Первый в России автоматический поиск знаков: как POISKZNAKOV.RU изменил работу патентных поверенных

Ровно 20 лет назад специалисты нашей компании начали создавать то, без чего сейчас невозможно представить работу патентных поверенных в России. И продолжают совершенствовать систему до сих пор!

Это автоматический поиск товарных знаков по актуальным базам, доступный каждому. До создания сервиса POISKZNAKOV.RU единственной поисковой системой словесных товарных знаков был крайне неудобный и сложный инструмент, реализованный на большой ЭВМ типа «Минск». Пользоваться системой мог очень ограниченный круг высококвалифицированных специалистов. В 1991 году команда интэлсонлайн поставила задачу реализовать поиск для всех на персональных компьютерах, которые стремительно набирали популярность.

Вот что об этом говорит Валерий Айзикович Герман, основатель группы компаний INTELS, патентный поверенный РФ № 25: «Мы стремились получить систему, которая гарантировала бы отсутствие пропущенных сходных знаков, минимизировала бы наличие «шума» и, что существенно, была проста с точки зрения составления поискового запроса. Для этого были разработаны новые алгоритмы».

Компьютерный поиск словесных знаков стал возможен — и инструменты POISKZNAKOV.RU стали первыми на рынке, которые обеспечивали эффективность и качество. И мы постоянно думали о реализации поиска по изображениям. К сожалению, полет нашей фантазии опережал существующие на том этапе технические и программные возможности.

Всего несколько лет назад был только один инструмент фильтрации знаков, поиска по массиву изобразительных товарных знаков — коды Венской классификации изобразительных элементов. База изобразительных товарных знаков хранилась на так называемых «микрофишах», прозрачных фотопластинках формата А7, на каждой из которых помещались позитивные отпечатки более чем ста товарных знаков.

Поиск по такой базе изобразительных товарных знаков осуществлялся вручную: специалист брал микрофишу и смотрел массив изображений, относящихся к нужному классу Венской классификации. Это был весьма утомительный процесс, но более того — всегда существовал риск человеческого фактора. Ведь то, к какому классу будет отнесено то или иное изображение, зависело от субъективного восприятия изображения сразу двух людей — специалиста, который классифицировал базу, и того, кто осуществлял экспертизу. Довольно часто взгляды не совпадали и, опасаясь пропусков, эксперты были вынуждены просматривать другие смежные массивы.

Оцифровать все изображения, перенести их с микрофишей в компьютерные базы — казалось бы, это довольно просто. Но тогда даже такой способ организации просмотра базы на мониторе компьютера не был возможен. Пришлось подождать, и меньше 10 лет назад в науке появились первые решения похожих задач.

Так мы смогли выйти на программистов Новосибирского Академгородка, совместно с которыми создали первую версию поисковой системы по изобразительным товарным знакам. В основу был положен механизм оцифровки изображений с последующим сравнением их математических моделей.

Ещё в пятидесятых годах появились первые алгоритмы в области искусственного интеллекта и начали развиваться свёрточные нейронные сети. До решения практических задач теоретические разработки учёных доросли только пять лет назад — и команда POISKZNAKOV.RU уже была готова к инновациям. Первая попытка создать новый инструмент для поиска изобразительных обозначений совместно с программистами Факультета вычислительной математики и кибернетики МГУ открыла огромные перспективы в этом направлении.

Наша пробная версия алгоритма была протестирована специалистами Ведомства интеллектуальной собственности Европейского Союза (EUIPO) и представлена ими на международном конгрессе в Японии как входящая в пятёрку лучших мировых разработок в этой области.

Текущая версия поисковой системы по изобразительным товарным знакам была разработана в сотрудничестве с программистами студии Data Lab, входящей в группу EORA, одной из ведущих команд в области разработки и внедрения решений на основе машинного обучения. Мы учли замечания EUIPO и итоги аудита пробной версии, проведенного специалистами по искусственному интеллекту Барселонского университета.

Сейчас наша система, используя алгоритмы так называемого «глубокого обучения», пропускает через себя массивы товарных знаков и определяет характерные признаки, присущие разным категориям знаков. Более того, наш алгоритм умеет определять вес тех или иных признаков с точки зрения их существенности, влияния на результат. Чем больше объектов входит в обучающую подборку, тем точнее набор характеристик, по которым система будет отбирать из проверяемого массива сходные изображения. Для обучения и настройки системы мы использовали массивы наших баз, которые насчитывают порядка 1,5 млн изображений.

При загрузке на сервис изображение автоматически классифицируется машиной по собственным критериям, более специфичным, нежели классы, подклассы и рубрики Венской классификации. Это повышает точность отбора сходных знаков и существенно снижает «шум». Именно поэтому мы в качестве «попутной породы» создали автоматизированный Венский классификатор, который в отличие от человека не подвержен субъективизму.

Далее машина сравнивает их со всеми изображениями из проиндексированной базы данных. Особенность нашего сервиса в том, что работает параллельно две нейросети, и после проведённых поисков машина выбирает лучшие результаты по обоим. Так пользователь получает наиболее релевантную поисковую выдачу.

Но мы понимаем, что полностью отдавать «обучение» на откуп машине нельзя, так как формальный подход искусственного интеллекта постоянно требует корректировки со стороны человека. Продуктивный симбиоз высококвалифицированных патентных поверенных и программистов дал синергетический эффект в виде создания не имеющей аналогов в России системы поиска изобразительных товарных знаков.