مقالات و گزارش ها
۲۳ اسفند ۱۳۹۷

فناوری هوش مصنوعی و سیستم ثبت اختراع

مقدمه

هوش مصنوعی «AI»، یکی از فناوری‌های نوظهوری است که طی سال‌های اخیر، در حوزه‌های مختلف کسب‌وکار، از خودروهای خودران گرفته تا تشخیص پزشکی و روش‌های پیشرفته تولید، منجر به پیشرفت‌های مهمی شده است. به موازات حرکت سریع و فزاینده این فناوری از حوزه نظری به بازارهای جهانی، رشد و توسعه آن با کمک طیف وسیع داده‌های دیجیتالی، دوچندان شده است. از سوی دیگر، پیشرفت در پردازش‌های محاسباتی و افزایش قابل‌توجه سرعت آن‌ها، به‌عنوان یکی از پیش‌نیازهای اصلی فناوری هوش مصنوعی، بیش از پیش به این پدیده دامن زده است. از مثال‌های جالب‌توجه در کاربرد فناوری هوش مصنوعی، می‌توان به پیش‌بینی دقیق آب‌وهوا از طریق شناسایی و مقایسه میلیاردها الگوی به ظاهر غیرمرتبط، بهبود قدرت تشخیص بیماری‌هایی نظیر سرطان و بهبود چشمگیر بهره‌وری صنعتی اشاره نمود.

یکی از راه‌های رصد و بررسی روند تغییرات فناورانه، تجزیه‌وتحلیل پتنت است که الگویی نسبتاً دقیق از روند تغییرات و مسیر فناوری فراهم می‌سازد. سازمان جهانی مالکیت فکری، در راستای اهداف و مأموریت‌های خود، اقدام به آنالیز فعالیت‌های ثبت اختراع در حوزه‌های مختلف و انتشار آن‌ها در قالب مجموعه گزارش‌های «Technology Trend» نموده است که با توجه به اهمیت فناوری هوش مصنوعی و نقش بی‌بدیل آن در پیشرفت‌های صورت گرفته در حوزه‌های گوناگون، اولین گزارش از این مجموعه، به فناوری فوق اختصاص یافته است. این گزارش، به تجزیه‌وتحلیل پتنت‌های به ثبت رسیده با موضوع هوش مصنوعی، انتشارات علمی و سایر داده‌های در دسترس پرداخته و پس از بررسی روند گذشته و وضعیت فعلی این فناوری، پیش‌بینی‌هایی در مورد آینده نوآوری در این حوزه ارائه می‌نماید. علاوه بر این، نشان می‌دهد که کدام حوزه‌های فناوری هوش مصنوعی، با بیشترین نوآوری همراه بوده، کدام شرکت‌ها و مؤسسات تحقیقاتی توانسته‌اند، پیشرفت‌های چشمگیر در این حوزه از فناوری داشته باشند و چه مناطق و کشورهایی از جهان، در این زمینه پیشگام بوده‌اند. در نوشتار پیش رو، سعی خواهد شد تا مروری اجمالی بر مهم‌ترین نکات مطرح در این گزارش انجام گیرد.

 

هوش مصنوعی چیست؟

فناوری هوش مصنوعی از سال‌های ابتدایی دهه ۱۹۵۰ میلادی، به‌طور جدی مطرح شد. در این سال، «آلن تورینگ» مقاله‌ای منتشر ساخت که بعدها به «تست تورینگ» مشهور شد. بر اساس این آزمون، اگر فردی از راه دور با یک کامپیوتر ارتباط برقرار نماید و نداند که طرف مقابلش یک انسان نیست، آنگاه آن کامپیوتر را می‌توان هوشمند دانست. امروزه هوش مصنوعی با پیشرفت‌های فراوانی همراه شده و شاخه‌های متعددی از آن، اعم از یادگیری ماشین، یادگیری عمیق و ...، در حوزه‌ها و صنایع گوناگون مورد استفاده قرار می‌گیرند. به معنای ساده، هوش مصنوعی را می‌توان ایجاد هوشمندی در ماشین‌ها دانست. فناوری هوش مصنوعی، شاخه‌ای از علوم کامپیوتر است که درصدد ارائه راه‌حل‌های الگوریتمی با هدف هوشمندسازی ماشین‌ها است. اما این پرسش به ذهن می‌رسد که منظور از هوشمندی چیست؟

در پاسخ به این پرسش، باید گفت که استدلال، منطق و قدرت تصمیم‌گیری، مواردی هستند که موجب تمایز انسان به‌عنوان یک موجود هوشمند با ماشین‌ها می‌گردد. حال اگر بتوان کاری کرد که برای مثال، یک کامپیوتر نیز بتواند دارای قابلیت استدلال و تصمیم‌گیری شود، عملاً یک کامپیوتر هوشمند ایجاد کرده‌ایم.

