EvoPat: روایت تازه‌ای از پیوند هوش مصنوعی و علم اطلاعات

زهره افتخار[1]، دکتری علم اطلاعات و دانش‌شناسی: علم اطلاعات و دانش‌شناسی در سال‌های اخیر وارد مرحله‌ای تازه از تحول شده است؛ مرحله‌ای که نوآوری‌های فناورانه و به‌ویژه هوش مصنوعی، مرزهای سنتی این حوزه را کنار زده و شیوه‌های جدیدی از دسترسی، تحلیل و مدیریت دانش را به میدان آورده‌اند. اگر در گذشته این علم بیشتر بر سازماندهی داده‌ها، دسته‌بندی منابع و ارائه مسیرهای جستجو متمرکز بود، امروز اختراعاتی شکل گرفته‌اند که نه‌تنها حجم عظیم اطلاعات را قابل استفاده‌تر می‌کنند، بلکه امکان کشف الگوها، پیش‌بینی روندهای آینده و حتی تولید دانش جدید را نیز فراهم می‌آورند.

یکی از درخشان‌ترین نمونه‌های این دستاوردها در بازه سال‌های ۲۰۲۴ تا ۲۰۲۵، سامانه‌ای به نام EvoPat  است. این ابزار هوشمند با تمرکز بر یکی از پیچیده‌ترین و مهم‌ترین منابع اطلاعاتی، یعنی پتنت‌ها، توسعه یافته و توانسته است توجه گسترده‌ای در محافل علمی و صنعتی به خود جلب کند. پتنت‌ها در واقع نقشه‌های فنی نوآوری‌های بشری هستند؛ اسنادی که شامل جزئیات فنی اختراعات، نقاط تمایز و نوآوری و اطلاعات حقوقی مرتبط می‌شوند. تحلیل این اسناد معمولاً فرآیندی زمان‌بر و دشوار است، به‌ویژه زمانی که پژوهشگران با میلیون‌ها سند ثبت‌شده در سطح جهانی روبه‌رو هستند. همین چالش، انگیزه اصلی برای توسعه EvoPat بوده است.

EvoPat؛ فراتر از یک ابزار تحلیلی

EvoPat  تنها یک سامانه خلاصه‌ساز یا ابزار هوش مصنوعی ساده نیست. این سیستم با بهره‌گیری از چندین مدل زبان بزرگ  (LLM)  به‌طور هم‌زمان، توانایی منحصربه‌فردی در ترکیب، مقایسه و ارزیابی اطلاعات به دست آورده است. چنین رویکردی باعث می‌شود محدودیت‌های یک مدل زبانی منفرد بر کارکرد نهایی غلبه نکند و خروجی EvoPat از دقت و جامعیت بالاتری برخوردار باشد.

این ابزار قادر است متن پتنت‌ها را به‌صورت ساخت‌یافته تحلیل کرده، نقاط کلیدی نوآوری را شناسایی، جزئیات فنی را برجسته و سپس امکان مقایسه میان پتنت‌های مختلف را فراهم کند. افزون بر این، EvoPat  توانایی دارد پیوندهای علمی پنهان میان پتنت‌ها و مقالات مرتبط را آشکار سازد؛ قابلیتی که برای پژوهشگران حوزه‌های میان‌رشته‌ای ارزش دوچندان دارد.

نتایج آزمایش‌های اولیه نشان می‌دهد که EvoPat در بسیاری از موارد عملکردی فراتر از GPT-4 ارائه داده است. در حالی‌که GPT-4  می‌تواند متن‌ها را به شکلی کلی و روان بازنویسی یا تحلیل کند، EvoPat  به سطحی از دقت و تخصص رسیده که امکان تولید گزارش‌های دقیق، قابل استناد و مورد پذیرش محققان و کارشناسان حقوقی را دارد. این ویژگی اهمیت زیادی دارد، زیرا در دنیای پتنت‌ها کوچک‌ترین خطا می‌تواند منجر به سوءبرداشت حقوقی یا از دست دادن فرصت‌های تجاری شود.

نقش EvoPat در جامعه علمی و حرفه‌ای

کاربردهای EvoPat فراتر از تسهیل پژوهش فردی است. این سیستم به‌ویژه برای کارشناسان اطلاعات، کتابداران، مدیران دانش و پژوهشگران صنعتی طراحی شده تا بتوانند در زمان کوتاه‌تری به انبوهی از داده‌های فنی دسترسی یابند. به کمک EvoPat، این گروه‌ها قادر خواهند بود:

-روندهای نوآوری در صنایع مختلف را ردیابی کنند.

-حوزه‌های پرشتاب توسعه فناوری را شناسایی کنند.

-رقبا و همکاران بالقوه را از طریق تحلیل اسناد پتنت بشناسند.

-مدیریت دانش سازمانی را به‌صورت کارآمدتر پیش ببرند.

