明けましておめでとうございます。Patent Drop へようこそ!

今日の特許ドロップ: Uber は、あなたのルーティンをよく知り、それを予測できるようにしたいと考えています。 Baidu は、複雑なニューラル ネットワークで名を残したいと考えています。そしてVisaは、実際にデータを共有することなく、データを共有したいと考えています。

しかし、始める前に、

ご存知のとおり、サイバーセキュリティは重要な問題であり、その重要性はますます高まっています。 Atakama の革新的なアプローチは、侵害が発生した場合でもデータを保護することでビジネスを保護します。そして今、その斬新な保護に投資することができます。

アタカマについて詳しくは、こちらをご覧ください。

早速入ってみましょう。

#1. Uber があなたのことを知る

Uber はお客様のニーズを先取りしたいと考えています。

同社はコンテキストデータに基づいてユーザーリクエストを予測できる技術の特許取得を目指している。これは次のように機能します。過去のインタラクションやアクティビティデータ、プロフィール情報、位置を追跡できる「センサーデータ」などの「ユーザーに関連付けられたコンテキストデータ」でトレーニングされた「機械学習モデル」を使用して、プラットフォームは、ユーザーがユーザーに関連付けられているかどうかを識別できます。 「事前リクエスト照合」を実行しないこと、またはドライバーに通知することでアプリ内で期待されるリクエストに応答する準備をすること。

その後、ドライバーが Uber から「事前リクエストの一致」を取得すると、システムの予測に基づいて移動するよう指示され、そのドライバーは他のリクエストと同じように事前リクエストを受け入れるか拒否することができます。

たとえば、毎週金曜日の夜にお気に入りのレストランやバーに行く習慣がある場合、このシステムはそれを感知し、Uber ドライバーに自宅まで迎えに行く準備をするよう促します。同様に、全社スタッフ会議のために毎週水曜日の正午にオフィスに Sweetgreen を注文した場合、このシステムはドライバーが早めにレストランに行き、昼食を取りに行けるようにすることを推奨します。そうですね、ちょっと不気味です、それについては後で詳しく説明します。

「ネットワークシステムは、日常的な開始および/または終了の場所(または地域)、および/または日常的なルート(たとえば、自宅から職場へ、および/またはその逆の輸送サービスの場合)を示す各サービス要求者のサービス要求者プロファイルを管理することができ、優先されるサービスの種類」とウーバーは提出書類の中で述べている。

写真は米国特許商標庁経由。

Uber がこのように AI を導入するのは簡単なことのように思えます。同社は長年にわたって一貫してドライバー不足に直面しているため、必要なドライバーを準備して注文や乗客が到着したときにすぐに対応できるようにすることで、待ち時間を短縮できる可能性があると同時に、ドライバーが働き続けるために必要な高い評価を維持できるようにする可能性もあります。

この技術は、ユーザーの習慣を監視および予測するために機械学習が使用され、つまり、データを活用して企業がより多くの利益を得るのに役立つもう 1 つの例でもあります。 Visaも同様の取り組みを進めており、訓練されたAIモデルを使って顧客がクレジットカードの使用をやめた時期を予測し、特典を取り戻そうとしている。 MetaとeBay はどちらも、ユーザーのスクロールやブラウジングの習慣を監視して、極めてターゲットを絞った広告を送信する AI の開発に取り組んでいます。

最終結果は必然的にユーザーにとってよりパーソナライズされたエクスペリエンスになりますが、この AI を実装する企業は通常、最終的にはより多くのお金を手に入れることになります。そうでなければ、おそらく気にすることさえないでしょう。

ただし、これにより、データ使用における利便性とプライバシーの問題が生じます。この特許で概要が説明されている技術には、ユーザーの活動を監視するだけでなく、多数の個人センサー データ (「位置情報データ、気圧データ、加速度計データ、電子コンパス データ、ジャイロスコープ データ、環境光センサー データ」と出願書類によれば）。

