人工知能を用いた技術文献・特許調査と研究開発業務への活用
開催日 |
10:00 ~ 17:15 締めきりました |
---|---|
主催者 | 株式会社 技術情報協会 |
キーワード | AI(人工知能) 機械学習・ディープラーニング 知的財産マネジメント |
開催エリア | 東京都 |
開催場所 | 【品川区】技術情報協会セミナールーム |
交通 | 【JR・地下鉄】五反田駅 【東急】大崎広小路駅 |
マーケティング、市場予測、動向調査、材料探索、、、
AIをどのように導入すると、どのような効果が
生まれるのか? 事例とともに解説します!
講師
1.静岡大学 情報学部 講師 須藤 明人 氏
2.昭和電工(株) 知的財産部 知的財産グループ 情報チーム 太田 貴久 氏
3.アジア特許情報研究会 兼 花王(株) 知的財産部 安藤 俊幸 氏
アジア特許情報研究会 兼 (株)ユポ・コーポレーション 市場開発部 西尾 潤 氏
受講料
1名につき 60,000円(消費税抜、昼食・資料付)
〔1社2名以上同時申込の場合のみ1名につき50,000円〕
プログラム
【10:00〜11:30】
1.商品コンセプトの創出を行う人工知能の研究と実用化事例
静岡大学 須藤 明人 氏
【習得できる知識】
・創造性を発揮する人工知能に関する研究の動向
・実務に幅広く活用可能なコンセプト創出を行う講演者の人工知能技術
・コンセプト創出を行う人工知能技術の実用化事例とワークショップの体験
【講座の趣旨】
多くの事業は練りに練ったコンセプトを具現化したものであるため、優れたコンセプトの創出はイノベーションの鍵を握る。講演者はコンセプトの創出を自動化する人工知能技術を研究し、複数の企業で実用化してきた。
本講座では、創造性と人工知能の関係について概観したのち、講演者の技術と実用化事例を述べ、最後に講演者の人工知能を用いたワークショップの簡易版を体験していただく。
1.創造性の自動化を目指した研究の動向
2.コンセプト自動生成の重要性と研究動向
3.講演者の研究しているコンセプト自動生成技術
3-1 コンピューターで扱えるコンセプトの形式
3-2 成功したコンセプトをコンピューターが学ぶ手法
3-3 学習済みのコンピューターによるコンセプトの自動生成
3-4 コンセプト自動生成技術の評価結果
3-5 過去のヒット商品を表す文書データによる評価
4.実用化事例とコンセプト生成以外への応用例
4-1 アイデア創出ワークショップ
4-2 スマートフォンアプリによるアイデア創出
4-3 意外性のある小説のストーリー生成支援
4-4 目を惹く広告キャッチコピーの生成支援
4-5 利用者の声
5.ワークショップの体験
(短時間ですが実際に簡易版のワークショップにご参加いただけます)
6.まとめ
【質疑応答】
【12:15〜13:45】
2.技術文献・特許調査での人工知能導入活用の方法
昭和電工(株) 太田 貴久 氏
【講座の趣旨】
近年、深層学習をはじめとする機械学習(人工知能)技術の発達により、 様々な分野で機械学習を用いた業務の効率化が進められている。 知財分野もその例外ではなく、人工知能を利用して特許関連業務を効率化する 研究や製品、サービスの展開がはじまっている。 本講演では、「先行技術調査/SDI(Selective Dissemination of Information)」や 「開発戦略の立案を支援するための特許調査」に対して人工知能を活用する方法について紹介する。
1.はじめに(基礎知識)
1-1 人工知能について
1-2 自然言語処理について
1) 自然言語処理の難しさ
2) 自然言語処理の一般的な前処理
2.特許/技術文献調査
2-1 特許情報について
2-2 特許調査について
1) 特許のライフサイクルと調査
2) 調査のタイプ
3) 特許調査に必要な3つの目
4) 特許調査へのAI活用
3.『虫の目』AI活用(先行技術調査等の支援)
3-1 特許の自動ランキング
3-2 特許の自動分類
1) AIを用いたSDI
2) 特許検索の評価
3) AIのメンテナンス
3-3 請求項の可読性向上
4.『鳥の目』AI活用(開発戦略立案支援)
4.1 技術動向調査へのAI活用
1) 様々なパテントマップツール
2) AIを用いた出願人のポジション分析
5.『魚の目』AI活用(開発戦略立案支援)
5-1 新規用途探索へのAI活用
6.まとめ
【質疑応答】
【14:00〜17:15】
3.機械学習を用いた効率的な特許調査
アジア特許情報研究会 兼 花王(株) 安藤 俊幸 氏
アジア特許情報研究会 兼 (株)ユポ・コーポレーション 西尾 潤 氏
1.機械学習の概要と特許調査への応用事例紹介 [安藤氏]
1-1 調査目的×アルゴリズム×ドメインデータ
1-2 機械学習概要(分類、クラスタリング、回帰、次元圧縮)
1-3 特許調査への機械学習適応時の留意点
1-4 先行技術調査の流れ(進め方)
1-5 doc2vecによる公報(文書)単位の類似度計算
1-6 doc2vecによる発明の要素(文)単位の類似度計算
2.Deep Learningの応用事例 [安藤氏]
2-1 Deep Learningの基礎検討
2-2 Deep Learningによる文書分類
2-3 単語ベクトルの合成による文書のベクトル化検討(3種類)
3.自分でできるキーワード抽出・活用ツール紹介 [安藤氏]
3-1 word2vecによる類似語抽出
3-2 termextractによる専門用語(キーワード)自動抽出
3-3 Cytoscapeによる文脈語のネットワーク分析
4.Pythonで始める機械学習 [西尾氏]
4-1 Python環境の構築(Anaconda、AWS、Mecab)
4-2 Kerasチュートリアルによる機械学習(MNIST、CNN・RNN)
4-3 自作特許データデータセットによる解析(2値分類1-1 ・多値分類)
【質疑応答】