・見逃し視聴ありでお申込み頂いた方は、セミナーの録画動画を一定期間視聴可能です。
・セミナーを復習したい方、当日の受講が難しい方、期間内であれば動画を何度も視聴できます。
・原則、遅くとも開催5営業日後までに録画動画の配信を開始します（一部、編集加工します）。
・視聴期間はセミナー開催日から5営業日後を起点に1週間となります。
ex) 2/6（月）開催 セミナー → 2/10（金）までに配信開始 → 2/17（金）まで視聴可能
※メールにて視聴用URL・パスワードを配信します。配信開始日を過ぎてもメールが届かない場合は必ず弊社までご連絡ください。
※準備出来しだい配信致しますので開始日が早まる可能性もございます。その場合でも終了日は変わりません。
上記例の場合、2/8（水）から開始となっても2/17まで視聴可能です。
※GWや年末年始・お盆期間等を挟む場合、それに応じて弊社の標準配信期間設定を延長します。
※原則、配信期間の延長は致しません。
※万一、見逃し視聴の提供ができなくなった場合、
（見逃し視聴あり）の方の受講料は（見逃し視聴なし）の受講料に準じますので、ご了承ください。
→見逃し視聴について、
こちらから問題なく視聴できるかご確認ください。（テスト視聴動画へ） パスワード「123456」
セミナーポイント
本セミナーではＡＩを用いた効率的な特許調査のすすめ方について特許調査と機械学習の観点から解説します。ChatGPT等の生成系AIに関しても注意点とともに取り上げます。
最近では商用のAIを利用した特許調査ツールも複数登場しています。現在は、AIへの過剰な期待の時期から、冷静にその要件・性能を判断し、活用することが求められる時期に移行中です。
最初に特許調査と検索の基礎について概観します。第３章ではＡＩの概要と特許調査への応用についての留意点と原理的な制限事項について述べます。第４章では、商用AI特許調査ツールの活用事例を紹介します。第５〜７章では、デモを交えてオープンソースを用いた機械学習の特許調査への応用事例として、単語・文書のベクトル化、文書分類、文書ベクトルの次元圧縮による特許公報の俯瞰可視化と技術動向調査への応用を紹介します。第８章ではChatGPT等の生成系AIの特許調査分野での動向に関して取り上げます。
ＡＩを用いて効率的・効果的な特許調査業務を行うためには、調査目的に応じたアルゴリズムと特徴量の選択が重要であり、また教師あり機械学習には良質な教師データの準備が重要です。本セミナーでは、そのような実務上の要点や様々な問題点への対応についても、各種事例をふまえ解説します。
○受講対象：
研究開発者、エンジニア、知財部員等で特許調査の効率化に関心がある方。予備知識は特に必要ありません。
○受講後、習得できること：
１．機械学習による先行技術調査、SDI調査、技術動向調査の効率化
２．特許調査におけるAI利用の現状と注意点
３．商用ＡＩ特許調査ツールの活用事例
４．オープンソースを利用した機械学習による特許調査
５．オープンソースを利用した自分でできる特許情報解析ツールの活用のヒント
セミナー内容
１．はじめに
1.1 講師自己紹介
1.2 アジア特許情報研究会紹介
２．特許調査と検索の基礎
2.1 調査対象と調査範囲の特定・明確化
2.2 マッチングと適合
2.3 特許調査における再現率（網羅性）と適合率（効率）
2.4 先行技術調査と侵害防止調査の検索モデルの違い
2.5 「完全一致」⇔「最良一致」検索モデルの比較
2.6 特許調査システムとその評価方法
３．ＡＩの概要と特許調査への応用
3.1 人工知能（AI:Artificial Intelligence）とは
3.2 AI、機械学習、深層学習について
3.3 AI活用特許調査システムへの過剰な期待
〜現時点でできること／できないこと、性能レベルなど〜
3.4 特許調査への機械学習適応時の留意点
3.5 人とAIの役割分担
3.6 問題の定式化
3.7 AIの使用と情報要求
3.8 シンボルグランディング（記号接地）問題
3.9 ノーフリーランチ（NFL）定理
3.10 フレーム問題
3.11 過学習（汎化性能）
3.12 特徴量選択（醜いアヒルの子の定理）
3.13 データサイエンスベースの特許調査
４．商用AI特許調査ツールの動向・活用事例
4.1 AI特許調査ツールへの要求性能とその選択の考え方
4.2 特許庁におけるAI活用動向
4.3 Patentfieldの活用事例
4.4 PatentfieldのAIセマンティック検索
4.5 PatentfieldのAI分類予測
4.6 THE調査力AI（Deskbee５）のSDI調査事例
4.7 PatentSQUAREのAI検索
4.8 特許調査分野における人工知能（AI）技術の活用動向
５．オープンソースを用いた機械学習の特許調査への応用
5.1 機械学習の概要と特許調査への応用
5.2 機械学習の特許調査への応用時の３要素
5.3 機械学習概要（分類、回帰、クラスタリング、次元圧縮）
5.4 特許分野における自然言語処理導入のメリット
5.5 特許調査用学習済モデルの作成とその評価方法
5.6 先行技術調査の流れ（進め方）
5.7 分散表現（単語埋め込み）とは
5.8 分布仮説に基づいた文脈中の単語の重み学習(word2vec)
5.9 doc2vecによる公報（文書）単位の類似度計算
5.10 doc2vecによる発明の要素（文）単位の類似度計算
６．機械学習のクラス分類の応用事例
6.1 ディープラーニングの基礎検討
6.2 文書のベクトル化検討
6.3 one hotベクトル（BoW、TF・IDF等）
6.4 分散表現ベクトル（word2vec、doc2vec、fastText等）
6.5 機械学習による文書分類
6.6 SDI調査への応用
７．教師無し機械学習（クラスタリング、次元圧縮）の応用
7.1 単語・文書のクラスタリングによる動向調査への応用
7.2 文書ベクトルの次元圧縮による特許公報の俯瞰可視化
7.3 文書分類との組み合わせによるパテントマップの自動作成
８．特許調査実務へのＡＩ利用の現状のまとめと将来展望
8.1 生成系AI（ChatGPT等）の進化と特許調査への影響
8.2 特許調査業務への生成系AI活用にあたっての課題
8.3 他のAI技術との連携による特許調査の最適化
8.5 グローバル特許調査への展開
8.6 特許調査における多言語対応
8.7 ChatGPTのカスタマイズ版
＜質疑応答＞
サイトマップ
よくあるお問合せ
リクエスト
セミナー会場へのアクセス
