美国专利商标局发布人工智能专利扩散分析报告

点击查看源网页

以下文章来源：中科院知识产权信息，2020-11-23

报告显示，从2002到2018年，美国人工智能专利的年申请量增长超过100%，从每年3万件增加到6万多件，含人工智能的专利申请所占份额从9%上升到近16%。

同时，活跃于人工智能领域的发明人和专利权人比例从1976年的1%上升到2018年的25%。此外，排名前30位的人工智能公司大多来自信息和通信技术领域，也有特例，如美国银行、波音和通用电气。

报告使用机器学习人工智能算法来确定1976至2018年发布的所有美国人工智能专利申请。这一方法能灵活地从专利文档的文本中学习，不受特定分类号和关键字的过度限制，从而提高了识别人工智能专利的准确性。

人工智能的重要性日益提升

报告指出，专利申请量的增加标志着有价值的新技术的出现，这些申请量反映了投资者和创新者的眼光，他们寻求利用新技术进行创新，而人工智能技术则显示出了这种增长趋势。

图1显示了从1976到2018年公开的人工智能专利申请量及其在所有公开专利申请中所占份额的长期趋势。

由于美国发明人保护法（AIPA）在1999年底及其实施期（图1中的灰色区域）所作的修订，2002年后份额开始增长。

从2002到2018年，人工智能专利申请量和份额普遍增加，其中人工智能专利的年申请量增长了一倍以上，从3万件增加到了6万多件。

虽然美国专利商标局的专利申请总量在这段时间内也有所增加，但人工智能申请的占比也出现了显著增长，从2002年的9%增长到2018年的近16%。

图1 1976-2018年美国人工智能专利申请量和占比

图2显示了1990至2018年公开的人工智能组件技术专利申请量，最多的是规划与控制（红色虚线）和知识处理（浅蓝色虚线）。

它们是最通用的人工智能组件技术，其他组件技术（例如机器学习）的专利通常包括规划与控制或知识处理的元素。

自2012年以来，机器学习和计算机视觉领域的专利申请量显著增加。

这两种人工智能技术都是AlexNet在2012年取得成功的关键，AlexNet是2010 ImageNet大规模视觉识别挑战赛的一部分，也是一个分水岭，它改变了图像识别和机器学习（特别是深度学习）的技术轨迹。

人工智能硬件以及计算机视觉的专利申请量同步增长。这两种组件技术专利申请的紧密联系可能反映了图像识别的进步以及计算能力和性能需求之间的相互影响。

专用硬件包括计算机处理器和专用内存的加速器，人工智能的其他应用（例如自动驾驶汽车）也涉及专用硬件。

图2 1990-2018年公开的人工智能组件技术专利申请量

人工智能在技术之间的扩散

本节探讨人工智能技术是否正在扩展到新的领域。对于每件专利申请，USPTO都会审查其技术内容，并根据主题将专利划分到特定的技术分组。

当前系统具有600多个子类，涵盖了大量主题，包括化学、电子、机械和材料等。

图3显示了从1976年开始人工智能的技术扩散情况。与人工智能专利申请总量的增长类似，人工智能正在更大的技术范围中扩散（绿色实线）。

1976年，人工智能的专利出现在大约10％的技术子类中，到2018年，已扩大到42%以上的技术子类中。

人工智能组件技术分成了三个具有不同扩散率的集群，第一个集群是知识处理和规划/控制，正在以最快的速度扩散到各个专利技术类别中，此状态反映了这些人工智能组件在各种技术领域的普遍适用性。第二个集群（视觉、机器学习和人工智能硬件）扩散速度较慢，但仍在增加。第三个集群（进化计算、语音和自然语言处理）的扩散速度最慢，在20世纪90年代后期一直徘徊在5％左右，直到最近才扩展到近10％的技术子类中。

这些集群表明人工智能组件技术之间相互依赖，但需要更多的研究来了解这些模式背后的因素。