至顶网软件频道消息:2016年7月发生了一件奇怪的事情,软银(Softbank)以320亿美元的价格收购了强大的芯片设计商ARM。在对ARM的专利进行尽职调查时,这个通常会持续数周漫长而费力的过程,在短短几天内就会快速完成了。原因在于支持人工智能的软件相比人类来说可以轻松读取各种文档。
软银董事长孙正义(左),ARM董事长Stuart Chambers(右)
Softbank和在收购期间代表ARM的Slaughter&May律师事务所使用相同的、基于AI的工具来搜索ARM和Softbank的专利组合。
Nigel Swycher说,这个搜索本来会花费数周时间,雇佣律师花费数千美元,但是他的创业公司Aistemos提供了一种专利查询工具。位于伦敦的Aistemos表示,它刚刚从包括英国风险投资公司Beringea在内的投资者们手中筹集了300万英镑(约合400万美元)。
像ARM和航空航天公司BAE Systems这样的公司正在越来越多地使用此类软件,不仅仅是为了减少专利律师费用,或者密切关注竞争对手,还要更广泛地寻找收购目标,甚至寻找许可机会。
最近,一家数字货币公司使用Aistemos找出谁在ATM现金转移领域持有专利。当这家公司向Swycher团队进行咨询的时候,很惊讶地发现它是持有此类专利的公司。“很多人持有他们自己都不知道的专利,”Swycher说。
Swycher认为,这个以人工智能为动力的软件可以在几秒钟内读取和分析数以千计的技术信息,打消关于现有哪些类型专利的困扰。
随着时间的推移,这也可能会打开一个现在还主要由专利律师来处理、规模数万亿美元的全球市场,覆盖到保险公司、工程师和市场营销专家。
最近由Aistemos委托撰写的一份报告表明,企业高管相信,如果专利所有权信息更容易获得的话,许可机会将增加6%。
Cipher关于自动驾驶技术的报告
Slaughter&May是专利诉讼领域一家领先的律师事务所,主要帮助企业在收购前做尽职调查。作为在Slaughter&May做了25年的合伙人,Swycher在2016年推出了Cipher工具。他回忆起“一生的伤疤”,在会议室里喝咖啡到凌晨3点,查询数千张纸的信息。
在所谓的数据室(或者说堆满专利文件的房间)中手动浏览文档不仅成本很高,而且有时候是徒劳的。Swycher回忆说,曾经他们在做一个规模十亿美元的交易,高管交易谈判的第60天问他的团队,被收购的公司是否实际拥有其业务的核心技术。
为了回答这个问题,一个由五人组成的团队花了两周的时间阅读专利文件并撰写报告,耗资约65000美元。终于到了交易谈判的第90天时,他们面临毁灭性的结果:同一项核心技术有四个其他专利持有者,其中一个在中国拥有独家许可。
这笔交易实际上已经停止了,但数万美元的咨询费用已经花出去了。
Aistemos创始人Nigel Swycher
Swycher说,这个过程很典型。“我的客户是做并购、许可、管理风险的人,而且我越来越感到沮丧的是,我们要做交易所需的信息并不存在。”
自2014年推出Cipher以来,Aistemos已经向包括ABB、Ocado和BAE Systems在内的约50家企业客户销售每年5万至10万美元的订阅。Swycher说,这种基于浏览器的工具(如FactSet)只回答了一个问题,即“谁在做什么?
在Cipher上一次搜索需要花费相当于10000美元的人工费用、两周时间。“一般我们的普通用户每年进行250次搜索,”他说,表明这一服务在使用大约六次后变得具有成本效益。
“知识产权正在某种程度上复苏。尽管这是一个存在了300年的资产类别,但最近才对如此多的公司来说变得非常重要。每天都有人提交新的知识产权,他们需要看看哪些是已经注册了的。”
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。