Ulaganja: može li ovaj alat za umjetnu inteligenciju prepoznati znanost koja će dovesti do patenata?
TRI je razvijen od strane istraživača iz tvrtke za analizu podataka League of Scholars, TRI je obučen na više od 20.000 znanstvenih radova, uključujući i one povezane s patentima. Iako alat ne procjenjuje stvarne eksperimentalne podatke ili rezultate, pokazao je obećanje u identifikaciji radova s komercijalnim potencijalom analizom specifične terminologije poput 'prototipa' i ' uređaja'.
Investitori i uredi za prijenos tehnologije sve više se okreću umjetnoj inteligenciji kako bi identificirali obećavajuće znanstveno istraživanje koje bi moglo dovesti do patenata. Novi alat za učenje strojeva, poznat kao Indeks spremnosti za prijevod (TRI), ima za cilj predvidjeti koji znanstveni radovi će vjerojatno rezultirati patentima, mjesecima ili čak godinama prije nego što se dogodi bilo kakvo službeno podnošenje patenata ili komercijalizacija.
TRI sustav obučen je na skup podataka koji obuhvaća 20.610 znanstvenih radova, od kojih je 9.431 bio povezan s patentima. Usporedbom rječnika i fraza ovih radova, algoritam identificira uzorke koji se obično nalaze u istraživanjima koja podliježu patentiranju. Najefikasniji model unutar sustava postigao je stopu točnosti od 78%, što znači da je ispravno rangirao radove povezane s patentom više od onih koji nisu povezani s patentom u usporedbi s sličnim radovima. To sugerira da se određene jezičke značajke, poput pojmova kao što su prototip, uređaj, i dizajn, često koriste u istraživanju koje na kraju dovodi do patenata.
Paul McCarthy, suosnivač League of Scholars i koautor studije, opisao je alat kao sredstvo za trijažiranje istraživanja. Naglasio je da, iako TRI pruža probabilističku procjenu, a ne konačno predviđanje, nudi vrijednu polaznu točku za identifikaciju potencijalno patentiranih radova.
Ti radovi, objavljeni između 2019. i 2026. pokazali su znatno veću vjerojatnost da će se pojaviti koautori povezani s industrijom ili autori s prethodnim iskustvom u patentiranju. Konkretno, 83 od 100 radova imali su koautore povezane s industrijom, a 34 uključivala je barem jednog autora povezanog s UWA-om koji je prethodno podnio patent. Na temelju ovih nalaza, tim trenutno surađuje s nekoliko sveučilišta kako bi dodatno usavršio i implementirao alat.
Iako McCarthy upozorava na oslanjanje isključivo na TRI za donošenje investicijskih odluka, priznaje da bi alat mogao poslužiti kao koristan filter za akademske institucije i tijela za financiranje koja žele dati prednost istraživanju visokog potencijala.
Međutim, sve veća potražnja za učinkovitim metodama za identifikaciju komercijalno relevantnih istraživanja i dalje pokreće inovacije u ovom prostoru.
S ručnim pregledom koji se dokazuje nepraktičnim s obzirom na volumen, alati poput Haystacka postaju neophodni za identifikaciju otkrića koja bi se mogla razviti u održive poslove.
Idi na primarne izvore (2)
Službeni izvori na kojima se izvještavanje temelji. Pročitaj ih izravno da zaobiđeš uokvirivanje.
TRI je razvijen od strane istraživača iz tvrtke za analizu podataka League of Scholars, TRI je obučen na više od 20.000 znanstvenih radova, uključujući i one povezane s patentima. Iako alat ne procjenjuje stvarne eksperimentalne podatke ili rezultate, pokazao je obećanje u identifikaciji radova s komercijalnim potencijalom analizom specifične terminologije poput 'prototipa' i ' uređaja'.
Procjena pristranosti (Sredina): Članak predstavlja razvoj i ispitivanje alata umjetne inteligencije čiji je cilj predviđanje patentiranih istraživanja bez otvorene favoriziranja bilo koje političke ideologije.
Zašto činjenice (95): The article provides detailed information about the Translation Readiness Index (TRI) tool, including its methodology, training data, and performance metrics. These details align with what would be expected from a reputable news outlet like Nature News, and there is no indication of exaggeration or
Zašto objektivnost (90): The article presents the information in a neutral tone, avoiding overt bias or emotional language. It explains both the potential benefits and limitations of the tool without taking a stance, maintaining a balanced perspective.
Istraživači s Kalifornijskog sveučilišta u San Diegu razvili su model umjetne inteligencije za identifikaciju sekvence "inicijatora" u DNK, kritičnog elementa uključenog u aktivaciju gena. Koristeći sekvenciranje visokog prosjeka i strojno učenje, analizirali su više od 500.000 varijacija inicijatora i otkrili da otprilike 60% ljudskih gena sadrži ovu sekvencu.
Procjena pristranosti (Sredina): Članak predstavlja znanstveno istraživanje bez političkih implikacija. Usredotočen je na biološka otkrića i tehnološki napredak, bez pominjanja političkih ideologija, politika ili društvenih rasprava. Okvir ostaje neutralan, naglašavajući tehničke aspekte studije i njezine široke
Zašto činjenice (85): The article presents findings from a study conducted by researchers at UC San Diego using AI to identify the 'initiator' sequence in DNA. It cites the university and the lead researcher, providing context about the methodology (high-throughput sequencing and machine learning) and results (about 60%
Zašto objektivnost (78): The article maintains a generally neutral tone, presenting the research findings without overt bias. However, it uses emotionally charged language such as 'critical for healthy development and growth' and 'resulting in various disorders, including cancer,' which may subtly frame the importance of th
Kako je izvijestila svaka strana
Isti događaj, grupiran prema političkom nagibu medija koji su o njemu izvještavali.
progresivno
sredina
konzervativno
★
Kako je izvijestila svaka strana
Podržite neovisne vijesti svjesne pristranosti i otključajte društveni puls, glasovanje zajednice i sve ostale značajke za podupiratelje.
United Kingdom
