Luns 27 Maio 2024

Como rexistrar a túa marca? Este proxecto de atlanTTic axudará a resolver as túas dúbidas

Unha ferramenta baseada na intelixencia artificial filtrará a sección de preguntas frecuentes sobre propiedade intelectual dun organismo da Unión Europea

Como se solicita unha marca da Unión Europea? E como podo averiguar se está dispoñible? Estas tan só son dúas das preguntas máis frecuentes que os usuarios dirixen á Oficina de Propiedade Intelectual da Unión Europea (EUIPO); unha axencia cuxo principal obxectivo é xestionar as marcas e os deseños que nacen en territorio comunitario. Agora, un equipo dirixido por Yolanda Blanco Fernández, subdirectora do Centro de Investigación en Tecnoloxías de Telecomunicación (atlanTTic) da Universidade de Vigo (UVigo), trata de mellorar as funcionalidades de busca que a sección de preguntas frecuentes sobre propiedade intelectual da EUIPO ofrece aos seus usuarios. Para iso, o equipo de atlanTTic forma parte de SIMILIS, un proxecto internacional financiado polo Programa Académico da oficina europea.

As páxinas institucionais, como a da EUIPO, adoitan ten un apartado de preguntas frecuentes (FAQs) para resolver as dúbidas dos usuarios. Funcionan mediante unha interface que recupera as respostas que considera afíns á consulta formulada. “Os enfoques tradicionais adoptan procedementos meramente sintácticos, guiados unicamente pola simple coincidencia entre os termos de busca do individuo e aqueles usados nas preguntas rexistradas nas FAQs, o que provoca que os resultados recuperados estean desenfocados e as funcionalidades de busca resultantes sexan claramente mellorables”, apunta Blanco.

Publicidade

A subdirectora de atlanTTic matiza a súas declaracións cun exemplo. Se un usuario introduce no motor de busca a cuestión Como solicito o rexistro de marca da UE?, un enfoque puramente guiado pola sintaxe recuperará as respostas das FAQs asociadas a preguntas nas que figuran algún dos termos da consulta: Como podo pagar as taxas de rexistro de marca europea? ou Como reclamar un rexistro de marca europea denegado? Porén, Blanco considera que estas preguntas “son irrelevantes” porque non proporcionan a información que realmente precisa o usuario, que está centrada en como levar a cabo o procedemento de solicitude dunha marca.

Por tanto, o proxecto SIMILIS quere resolver estas limitacións e, para iso, desenvolverá “unha ferramenta intelixente capaz de detectar, mediante técnicas de Procesado da Linguaxe Natural (PLN), se unha nova pregunta formulada polo usuario está ou non xa contestada nas FAQs”. Para iso non só se considerarán as coincidencias sintácticas, senón o contexto da consulta co obxectivo de que a resposta sexa o máis útil e axustada posible. Segundo explican dende o centro da UVigo, trátase dun proxecto pioneiro, dado que non existen este tipo de opcións de busca avanzadas noutras institucións.

Como funciona?

O proxecto SIMILIS funciona grazas a modelos de Aprendizaxe Profunda (deep learning) baseados nun tipo de arquitectura denominada Transformers. É dicir, sistemas de intelixencia artificial que, a través de redes neuronais, axudan a procesar datos tanto textuais como audiovisuais. Blanco explica que no que respecta ao texto, os Transformers son esenciais porque son capaces de asignar distintos niveis de atención segundo sexa necesario. É dicir, crean representacións de palabras dentro dunha secuencia e ponderan a importancia de cada unha en relación coas demais. Para iso, estes modelos de intelixencia artificial precisan ser adestrados con grandes conxuntos de datos xenéricos.

