ChatGPT を使用したイノベーションの成功と評価の予測

今回のモデルを利用すれば、特許庁に出願する前に、特許化される可能性（Prediction > Thershold）と経済的な価値（Predicted Value >Threshold）の両方を考慮して、出願可否を判定できる、ということです。
内容が良く理解できなかったので、ChatGPTに聞いてみた結果を添付しておきます。
 
論文調査：Predictive Patentomics: Forecasting Innovation Success and Valuation with ChatGPT
https://www.enlighton.co.jp/post/%E8%AB%96%E6%96%87%E7%B4%B9%E4%BB%8B%EF%BC%9Apredictive-patentomics-forecasting-innovation-success-and-valuation-with-chatgpt
 
 
論文
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4482536
Predictive Patentomics: Forecasting Innovation Success and Valuation with ChatGPT
56 Pages Posted: 18 Jun 2023 Last revised: 3 Jul 2023
Stephen Yang
Pace Academy
 
Date Written: June 16, 2023
 
Abstract
Analysis of innovation has been fundamentally limited by conventional approaches to broad, structural variables. This paper pushes the boundaries, taking an LLM approach to patent analysis with the groundbreaking ChatGPT technology. OpenAI’s state-of-the-art textual model accesses complex information about the quality and impact of each invention to power deep learning predictive models. This nuanced representation of the text drives a 24% incremental improvement in R-squared predicting patent value and clearly isolates the worst and best applications. These models enable a revision of the contemporary Kogan, Papanikolaou, Seru, and Stoffman (2017) valuation of patents by a median deviation of 1.5 times, accounting for potential institutional predictions. Furthermore, the market fails to incorporate timely information about applications; a long-short portfolio based on predicted acceptance rates achieves significant abnormal returns of 3.3% annually. The models provide an opportunity to revolutionize startup and small-firm corporate policy vis-à-vis patenting.
 
概要
イノベーションの分析は、広範な構造変数に対する従来のアプローチでは根本的に制限されてきました。この論文は、画期的な ChatGPT テクノロジーを使用した特許分析への LLM アプローチを採用し、限界を押し広げます。OpenAI の最先端のテキストモデルは、各発明の品質と影響に関する複雑な情報にアクセスして、ディープラーニングの予測モデルを強化します。このテキストの微妙な表現により、特許価値のR二乗予測が 24% 増加し、最悪の出願と最良の出願を明確に区別できます。これらのモデルにより、現代の Kogan、Papanikolaou、Seru、Stoffman (2017) の特許評価を中央値偏差 1.5 倍に修正することが可能になり、潜在的な制度的予測が考慮されます。さらに、市場はアプリケーションに関するタイムリーな情報を取り込んでいません。予測合格率に基づくロングショートポートフォリオは、年間 3.3% という大幅な異常リターンを達成します。このモデルは、特許取得に比べて新興企業や中小企業の企業ポリシーに革命を起こす機会を提供します。
 
Keywords: AI, ChatGPT, Large Language Model, Machine Learning, Innovation, Patents, Patent Success, Patent Applications, Patent Value, Textual Analysis, Natural Language Processing, FinTech