یکی از ابزارهایی که می‌توان هوش مصنوعی به معنای ماشین‌ها و کامپیوترهای هوشمند را در دنیای واقعی به‌کار گرفت، یادگیری ماشین یا «Machine Learning» است. یادگیری ماشین، سیستمی است که تجربه را به دانش بدل می‌کند. به عبارت بهتر، یادگیری ماشین به عنوان یکی از محبوب‌ترین شاخه‌های هوش مصنوعی، یک سیستم هوشمند است که با استفاده از داده‌های اطلاعاتی قبلی، الگوها و قوانین را به سرعت شناسایی نموده و از آن‌ها به‌عنوان دانشی برای واکنش‌های آتی استفاده می‌نماید.

یادگیری عمیق یا «Deep Learning» نیز، زیرسیستمی از یادگیری ماشین به حساب می‌آید که با الهام گرفتن از مغز انسان، معماری ویژه‌ای با تعداد لایه‌های فراوان را در یک شبکه به جریان می‌اندازد. با توجه به روند محسوس کاهش هزینه‌های محاسباتی، ایده یادگیری عمیق، تلفیقی از علوم اعصاب و کامپیوتر است که دو ویژگی «ساختار سلسله مراتبی غیرخطی در لایه‌ها» و «دخالت دادن وابستگی‌های زمانی در فرآیند یادگیری»، از مشخصه‌های اصلی آن است.

لازم به ذکر است که سرعت و قدرت پردازش بسیار بالای مغز انسان، ناشی از ارتباطات بی‌شماری است که بین سلول‌های سازنده مغز وجود دارد. عملکرد بسیار خوب مغز در حل انواع مسائل، باعث شده است تا ایده شبیه‌سازی مغز و قابلیت‌های آن، بین متخصصین علوم کامپیوتری مطرح گردد. شبکه‌های عصبی مصنوعی یا «Artificial Neural Networks»، یک زیرشاخه از هوش محاسباتی به‌عنوان یکی از شاخه‌های اصلی هوش مصنوعی به شمار می‌رود که با شبیه‌سازی عملکرد مغز، به دنبال حل مسائل پیچیده و دشوار در حوزه‌های مختلف زندگی بشر است.

 

فناوری هوش مصنوعی و ثبت اختراع

آمار و ارقام حاصل از دفاتر ملی و منطقه‌ای ثبت اختراع، نشان می‌دهد که فعالیت‌های مرتبط با حفاظت از نوآوری‌های توسعه داده شده در حوزه فناوری هوش مصنوعی و ثبت آن‌ها در سیستم پتنت، بسیار پررونق بوده و استقبال گسترده‌ای از سوی شرکت‌ها، دانشگاه‌ها و سایر مؤسسات تحقیقاتی به عمل آمده است. ظهور فناوری هوش مصنوعی به‌عنوان یک دیدگاه نظری در دهه ۱۹۵۰ میلادی و بسط و گسترش آن در طی دهه‌های اخیر تا تجاری‌سازی آن، یک فرآیند پر پیچ‌وخم و کاملاً افزایشی از نظر تعداد پتنت‌ها بوده است؛ این روند افزایشی، به گونه‌ای بوده که در این بازه زمانی، نوآوران و محققین موفق به ثبت بالغ بر ۳۴۰ هزار اختراع و ارائه بیش از ۱.۶ میلیون انتشار علمی مرتبط با این فناوری شده‌اند. جالب اینجا است که با دقت در روند ثبت اختراعات مرتبط با «AI»، می‌توان دریافت که استفاده از سیستم پتنت برای حفاظت از دستاوردهای فناورانه و ابداعات صورت گرفته، کاملاً افزایشی بوده است؛ به‌طوری که بیش از نیمی از پتنت‌های یاد شده، در بازه زمانی سال ۲۰۱۳ میلادی به این‌سو، انتشار یافته‌اند. این در حالی است که انتشار مقالات علمی در این زمینه، از سال ۲۰۰۱ به این‌سو، روندی تصاعدی یافته است و از این منظر، می‌توان گفت که یک اختلاف زمانی ۱۲ ساله، بین نقطه شروع افزایش‌های چشمگیر پتنت و مقالات علمی به چشم می‌خورد.

یک نکته جالب دیگر در این زمینه، افزایش سهم پتنت‌ها در کل دستاوردهای علمی و توسعه‌ای است؛ به‌طوری که نسبت مقالات علمی به اختراعات، از «۸ به ۱» در سال ۲۰۱۰ میلادی، به «۳ به ۱» در سال ۲۰۱۶، کاهش یافته است. با توجه به افزایش چشمگیر سهم پتنت‌ها در توسعه فناوری هوش مصنوعی، می‌توان چنین استنباط نمود که در سال‌های اخیر، نوعی تغییر مسیر از تحقیقات نظری به سمت تجاری‌سازی و استفاده از فناوری در محصولات و خدمات عرضه شده به بازار، در حال وقوع است.