Máis en detalle, o proxecto SIMILIS utiliza os dous tipos de Transformers que existen: os xerativos, como a popular ferramenta ChatGPT, que poden crear novas instancias de datos a partir dunha entrada; e os preditivos, que son capaces de determinar, por exemplo, se unha afirmación é verdadeira ou falsa, ou incluso se dúas entradas textuais son semanticamente semellantes. A combinación destas dúas tipoloxías aúnase en SIMILIS, na que se exploran tanto os enfoques preditivos para detectar equivalencia entre as consultas dos usuarios e aquelas rexistradas nas FAQs da páxina da EUIPO, coma os xerativos para responder á pregunta do usuario e despois buscar unha resposta equivalente na sección de preguntas frecuentes xa atendidas polo persoal da oficina.

Estes enfoques precisan adestrar os modelos Transformer empregados para que aprendan a detectar tanto pares de preguntas como de respostas duplicadas. “Ante a inexistencia de tales conxuntos de datos no ámbito específico da xestión de propiedade intelectual, o proxecto SIMILIS xerou datasets propios tanto de preguntas como de respostas equivalentes, partindo das publicadas na sección das FAQs da EUIPO e usando modelos xerativos de intelixencia artificial para producir outras con diferentes graos de semellanza”, apunta Blanco.

Estado do proxecto

O proxecto xa leva varios meses en marcha nos que o equipo de atlanTTic puido avanzar. En concreto, avaliando os diferentes modelos de Transformers con “resultados certamente prometedores”. “A idea agora é realizar o axuste fine (fine-tuning) a partir dos datasets xerados para comprobar as melloras que este proceso introducirá previsiblemente nos resultados iniciais”, detalla Blanco. Despois da selección dos mellores modelos, estes integraranse nunha interface web que, dada a pregunta, recorra aos modelos afinados para dar unha resposta o máis axustada posible ao que precisa o usuario. “No suposto de que o modelo determine que ningunha resposta é equivalente a formulada, o persoal da EUIPO será notificado para que faciliten unha nova resposta que será incorporada ao conxunto de posibilidades consideradas por SIMILIS nas súas seguintes interaccións cos usuarios”, apunta a subdirectora de atlanTTic.

Malia que o proxecto no que está inmerso o centro da UVigo está centrado nas preguntas e respostas relativas a propiedade intelectual, e máis en concreto as relacionados coa EUIPO, os investigadores cren que a súa ferramenta ten un enfoque xenérico que podería funcionar noutras institucións. “Para adaptalo habería que probar se os datasets de adestramento se adaptan ben á información sobre propiedade intelectual que manexan e, en caso de ser necesario, incluír as súas preguntas e respostas como parte deses conxuntos de aprendizaxe”, conclúe Blanco.

Laura Filloy
Laura Filloy
Xornalista científica pola Universidade Carlos III de Madrid. Comezou a súa andaina profesional no Faro de Vigo. Con experiencia en comunicación institucional a través de Médicos sen Fronteiras e a Deputación de Pontevedra, meteuse de cheo na divulgación científica na Axencia EFE. Dende 2021 en Gciencia, onde segue a cultivar a súa paixón pola ciencia.

DEIXAR UNHA RESPOSTA

Please enter your comment!
Please enter your name here

Este sitio emprega Akismet para reducir o spam. Aprende como se procesan os datos dos teus comentarios.

Relacionadas

A comunicación cuántica como chave da ciberseguridade do futuro: o proxecto QURSA de atlanTTic

A iniciativa emprega como tecnoloxías de base a QKD e a criptografía avanzada para definir un caso de uso nun escenario con distintas posibilidades

Un equipo de atlanTTic deseña antenas innovadoras para satélites xeoestacionarios

O proxecto da UVigo busca unha redución na masa e o volume da tecnoloxía, así como diminuír os custos

Tecnoloxía personalizada para o rural: “Se unha persoa maior se perde, o seu veciño pode saber onde está”

Un equipo de atlanTTic investiga a viabilidade de prestar servizos dixitais nas aldeas sen cobertura adaptados ás necesidades dos seus habitantes

A UVigo deseñará sensores fotónicos para identificar células tumorais

Membros de atlanTTic participan no proxecto europeo Retina para a mellora de procesos nos ámbitos da saúde, da automoción e da agricultura