人工智能发明家：瑞士公司 Iprova 如何利用 AI 帮助企业加速创新

在瑞士洛桑郊外的一间会议室里，墙壁上贴满了专利图纸，Ioannis Ierides 面临着一个经典的销售难题：如何在有限的时间内向客户展示其产品的优势。Ierides 是 Iprova 的业务发展经理，这家公司利用人工智能 (AI) 为客户提供发明创意。

当 Ierides 成功说服客户签署协议后，Iprova 就会开始向客户公司发送与其业务领域相关的可专利发明提案。最终获得的专利将以人类发明家为名，但这些人类将受益于 Iprova 的 AI 工具。该软件的主要目的是扫描公司所在领域以及其他遥远领域的文献，然后将旧的、以前相互独立的发明组合起来，提出新的发明。Iprova 找到了一个利基市场，专注于跟踪快速变化的行业，并向宝洁、德国电信和松下等大型公司提出新的发明建议。该公司甚至为其自己的 AI 辅助发明方法申请了专利。

在这次会议中，Ierides 试图向我，一位好奇的记者，证明 Iprova 的服务可以加速工程师们寻找新发明的古老追求。“您想要一个可以转录访谈的工具吗？一个可以识别说话者的工具吗？”他问道。虽然此类转录工具已经存在，但仍有很大的改进空间，而更好的转录似乎是我们目的的绝佳例子。

Ierides 在 Iprova 的软件中输入了一些相关的搜索词，软件显示了一个带有同心圆的饼图，每个扇形代表一个不同的研究领域。“这是范围界定步骤，”他说。当他输入更多文本时，圆圈分解成更相关的组成部分。该软件利用其语义搜索功能，在其庞大的文本语料库中检测到与他的提示相似的内容，该语料库包括专利、同行评审文章以及来自互联网的其他与技术相关的文本。（自我们上次会面以来，Iprova 已用新的工作流程取代了饼图工作流程。）

Ierides 将下一步称为“感知和连接”。该软件展示了其认为相关的材料的简短文本摘要，Ierides 用光标突出显示了他认为有趣的摘要。然后，他点击了一个标记为“生成连接”的按钮，该软件用一段非常干巴巴但清晰的文字展示了我们机器转录器的提案，即使是机器编辑也不会修改任何词语。

Iprova 的系统建议我将一种新型的高质量麦克风与两个可以根据个人语音模式识别说话者的新软件程序结合起来。“如您所见，这是一个相当‘显而易见’的发明，因为我们没有充分利用该工具，”Ierides 在后来的电子邮件中写道。在现实世界中，Iprova 的发明家会迭代搜索，扫描相关专利，并与客户进行沟通。为了获得比我们更不明显的发明，Iprova 的发明家可能会挑战该软件，要求它在更遥远的领域之间找到联系。

尝试自动化发明

Iprova 的发明家也可能，按照传统的做法，凝视窗外，用笔在纸上乱涂乱画，或者建造一些与手头任务无关的东西，然后才想到一个令人兴奋的新想法。这个新概念几乎肯定会是意外碰撞的产物，是相互独立的想法和观点的碰撞。它很可能是偶然发生的。

“如果你告诉别人你可以用更可靠、更实质性的方式做到这一点，他们不会相信，”Iprova 的联合创始人兼首席执行官 Julian Nolan 说。Nolan 花费大量时间说服潜在客户，公司的软件提供了 AI 文学扫描和人类洞察力的最佳组合，这将帮助这些客户比竞争对手更快地发明新技术。“发明是一个赢家通吃的活动，”他说。“如果你排在第二，你就太晚了。”

“发明是一个赢家通吃的活动。如果你排在第二，你就太晚了。” –Julian Nolan

该公司在技术前沿寻找想法。例如，松下曾要求 Iprova 帮助寻找自动驾驶汽车的新用途。该软件建议在人类乘客不使用汽车时为汽车安排工作，例如送货——本质上是让它们成为自动驾驶的零工。它甚至建议人类乘客可能愿意为了获得相应的折扣而选择风景路线，或者至少选择包括取货或送货的路线。松下购买了这个想法，并在 2021 年提交了专利申请。

“他们处于竞争情报和专利法的交汇点，”加州伯克利 Biomedit 的首席技术官 Eric Bonabeau 说，他尚未与 Iprova 合作。利用 AI 发现可专利的想法并不是什么新鲜事——这项工作已经持续多年。2021 年，发明家 Stephen L. Thaler 和律师 Ryan Abbott 甚至让南非专利局承认 Thaler 的 AI 系统是食品容器的共同发明人（其他国家/地区的专利局拒绝了他们的申请）。

“我们拥有的新事物是一个不可思议的生成机器，”Bonabeau 说，指的是过去几年中出现的生成式 AI 生成的庞大语言模型。这些语言模型使 Iprova 能够总结大量训练文本——专利数据库和其他技术出版物，包括同行评审文章、行业技术标准和非同行评审文本。Iprova 的发明工程师将这个不断更新的全球最新技术想法宝库称为“索引”。Iprova 的搜索工具在“索引”中穿梭，寻找最有用的新颖性信号，而不同的工具则对客户领域内的现有发明进行评级。那些发现强烈的创新信号但现有发明较弱的搜索结果表明，发明家可以在哪些地方添加既新颖又有用之物。