همچنین باید به این نکته اشاره شود که میانگین رشد پتنت‌های با موضوع فناوری هوش مصنوعی، از میانگین رشد پتنت‌ها در تمامی زمینه‌های فناوری، در حدود ۱۰ درصد بالاتر بوده است که نشان می‌دهد، تجاری‌سازی و لزوم حفاظت از نوآوری‌ها در این حوزه، روندی صعودی را طی می‌کند.

 

هوش مصنوعی؛ تکنیک‌ها، کاربردها و زمینه‌های صنعتی

برای درک بهتر روند تغییرات و پیشرفت‌های صورت گرفته در حوزه هوش مصنوعی، فناوری‌های مرتبط با آن، به سه طبقه کلی تقسیم شده‌اند که به ترتیب، عبارتند از:

  • «Techniques used in AI»: تکنیک‌های استفاده شده در «AI»، مانند یادگیری ماشین؛
  • «Functional Applications»: کاربردهای کارکردی «AI»، مانند پردازش گفتار و تصاویر (چشم‌انداز) کامپیوتری؛
  • «Application Fields»: زمینه‌های کاربردی (صنایع) مانند مخابرات و حمل‌ونقل.

برای هر یک از این حوزه‌های فناوری، داده‌های ثبت اختراع بکار گرفته شده تا روند تغییرات از گذشته تا به امروز، بازیگران کلیدی، گستره جغرافیایی و بازارهای فعال و نیز آینده پیش رو، تا حدی شفاف و مشخص گردد. لازم به ذکر است، مسائلی مانند کاربردهای فعلی و بالقوه فناوری هوش مصنوعی و تأثیرات آن از منظر چهارچوب‌های قانونی و حقوقی، نگرانی‌ها و ملاحظات اخلاقی و حفاظت از داده‌ها، از دیگر مواردی است که در هر یک از حوزه‌های سه‌گانه مذکور، مورد بررسی قرار گرفته است.

تحلیل داده‌های ثبت اختراع با توجه به طبقه‌بندی صورت گرفته، کمک می‌کند تا رشد نوآوری و به‌تبع آن، سرمایه‌گذاری‌های تحقیق و توسعه‌ای در حوزه‌های مختلف فناوری هوش مصنوعی را به خوبی مشاهده نماییم. بر این اساس، می‌توان گفت که برخی از حوزه‌های فناوری هوش مصنوعی، در مقایسه با دیگر حوزه‌ها، از رشدی بالاتر برخوردار می‌باشند. در ادامه، تحلیل وضعیت هر یک از سه حوزه تقسیم شده، ارائه شده است:

به صورت کلی، قیاس سه حوزه نام برده از نظر تعداد پتنت فامیلی‌ها، حاکی از آن است که از میان کل پتنت فامیلی‌های موجود که بالغ بر ۳۳۷۱۲۵ مورد است، تعداد ۱۵۰۶۳۷ مورد شامل تکنیک‌ها، ۲۰۹۹۱۰ مورد شامل کاربردهای کارکردی و ۲۵۶۵۸۱ مورد شامل کاربردهای صنعتی خواهد بود که البته از این مقادیر ارائه شده برای هر گروه، بخش‌های زیادی به صورت اشتراکی در گروه‌های مختلف قرار داشته و همین مسئله، تا حدودی تفکیک اطلاعات را دشوارتر می‌نماید.

در زمینه تکنیک‌های «AI»، یادگیری ماشین را می‌توان غالب‌ترین مجموعه در میان تکنیک‌ها دانست که حدود یک سوم از کل پتنت‌ها را شامل شده و حاکی از اهمیت این حوزه و توجه بسیار زیاد شرکت‌های فناور به آن است. آمارها نشان می‌دهد که پرونده‌های ثبت اختراع مرتبط با یادگیری ماشین، سالیانه به‌طور متوسط رشدی ۲۸ درصدی را تجربه می‌کنند؛ این روند به نحوی است که تعداد پتنت‌های به ثبت رسیده از ۹۵۶۷ پتنت در سال ۲۰۱۳ به ۲۰۱۹۵ پتنت در سال ۲۰۱۶، افزایش یافته است.

