|
一般所接受AI(artificial intelligence)之定義，係以機器展現智能。更通俗言之，吾人以機器模擬認知性人類功能，如在數學或認知性科學中學習或解決問題。AI藉機器學習始能有成，即以預定聚焦資料組訓練機器學習系統，以使電腦具有不須預程式化即有繼續學習之能力。亦即使用演算法從資料學習，並基於該資料創生預測。使用機器學習，AI能使用來自資料組之學習而解決問題，或給出相關建議。但其於1990晚期運算技術降臨之時始大發，而應用於不同領域，其追求讓人們覺得酷似人為，而非出乎機器。
IBM發明大師Tom Fleischman有段話頗為經典「吾人宜開始訓練機器攝取、消化、了解與分析海量資料，並提出洞見，此非必然給出答案，而在提供有助導向答案之洞見。所提洞見應做為指引，就此而言，IBM稱AI為"增量智慧"，而非”人工智慧”，它不被用來取代人類思考，而在加增人類思維，視之為同事。」
在語意檢索上，機器亦已做出重大貢獻，例如吾人日常使用谷哥大神查詢人名或字彙。這種技術涉及頗多嚇人技術，如深度學習技術、人工神經網路、Bayesian網路、潛伏語意分析與索引等等。值得一提者，則為向量空間模型，其許吾人並列數份文件，然後於多向量空間中映射它們，而呈現其間相似性，其作法為考慮各文件之名詞，並計算定位一文件於空間中一特定點之向量值。隨後以相同方式處理一疑問，並計算該疑問之向量值；該疑問與各文件間之向量距離會告知吾人各答案與該疑問之相關程度。準此，吾人即得排序資料組中文件，即文件向量組愈近該疑問，該答案即更高度相關該疑問。
非但專利數量與複雜度，即母語能力外，了解專利語言之挑戰皆日益增加下，AI將日見重要而有助管理問題，以確保專利制度之健康未來。縱吾人得邁向演算強化可專利性檢索，尚需時若干，始得見專利行政機關擁抱AI技術(於審查)？或用於撰寫專利說明書？或聘僱或發明一發明AI或機器人？或使之探勘潛在解決方案或技術？進步性或非顯而易見性之判斷基準為「"平均"或"假設"人」，屆時如變成一「演算法」，彼時專利世界將係何種情境？AI必然在未來專利世界佔一席之地？
iPEL自命正義，而註冊‘Ethical NPE’商標以行走江湖，對年營業額小於五百萬美元之小企業或新創公司，給予免權利金優惠，且使對手知其存在、並以NDA邀請善意對話前，絕不興訟。iPEL自ZTE、Panasonic及由Transpacific IP頭頭Guy Proulx控制之一些實體取得專利。iPEL正開始廣泛專利購買計劃，而聚焦於中國大陸資產。其早已計畫積極購買優質計畫，並於今年中擁有數千專利。其初期資金一億美元來自老練投資者之期貨資金，多半用於此投資；如有需要，得再得一億美元。雖早期與前專利所有人有利潤分享方案，嗣後多數取得皆屬購買，而無後端利潤分享。儘管成立未久，已有多筆交易，且營收多非來自訴訟，而係來自認知iPEL專利價值之公司。
|