人工智能驅動的專利摘要生成器可以發現並深入挖掘技術機會。

專利對於通過技術發現產生新想法很有價值。近年來，學者們多次嘗試通過識別專利地圖中的空缺來識別技術機會，專利地圖是使用降維技術創建的特定技術領域專利分佈的視覺表示。然而，這種方法存在一個重大障礙：難以準確確定和解釋這些專利空缺的技術內容。

在最近的一項研究中，來自韓國和美國的研究人員在首爾國立科技大學（韓國）工業工程系教授 Hakyung Lee 的帶領下，開發了一種創新的生成方法，利用機器學習從專利圖中發現技術機會。他們的研究結果發表在雜誌上 高等工程計算機科學。

本研究提出的方法使用文本嵌入反轉技術，將高維嵌入返回​​到原始數據形式，將專利工作轉換為更有用、人類可讀的文本。

它總共包括五個步驟：通過文本嵌入將專利摘要轉換為高維向量；訓練自動編碼器將高維嵌入投影到二維空間並促進雙向映射；使用核密度估計方法創建基於網格的專利地圖；確定空閒單元及其坐標作為專利空缺；通過解碼器將空位坐標重建為多維嵌入向量，然後通過 vec2text 生成人類可讀的文本。

李教授指出：“我們的研究最具革命性的方面是它能夠將抽象的專利空缺轉化為具體的、人類可讀的技術描述。與以前只能識別專利地圖上的空白位置而不解釋其含義的方法不同，這個人工智能係統可以精確定位專利地圖上的位置，並立即創建該位置應該存在的特定技術的詳細描述。這就像一張藏寶圖，不僅顯示了空的地方，還揭示了什麼 每個地方下面都藏著某種寶藏。”

研究人員利用 17,616 項專利展示了他們使用 LiDAR 技術的工作的新穎性。這種方法成功地識別了專利空缺並將其翻譯成人類可讀的文本，展示了其作為技術機會分析的非常有前途的工具的潛力。

“我們的工作有可能從根本上使創新預測民主化。目前，只有擁有廣泛研發資源的大公司才能預測未來的技術趨勢。5-10年內，該工具可以使小型初創企業通過識別未開發的機會與科技巨頭競爭；使發展中國家通過專注於預測的突破領域實現技術跨越式發展；幫助學術研究人員自動發現跨學科研究機會；幫助政策制定者預測未來的技術趨勢。” 技術突破並製定適當的法規；並縮短創新周期，因為發現機會和開發解決方案之間的時間大大縮短。 ”李教授總結道。

值得注意的是，擬議的系統已經擴展到根據已識別的機會自動生成詳細的研究提案和完整的專利文件，從而有可能創建端到端的人工智能創新管道。