گفتنی است، از مهم‌ترین تکنیک‌های یادگیری ماشین که در زمره نوآوری‌های انقلابی و تحول‌آفرین قرار می‌گیرند، می‌توان به یادگیری عمیق و شبکه‌های عصبی اشاره نمود  که در میان موضوعات مختلف «AI»، سریع‌ترین رشد را از نظر تعداد پتنت به خود اختصاص داده‌اند. (یادگیری عمیق در بازه زمانی ۲۰۱۳ تا ۲۰۱۶ میلادی، رشد ۱۷۵ درصدی را تجربه نموده و به ۲۳۹۹ پتنت در سال ۲۰۱۶ رسیده است. شبکه‌های عصبی نیز در این فاصله زمانی، با رشدی ۴۶ درصدی، ۶۵۰۶ پتنت در سال ۲۰۱۶ را به خود اختصاص داده است.)

در حوزه کاربردهای کارکردی «AI»، تصاویر کامپیوتری شامل تشخیص تصاویر، محبوب‌ترین شاخه محسوب می‌شود. در مجموع، تصاویر کامپیوتری با ۱۶۷۰۳۸ پتنت و رشد سالیانه ۲۴ درصدی، بیشترین سهم را در بین پتنت‌های مرتبط با فناوری هوش مصنوعی، به خود اختصاص داده است. (تعداد پتنت‌های ثبت شده در سال ۲۰۱۶ با موضوع تصاویر کامپیوتری، برابر با ۲۱۰۱۱ پتنت بوده است.)

لازم به تأکید است، در میان موضوعات و شاخه‌های مختلف کاربردهای کارکردی «AI»، بیشترین نرخ رشد در بازه زمانی سال‌های ۲۰۱۳ تا  ۲۰۱۶ میلادی، متعلق به متدها و روش‌های رباتیک و کنترل بوده است که هر دو، به طور متوسط افزایشی ۵۵ درصدی را در هر سال تجربه نموده‌اند.

اما توسعه و پیشرفت فناوری هوش مصنوعی در سال‌های اخیر، تنها در تکنیک‌ها و کاربردهای کارکردی آن خلاصه نمی‌شود و بسیاری از پتنت‌های مرتبط با این فناوری، به اختراعاتی اشاره دارند که می‌تواند در صنایع مختلف به‌کار گرفته شوند. از این منظر، پتنت‌های فوق را نباید به‌عنوان یک مجموعه اطلاعاتی افشاء شده پیرامون یک روش یا فرآیند جدید در فناوری «AI» دانست، بلکه اغلب به یک زمینه کاربردی از صنعت اشاره می‌کنند که می‌تواند از فناوری فوق برای بهبود عملکرد یک محصول یا خدمت، استفاده نماید. آنالیزهای انجام گرفته، نشان می‌دهد که بسیاری از صنایع و بخش‌های تجاری، در حال استفاده تجاری از «AI» در محصولات مرتبط هستند.

با بررسی دقیق پتنت‌های مرتبط با فناوری هوش مصنوعی، می‌توان بیست حوزه کاربردی را مشخص نمود که در مجموع، حداقل در ۶۲ درصد از پتنت‌های مورد اشاره، به صورت یک کاربرد خاص و یا مجموعه‌ای از کاربردهای بالقوه، قرار گرفته‌اند. از مهم‌ترین این حوزه‌ها، می‌توان از مخابرات (۱۵ درصد از پتنت‌ها)، حمل‌ونقل (۱۵ درصد از پتنت‌ها)، علوم پزشکی (۱۲ درصد از پتنت‌ها) و دستگاه‌های شخصی، محاسبات و تعامل انسان و کامپیوتر (۱۱ در صد از پتنت‌ها) نام برد.

از آمار فوق، می‌توان به یک نتیجه کلیدی دیگر نیز دست یافت. بسیاری از فناوری‌های هوش مصنوعی، به دلیل ماهیت آن‌ها و حوزه‌های گسترده کاربردی، قابل استفاده در صنایع مختلفی هستند. همین عامل، موجب شده است تا پتنت‌های این حوزه، به طیف وسیعی از صنایع و بخش‌های کسب‌وکار اشاره نمایند. در این میان، حوزه حمل‌ونقل به‌عنوان کلیدی‌ترین حوزه کاربرد مطرح است که توانسته بیشترین نرخ رشد در درخواست‌های ثبت اختراع مرتبط با «AI» را در بین حوزه‌های کاربردی مختلف به خود اختصاص دهد. این حوزه، با رشد ۳۳ درصدی در طی سال‌های ۲۰۱۳ تا ۲۰۱۶ میلادی، ۸۷۶۴ درخواست ثبت پتنت را در سال ۲۰۱۶ به خود اختصاص داده است. (بیشترین رشد در میان شاخه‌های مختلف حوزه حمل‌ونقل، متعلق به بخش هوافضا و هوانوردی الکترونیک «Avionics» با ۶۷ درصد رشد و ۱۸۱۳ پتنت ثبت شده در سال ۲۰۱۶ و خودروهای خودران با رشد ۴۲ درصدی و ۵۵۶۹ پتنت ثبت شده در سال ۲۰۱۶ است.)