به عنوان نمونه، یک شرکت فناوری می‌تواند با استفاده از EvoPat بررسی کند که در زمینه هوش مصنوعی پزشکی چه تعداد پتنت ثبت شده، نقاط نوآوری اصلی کجا هستند و کدام بخش‌ها هنوز فرصت‌های بکر برای ثبت اختراع دارند. یا یک پژوهشگر دانشگاهی می‌تواند از طریق این سامانه مسیرهای پژوهشی آینده را شناسایی کند و پروژه‌های خود را بر مبنای شکاف‌های موجود در پتنت‌های جهانی تنظیم نماید.

پیوند هوش مصنوعی و علم اطلاعات

ظهور EvoPat تنها نشانه‌ای از یک اختراع تازه نیست؛ بلکه بازتابی از تحول بنیادین در علم اطلاعات و دانش‌شناسی است. این علم که روزگاری به ابزارهایی چون فهرست‌نویسی، نمایه‌سازی و پایگاه‌های داده محدود بود، اکنون به کمک هوش مصنوعی توانسته است به شریک خلاق پژوهشگران و نوآوران تبدیل شود.

EvoPat  نمادی از این هم‌افزایی است. این سیستم نشان می‌دهد که وقتی هوش مصنوعی با ساختارها و اصول علم اطلاعات پیوند می‌خورد، نتیجه چیزی فراتر از یک ابزار پردازشی است: یک همراه تحلیلی که نه‌تنها اطلاعات موجود را سامان می‌دهد، بلکه چشم‌اندازهای نوآوری را نیز روشن می‌کند.

چشم‌انداز آینده

با توجه به موفقیت EvoPat، انتظار می‌رود نسل‌های بعدی این سامانه‌ها امکانات پیشرفته‌تری به میدان بیاورند؛ از جمله:

-تحلیل پیش‌بینانه برای شناسایی حوزه‌هایی که احتمال ثبت اختراع در آن‌ها بالاست.

-یکپارچگی با پایگاه‌های علمی و حقوقی برای ارائه تصویر کامل‌تر از چرخه نوآوری.

-رابط‌های تعاملی هوشمند که امکان گفت‌وگوی مستقیم پژوهشگر با سامانه را فراهم کند.

چنین امکاناتی می‌تواند نقش علم اطلاعات و دانش‌شناسی را در سیاست‌گذاری‌های کلان علمی و فناورانه پررنگ‌تر کند. دولت‌ها و سازمان‌های بین‌المللی با دسترسی به این نوع ابزارها می‌توانند سرمایه‌گذاری‌های دقیق‌تری در حوزه‌های استراتژیک داشته باشند و مسیر نوآوری جهانی را بهتر هدایت کنند.

جمع‌بندی

EvoPat  نمونه‌ای درخشان از اختراعاتی است که نشان می‌دهد علم اطلاعات و دانش‌شناسی در عصر حاضر تنها یک ابزار پشتیبانی نیست، بلکه نیروی محرکه نوآوری و آینده پژوهش‌های علمی و صنعتی است. این سامانه با قدرت تحلیل فراتر از مدل‌های زبانی موجود، قابلیت مقایسه و کشف ارتباطات علمی و توانایی تولید گزارش‌های دقیق، نقطه عطفی در مسیر تحول این رشته به‌شمار می‌رود.

منابع:

.      Suyuan Wang, Xueqian Yin, Menghao Wang, Ruofeng Guo, Kai Nan (2024). EvoPat: A Multi-LLM-based Patents Summarization and Analysis Agent.
arXiv:2412.18100 [cs.DL]  https://doi.org/10.48550/arXiv.2412.18100

2. Lekang Jiang and Stephan M. Goetz (2025). Natural Language Processing in the Patent Domain: A Survey.
   arXiv:2403.04105 [cs.AI] https://doi.org/10.48550/arXiv.2403.04105
3. Sakhinana Sagar Srinivas, Vijay Sri Vaikunth, Venkataramana Runkana (2024). Towards Automated Patent Workflows: AI-Orchestrated Multi-Agent Framework for Intellectual Property Management and Analysis.   
   arXiv:2409.19006[cs.CL] https://doi.org/10.48550/arXiv.2409.19006
4. Shoon Lei Phyu, Murataly Uchkempirov, Mayesha Maliha Proma and Parag Kulkarni (2024). Augmenting Patent Summarization using Large Language Model with Knowledge Graph. https://ceur-ws.org/Vol-3818/paper1.pdf

-----------------------------------------------------------------

[1] . برنده مدال طلای اختراعات آمریکا در سال‌های ۲۰۱۹ و ۲۰۲۴ و دارنده مدال‌های نقره و برنز جهانی از معتبرترین مسابقات و نمایشگاه‌های بین‌المللی در لهستان و سوئیس بین سال‌های ۲۰۱۹ تا ۲۰۲۵