自動化機器學習技術重點公司分析─資策會 FIND科技報─智邦公益電子報
enews.url.com.tw · December 19,2024自動化機器學習技術重點公司分析
FIND研究員:陳麗蓉
在自動化機器學習技術與應用中,近年來計算成本的下降,各家公司無不應用自動化機器學習作為技術核心,同時積極的進行專利布局。本文分析近十年來積極投入自動化機器學習技術研發的Microsoft、IBM、Baidu(中國百度)、DataRobot、H2O.AI等五家公司。
Microsoft為全球最大軟體廠商,在2011年即有2件自動化機器學習相關技術的專利申請,並於2018年達到高峰14件。Microsoft的自動化機器學習產品為「Azure Machine Learning」,共有13件專利申請可對應到該產品。作為國際大型資訊服務廠商的Microsoft很注重各國的專利布局,其布局範圍遍及美洲、歐洲及亞洲等多個國家,包含美國、中國、歐洲、日本、韓國、加拿大以及澳大利亞等國家。
IBM於2012年開始布局自動化機器學習技術專利,並於2017年達到高峰11件。IBM的自動化機器學習產品為「AutoAI」,共有14件專利申請可對應到該產品。相較於Microsoft的世界多國布局,IBM鎖定布局在美國、中國及歐洲,且大多數布局在美國。
Baidu的專利布局時間相對較晚,2016年以前僅有一件自動化機器學習技術專利申請,惟其近年來積極布局,並於2019年達到高峰12件。Baidu的自動化機器學習產品為「EasyDL」,共有7件專利申請可對應到該產品。相較於Microsoft和IBM,Baidu主要布局在中國,其次則是布局在美國、日本、歐洲及韓國。
DataRobot自動化機器學習的產品為「Model Blueprint」,共有2件專利申請可對應到該產品。DataRobot鎖定布局在美國、韓國及歐洲,且大多數布局在美國。而H2O.AI自動化機器學習的產品為「H2O AutoML」,共有2件專利申請可對應到該產品。H2O.AI鎖定布局在美國、中國、歐洲及澳大利亞。
最早投入自動化機器學習專利的Microsoft與IBM,兩家的技術分類多在「自動資料建模」相關技術案件,近期Microsoft投入「自動模型評估」相關技術案件有明顯增長,IBM則是在「自動資料清理」和「自動特徵工程」相關技術案件有明顯增長。而BAIDU對於自動化機器學習技術的布局企圖心不容小覷,加上中國大力推廣人工智慧技術,值得持續關注。
參考來源:
本文取自資策會數位轉型研究所、科技法律研究所共同撰擬之自動化機器學習技術與應用智財布局報告(2021年9月完稿,作為內部參考之用)
想知道我是誰? 掃描我的美甲吧!
FIND研究員:孫文秀 認識新朋友時,交換名片,已經落伍了。美甲沙龍的愛好者,現在可以說「掃描我的手指吧!」 秘密就藏在指甲裡,杜拜一間美容沙龍推出「晶片美甲」服務,將顧客資訊濃縮在一張微型晶片,為顧客量身訂做一張指甲數位名片。當新朋友見面時,直接伸出手指,靠近手機APP,就能掃描出包括姓名、電話和社群軟體帳號等預先設定之各種資訊,用美甲取代名片,酷炫又能保持社交距離。 >
紐約POINTS智能指標,點點螢幕,指標就旋轉告訴你方向!
FIND研究員:張云榕 紐約系統業者Breakfast透過Points互動顯示智能指標,將線上豐富的地點資訊,以360旋轉的指示牌方式出現在實體環境中,搭配顯示科技的應用,平衡路標數量及訊息,改善城市主幹道上指示牌過量、資訊擁堵的現象。>
自動化機器學習專利布局成長趨勢
FIND研究員:陳麗蓉
近年來,機器學習及大數據的計算成本下降,人工智慧應用需求大增,各產業皆積極開發相關技術。眾多廠商紛紛投入自動化機器學習這塊市場,進而推動相關專利申請。
本文選用WIPS (Worldwide Intellectual Property Search) 專利資料庫,以全球為檢索區域;搭配中華民國專利資訊檢索系統,查詢台灣相關技術之專利文獻;檢索區間設定為申請年2011年至2021年這十年間所公開或核准公告之相關專利。從專利申請數量來看,自動化機器學習技術在2014年以前是技術萌芽期,自2016年起專利申請數量及專利權人數皆大幅提升,探究原因,可能是模仿神經網路運算模式的深度學習(Deep Learning)技術在2015年有所突破,眾多廠商紛紛投入這塊市場,並積極研發相關技術,呈現高速成長趨勢。
各國別之專利申請數量前六名由多到寡依序為中國、美國、歐洲、澳洲、日本以及加拿大,顯見自動化機器學習技術以中國及美國為重點布局區域,競爭也最激烈。多數專利著重在結合使用多個神經網絡(如G06N 3/0454)、機器學習(如G06N 20/00)及資料清理(如G06F 16/215)技術,傾向於應用多個神經網路從大量資料中擷取機器學習所需的重要特徵。高度技術密集區的「資料預處理」及「特徵擷取」於2017年呈現大幅度的成長,競爭相當激烈。反觀中度技術密集區的「特徵增強」以及低度技術密集區的「資料清洗」與「資料前處理」雖然專利申請數量並未呈現大幅度的成長,亦可視為仍有很大的布局空間。
台灣現階段在自動化機器學習專利布局仍有很大的發展空間,除了我國的專利佈局,至少應再布局美國及中國專利,若資源充足,建議可再布局日本或歐洲專利。多數廠商以經濟效益為最優先考量,產品或服務的觸角能延伸處就是潛在的布局點,若產品或服務無法企及的國家不一定需要花費預算進行布局,可結合欲授權對象擬定布局地區或依據企業、產業或研發需求再詳加斟酌。
資料來源:本文取自資策會數位轉型研究所、科技法律研究所共同撰擬之自動化機器學習技術與應用智財布局報告(2021年9月完稿,作為內部參考之用)