化技术的普及值得欢迎，但清晰区分自动化与人工智能的本质，并明确所购买技术产品的实际能力至关重要。自动化遵循一套确定性的规则，以产生可预测的输出结果，例如对列表进行重新编号。相比之下，大型语言模型（LLMs）是概率性引擎，其设计旨在实现自然语言生成和机器学习。因此，日常任务的自动化处理与复杂大型语言模型的应用，理应为专利律师提供不同的功能，解决不同的问题。

这并非意味着自动化没有价值。序列列表就是一个很好的例子，自动化方案远优于大型语言模型。鉴于大型语言模型基于概率运作，在处理看起来任意的字符序列时容易出错，因此它们在处理序列数据方面的表现异常糟糕。此外，许多基础模型背后的系统提示通常会指示模型简化和总结复杂的文本。

以谷歌的Gemini模型为例，当询问其系统提示旨在优化什么时，它可能会回应称，其目标是优化语言的简洁性和结构清晰度，而非提供密集的“文字墙”。然而，“语言简洁性”和“结构清晰度”从未是序列列表的特征。序列列表中的序列必须与原始序列数据完全一致，哪怕是一个核苷酸或氨基酸的替换，都可能导致整个专利无效，因为它不再能涵盖相应产品。因此，大型语言模型（LLMs）的“幻觉”倾向或对数据的平滑处理，可能在序列列表中引入无声的、灾难性的错误。与精确映射数据的专用自动化工具不同，LLM可能会将序列视为需要补全或平衡的文本字符串，从而根据其概率性训练生成不存在的残基。

由此可见，不应使用大型语言模型来准备序列列表。但好消息是，这并非必要，因为实现这一过程的自动化，只需编写一段代码，而这段代码在二十年前便可完成。许多“AI专利软件”供应商深谙此道，因此它们正在推广大量功能，这些功能显然属于自动化范畴，而非真正的人工智能。这包括序列列表解决方案、案件管理软件、可转移模板、图示标注、权利要求依赖关系和编号的自动更新以及权利要求树。凡是不需要对语言和上下文进行复杂理解的任务，很可能都是自动化代码解决方案，而非人工智能，或者至多是在自动化解决方案中融入了少量检索增强生成（RAG）和大型语言模型。即使是那些确实使用了人工智能的解决方案，也大量依赖代码和自动化来辅助用户体验及其在软件平台内的集成。

那么，为什么在这些自动化解决方案已经存在了几十年之后，专利事务所如今才开始购买呢？答案可能与当前的“AI”热潮、对错失机遇的担忧（FOMO）以及客户压力有关。目前看来，将自动化和案件管理贴上“AI”的标签，似乎是进入“人工智能”赛道最便捷的方式。

专利律师是否错失了人工智能的真正价值？

专利律师行业终于在21世纪迎头赶上，这无疑是件好事，尽管相比其他许多行业晚了约20年。对于轻松的日常任务，自动化解决方案的引入是完全值得肯定的。然而，要实现这些自动化，并不需要复杂的大型语言模型。此外，市场上“AI软件”供应商专注于自动化任务，这掩盖了一个根本性事实：即要驾驭当前基础大型语言模型的强大能力，并不一定需要这些第三方工具。更甚的是，这些第三方解决方案在专利律师学习如何驾驭模型真正力量的道路上，设置了不必要的障碍。

当前，如OpenAI的ChatGPT、Anthropic的Claude和谷歌的Gemini等基础大型语言模型已经非常强大，以至于在工作产品质量方面，让第三方供应商介入用户与底层模型之间，其价值微乎其微。如果专利律师的目标是提升复杂专利工作的价值，那么第三方供应商在专利律师与基础大型语言模型之间增设的额外层级，不仅是不必要的，更是极具限制性的。这些“AI专利软件”解决方案所提供的易用性，是以牺牲定制化能力为代价的，且代价不菲。它们还阻碍了专利律师学习适应新人工智能时代的关键技能，特别是复杂而有效的提示工程。此外，对这些预包装解决方案的依赖本身也具有内在的约束性，因为专利事务所实际上被锁定在开发者对专利工作流程的解释中，形成了一个“黑箱”环境，使得专业人员屈从于软件的局限性，而非被其能力所赋能。

深刻启示

美国Anthropic公司近期的一份报告强调，“Claude模型虽然能够以高度复杂的方式回应，但它往往只在用户输入复杂提示时才会如此”，这凸显了技能的重要性，并表明人类如何提示人工智能，决定了其能发挥多大的效用。因此，希望通过人工智能提升价值的专利律师，需要理解如何直接与大型语言模型互动，并发展出复杂的提示工程技能，而不仅仅是学习某个服务提供商的界面。人工智能的真正价值在于将其融入定制化的工作流程，使其适应特定的技术领域、客户需求，并与律师的专业知识相结合并不断演进。这好比乘坐公共交通与亲自学会驾驶之间的区别。

新媒网（公号: 新媒网跨境发布），是一个专业的跨境电商、游戏、支付、贸易和广告社区平台，为百万跨境人传递最新的海外淘金精准资讯情报。

本文来源：新媒网 https://nmedialink.com/posts/patent-ai-20yr-late-auto-miss-llm.html