اگر فعالیت‌های ثبت اختراع در حوزه فناوری هوش مصنوعی، به‌ویژه در بخش حمل‌ونقل را در یک بازه وسیع‌تر شامل سال‌های ۲۰۰۶ تا ۲۰۱۶ میلادی بررسی نماییم، روند توسعه و کاربردهای «AI» در این صنعت، بهتر نمایان می‌گردد. در حالی که تنها ۲۰ درصد از پتنت‌ها در سال ۲۰۰۶ به حوزه حمل‌ونقل به‌عنوان یک کاربرد بالقوه برای فناوری‌های پتنت شده اشاره داشتند، این رقم در سال ۲۰۱۶ میلادی، به تقریباً یک سوم پتنت‌ها (حدود ۸۷۰۰ درخواست ثبت اختراع) افزایش یافته است.

به موازات رشد چشمگیر فعالیت‌های ثبت اختراع در حوزه حمل‌ونقل، پتنت‌های با موضوع هوش مصنوعی مرتبط با ارتباطات مخابراتی نیز رشدی به نسبت زیاد را تجربه نموده است. در بازه زمانی سال‌های ۲۰۱۳ تا ۲۰۱۶ میلادی، تعداد پتنت‌های فوق با رشد سالیانه  ۲۳ درصدی، به ۶۶۸۴ درخواست رسیده است که بیشترین رشد، به شبکه‌های کامپیوتری و اینترنت و همچنین رادیو و تلویزیون اختصاص داشته که هر دو ۱۷ درصدی می‌باشند. پس از این دو زیرگروه، علوم پزشکی و مراقبت‌های بهداشتی نیز با ۱۲ درصد، در رده بعدی قرار دارد.

یکی دیگر از روندهای مشهود در زمینه نوآوری‌های حوزه هوش مصنوعی، نزدیک شدن و همگرایی سه طبقه تکنیک‌ها، کاربردها و زمینه‌های صنعتی در طی سال‌های اخیر است. تقریباً ۷۰ درصد از اختراعات مرتبط با «AI»، یک تکنیک، کاربرد و یا زمینه صنعتی را در ترکیب با دیگری در بر گرفته است. شایع‌ترین این ترکیبات، به شرح زیر است:

  • یادگیری عمیق با چشم‌انداز کامپیوتری؛
  • چشم‌انداز کامپیوتری با حوزه حمل‌ونقل؛
  • مخابرات و امنیت؛
  • مهندسی هستی‌شناسی «Ontology Engineering» و پردازش زبانی؛
  • یادگیری ماشین و علوم پزشکی و زیستی.

گفتنی است، ترکیب‌های فوق را می‌توان برآیندی از تحولات سریع فناوری هوش مصنوعی در آینده نزدیک دانست.

 

شرکت‌های فناور برتر در زمینه «AI»

اگر از جنبه بازیگران پیشرو در توسعه و تجاری‌سازی فناوری هوش مصنوعی، به پتنت‌های این حوزه نگاه کنیم، اولین نکته مشهود، غالب بودن شرکت‌های فناور در مقایسه با دانشگاه‌ها و مؤسسات تحقیقاتی است. شرکت‌ها و بنگاه‌های اقتصادی، به‌ویژه شرکت‌های ژاپنی، آمریکایی و چینی، بیشترین فعالیت‌های صورت گرفته در این زمینه را به خود اختصاص داده‌اند و همین عامل، موجب شده است تا از ۳۰ متقاضی برتر ثبت اختراع، ۲۶ مورد را شرکت‌های فناور و تنها ۴ مورد را دانشگاه‌ها و مراکز تحقیقاتی تشکیل دهند. این الگو، تقریباً در تمامی شاخه‌ها، اعم از تکنیک‌ها، کاربردها و زمینه‌های صنعتی هوش مصنوعی، به چشم می‌خورد.

از منظر جغرافیایی نیز، ژاپن با داشتن ۱۲ نماینده در بین ۲۰ شرکت برتر، در صدر قرار گرفته است و آمریکا با ۳ شرکت و چین با ۲ شرکت، در رده‌های بعدی جای دارند. شرکت‌های فعال در زمینه طراحی و ساخت وسایل و تجهیزات الکترونیک مصرفی ژاپنی، حضوری پررنگ در این زمینه دارند. اگر پتنت را یک معیار خوب برای پیشگامی در توسعه و تجاری‌سازی نوآوری محسوب کنیم، شرکت‌های «IBM» و مایکروسافت را می‌توان رهبران فناوری هوش مصنوعی در زمینه‌های مختلف آن دانست. این غول‌های فناوری جهان، به ترتیب با ۸۲۹۰ و ۵۹۳۰ درخواست ثبت پتنت، در زمره دارندگان بیشترین پرونده‌های پتنت در این حوزه به شمار می‌روند و بررسی سبد پتنت متعلق به هر یک از آن‌ها، نشان می‌دهد که فعالیت‌های گسترده‌ای در زمینه توسعه تکنیک‌ها، کاربردها و معرفی زمینه‌های صنعتی مرتبط با فناوری‌های توسعه‌یافته، انجام داده‌اند. این دو شرکت را می‌توان یک مثال بسیار خوب از شرکت‌های نسل جدیدی دانست که خود را به یک صنعت یا حوزه خاص محدود نکرده و پیوسته در حال توسعه قابلیت‌های فناورانه خود در حوزه‌های دارای پتانسیل تجاری هستند.

