PatentPT：LLMを活用したソリューションによる特許検索

この記事では、マドリードのGoogle for Startups CampusでUltralyticsが主催したYOLO VISION 2023（YV23）で得られた知見を、さらにご紹介します。

この記事では、Activeloopの創業者Davit Buniatyanの講演を取り上げ、特許検索向けのLLM搭載ソリューションPatentPTがどのように誕生したかを解説します。

PatentPTの全貌#

膨大な特許データや、手間のかかる検索プロセスに圧倒されたことはありませんか。PatentPTは、まさにその課題に対応するために開発されました。

Davit Buniatyanが登壇したこの講演では、充実した特許コーパスを対象に、特許の自動補完、要約と請求項の生成、高度な検索機能を実現するための大規模言語モデル（LLM）のファインチューニングとデプロイに関する実践的な知見が紹介されます。

ActiveloopとDeepLake：AIのための統合データストレージレイヤー#

PatentPTの詳細に入る前に、Activeloopが開発したDeepLakeを見てみましょう。DeepLakeはAI向けデータベースです。AIのデータスタックはさまざまなストレージシステムに分散していますが、DeepLakeは統合されたデータストレージレイヤーを提供し、AIワークフローを効率化します。

メタデータから非構造化データ、埋め込みまでを保存できるDeepLakeは、データ管理の煩雑さを解消し、データサイエンティストがMLモデルの学習に専念できるようにします。

DeepLakeのアーキテクチャと機能を探る#

ここから、DeepLakeのアーキテクチャと機能を詳しく見ていきましょう。オープンソースのコンポーネントとサーバーレス設計により、DeepLakeはオブジェクトストレージ上でのデータ保存とバージョン管理を可能にし、MLモデルに直接接続します。また、埋め込みを変更することなく検索精度を高めるDeep Memory機能も備えています。

Deep Memoryのデモ：特許検索の強化#

Davitは、Deep Memoryが特許検索を改善する様子を示すライブデモを通じて、このワークフローを詳しく紹介しました。従来のソリューションに比べてわずかなコストで、1秒未満のクエリ応答を実現し、精度を最大22%向上させるDeep Memoryの効果を実際に確認できました。

その結果、特許データベースを延々とスクロールすることなく、より高速で正確な特許検索を実現できます。

PatentPTの誕生：構想から実現へ#

PatentPTがどのように誕生したのか、気になりませんか。このソリューションの開発に向けて行われた包括的な手順を振り返ってみましょう。LLMモデルの学習とファインチューニングから、カスタム機能の開発、検索APIのデプロイまで、Davit BuniatyanがActiveloopチームの各工程を紹介しました。

LLMの力を解き放つ：AIソリューションの未来#

総じて、PatentPTは特許検索のような専門分野におけるLLM搭載ソリューションの可能性を示しています。ActiveloopによるDeepLakeの開発は、非構造化データをより高速かつ低コストで利用できるAIソリューションの方向性を示しています。

まとめ#

AIが進歩し続けるなか、真の価値は技術そのものだけでなく、現実の課題の解決にどのように役立つかにあります。コミュニティに参加し、ドキュメントとGitHubリポジトリをチェックして、最新の進歩をご確認ください。