PatentPT: ricerca di brevetti con soluzioni basate su LLM

In questo post analizziamo un'altra riflessione emersa all'evento YOLO VISION 2023 (YV23), organizzato da Ultralytics presso il Google for Startups Campus di Madrid.

In questo blog esploreremo l'intervento di Davit Buniatyan, fondatore di Activeloop, che ci guiderà attraverso la nascita di PatentPT, una soluzione per la ricerca di brevetti basata su LLM.

Alla scoperta di PatentPT#

Ti sei mai sentito sopraffatto dall'enorme quantità di dati brevettuali e dal tedioso processo di ricerca? PatentPT è stato creato proprio per risolvere questo problema.

Guidato da Davit Buniatyan, questo intervento condivide indicazioni pratiche sul perfezionamento e la distribuzione dei modelli linguistici di grandi dimensioni (LLMs) per il completamento automatico dei brevetti, la generazione di abstract e rivendicazioni e le funzioni di ricerca avanzata all'interno di un vasto corpus brevettuale.

Activeloop e DeepLake: un livello unificato di archiviazione dei dati per l’AI#

Prima di entrare nei dettagli di PatentPT, diamo un'occhiata a DeepLake, la creazione di Activeloop: un database per l'AI. Poiché lo stack di dati per l'AI è frammentato tra diversi sistemi di archiviazione, DeepLake offre un livello unificato di archiviazione dei dati che semplifica i flussi di lavoro AI.

Dall'archiviazione dei metadati ai dati non strutturati e agli embedding, DeepLake semplifica il processo, così gli scienziati dei dati possono concentrarsi sull'addestramento dei modelli ML senza doversi occupare della gestione dei dati.

Alla scoperta dell’architettura e delle funzionalità di DeepLake#

Ora approfondiamo l'architettura e le funzionalità di DeepLake. Grazie ai suoi componenti open source e alla progettazione serverless, DeepLake consente di archiviare e versionare i dati nello storage a oggetti e di connettersi direttamente ai modelli ML. Include anche Deep Memory, una funzionalità che migliora l'accuratezza della ricerca senza modificare gli embedding.

Demo di Deep Memory: potenziare la ricerca brevettuale#

Davit ci ha permesso di approfondire questo flusso di lavoro con una dimostrazione dal vivo di come Deep Memory migliori la ricerca di brevetti. Abbiamo potuto constatare in prima persona come Deep Memory offra un miglioramento dell'accuratezza fino al 22%, con query in meno di un secondo e a una frazione del costo rispetto alle soluzioni tradizionali.

Il risultato è una ricerca di brevetti più rapida e precisa, senza dover scorrere interminabili elenchi di database brevettuali.

La genesi di PatentPT: dal concept alla realtà#

Ti sei mai chiesto come è nato PatentPT? Facciamo un passo indietro e diamo un'occhiata più da vicino alle fasi complete che hanno portato alla creazione di questa soluzione. Dall'addestramento e dal perfezionamento dei modelli LLM alla creazione di funzionalità personalizzate e alla distribuzione delle API di ricerca, Davit Buniatyan ha illustrato ogni fase affrontata dal team di Activeloop.

Sfruttare la potenza degli LLM: il futuro delle soluzioni AI#

Nel complesso, PatentPT dimostra il potenziale delle soluzioni basate su LLM in ambiti specialistici come la ricerca di brevetti. Il lavoro di Activeloop su DeepLake indica la direzione di soluzioni AI che rendono i dati non strutturati più rapidi ed economici da usare.

In conclusione#

Con il progresso dell'AI, il suo vero valore non risiede solo nella tecnologia in sé, ma anche nel modo in cui ci aiuta a risolvere sfide concrete. Unisciti alla nostra community, consulta la nostra documentazione e il nostro repository GitHub per restare aggiornato sugli ultimi progressi!