پس از «IBM» و مایکروسافت، شرکت‌های توشیبا، سامسونگ و «NEC» با ۵۲۲۳، ۵۱۰۲ و ۴۴۰۶ درخواست، در رده‌های سوم تا پنجم شرکت‌های برتر جای گرفته‌اند. یکی از شرکت‌هایی که با افزایش ۷۰ درصدی پتنت‌های خود در خلال سال‌های ۲۰۱۳ تا ۲۰۱۶ میلادی، توانسته است به جمع ۲۰ شرکت برتر در حوزه فناوری هوش مصنوعی راه یابد، شرکت چینی «Grid State» است که بیشتر بر موضوع یادگیری ماشین تمرکز دارد.

در ارتباط با تکنیک‌ها و زمینه‌های کاربردی فناوری هوش مصنوعی، بیشترین تعداد پتنت، متعلق به شرکت‌هایی است که در آن زمینه خاص، بیشترین تخصص و قابلیت فناورانه را داشته‌اند. برای مثال، شرکت «بایدو» به شدت در زمینه یادگیری عمیق توانمند است و طبیعتاً رتبه خوبی در این شاخه را به خود اختصاص داده است. در این خصوص، «فرانسیس گری»، مدیر وایپو، با اشاره به پتانسیل‌های فناوری هوش مصنوعی در ورود به تمامی حوزه‌های زندگی بشر، در جمع خبرنگاران اظهار داشت: «در سال‌های آینده، فناوری هوش مصنوعی می‌تواند کاربردهای وسیع نظامی و اقتصادی داشته باشد که موجب رشد هر چه بیشتر آن خواهند شد. غول‌های جستجوی اینترنتی، مانند گوگل و بایدو، کلید انقلاب هوش مصنوعی محسوب می‌شوند که عمده دلیل آن، دسترسی به داده‌های اطلاعاتی عظیم است.»

مثال دیگر، شرکت‌های تویوتا و بوش در زمینه حمل‌ونقل و زیمنس، فیلیپس و سامسونگ در زمینه علوم پزشکی و زیستی می‌باشند. باید توجه داشت که برخلاف شرکت‌هایی مانند «IBM» و مایکروسافت که به همه شاخه‌ها و زمینه‌های فناوری هوش مصنوعی ورود نموده و پتنت‌های متعددی به ثبت رسانیده‌اند، تعدادی دیگر از شرکت‌های مشهور و بسیار معتبر نیز وجود دارند که به صورت کلی در میان بازیگران برتر قرار نداشته و در عوض، بر روی یک شاخه کاملاً خاص از فناوری هوش مصنوعی تمرکز نموده‌اند. فیسبوک و «Tencent»، از مشهورترین این شرکت‌ها به حساب می‌آیند که سرمایه‌گذاری‌های تحقیق و توسعه‌ای خود را بیشتر بر شبکه‌های اجتماعی و کاربردهای هوش مصنوعی در آن‌ها صورت داده‌اند. تخصص و قابلیت فناورانه در یک صنعت خاص و دسترسی به داده‌های تخصصی، از مهم‌ترین مواردی است که می‌تواند این پدیده را توضیح دهد.

 

فناوری هوش مصنوعی و نقش دانشگاه‌ها در توسعه آن

علیرغم تسلط کامل شرکت‌های فناور بر فعالیت‌های ثبت و انتشار پتنت در حوزه «AI»، دانشگاه‌ها و مراکز تحقیقاتی دولتی نیز، نقش مهمی در اختراعات حوزه هوش مصنوعی (در برخی شاخه‌های خاص آن) دارند. بررسی‌ها نشان می‌دهند که دانشگاه‌ها بیشتر بر تکنیک‌های یادگیری ماشین و علوم و ربات‌های عصبی «Neurorobotics» تمرکز نموده‌اند.

جالب است که پیشگام دانشگاه‌های جهان در زمینه توسعه فناوری‌های هوش مصنوعی، دانشگاه‌های چینی هستند. چین در میان ۲۰ مرکز آکادمیک برتر در این زمینه، ۱۷ نماینده دارد که نشان می‌دهد، سرمایه‌گذاری فراوانی در دانشگاه‌های چینی بر روی موضوع هوش مصنوعی انجام گرفته است. چین در زمینه انتشارات علمی مرتبط با «AI» نیز پیشگام است و سهمی ۵۰ درصدی از ۲۰ انتشارات برتر در این حوزه را به خود اختصاص داده است.

