PatentPT: поиск патентов с помощью решений на основе больших языковых моделей

В этой публикации мы разберём ещё одну интересную тему с мероприятия YOLO VISION 2023 (YV23), организованного компанией Ultralytics в кампусе Google for Startups в Мадриде.

В этой статье мы рассмотрим доклад основателя Activeloop Давита Буниатяна, который рассказывает об истории создания PatentPT — решения на базе большой языковой модели для поиска патентов.

Знакомство с PatentPT#

Тебя когда-нибудь ошеломляли огромные объёмы патентных данных и утомительный процесс поиска? PatentPT создана именно для решения этой проблемы.

В этом докладе Давит Буниатян делится практическими советами по дообучению и развёртыванию больших языковых моделей (LLMs) для автодополнения патентных текстов, создания аннотаций и формулировок пунктов патентных требований, а также расширенного поиска в обширном корпусе патентов.

Activeloop и DeepLake: единый уровень хранения данных для ИИ#

Прежде чем подробно разбирать PatentPT, давай рассмотрим разработку Activeloop — DeepLake, базу данных для ИИ. Поскольку стек данных для ИИ фрагментирован и распределён по разным системам хранения, DeepLake предлагает единый слой хранения данных, упрощающий рабочие процессы ИИ.

DeepLake упрощает хранение метаданных, неструктурированных данных и эмбеддингов, позволяя специалистам по данным сосредоточиться на обучении ML-моделей, не отвлекаясь на управление данными.

Архитектура и возможности DeepLake#

Теперь давай разберём архитектуру и функции DeepLake. Благодаря компонентам с открытым исходным кодом и бессерверной архитектуре DeepLake позволяет хранить и версионировать данные в объектном хранилище и напрямую подключаться к ML-моделям. В DeepLake также есть функция Deep Memory, которая повышает точность поиска, не изменяя эмбеддинги.

Демонстрация Deep Memory: улучшение поиска патентов#

Во время демонстрации в реальном времени Давит помог нам глубже изучить этот рабочий процесс и показал, как Deep Memory улучшает поиск патентов. Мы лично увидели, как Deep Memory повышает точность до 22% и обеспечивает запросы менее чем за секунду при значительно меньших затратах по сравнению с традиционными решениями.

В результате поиск патентов становится быстрее и точнее, без бесконечной прокрутки патентных баз данных.

Создание PatentPT: от идеи к реализации#

Тебе интересно, как появилась PatentPT? Давай вернёмся назад и подробно рассмотрим все этапы создания этого решения. Давит Буниатян рассказал о каждом шаге команды Activeloop: от обучения и дообучения большой языковой модели до создания пользовательских функций и развёртывания API поиска.

Раскрываем возможности LLM: будущее решений на базе ИИ#

В целом PatentPT демонстрирует потенциал решений на базе больших языковых моделей в специализированных областях, таких как поиск патентов. Работа Activeloop над DeepLake указывает на перспективы решений ИИ, которые позволяют быстрее и дешевле работать с неструктурированными данными.

Подводя итоги#

ИИ продолжает развиваться, и его главная ценность заключается не только в самих технологиях, но и в том, как они помогают решать реальные задачи. Присоединяйся к нашему сообществу, изучай нашу документацию и наш репозиторий GitHub, чтобы быть в курсе последних достижений!