生成AIを用いた特許文書品質向上

第16回産業日本語研究会・シンポジウムが「生成AIと言葉、そして私たちの生活はどのように変わっていくか」というテーマで2月5日に開催されました。
特許文書分科会活動では、谷川 英和 弁理士から）「生成AIを用いた特許文書品質向上」という報告がありました。
概要は、以下の通りです。
昨年度、ChatGPTを活用し、特許文書の品質向上にどのように貢献できるかを調査した結果、発明の起案（アイデアの上位概念化、発明展開）、クレーム作成、明細書のチェックで有用性が確認された。一方で、特許調査（特許分類コードの決定、検索式作成）、特許出願に必要な図面作成（概念図は作成できるが、6面図のような詳細図面は難しい）ではまだ課題が残っている。
本年度は、特許文書品質特性モデルの各特性（技術開示性、技術的論理性、明確性、正確性、簡潔性、権利移植性など）に対して、生成AIがどのように寄与できるかを調査した。
2種類のプロンプトを用意し、4技術分野の専門家が手分けして調査を行った結果、特性の定義と例示をしっかり与えるプロンプトの方が適切な回答を得やすい、専門家にとっては有益なヒントを提供、ただし回答を鵜呑みにできない。
今後、生成AIにより、12の各特許品質特性（正確性、簡潔性、一義性、技術開示性、技術的明確性、技術的論理性、発明範囲広範性、発明展開性、強靭性、侵害立証容易性、自社製品等カバー性、他社製品等カバー性）を向上させるために、どのフェーズ（戦略立案（企画）、発明構築、特許調査、特許明細書作成、出願処理、中間処理、登録手続、権利維持、権利無効化、権利行使）で、どのように利用できるのかを、4つの技術分野（機械・電気・化学・ソフト）で検証する。
 
第16回産業日本語研究会・シンポジウム
https://tech-jpn.jp/symposium/symposium-16/
 
第8回特許情報シンポジウム　2024年11月7日
生成ＡＩ等を用いた特許文書品質向上のための取り組み
https://aamtjapio.com/kenkyu/files/symposium2024/tanigawa.pdf
 
特許文書品質特性モデルと生成AIとを用いた特許文書の品質向上
https://www.japio.or.jp/00yearbook/files/2024book/24_a_03.pdf
 
 
 
Improving the Quality of Patent Documents with Generative AI
 
The 16th symposium of the Industrial Japanese Language Study Group was held on February 5th under the theme "How will generative AI, language, and our lives change?
The patent document subcommittee heard a presentation on "Improving the quality of patent documents using generative AI" by patent attorney Hidekazu Tanikawa.
The outline is as follows
Last year, we investigated how ChatGPT could contribute to improving the quality of patent documents, and as a result, we confirmed its usefulness in invention drafting (conceptualizing ideas and developing inventions), claim drafting, and specification review. On the other hand, there are still problems with patent searches (determining patent classification codes and creating search formulas) and the creation of drawings required for patent applications (conceptual drawings can be created, but detailed drawings such as six-view drawings are difficult).
This year, we investigated how the generated AI could contribute to each characteristic (technical disclosure, technical logic, clarity, accuracy, conciseness, legal portability, etc.) of the patent document quality characteristic model.
After preparing two types of prompts and dividing the survey among experts in four technical fields, we found that prompts that clearly provided definitions and examples of the characteristics were more likely to elicit appropriate responses and provided useful cues to the experts, but the responses could not be taken at face value.
In the future, we will use generative AI to improve the 12 patent quality characteristics (accuracy, conciseness, unambiguity, technical disclosure, technical clarity, technical logic, breadth of invention, inventiveness, robustness, ease of proving infringement, coverage of own products, coverage of other companies' products, etc.), and coverage of other companies' products, etc.) at each stage (strategy planning, invention construction, patent search, patent specification writing, application processing, intermediate processing, registration procedures, maintenance of rights, invalidation of rights, and enforcement of rights) in four technical fields (mechanical, electrical, chemical, and software) to improve the quality characteristics of each patent (accuracy, conciseness, unambiguousness, technical disclosure, technical clarity, technical logic, breadth of invention, inventiveness, robustness),

Your browser does not support viewing this document. Click here to download the document.