利用AI寫專利稿的可能性初探 — AI的工作原理與限制

【劉宏明╱房地產公司專案執行經理】

※如欲轉載本文，請與北美智權報聯絡

筆者曾經是一名程式設計師，有20年從事專利相關工作的經驗，目前仍致力於撰寫專利說明書。由於工作的需要，筆者也成為了一名專利發明人，申請了超過100件專利。然而，當筆者要寫這篇文章時，筆者不禁感嘆科技的進步神速。過去幾年來，筆者見證了許多企業試圖用電腦程式來實現寫專利的目標，甚至有些已經成功獲得了專利；但是，這些成果都沒有讓筆者感到驚艷；直到最近，利用AI寫專利才真正成為可能。雖然現階段還不夠完善，但根據目前的發展速度，很快就會變成一個非常實用的工具。在這個系列文章中，筆者想先簡單介紹AI的機器學習原理，然後回顧專利寫作的特點，最後探討利用AI撰寫專利稿的前景和挑戰。關於更具體的寫作環節，將在下一篇文章中更深入探討，首篇將著重在探討AI的工作原理與限制。

AI的機器學習原理

機器學習是指電腦能夠從大量的資料中自動找出規律並執行任務，而不需要人類事先給定規則或指令。舉例來說，如果要讓電腦從照片中辨識出鳥類，就需要讓電腦根據一個適合該任務的模型 (model)進行學習。首先，要提供一些已經標示好答案的動物照片給電腦，並讓電腦嘗試回答是否為鳥類。然後，再告訴電腦它的回答是否正確，並利用高效能的AI算力，重複這樣的過程很多次，這個過程就叫做機器學習。當AI的回答正確率達到一定水準之後，就表示該模型訓練完成。訓練完成後的模型，就可以用來執行預定的任務。

AI其實只是掌握很多資訊的機器

AI有它的局限性，主要是因為AI沒有像人類那樣的想像力。如果提供給AI學習的資料中沒有包含某些答案，AI就無法推斷出來。舉例來說，如果任務是要做房屋的物件推薦，但沒有提供客戶在做決策時會考慮哪些因素，AI就無法做出合適的推薦。更進一步舉例，如果客戶的需求是要找鄰居素質好的房屋，但提供給AI學習的資料只有客戶的線上操作行為（例如許多客戶曾經做過選擇的行政區、總價、近公園綠地等等），卻沒有包含客戶對於鄰居素質好的定義或是背後的真正需求，AI自然就無法給出滿意的答案。

學會如何利用AI，將是最關鍵的一步

在了解AI並非萬能，而且未來也不太可能萬能後，筆者就發現，在AI的時代中，最重要的是要學會如何利用AI，或者說如何『協助』AI，讓AI能夠獲得做判斷時所需的關鍵資訊，然後讓AI盡可能地完成任務。例如，如果要求AI提供鄰居素質好的房屋時，同時也要提供客戶對於鄰居素質好的定義或是背後的真正需求，這樣AI才有可能給出更有用的答案。更具體來說，利用GPT（生成式預訓練，Generative Pre-Training）的模型除了可以處理上述模糊或不確定的情況，還能學習或適應新的數據或環境。這就是為什麼AI發展了這麼多年，卻是在ChatGPT推出之後，才『突然』造成如此巨大的震撼的主要原因，也讓一直在發展AI技術的Google被嚇醒，發出代表高度威脅的「紅色警戒」（code red）。

AI其實也不怎麼了解他自己

為了更進一步說明AI的限制，以下將舉一個理論上AI應該很清楚的事情，但AI卻顯得一無所悉的例子，並希望讀者可以從這個限制去了解該如何利用AI。

基於以上內容，相信大家已經能了解GPT的強大之處，但如果明知故問，而且只提出單純的問題，不帶有任何指示，AI的回答只會讓人感到很發散。該問題是：『為什麼AI發展了這麼多年，ChatGPT推出後，很多人都非常驚訝。主要原因是什麼？』，結果不論是ChatGPT、New Bing或Google Bard都只是很發散地描述AI或GPT本身的特性，卻沒辦法解釋主要原因是什麼。這絕對不是AI還無法理解這個指令的含意，只是說明AI真的無法掌握到最關鍵的因素，這就是目前AI的限制。但，當給予AI適當的提示，AI就會顯得好像他突然醒悟過來，給予更為豐富的描述。這就是AI其實是知道答案，但AI在沒有提示，AI就是提不出來，必須要人類給予指導。因此當我的提問後末尾增加『因為傳統的 AI 需要針對特定任務進行機器學習，而 GPT 不需要』時，不論是ChatGPT、New Bing或Google Bard均紛紛表示贊同我的看法，才能開始深入地說明細節。換言之，與AI互動，掌握提示詞(prompt)是至關重要的，目前在國外已有企業高薪聘用提示詞工程師，因為他是所謂懂得運用AI的最核心所在。