この使いやすさに利点を感じるユーザーもいるかもしれませんが、Uber が自分のデータを使用して、より迅速な乗車やサラダの配達と引き換えにユーザーの行動を予測することにそれほど満足していないユーザーもいるかもしれません。

#2. Baidu のニューラル ネットワークのスピークイージー

Baidu が AI 競争での関連性を争う中、同社はその成果を評価しようとしているのかもしれない。

中国の検索大手は、「ディープ ニューラル ネットワークの堅牢な透かし」システムの特許を取得しようとしている。その仕組みは次のとおりです。 Baidu のメソッドは、特定の入力が与えられたときに非常に具体的な出力を与えるようにニューラル ネットワークをトレーニングします。その出力は本質的にウォーターマークです。それが特定の単語、コード、画像、パターンであっても、ニューラル ネットワークの作成者にとっては十分に具体的であり、ニューラル ネットワークが自分たちによって作成されたものであることがわかります。

Baidu の技術は、特許出願で「キー サンプル」と呼ばれるもの、つまりモードの機能に大きな影響を与えない出力を変更するため、このウォーターマークを達成するためのニューラル ネットワークの出力に大きな影響を与えないという点で新しいものです。また、どの出力に実際に Baidu の透かしが含まれるかを見つけるのは、「干し草の山から針を見つける」ようなものになるだろうと、コールドウェル知的財産法のパートナー兼技術実務グループの議長であるミカ・ドレイトン氏は述べています。

「そこがこの作品の天才です。これをやったとは分からないでしょう」とドレイトン氏は語った。 「何を調べればよいのかわかりません。なぜなら、これらの変更は特定の単語にのみ適用されるからです。」

これが難解に聞こえる場合は、次のように考えてください。あなたは密酒店に入ろうとしていて、用心棒にドアのところで止められています。入るには、用心棒と非常に具体的な対話を行って、自分がどこにいるかを知っており、クラブに属していることを示す必要があります。しかし、通行人にとって、このコード化された一連のフレーズは重要な意味を持ちません。ただの会話のように見えます。

「一部の既存の透かし技術は特定の攻撃に耐える能力を示していますが、堅牢性は既存の透かし埋め込みプロセスの根本的な最適化目標ではありません。」百度は提出書類の中でこう述べた。

写真は米国特許商標庁経由。

写真は米国特許商標庁経由。

Patent Drop を読んでいる方は、この技術に聞き覚えがあるかもしれません。コンサルティング会社の Booz Allen Hamilton は、機械学習モデルについて同様のコンセプトに取り組んでいます。ただし、違いは、Booz Allen の技術はモデル自体にマークを埋め込むことに重点を置いているのに対し、Baidu の技術はその出力をマークすることに重点を置いているということです。 (このため、Baidu と Booz が法廷でこの件について争うのを見ることはおそらくないだろう、とドレイトン氏は付け加えた。)

もう 1 つの違いは、これらの方法で最終的に何が行われるかということです。ブーズ・アレンはこれを製品としてパッケージ化し、フォーチュン500企業や政府機関などに販売する可能性が高いが、百度はこの技術を社内で採用する可能性が高い。

Baidu の技術が特にディープ ニューラル ネットワークに適用されていることを考えると、作成には多額の投資が必要であり、多くの場合非常に複雑な出力が生成されるため、リークを捕捉するこの方法を適用することは簡単です。

「他のコンピューター プログラムではできなかったことを実行できるニューラル ネットワークがあるとします」とドレイトン氏は言いました。 「しかし、これらは非常にポータブルであり、たとえ非常に複雑であっても、フラッシュドライブに保存することができます。誰かがそれを持ち上げたり、悪用したりできるようにすることは望ましくありません。」

同社がGoogle、Microsoft、OpenAIなどのAIパワープレーヤーとの競争に追いつくために努力する中で、この保護はますます必要になる可能性があり、トップに立つための競争は激化するばかりだ。

アタカマ主催

サイバーセキュリティを活用する

あなたの投資が世界を少しでも良くする本当のニーズを満たしていることを知ることは常に良いことです。それがあなたにとって優先事項である場合、Atakama は優れた選択肢です。

Atakama は、本当に必要としている世界に一流のサイバーセキュリティを提供します。過去 11 か月間に 45% の企業がデータ侵害を経験したり、セキュリティ監査に失敗したりしたことをご存知ですか?

