Desenvolvimento full stack e adaptação a um cliente especifico de um agente de inteligência artificial capaz de interpretar dados de patentes brasileiras

• Processo: 23/06575-7
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de junho de 2023
• Data de Término da vigência: 31 de maio de 2024
• Área de conhecimento: Interdisciplinar
• Acordo de Cooperação: SEBRAE-SP
• Pesquisador responsável: Fábio de Carvalho Groff
• Beneficiário: Wellington Carlos Massola
• CNAE: Desenvolvimento e licenciamento de programas de computador customizáveis ; Desenvolvimento e licenciamento de programas de computador não-customizáveis
• Vinculado ao auxílio: 22/13692-7 - Agente de inteligência artificial voltado a profissionais brasileiros de propriedade intelectual, AP.PIPE
• Assunto(s): Inteligência artificial Patentes Propriedade intelectual
• Palavra(s)-Chave do Pesquisador: Agentes Artificiais | Documentos brasileiros | Inteligência Artificial | Patentes | Propriedade Intelectual | Interdisciplinar

Resumo

Com o advento do Big Data, grandes volumes de dados estão sendo gerados a cada instante no mundo. Isso é resultado da evolução da computação como um todo, sobretudo dos sistemas distribuídos de processamento e armazenamento de dados, das redes de computadores, e de tecnologias embarcadas, facilitando o desenvolvimento de dispositivos portáteis conectados, no contexto da Internet das Coisas (do inglês, Internet Of Things, ou simplesmente IoT) da Computação em Nuvem (do inglês, Cloud Computing). Dentro desse contexto de Big Data, surgiu a ciência de dados com a premissa de viabilizar a descoberta do conhecimento de forma viável nesse grande volume de dados.A ciência de dados tem apresentado avanços importantes na direção de estruturação, processamento e análise de dados. Dentro desta ciência, estão as áreas de Recuperação da Informação (RI - do inglês, Information Retrieval), Processamento de Linguagem Natural (PLN - do inglês, Natural Language Processing ou NLP) e Entendimento de Linguagem Natural (ELN - do inglês, Natural Language Understanding ou NLU). Tais áreas fazem intersecção com a Aprendizagem de Máquina (AM - do inglês, Machine Learning) e a Aprendizagem Profunda (AP - do inglês, Deep Learning), que por sua vez são tarefas do contexto da Inteligência Artificial (IA). Tais áreas são destacadas por apresentarem avanços importantes na direção de analisar textos de forma automática e com qualidade aceitável.Neste sentido, este projeto visa desenvolver uma solução inovadora, baseada no estado da arte em abordagens e métodos de Aprendizagem de Máquina e Aprendizagem Profunda, para desenvolver modelos de Inteligência Artificial, com base em aprendizagem tanto supervisionada como não supervisionada em documentos textuais, de modo a oferecer suporte automatizado, por meio de agentes inteligentes, ao processo de análise de patentes. Mais especificamente, serão desenvolvidos mecanismos de comparação profunda entre dados textuais de patentes e seu conteúdo tecnológico, de modo que seja possível entender e representar melhor os relacionamentos entre patentes. Além disso, busca-se implementar estratégias de indexação e de ranqueamento para oferecer um mecanismo de busca inteligente e robusto de patentes similares e de termos inerentes a patentes que compartilham certa similaridade. Isto reduzirá consideravelmente o esforço humano no processo de análise do conteúdo de patentes, facilitará a elaboração de novos pedidos, viabilizando que os processos sejam concluídos em menor tempo, mantendo ou até mesmo aprimorando a qualidade da análise realizada e tornando cada vez melhor a capacidade decisória empresarial, que poderá ter melhores informações para prestar serviços na área de patentes.Graças a um "tsunami" global de dados, que ocorre em tempo real, a tomada de decisão afeta toda a indústria, por haver muitas informações a processar e analistas em número insuficiente. Essa temática é particularmente relevante no campo da Propriedade Industrial, que afeta a indústria, não apenas no Brasil, mas em todo o mundo. O trabalho a ser desenvolvido visa a sanar essa dificuldade, transformando a propriedade intelectual e as patentes em algo mais facilmente gerenciável para profissionais brasileiros.Além do trabalho com big data e machine learning, serão necessários também ajustes de UI/UX e graus de interação com o usuário final.