PatentPT: البحث عن براءات الاختراع بحلول مدعومة بنماذج لغوية كبيرة

في هذا المنشور، نستعرض فكرة أخرى من فعالية YOLO VISION 2023 (YV23)، التي استضافتها Ultralytics في حرم Google for Startups في مدريد.

سنستعرض في هذه المدونة الكلمة التي ألقاها مؤسس Activeloop، دافيت بونياتيان، حيث يأخذنا في رحلة نشأة PatentPT، وهو حل للبحث عن براءات الاختراع مدعوم بنموذج لغوي كبير.

الكشف عن PatentPT#

هل شعرت يومًا بأنك غارق في الكم الهائل من بيانات براءات الاختراع وعملية البحث المرهقة؟ لقد أُنشئ PatentPT لمعالجة هذه المشكلة تحديدًا.

تتناول هذه الكلمة، التي ألقاها دافيت بونياتيان، رؤى عملية حول الضبط الدقيق ونشر النماذج اللغوية الكبيرة (LLMs) للإكمال التلقائي لبراءات الاختراع، وإنشاء الملخصات والمطالبات، ووظائف البحث المتقدمة ضمن مجموعة غنية من براءات الاختراع.

Activeloop وDeepLake: طبقة موحدة لتخزين بيانات الذكاء الاصطناعي#

قبل أن نتعمق في تفاصيل PatentPT، لنلقِ نظرة على ابتكار Activeloop: DeepLake، وهي قاعدة بيانات للذكاء الاصطناعي. ومع تشتت مكدس بيانات الذكاء الاصطناعي عبر أنظمة تخزين متعددة، توفر DeepLake طبقة موحدة لتخزين البيانات، وتبسّط سير عمل الذكاء الاصطناعي.

تُبسّط DeepLake العملية، بدءًا من تخزين البيانات الوصفية وصولًا إلى البيانات غير المنظّمة والتضمينات، كي يتمكن علماء البيانات من التركيز على تدريب نماذج التعلم الآلي دون عناء إدارة البيانات.

استكشاف بنية DeepLake وميزاتها#

والآن، لنتعمق في بنية DeepLake وميزاتها. تتيح DeepLake، بمكوناتها مفتوحة المصدر وتصميمها عديم الخوادم، تخزين البيانات وإدارة إصداراتها على مخازن الكائنات، كما تتصل مباشرة بنماذج التعلم الآلي. وتضم أيضًا Deep Memory، وهي ميزة تعزز دقة البحث من دون تغيير التضمينات.

عرض توضيحي للذاكرة العميقة: الارتقاء بالبحث عن براءات الاختراع#

أتاح لنا دافيت التعمق أكثر في سير العمل هذا من خلال عرض توضيحي مباشر أظهر كيف تحسّن Deep Memory البحث عن براءات الاختراع. واطّلعنا مباشرة على كيفية تحقيق Deep Memory تحسنًا في الدقة يصل إلى 22%، مع استعلامات تستغرق أقل من ثانية وبكلفة أقل بكثير مقارنة بالحلول التقليدية.

والنتيجة هي بحث أسرع وأكثر دقة عن براءات الاختراع، من دون التمرير المستمر عبر قواعد بيانات براءات الاختراع.

نشأة PatentPT: من الفكرة إلى الواقع#

هل تساءلت يومًا كيف ظهر PatentPT؟ لنعد بالزمن إلى الوراء ونلقِ نظرة فاحصة على الخطوات الشاملة المتخذة لإنشاء هذا الحل. استعرض دافيت بونياتيان كل خطوة اتخذها فريق Activeloop، بدءًا من تدريب النماذج اللغوية الكبيرة وضبطها الدقيق، مرورًا بإنشاء ميزات مخصصة، وصولًا إلى نشر واجهات API للبحث.

إطلاق العنان لقوة نماذج LLM: مستقبل حلول الذكاء الاصطناعي#

بوجه عام، يجسد PatentPT إمكانات الحلول المدعومة بالنماذج اللغوية الكبيرة في المجالات المتخصصة، مثل البحث عن براءات الاختراع. ويشير عمل Activeloop على DeepLake إلى حلول ذكاء اصطناعي تجعل استخدام البيانات غير المنظّمة أسرع وأقل تكلفة.

في الختام#

مع استمرار تقدم الذكاء الاصطناعي، لا تكمن القيمة الحقيقية في التقنية نفسها فحسب، بل في كيفية مساعدتها لنا على حل تحديات العالم الحقيقي. انضم إلى مجتمعنا، واطّلع على وثائقنا ومستودع GitHub لدينا لمواكبة أحدث التطورات!