گفتنی است، سازمان‌های چینی در فناوری نوظهور یادگیری عمیق، به شدت قوی و توانمند هستند. برترین سازمان تحقیقاتی عمومی به‌عنوان متقاضی ثبت اختراع با موضوع هوش مصنوعی، آکادمی چینی «CAS» است که بیش از ۲۵۰۰ پتنت فامیلی و بالغ بر ۲۰۰۰۰ مقاله انتشار یافته را به خود اختصاص داده است. در طی سال‌های اخیر، نرخ رشد درخواست‌های ثبت اختراع سازمان‌های تحقیقاتی دولتی چین، برابر با ۲۰ درصد بوده است که با نرخ رشد سازمان‌های مشابه در کشورهای دیگر، مطابقت دارد.

دومین سازمان تحقیقاتی دولتی برتر در این زمینه، مؤسسه کره‌ای «ETRI» است که در بین دانشگاه‌ها و مراکز تحقیقاتی در رده دوم قرار گرفته است. این مؤسسه، همچنین توانسته است در میان ۳۰  متقاضی برتر پتنت‌های هوش مصنوعی قرار گیرد.

اگر بازیگران فعال در زمینه ثبت و انتشار پتنت در حوزه هوش مصنوعی را کمی گسترده‌تر بررسی کنیم، می‌توان چنین نتیجه گرفت که در میان ۵۰۰ متقاضی برتر ثبت اختراع، ۱۶۷ دانشگاه و سازمان تحقیقاتی عمومی وجود دارد که از این تعداد، ۱۱۰ مرکز متعلق به چین است. آمریکا با ۲۰ نهاد و کره جنوبی با ۱۹ نهاد، در رده‌های بعدی جای گرفته‌اند. (۴ سازمان تحقیقاتی اروپایی نیز در این فهرست جای دارند که مؤسسه فرانهوفر آلمان با قرار گرفتن در جایگاه ۱۵۹، برترین مرکز تحقیقاتی اروپایی محسوب می‌شود.)

 

کشورهای پیشرو در توسعه فناوری هوش مصنوعی

دفاتر ثبت اختراع چین و آمریکا، توانسته‌اند با بیشترین درخواست ثبت پتنت، در صدر فهرست دفاتر ملی و منطقه‌ای قرار گرفته و خود را به‌عنوان کشورهای پیشرو در زمینه توسعه نوآوری‌های هوش مصنوعی مطرح نمایند. ژاپن نیز، در رده سوم جای گرفته است. نکته جالب، قرار گرفتن سیستم «PCT» در رده چهارم بیشترین درخواست‌های ثبت اختراع در این حوزه است که با افزایش روزافزون به‌کارگیری این سیستم از سوی مخترعین و شرکت‌های فناور برای ثبت یک درخواست واحد به جای چندین درخواست ثبت اختراع، رخ داده است.

نکته جالب دیگر، روند بین‌المللی شدن محدوده‌های جغرافیایی مدنظر متقاضیان برای حفاظت از اختراعاتشان بوده که در سال‌های اخیر به شدت مشهود است. بررسی‌ها نشان می‌دهد که بیش از یک سوم درخواست‌های ثبت اختراع، پس از ثبت در سیستم پتنت نخست، در سایر سیستم‌ها نیز به ثبت می‌رسند و حتی تعداد اختراعاتی که در پنج حوزه قضایی و یا بیشتر تحت حفاظت قرار دارند، به ۸ درصد رسیده است. در بین سه دفتر ثبت اختراع برتر نیز، بیش از ۴۰ درصد درخواست‌هایی که برای اولین بار در ژاپن به ثبت می‌رسند، در سیستم‌های پتنت دیگر نیز ثبت شده‌اند. این رقم، در مورد آمریکا و چین، به ترتیب برابر با ۳۲ و ۴ درصد است. این ارقام، حاکی از این است که در حال حاضر، شرکت‌ها و دانشگاه‌های چینی، بیشتر بر فعالیت‌های ثبت اختراع در کشور خودشان متمرکز هستند.

