笔者曾经是一名程序设计师，有20年从事专利相关工作的经验，目前仍致力于撰写专利说明书。由于工作的需要，笔者也成为了一名专利发明人，申请了超过100件专利。然而，当笔者要写这篇文章时，笔者不禁感叹科技的进步神速。过去几年来，笔者见证了许多企业试图用计算机程序来实现写专利的目标，甚至有些已经成功获得了专利；但是，这些成果都没有让笔者感到惊艳；直到最近，利用AI写专利才真正成为可能。虽然现阶段还不够完善，但根据目前的发展速度，很快就会变成一个非常实用的工具。在这个系列文章中，笔者想先简单介绍AI的机器学习原理，然后回顾专利写作的特点，最后探讨利用AI撰写专利稿的前景和挑战。关于更具体的写作环节，将在下一篇文章中更深入探讨，首篇将着重在探讨AI的工作原理与限制。

图片来源 : shutterstock、达志影像

AI的机器学习原理

机器学习是指计算机能够从大量的数据中自动找出规律并执行任务，而不需要人类事先给定规则或指令。举例来说，如果要让计算机从照片中辨识出鸟类，就需要让计算机根据一个适合该任务的模型 (model)进行学习。首先，要提供一些已经标示好答案的动物照片给计算机，并让计算机尝试回答是否为鸟类。然后，再告诉计算机它的回答是否正确，并利用高效能的AI算力，重复这样的过程很多次，这个过程就叫做机器学习。当AI的回答正确率达到一定水平之后，就表示该模型训练完成。训练完成后的模型，就可以用来执行预定的任务。

AI其实只是掌握很多信息的机器

AI有它的局限性，主要是因为AI没有像人类那样的想象力。如果提供给AI学习的数据中没有包含某些答案，AI就无法推断出来。举例来说，如果任务是要做房屋的对象推荐，但没有提供客户在做决策时会考虑哪些因素，AI就无法做出合适的推荐。更进一步举例，如果客户的需求是要找邻居素质好的房屋，但提供给AI学习的数据只有客户的在线操作行为（例如许多客户曾经做过选择的行政区、总价、近公园绿地等等），却没有包含客户对于邻居素质好的定义或是背后的真正需求，AI自然就无法给出满意的答案。

学会如何利用AI，将是最关键的一步

在了解AI并非万能，而且未来也不太可能万能后，笔者就发现，在AI的时代中，最重要的是要学会如何利用AI，或者说如何『协助』AI，让AI能够获得做判断时所需的关键信息，然后让AI尽可能地完成任务。例如，如果要求AI提供邻居素质好的房屋时，同时也要提供客户对于邻居素质好的定义或是背后的真正需求，这样AI才有可能给出更有用的答案。更具体来说，利用GPT（生成式预训练，Generative Pre-Training）的模型除了可以处理上述模糊或不确定的情况，还能学习或适应新的数据或环境。这就是为什么AI发展了这么多年，却是在ChatGPT推出之后，才『突然』造成如此巨大的震撼的主要原因，也让一直在发展AI技术的Google被吓醒，发出代表高度威胁的「红色警戒」（code red）。

AI其实也不怎么了解他自己

为了更进一步说明AI的限制，以下将举一个理论上AI应该很清楚的事情，但AI却显得一无所悉的例子，并希望读者可以从这个限制去了解该如何利用AI。

基于以上内容，相信大家已经能了解GPT的强大之处，但如果明知故问，而且只提出单纯的问题，不带有任何指示，AI的回答只会让人感到很发散。该问题是：『为什么AI发展了这么多年，ChatGPT推出后，很多人都非常惊讶。主要原因是什么？』，结果不论是ChatGPT、New Bing或Google Bard都只是很发散地描述AI或GPT本身的特性，却没办法解释主要原因是什么。这绝对不是AI还无法理解这个指令的含意，只是说明AI真的无法掌握到最关键的因素，这就是目前AI的限制。但，当给予AI适当的提示，AI就会显得好像他突然醒悟过来，给予更为丰富的描述。这就是AI其实是知道答案，但AI在没有提示，AI就是提不出来，必须要人类给予指导。因此当我的提问后末尾增加『因为传统的 AI 需要针对特定任务进行机器学习，而 GPT 不需要』时，不论是ChatGPT、New Bing或Google Bard均纷纷表示赞同我的看法，才能开始深入地说明细节。换言之，与AI互动，掌握提示词(prompt)是至关重要的，目前在国外已有企业高薪聘用提示词工程师，因为他是所谓懂得运用AI的最核心所在。

不要用错AI工具

事实上，Google在发展AI技术方面已经有很长的历史，但由于传统AI技术无法处理模糊或不确定的情况，只能处理特定任务，例如自动驾驶，所以Google开发了多年的BERT AI并没有达到商业化的价值。虽然ChatGPT推出后让Google感到面子扫地，但当Google也采用了GPT原理，并结合了过去累积的大量数据和硬件资源而推出Bard之后，一切又变得不同了。根据笔者实际试用Bard的体验，突然爆红的ChatGPT就显得像小学生一样。这主要是因为ChatGPT背后的母公司OpenAI缺乏足够的资金去更新更多的预训练模型，导致它在回答某些问题时常常出错。相反的，被商业化应用的微软所推出的New Bing（或称bing copilot，底层技术与ChatGPT是相同的）和Google Bard就表现得非常出色，因此在进入AI时代之后，不要只盯着实验性质较高的ChatGPT，而是要善用真正被商业化的New Bing或Google Bard。不过，在使用这些免费AI工具时，还是要注意可能会有泄漏机密的疑虑。

本机端的AI系统

由于专利文件都是涉及机密性的，甚至有可能因为在使用AI工具的过程导致意外提前泄漏专利机密，因此专利从业者可以考虑自行撰写本机端的AI系统。OpenAI是有开放付费的API，让懂得程序开发者可以利用API来进行撰写专利的任务，却不用担心机密外泄的问题。如果不熟悉程序撰写者，当然也可以利用AI来写出完整的AI系统。关于如何实作，细节上可以参阅AutoOGPT[1]所公开的内容，当然也可以直接把AutoGPT安装在本机，只是必须要提醒的是，不太清楚是AutoGPT的作者是故意的，还是程序优化未完成，利用AutoGPT完成相同任务，他将会消耗数倍的Token，实际上支付给OpenAI的费用会暴增许多。

不要抗拒AI，要善用AI

依据笔者与许多人讨论AI的经验，笔者发现许多人其实是被媒体误导，而对AI产生抗拒。媒体很喜欢用耸动的标题与议题来吸引人，总是喜欢报导某某专业会在多少年以后消失，被AI取代，而认为自己花了10年、20年累积起来的专业，就这么简单被AI否定了价值，心理上就很不舒服，进而抗拒AI。然而，如同微软对于copilot的营销宣传，AI只是辅助真人大幅提高工作效率，而非取代真人。在不久的将来，人们只会被善于使用AI的真人所取代。又加上，GPT技术的推出后，让获取某些专业的门坎被大幅降低，例如即使原本不懂写程序的人，只要懂得用AI也能写出程序代码[2]，而且还可以在完全没有写一行程序代码的情况下，只要懂得如何『辅助』AI，就能完成非常复杂的AI程序[3]。

备注：

好消息～北美智权报有微信公众号了！ 《北美智权报》内容涵盖世界各国的知识产权新闻、重要的侵权诉讼案例分析、法规解析，以及产业与技术新知等等。 立即关注北美智权微信公众号→ NAIP_IPServices ～欢迎读者分享与转发～

【本文只反映专家作者意见，不代表本报立场。】