現時点では、超裕福なベンチャーキャピタリストだけでなく、個人投資家もアタカマの革新的なサイバーセキュリティに参加できる。しかし、チャンスは永遠に続くわけではありません。

アタカマについて詳しくは、こちらをご覧ください。

#3. VisaのAIるつぼ

通常、チームワークが夢を実現させます。しかし、AI の優位性をめぐる競争でデータを共有する競合他社に関連すると、その明るい哲学は少し曖昧になります。

しかしビザは、誰もが手を取り合って協力する方法を見つけたのかもしれない。

クレジット カード会社は、機械学習でプライバシーを保護する方法の特許を取得しようとしています。このシステムは、「マルチパーティ コンピューティング」を使用して機能します。これにより、複数のエンティティがデータを組み合わせて、「結果以外の情報を明らかに」することなく、そのデータ上で複数の異なる機械学習モデルをトレーニングすることができます。

このシステムは「2 サーバー アーキテクチャ」に依存しており、各クライアントは他のデータ クライアントと共有したくないプライベート データをサーバーに保存し、その後そのデータを暗号化または保護して、自分だけがアクセスできるようにします。 1 つのサーバーはすべてのプライベート データを保存して使用して機械学習モデルをトレーニングできますが、1 つのクライアントのプライベート データに個別にアクセスすることはできません。トレーニングが完了すると、トレーニングに使用されたデータを公開することなく、モデル自体が 2 番目のサーバーで利用できるようになります。

ビザは、複数の企業と協力してデータを結合することで最高品質の AI モデルを作成できるが、多くの企業が「競争上の優位性、プライバシーに関する懸念と規制、データ主権をめぐる問題」を懸念しているため、異なるソースからのデータを結合することは困難である可能性があると指摘した。 」

「プライバシーを保護する機械学習は、結果以外の情報を明らかにすることなく、さまざまな主体が共同データに基づいてさまざまなモデルをトレーニングできるようにすることで、有望なソリューションを提供します」と同社は提出書類で述べている。

写真は米国特許商標庁経由。

AI の発展に伴い、AI モデルのトレーニングに使用されるデータのプライバシーを保護する方法を見つけることが話題になることが増えています。インテルも同様に、機械学習モデルとその中のデータを保護する技術に取り組んでおり、そこに置かれたトレーニング データへのアクセスを許可しない物理保管庫に相当するものを利用しています。ビザの関心は、この問題が大手テクノロジーの枠外で検討されていることを示している。

とはいえ、AI にプライバシー保護措置を採用することは、Visa にとって自然なことです。世界中で40 億枚を超える Visa クレジット カードが流通している同社は、住所や社会保障番号などを含む数百億件の機密データにアクセスできます。

そして特許が示唆しているように、VisaがトレーニングしているAIモデルは、自社のデータと他の大手金融機関や企業のデータの両方に依存している可能性が高い。そのデータが何らかの形で悪意のある者の手に渡った場合、最終的には悲惨な結果になる可能性があります。

ビザは提出書類の中で、「時間をかけて収集された大量のデータにより、古い問題に対する新たな解決策が可能になった」と述べた。 「しかし、大量のデータ収集によりプライバシーの懸念が生じます。」

このデータは機械学習モデルのトレーニングに有効に活用できますが、Visa の顧客に対して情報が非公開であることを確認することが信頼を維持するために重要です。

エクストラドロップ

やめてしまう前に、他にも良いものをいくつか紹介します。

ほかに何かあたらしいことは？

コメント、ヒント、提案がありますか?ぜひご連絡ください。 admin@patentdrop.xyzに電子メールを送信するか、Twitter @patentdropの DM でご連絡ください。

今すぐ購読する