نـام و نام خانوادگی
پست الکترونیک
نظر شما
کد امنیتی (حروف بزرگ)
پربازدیدترین‌ها
گزارش عملکرد دفاتر همکار طی سال‌های ۹۴ تا ۹۷
گزارش عملکرد دفاتر همکار طی سال‌های ۹۴ تا ۹۷
نظر به توسعه کمی و کیفی دفاتر همکار کانون پتنت و فعالیت‌های گسترده آن‌ها در برگزاری دوره‌های آموزشی و نیز، جذب و ثبت درخواست، این گزارش به بررسی و آنالیز عملکرد این دفاتر در طی سال‌های ۹۴ تا ۹۷ می‌پردازد. گفتنی است، آمار مورد استفاده در گزارش، مرتبط با فعالیت‌های ثبت درخواست دفاتر و نتایج بررسی‌های شکلی و ماهوی کارشناسان کانون، از ابتدای سال ۹۴ تا تاریخ ۷ اسفند ۹۷ است.
نوآوری باز و حقوق مالکیت فکری
نوآوری باز و حقوق مالکیت فکری
نوآوری باز، یکی از پارادایم‌های مطرح بوده که با افزایش تعاملات و همکاری‌های فناورانه، به راهکاری مؤثر برای توسعه هر چه بیشتر نوآوری‌های فناورانه بدل شده است. اما پرسش اینجا است که نوآوری‌ها و ابداعات حاصل از نوآوری باز را چگونه می‌توان از منظر حقوق مالکیت فکری بررسی نمود. به عبارت بهتر، وضعیت دارایی‌های فکری توسعه یافته توسط چندین شرکت فناور، به چه صورت است؟ آیا نوآوری باز، موجب چالش‌هایی در زمینه مالکیت آن‌ها خواهد شد؟ این‌ها پرسش‌هایی است که در این نوشتار به آن‌ها خواهیم پرداخت.
استراتژی‌های ثبت اختراع در سیستم پتنت اروپایی
استراتژی‌های ثبت اختراع در سیستم پتنت اروپایی
شرکت‌های فناور اروپایی و خارجی، برای حفاظت از فناوری‌ها و محصولات نوآورانه خود در این منطقه جغرافیایی، دو راه پیش رو دارند: یکی دفاتر ثبت اختراع ملی هر یک از کشورهای اروپایی و دوم بهره گرفتن از سیستم پتنت اروپا. در این مقاله، سعی خواهد شد تا با بررسی این دو گزینه و استراتژی‌های اتخاذ شده توسط شرکت‌های فناور در زمینه ثبت اختراع در اروپا، اهمیت نسبی هر یک از آن‌ها را ارزیابی نماییم.
مروری بر سیستم‌های «PCT»، «مادرید» و «لاهه» در سال ۲۰۱۸
مروری بر سیستم‌های «PCT»، «مادرید» و «لاهه» در سال ۲۰۱۸
سازمان جهانی مالکیت فکری، سالیانه گزارشی در خصوص روندهای ثبت درخواست‌های بین‌المللی «PCT»، علائم تجاری در سیستم مادرید و طراحی‌های صنعتی در سیستم لاهه منتشر نموده که مورد توجه علاقه‌مندان به حوزه و جغرافیای نوآوری، قرار می‌گیرد. گزارش جدید وایپو که در خصوص سال ۲۰۱۸ انتشار یافته است، به بررسی تحولات رخ داده در این بازه زمانی و نقش هر یک از بازیگران حوزه مالکیت فکری، پرداخته است. در نوشتار حاضر، به بررسی کلان گزارش مذکور و تغییر و تحولات در اکوسیستم نوآوری از منظر وایپو، می‌پردازیم.
مدیریت مالکیت فکری در استارت‌آپ‌ها
مدیریت مالکیت فکری در استارت‌آپ‌ها
کسب‌وکارهای نوپا، دارای ویژگی‌های منحصربه‌فردی هستند که آن‌ها را از یک شرکت فناور بزرگ و ساختاریافته، متمایز می‌سازد. بدیهی است، فعالیت در حوزه فناوری و سروکار داشتن مستمر با مقوله نوآوری، به معنای نقش پررنگ «مالکیت فکری» در استارت‌آپ‌ها است. در این مقاله، سعی خواهد شد تا مهم‌ترین مسائل مرتبط با مدیریت مالکیت فکری در استارت‌آپ‌ها، مورد بررسی و تجزیه‌وتحلیل قرار گیرد.
برنامه راهبردی «USPTO»؛ ۲۰۱۸ تا ۲۰۲۲ میلادی
برنامه راهبردی «USPTO»؛ ۲۰۱۸ تا ۲۰۲۲ میلادی
در این نوشتار، به منظور درک بهتر مسائل و چالش‌های دفاتر مالکیت فکری و آشنایی با مهم‌ترین اهداف تعریف شده از سوی این دفاتر، آخرین برنامه راهبردی دفتر ثبت اختراعات و علائم تجاری آمریکا را، به‌عنوان یکی از دفاتر بزرگ و معتبر دنیای «IP» که تحت عنوان «برنامه راهبردی ۲۰۲۲-۲۰۱۸» انتشار یافته است، مرور خواهیم کرد.