Работа с патентами на ИИ начинается с понимания технологии. Мы анализируем обработку данных, обучение, инференс и реализацию, чтобы учесть технические отличия при подготовке заявок, патентном анализе и коммерциализации.
Фото: Ким Ёндок консультирует команду стартапа
Мы ведём патентную работу в области ИИ и программного обеспечения для клиентов из сферы образования, медицины, производства, генеративного ИИ и робототехники. Ниже представлены технологии, с которыми мы работали, и клиенты, чьи интересы мы представляли в каждой отрасли.
В сфере образования мы вели патентные дела, связанные с ИИ для анализа учебного контента и адаптивного обучения. Работа охватывала обработку учебных данных и архитектуру систем, на которых основаны эти сервисы.
Мы сопровождали патентные заявки на результаты университетских исследований в области ИИ и машинного обучения: выявляли признаки изобретений и готовили описания и формулы изобретений.
Наша патентная работа в медицине охватывала ИИ для обработки и анализа медицинских данных, цифровой терапии, а также программного обеспечения для лечения и контроля состояния здоровья.
Мы вели патентные дела, связанные с применением ИИ для мониторинга состояния, выявления аномалий и оптимизации процессов в животноводстве, строительстве и производстве. Работа включала технологии анализа данных датчиков, управления и принятия решений.
В области компьютерного зрения и обработки сигналов мы вели патентные дела, связанные с ИИ для распознавания объектов и их состояний на изображениях и анализа цифровых сигналов. Работа охватывала архитектуру обработки данных: от предварительной обработки и инференса модели до использования полученных результатов.
Мы вели патентные дела по сервисам на основе больших языковых моделей (LLM). Работа охватывала выбор источников для поиска, формирование контекста, интеграцию внешних инструментов и проверку сгенерированных результатов.
Наш опыт включает патентные дела в области связи и робототехники, а также работу с ИИ и программным обеспечением в финансовом секторе. Мы работали с технологиями управляющей логики, сетевой архитектуры и обработки финансовых данных.
Мы вели дела в области интеллектуальной собственности для игр и сервисов цифрового контента. Работа охватывала обработку данных на стороне сервера и клиента, интерфейсы и программное обеспечение для доставки контента.
MakinaRocks · BISTel
VUNO · SUALAB · SI Analytics
SELVAS AI · Baidu · Xiaomi · компании группы Tmax · Netmarble · Kakao Games
LG Electronics · Samsung Electronics
Даже при использовании одной модели потоки данных и управление системой могут различаться. На каждом этапе реализации анализируем отличительные способы обработки и их технический эффект.
Определяем особенности отбора результатов поиска, повторного ранжирования, фильтрации, формирования контекста и предварительной обработки.
Исследуем передачу информации в LLM и интеграцию внешних API и инструментов.
Анализируем выбор инструментов, порядок выполнения, подтверждение пользователем, сбои, повторные попытки и обработку исключений.
Устанавливаем связь между проверкой и корректировкой результатов, последующей работой системы и техническим эффектом.
Мы рассматриваем отличительные особенности, их технические эффекты и информацию, необходимую для объяснения реализации.
Анализируем отличия в получении, отборе, аугментации, разметке и предварительной обработке данных, а также извлечении признаков. Права на данные и патентная охрана способов их обработки — разные вопросы.
Выявляем отличия в архитектуре, целях обучения, функциях потерь, дообучении и обучении с подкреплением. Соотносим измеримые эффекты с техническими признаками, которые их обеспечивают.
Исследуем поиск и генерацию, пути инференса, управление памятью и задержками, выполнение модели на устройстве и управление устройствами, включая усовершенствования на основе общедоступных моделей.
Анализируем ранее опубликованные патенты, научные статьи и план разработки. Разграничиваем охрану собственных решений и оценку прав третьих лиц, определяя объём работы с учётом задач бизнеса.
Избранные проекты из опубликованного опыта Ким Ёндока, выполненные в IPLEX и на предыдущих местах работы.
Степень бакалавра в области информационной, коммуникационной и электронной инженерии, Университет Сунсиль. Сдал 50-й корейский экзамен патентных поверенных. Анализирует технологии с учётом их применения в бизнесе.
Полный опыт и публикации
Глобальные стратегии патентования ИИ, использование интеллектуальной собственности стартапами и взаимосвязь патентов с открытым исходным кодом.
О выходе книгиПосмотреть книгу ↗
Патентные вопросы, связанные с данными, предварительной обработкой, обучением, модулями нейронных сетей и применением ИИ.
О выходе книгиПосмотреть книгу ↗
Руководство по практике патентной экспертизы для технологий ИИ.
О выходе книгиПосмотреть книгу ↗Обучение в сфере интеллектуальной собственности и наставничество для стартапов: направления работы и материалы о проведённых мероприятиях.
Статей: 80
Статьи не найдены. Попробуйте другой запрос.
Готовое патентное описание не обязательно. Начните с материалов о принципе работы технологии и текущем этапе разработки. Порядок передачи подробной информации можно согласовать на первой консультации.
Связаться с офисом ↗Использование общедоступной модели само по себе не определяет патентоспособность. Нужно выявить конкретные улучшения обработки, интеграции, управления, обучения или инференса и оценить их с учётом уровня техники и требований к раскрытию.
Подготовьте описание технической задачи, входных и выходных данных, отличий от существующих методов, результатов сравнения и планов публикации или запуска. Полезны статьи, презентации и предшествующие патенты. Начните с краткого обращения и согласуйте способ передачи подробных материалов.
Универсального требования раскрывать весь код или все веса модели нет. Однако заявка должна достаточно полно раскрывать изобретение, включая сведения, необходимые для осуществления его существенных признаков и обоснования формулы изобретения.
Патентная заявка направлена на охрану собственной технологии. Анализ FTO рассматривает права третьих лиц применительно к определённой стране, периоду и конфигурации продукта. Наличие патента само по себе не исключает риск нарушения чужих прав.
Мы анализируем данные, обучение, инференс и отраслевое применение, рассматривая технические особенности и патентные вопросы генеративного ИИ, производства, медицинских изображений, биосигналов и автомобильных радаров.
Рассматриваем выбор извлекаемых данных, оценку, повторное ранжирование, фильтрацию, формирование контекста и передачу информации в LLM, а также отличительные способы проверки или исправления результатов.
Опишите выбор инструментов, порядок задач, вызовы API, согласование с пользователем, ошибки, повторные попытки, исключения и проверку. Фактический поток управления помогает выявить технические отличия.