# Колонка: патент Google на обучение с подкреплением в компьютерном зрении — вознаграждение за обучение, а не только за ответы

В AI Times опубликована колонка управляющего партнера и патентного поверенного IPLEX Ким Ёндока о патентах на искусственный интеллект.

Source: https://www.iplexlaw.co.kr/ru/blog/1537030

ГЛАВНАЯ / Новости и аналитика Новости и аналитика Колонка: патент Google на обучение с подкреплением в компьютерном зрении — вознаграждение за обучение, а не только за ответы В AI Times опубликована колонка управляющего партнера и патентного поверенного IPLEX Ким Ёндока о патентах на искусственный интеллект. ИИ и программное обеспечение Опубликовано: 2026.09.15 IPLEX Время чтения: 2 мин. В AI Times опубликована колонка управляющего партнера и патентного поверенного IPLEX Ким Ёндока о патентах на искусственный интеллект. В этой колонке мы рассмотрим технологию точной настройки на основе обучения, применяемую в области компьютерного зрения, ориентируясь на США Google. Патент нет. 12 731 392. До сих пор ИИ компьютерного зрения учился с акцентом на то, насколько точно он предсказывает правильные данные ответов, подготовленные людьми. Однако в реальных промышленных условиях недостаточно получить правильный ответ из данных обучения. Это связано с тем, что более важно, насколько эффективно ИИ достигает своих целей в реальной работе. Патент Google отмечает эту разницу. Метод заключается в том, чтобы сначала построить предварительно обученную модель компьютерного зрения, а затем установить важный показатель производительности в реальной работе в качестве «Награды за работу» и снова настроить модель с помощью обучения с подкреплением. Например, при обнаружении объектов в качестве компенсации могут использоваться фактические показатели производительности, такие как отзыв или средняя точность (mAP), и мы предлагаем, что этот метод также может быть применен к различным задачам компьютерного зрения, таким как сегментация изображения и окраска изображения. В колонке особое внимание уделяется различиям между данными правильных ответов и фактической производительностью работы. В существующем методе важной целью модели было получение результатов, сходных с правильными ответами на данные обучения, но, применяя обучение с подкреплением, цели, которые оцениваются как важные в реальной системе, могут быть непосредственно отражены в обучении. Кроме того, он отличается от существующих методов обучения компьютерному зрению тем, что он не обязательно использует дифференцируемую функцию потерь, но также может использовать сложные или трудные для расчета критерии оценки непосредственно в качестве компенсации. Эти технологии могут иметь большее значение в тех областях, где ИИ выносит суждения и действует в реальных условиях, таких как автономное вождение, роботы, интеллектуальные заводы и медицинская визуализация. Особенно в эпоху физического ИИ может стать более важным надежное выполнение реальных задач на основе результатов распознавания, а не просто точное распознавание объектов на изображениях. Последний патент Google можно назвать примером расширения технологии обучения с подкреплением, которая была разработана вокруг генеративного ИИ, в области компьютерного зрения и физического ИИ. В этой колонке, пожалуйста, взгляните на изменения в технологии обучения ИИ и на то, как эти технологии защищены патентами. Полную статью можно найти по ссылке ниже. Проверка взносов Прочитать корейский оригинал Материал отражает ситуацию на дату публикации. Обратитесь в IPLEX, чтобы обсудить обстоятельства вашего дела. Обсудить этот вопрос ↗ Все статьи ОБРАТИТЕСЬ В IPLEX Обсудите с нами вопросы интеллектуальной собственности Мы рассматриваем ваши технологические и бизнес-потребности вместе. ↗ Связаться с нами Новее Подача заявки с предварительным описанием: подготовка к охране идеи ↗ Ранее Руководство для компаний, отобранных для программы поддержки выхода на зарубежные онлайн-платформы в 2026 году ↗ Материалы по теме ИИ и программное обеспечение 2026.10.01 FiX: избирательное забывание признаков в softmax-внимании Патентный поверенный Ким Ёндок рассматривает векторные затворы FiX, устойчивость вычислений и страничный кэш, отделяя результаты экспериментов от открытых вопросов. ↗ Читать статью ИИ и программное обеспечение 2026.09.30 MHAR: выбор информации из предыдущих слоёв по подпространствам признаков Корейский патентный поверенный Ким Ёндок разбирает Multi-Head Attention Residuals: маршрутизацию по глубине, результаты экспериментов, затраты реализации и технические эффекты. ↗ Читать статью ИИ и программное обеспечение 2026.09.28 Колонка в AI Times: как ИИ учится работать с компьютером — анализ патента на обучение агентов В новой колонке для AI Times управляющий партнёр IPLEX Ким Ёндок рассматривает Claude Computer Use и обучение ИИ-агентов на примере патента США № 12 585 862. ↗ Читать статью

- https://www.iplexlaw.co.kr/ru
- https://www.iplexlaw.co.kr/ru/blog/category/ai
- https://www.aitimes.kr/news/articleView.html?idxno=41909
- https://www.iplexlaw.co.kr/forum/view/1537030
- https://www.iplexlaw.co.kr/ru/contact
- https://www.iplexlaw.co.kr/ru/blog
- https://www.iplexlaw.co.kr/ru/contact
- https://www.iplexlaw.co.kr/ru/blog/1537741
- https://www.iplexlaw.co.kr/ru/blog/1536697
- https://www.iplexlaw.co.kr/ru/blog/fix-fine-grained-forgetting-attention
- https://www.iplexlaw.co.kr/ru/blog/fix-fine-grained-forgetting-attention
- https://www.iplexlaw.co.kr/ru/blog/mhar-multi-head-attention-residuals
- https://www.iplexlaw.co.kr/ru/blog/mhar-multi-head-attention-residuals
- https://www.iplexlaw.co.kr/ru/blog/claude-computer-use-agent-patent
- https://www.iplexlaw.co.kr/ru/blog/claude-computer-use-agent-patent