不要用錯AI工具

事實上，Google在發展AI技術方面已經有很長的歷史，但由於傳統AI技術無法處理模糊或不確定的情況，只能處理特定任務，例如自動駕駛，所以Google開發了多年的BERT AI並沒有達到商業化的價值。雖然ChatGPT推出後讓Google感到面子掃地，但當Google也採用了GPT原理，並結合了過去累積的大量資料和硬體資源而推出Bard之後，一切又變得不同了。根據筆者實際試用Bard的體驗，突然爆紅的ChatGPT就顯得像小學生一樣。這主要是因為ChatGPT背後的母公司OpenAI缺乏足夠的資金去更新更多的預訓練模型，導致它在回答某些問題時常常出錯。相反的，被商業化應用的微軟所推出的New Bing（或稱bing copilot，底層技術與ChatGPT是相同的）和Google Bard就表現得非常出色，因此在進入AI時代之後，不要只盯著實驗性質較高的ChatGPT，而是要善用真正被商業化的New Bing或Google Bard。不過，在使用這些免費AI工具時，還是要注意可能會有洩漏機密的疑慮。

本機端的AI系統

由於專利文件都是涉及機密性的，甚至有可能因為在使用AI工具的過程導致意外提前洩漏專利機密，因此專利從業者可以考慮自行撰寫本機端的AI系統。OpenAI是有開放付費的API，讓懂得程式開發者可以利用API來進行撰寫專利的任務，卻不用擔心機密外洩的問題。如果不熟悉程式撰寫者，當然也可以利用AI來寫出完整的AI系統。關於如何實作，細節上可以參閱AutoOGPT[1]所公開的內容，當然也可以直接把AutoGPT安裝在本機，只是必須要提醒的是，不太清楚是AutoGPT的作者是故意的，還是程式優化未完成，利用AutoGPT完成相同任務，他將會消耗數倍的Token，實際上支付給OpenAI的費用會暴增許多。

不要抗拒AI，要善用AI

依據筆者與許多人討論AI的經驗，筆者發現許多人其實是被媒體誤導，而對AI產生抗拒。媒體很喜歡用聳動的標題與議題來吸引人，總是喜歡報導某某專業會在多少年以後消失，被AI取代，而認為自己花了10年、20年累積起來的專業，就這麼簡單被AI否定了價值，心理上就很不舒服，進而抗拒AI。然而，如同微軟對於copilot的行銷宣傳，AI只是輔助真人大幅提高工作效率，而非取代真人。在不久的將來，人們只會被善於使用AI的真人所取代。又加上，GPT技術的推出後，讓獲取某些專業的門檻被大幅降低，例如即使原本不懂寫程式的人，只要懂得用AI也能寫出程式碼[2]，而且還可以在完全沒有寫一行程式碼的情況下，只要懂得如何『輔助』AI，就能完成非常複雜的AI程式[3]。

備註：

1. https://github.com/Significant-Gravitas/Auto-GPT
2. 將底下這串描述丟給Google Bard、New Bing或是ChatGPT，就可以寫出AI的Python程式語言，其原理其實與用AI寫專利差不多，都是要懂得『輔助』AI ："用python寫一個程式,內容是從指定的URL讀取CSV檔案,並建立一個函式y=W*x+b,其中x的資料來自於該CSV檔案中YearsExperience欄位資料,而y的資料來自於Salary欄位資料,以X軸與Y軸圖形方式展示x與y的資料,其中每個X軸Y軸交會的點以紅色"X"來顯示, 該圖示的標題為中文字"年資-薪水", x軸標示為文中字"年資",Y軸標示為中文字"月薪(千)"，接受輸入特定的YearsExperience，而回應符合該年資的Salary
3. 這是基於深度強化學習訓練了一個用於打敗最終遊戲魔王的AI 代理，作者有附上他與AI對話與互動的完整過程，讓大家可以更深入體會什麼是要懂得『輔助』AI。 https://github.com/linyiLYi/street-fighter-ai

【詳細內容請見《北美智權報》332期；歡迎訂閱《北美智權報》電子報】