Казалось бы, open source и патенты понятия практически несовместимые. Особенно в сфере ИИ. Но за патентами в этой сфере уже давно идет серьезная гонка. Разбираемся с лидерами и смотрим на сами решения. 

Рейтинг держателей патентов 

Итак, сразу же перейдем к рейтингу. ТОП-10 патентодержатей в этой сфере выглядит так: 

1. Pure Storage, Inc. - 10,5%;

2. Fortinet, Inc. - 3,7%;

3. Nvidia Corporation - 3,7%;

4. Intel Corporation - 2,7%;

5. Darktrace Holdings Limited - 2,2%;

6. UiPath, Inc. - 2,1%;

7. Qomplx Llc - 1,7%;

8. KnowBe4, Inc. - 1.6%;

9. Citibank, N.A.- 1,3%;

10. Microsoft Technology Licensing, Llc - 1,2%. 

Любопытно, что Pure Storage весьма значительно лидирует среди компаний. Вероятнее всего, патенты используются ею для лицензирования. Если углубиться в базы данных, нетрудно заметить соответствующие договора с той же IBM.

Любимая корпорация ИИ-оптимистов Nvidia лишь на третьем месте, за ней идет Intel. Microsoft расположилась лишь на десятой строчке. Далее посмотрим на сами патенты. И не только участников нашего рейтинга. 

Генеративные ИИ и агентные ИИ-системы и способы для предотвращения, обнаружения, смягчения последствий и устранения угроз кибербезопасности от AIECONOMY LLC

В этом патенте представлены генеративные ИИ-системы. Они разработаны для предоставления рекомендаций по предотвращению, обнаружению, смягчению последствий и/или устранению угроз кибербезопасности, определяемых на основе ряда доступных источников данных.

Описывается согласованная семантическая структура метаданных, а также система генерации и проверки гипотез, способная создавать модели прогнозной аналитики в неконтролируемом или частично контролируемом режиме. Пользователи и/или ИИ-агенты могут затем подписываться на данные для использования в аналитике кибербезопасности, защите, смягчении последствий, локализации, устранении угроз кибербезопасности и/или проведении контратак против них.

Усовершенствованный мобильный искусственный интеллект для беспроводных устройств от Intel

В данном патенте описываются системы, способы и устройства, предназначенные для обеспечения операций на основе машинного обучения на пользовательском оборудовании (UE), подключенном к сети радиодоступа (RAN).

Сетевая служба или функция ИИ/МО (искусственного интеллекта/машинного обучения) может идентифицировать первый запрос, полученный от устройства пользовательского оборудования (UE), на получение конфигурации модели машинного обучения. Также она может определять местоположение устройства UE, выбирать на основе первого запроса и местоположения доступного агента машинного обучения, формировать второй запрос к доступному агенту машинного обучения для получения конфигурации.

Автоматическая оптимизация входных подсказок (промптов) языковой модели (LM) с использованием текстовых градиентов от Microsoft 

В этом патенте предлагаются системы и способы реализации автоматической оптимизации промптов с использованием текстовых градиентов. В различных вариантах осуществления запрос обратной связи, подаваемый на вход большой языковой модели (LLM), используется для генерации текстовых градиентов, которые выявляют недостатки текущего промпта.

Алгоритм выбора используется для отбора одного или нескольких оптимизированных промптов из набора оптимизированных промптов и/или набора перефразированных промптов, после чего процесс повторяется, при этом выбранный один или несколько оптимизированных промптов заменяют текущий промпт.

Прогнозирование траекторий виртуальных агентов и моделирование дорожного движения для систем машинного моделирования и приложений от Nvidia

В различных примерах представлены системы и способы моделирования траекторий агентов на основе моделей в имитационной среде. Траектория для агента выбирается на основе по меньшей мере одного из множества распределений вероятностей навигации, и перемещение агента в имитационной среде осуществляется на основе как минимум этой выбранной траектории. В некоторых вариантах осуществления алгоритм поиска может применяться на протяжении нескольких временных шагов симуляции, например, для выявления последовательностей распределений вероятностей навигации, не приводящих к столкновениям.

Системы и способы на основе генеративного ИИ для торговли ценными бумагами от Aieconomy 

Здесь предлагаются системы и способы на основе генеративного ИИ для предоставления рекомендаций относительно того, следует ли покупать, продавать или удерживать конкретную ценную бумагу, связанную с той или иной компанией и/или ее конкурентами, на основе анализа ряда доступных источников данных.

Описывается согласованная семантическая структура метаданных, а также система генерации и проверки гипотез, способная создавать модели предиктивной аналитики в режиме обучения без учителя или с частичным обучением. Затем пользователи могут оформить подписку на получение этих данных для использования в целях экономического прогнозирования.

Некоторые выводы

Как мы видим, ИИ-агентов с использованием open source в том или ином виде применяют в самых различных сферах: от кибербеза до торговли на бирже. Очевидно, что те же техногиганты вполне активно используют их на практике. Это не патенты ради патентов. Каждый хочет застолбить за собой определенные ниши, что мы и наблюдаем в данный момент. 

Да, сама философия open source предполагает демократизацию доступа к ИИ, но это вовсе не означает, что результаты этих разработок не будут защищены в том или ином виде. Опять-таки, мы видим лишь вершину айсберга в виде патентов. И тех, кто выигрывает, от лидерства в этой гонке.