ИИ-инструмент 'TRI' оценивает научные статьи на предмет патентоспособности, помогая инвесторам

Введение

Выявление прорывных научных исследований с коммерческим потенциалом до того, как они превратятся в патентоспособные изобретения, является серьезной задачей для инвесторов и отделов трансфера технологий. Этот процесс часто отнимает много времени и ресурсов, полагаясь на экспертные оценки и ручную проверку. Однако новый инструмент машинного обучения, получивший название Индекс готовности к трансляции (TRI), становится потенциальным решением, призванным ускорить выявление коммерчески жизнеспособных научных разработок путем оценки 'патентной схожести' исследовательских статей. Это новшество может обеспечить решающее преимущество в обнаружении будущих технологических прорывов.

Ключевые детали

• Индекс готовности к трансляции (TRI) — это инструмент машинного обучения, разработанный исследователями из League of Scholars, фирмы, занимающейся анализом данных, базирующейся в Сиднее, Австралия.
• TRI анализирует названия и аннотации научных статей, оценивая сходство их лексики с публикациями, которые ранее были связаны с патентами.
• Инструмент был обучен на 20 610 научных статьях, включая 9 431 статью, которая уже была сопоставлена с патентами.
• Наиболее эффективная модель достигла 78% точности в ранжировании статей, связанных с патентами, выше сопоставимых статей, не связанных с патентами.
• Ключевая лексика, указывающая на патентный потенциал, включает такие термины, как 'прототип', 'устройство' и 'дизайн'.
• TRI фокусируется исключительно на лингвистическом анализе названий и аннотаций, а не на лежащих в их основе данных или результатах исследований.
• Первоначальные тесты на статьях Университета Западной Австралии показали, что высокие баллы TRI коррелировали с отраслевыми связями среди соавторов и предыдущей патентной деятельностью авторов.
• В настоящее время League of Scholars тестирует TRI совместно с несколькими университетами.

Предпосылки

Путь от фундаментального научного открытия до коммерчески жизнеспособного продукта или запатентованной технологии сложен и полон неопределенности. Инвесторы, венчурные капиталисты и университетские отделы трансфера технологий постоянно ищут методы для снижения рисков этого процесса. Им необходимо выявлять исследования, которые не только имеют научную ценность, но и обладают характеристиками, указывающими на будущее коммерческое применение и патентоспособность. Традиционно это включало обширные сетевые контакты, ручной обзор литературы и консультации с экспертами. Огромный объем научных публикаций делает этот ручной подход все более сложным. Разработка инструментов на базе ИИ, таких как TRI, представляет собой значительный сдвиг, используя вычислительную мощность для анализа огромных объемов данных и выявления закономерностей, которые могут ускользнуть от человеческих аналитиков.

Анализ воздействия

Основное воздействие TRI заключается в его потенциале демократизировать и ускорить ранний поиск научных инноваций. Предоставляя количественную оценку патентного потенциала, он может помочь приоритизировать исследования для дальнейшего изучения, потенциально экономя ценное время и ресурсы. Для инвесторов TRI может служить первоначальным фильтром, выделяя статьи, которые заслуживают более глубокого изучения. Для академических учреждений он может помочь отделам трансфера технологий выявлять перспективные открытия, которые в противном случае могли бы быть упущены, облегчая процесс коммерциализации посредством лицензирования или создания дочерних компаний. Как отмечает Бен Майлз, соучредитель Empirical Ventures, такие инструменты могут служить "внешним сигналом для ученых и спонсоров, желающих решить, какие идеи заслуживают дальнейшей поддержки... прежде чем они станут достаточно зрелыми для инвесторов". Однако крайне важно признать ограничения инструмента. TRI анализирует язык, а не присущую научную ценность или осуществимость лежащей в основе науки. Высокий балл 'патентной схожести' не гарантирует коммерческого успеха, поскольку многие запатентованные технологии не достигают рынка.

“Это новый способ сортировки или ранжирования” исследований, говорит специалист по вычислительным социальным наукам Пол Маккарти, соучредитель League of Scholars и соавтор препринта. Инструмент оценивает вероятность того, что статья использует “патентно-подобный язык”.

Более широкий контекст

TRI не является изолированной разработкой, а частью растущей тенденции применения ИИ в научных исследованиях и управлении инновациями. Аналогичные инструменты, такие как Haystack Корнеллского университета, разрабатываются и внедряются для управления огромным объемом научных публикаций. Haystack, например, был создан для сканирования тысяч статей в год — задача, которую невозможно выполнить вручную для отдела трансфера технологий. Эти инструменты отражают более широкую цифровую трансформацию, происходящую в различных научных дисциплинах и коммерческих секторах. Способность вычислительно анализировать и прогнозировать тенденции в научной литературе имеет значение за пределами инвестиций и патентования. Она может информировать о приоритетах финансирования исследований, выявлять новые области изучения и даже помогать исследователям находить коллабораторов. Участие League of Scholars в качестве поставщика данных для Nature Index также подчеркивает взаимосвязь фирм, занимающихся анализом данных, и крупных научных издательств, хотя данная статья была подготовлена независимо от этой деятельности.

Перспективы на будущее

Будущее развитие TRI и аналогичных инструментов для поиска инноваций на базе ИИ, вероятно, будет включать более сложные аналитические методы. В то время как TRI в настоящее время фокусируется на лингвистических закономерностях в названиях и аннотациях, будущие версии потенциально могут анализировать полный текст, сети цитирования, аффилиации авторов и источники финансирования для предоставления более полной оценки коммерческого потенциала. Интеграция TRI с другими источниками данных, такими как рыночный анализ или анализ конкурентов, может дополнительно повысить его предсказательную силу. По мере того как инструмент будет проходить рецензирование и получать более широкое распространение, его точность и полезность будут далее подтверждаться. Текущее сотрудничество с университетами указывает на путь к совершенствованию инструмента на основе практического применения. Признавая, что TRI является вероятностным инструментом и не должен быть единственной основой для принятия инвестиционных решений, его потенциал для обнаружения "неожиданных жемчужин" остается значительным, обещая изменить то, как выявляются и поддерживаются ранние стадии научных предприятий.

Заключение

Индекс готовности к трансляции (TRI) представляет собой многообещающий шаг вперед в поиске коммерчески жизнеспособных научных исследований на самых ранних стадиях. Используя машинное обучение для анализа 'патентной схожести' научных статей, TRI предлагает подход, основанный на данных, для дополнения традиционных методов поиска инноваций. Несмотря на его ограничения, особенно в оценке присущей научной ценности или рыночной жизнеспособности, его способность на раннем этапе выявлять потенциально патентоспособные исследования может значительно помочь инвесторам, исследователям и отделам трансфера технологий. По мере развития ИИ инструменты, подобные TRI, будут становиться все более неотъемлемой частью инновационной экосистемы, помогая более эффективно преодолевать разрыв между научными открытиями и их применением на рынке.