Christian Gralingen

Iprova 的一项发明横跨两个看似截然不同的研究领域：锂电池和消息加密。总部位于斯德哥尔摩的移动电话公司爱立信要求 Iprova 找到一种方法来生成仅为两个移动设备用户所知的唯一加密密钥。

典型的密码学家可能不太了解锂电池在充放电循环过程中如何形成称为枝晶的微小突起。但 Iprova 的软件发现，锂枝晶代表了自然随机性的一个例子，而自然随机性是可靠加密的根源。现代移动电话中的锂电池以各自的随机方式退化，每个电池都有其自身不断变化的磁性特征。一个移动设备靠近另一个移动设备时，可以测量这种短暂的磁性特征，并利用它生成一个加密密钥，考虑到电池随后的随机退化，没有人能够复制该密钥。这项发明获得了多项专利。

并非所有专利都会导致有人制造的发明。公司有时依靠专利来保护其知识产权；这些专利的出现可能会阻止竞争对手提供类似的产品。在其他情况下，公司可能会声称拥有后来发现尚未在商业上成熟或与其使命不符的想法。该公司可能会在以后使用这些想法或将其许可给其他公司。不怀好意的人可能会将这种做法称为专利流氓行为，但这可能是专利制度的必然结果：公司总是会产生比他们能够追求的更多想法。

使用 Iprova 的软件生成随机发明，希望从专利中收取许可费，这将无法作为商业模式，该公司标准主管 Harry Cronin 说。一方面，Iprova 自己的员工没有足够的专业知识来独立生成许多市场上可用的想法：“我们需要客户的指导，”他说。即使他们能够成为 AI 驱动的专利流氓，Cronin 说，“Iprova 的任何人都不会这样做。”

信息过载时代的创新

无论工程师多么博学，也不可能精通所有可能有用领域的知识。在 Iprova 组织的 6 月份行业会议上，Cronin 做了关于工程师们如今越来越难以跟上所有电信标准的演讲。能够连接到 5G 网络的心脏起搏器必须同时符合健康标准和电信标准。无人机也必须满足航空要求。随着互联网的无线触角延伸到越来越多的设备，电信工程师无法跟上所有规则。

Iprova 发现电信标准激增的问题非常有吸引力，因此为其软件构建了一个模块来跟踪该行业的所谓 3GPP 标准，并帮助发明家创造新的与 3GPP 兼容的发明。Cronin 说，该工具可以突破原始标准文本中的“术语墙”，并识别有用的相似之处。

Bonabeau 的公司 Biomedit 使用 DeepMind 的生物学导向生成式 AI 工具 AlphaFold 做类似的事情，以发明新的肽。Bonabeau 说，生成式组件彻底改变了他们公司的流程，使 Biomedit 能够在合成少得多的候选者时识别出成功的肽。生成式 AI“融入我们的流程，”他说。

Iprova 的方法不同，因为它专注于物理发明，而不是生物发明。生物发明就像一个假设——它需要一个湿实验室和时间来确认它是否有效——而物理发明更像一个数学证明。发明家、客户以及最终的专利审查员都应该能够在文本描述中看到新颖性和价值。

这种洞察力可能是机器的弱点。Nolan 经常使用烹饪的类比，说虽然机器可以建议厨师可能不知道的食材，但人类可以直觉地——或者快速地——找出如何最好地将它们组合在一起。Bonabeau 在检查了 Iprova 的案例研究后也提出了同样的类比。“人类参与的环节正是我会让他参与的环节，”Bonabeau 说。“我们知道机器无法评估某件事是否有意思。”

其他人也同意。“AI 真的无法发明，”宝洁的研究员 Paul Sagel 在 Iprova 6 月份会议的小组讨论中说。“它必须有一些人类的帮助……否则它就会产生幻觉。”

或者，也许这些只是我们对自己说的话，因为我们越来越习惯 AI 发明的想法。Thaler、Abbott 和其他人正在努力为 AI 系统授予专利奠定法律基础。我们将通过不同的发明家以相反的方式使用 AI 来了解 AI 的能力。例如，Nolan 在 6 月份的会议上告诉与会者，每周向客户提供可预测数量的发明的强大之处，以及利用偶然性的强大之处。他说，定期安排的灵光乍现对客户很有用。另一方面，Bonabeau 接受了他在 AI 发明中看到的混乱。“我个人喜欢[生成式 AI] 幻觉。对我来说，它们是创新的主要来源之一，就像迷幻药之旅一样。我正在寻找奇怪的联系。”

人们所说的 AI 中的很大一部分是高级的模式识别形式。这包括识别其他人发明的模式。公开的发明具有创造性的足迹，Nolan 说。“如果你有足够多的画家画作的例子，那么你就可以模仿他们的风格。也许发明家也是如此。”

那么，公司不过是群体，它们有自己可识别的集体模式吗？一个足够聪明的 AI，在聪明的人类的指导下，甚至可以识别特定公司专利申请中的模式。与合适的生成式 AI 相结合，这种组合可能会打开预测竞争对手行动的大门。但如果竞争对手本身也在使用 AI 生成发明呢？那么，也许一个产生发明的 AI 会预测另一个产生发明的 AI 的下一个发明。