PaECTER, la IA de código abierto que busca patentes parecidas a la tuya
Un equipo europeo entrena un modelo de lenguaje con las citas que añaden los examinadores de patentes. Encuentra documentos similares mejor que otros modelos, especializados o generalistas.

Quien patenta un invento tiene que demostrar que nadie lo ha hecho antes. Comprobarlo no es fácil: hay que revisar millones de documentos escritos en una jerga técnica y jurídica muy densa, donde dos patentes pueden describir casi lo mismo con palabras muy distintas. Esa búsqueda se llama estado de la técnica (en inglés, prior art) y ocupa mucho tiempo a inventores, abogados y examinadores. Un trabajo publicado en la revista PLoS ONE presenta PaECTER, un modelo de código abierto pensado para facilitar esa tarea.
El artículo lo firman Mainak Ghosh, Michael E. Rose y Sebastian Erhardt y se publica en acceso abierto con licencia CC BY (DOI: 10.1371/journal.pone.0358188). Lo que sigue es un resumen con nuestras propias palabras, no una traducción del artículo.
Qué es PaECTER y cómo aprende
PaECTER es un codificador: un modelo que lee el texto de una patente y lo convierte en una lista de números, lo que en inteligencia artificial se llama una representación vectorial o embedding. Funciona como unas coordenadas en un mapa. Si dos patentes tratan de ideas parecidas, sus coordenadas deberían quedar cerca aunque no compartan vocabulario.

Los autores no partieron de cero. Usaron como base BERT for Patents, un modelo de lenguaje ya preentrenado con textos de patentes, y lo ajustaron con una fuente de información muy valiosa: las citas que añaden los examinadores. Cuando una oficina de patentes estudia una solicitud, el examinador anota qué documentos anteriores se parecen o son relevantes. Esas citas son, en la práctica, un juicio experto sobre qué patentes están relacionadas.
Con esa señal, el modelo aprende a colocar cerca en su mapa las patentes que los examinadores consideraron vinculadas y a separar las que no tienen nada que ver. De ahí viene el nombre: representaciones de patentes informadas por citas.
Los resultados: mejor que modelos especializados y generalistas
Para medir el rendimiento, los investigadores prepararon un conjunto de prueba de predicción de citas. La idea es sencilla: dada una patente, se le presenta al modelo una patente citada de verdad mezclada con otras que no son relevantes, y se comprueba en qué puesto del ranking la sitúa.

Según el artículo, PaECTER supera en varias métricas de ranking tanto al propio BERT for Patents como a modelos de embeddings de propósito general muy usados, como E5, GTE y BGE. El dato que más llama la atención es este:
- Frente a 25 patentes irrelevantes, PaECTER coloca al menos una patente realmente similar en el puesto 1,32 de media. Dicho de otro modo, casi siempre la pone la primera de la lista.
- El modelo es de código abierto, de modo que otros equipos pueden usarlo, comprobar los resultados y adaptarlo.
Que un modelo especializado gane a los generalistas no es raro. Las patentes tienen un estilo propio, con frases larguísimas, fórmulas legales y términos muy técnicos que confunden a los sistemas entrenados con textos de la web. Lo interesante es que además mejora a su modelo de partida, lo que sugiere que las citas de los examinadores aportan algo que el texto por sí solo no enseña.
Limitaciones y cautelas
Conviene leer estos resultados con calma. Hay varias cosas que tener en cuenta:

- El banco de pruebas es de los propios autores. Las comparaciones se hacen sobre su conjunto de predicción de citas. Habrá que ver cómo se comporta el modelo en otras evaluaciones independientes y con otros tipos de búsqueda.
- Las citas no son una verdad perfecta. Dependen del criterio de cada examinador, de su tiempo y de su forma de buscar. El modelo aprende lo que los examinadores citan, con sus aciertos y sus posibles omisiones.
- Parecido no es lo mismo que falta de novedad. Que dos textos sean semánticamente cercanos no significa que uno invalide jurídicamente al otro. La decisión sobre si un invento es nuevo sigue siendo un análisis legal y técnico humano.
- Una prueba con 25 distractores es un escenario controlado. En una búsqueda real se compite contra millones de documentos, y la dificultad cambia mucho.
Ninguna de estas cautelas resta valor al trabajo, pero ayudan a situarlo: PaECTER es una herramienta para encontrar candidatos más rápido, no un sustituto del examinador.
Por qué importa
Las patentes son uno de los grandes archivos del conocimiento técnico de la humanidad, y buscar en ellas sigue siendo lento y caro. Un modelo abierto que entiende mejor qué patentes se parecen puede ahorrar horas a inventores, pequeñas empresas y oficinas de patentes al buscar el estado de la técnica. Los autores apuntan además a otros usos: clasificar documentos, hacer búsquedas por significado y rastrear cómo fluye el conocimiento entre empresas, sectores o países. Para economistas e investigadores que estudian la innovación, disponer de un mapa numérico fiable de millones de patentes abre preguntas que antes eran muy difíciles de responder. Y al ser de código abierto, cualquiera puede comprobar si de verdad cumple lo que promete.
Texto generado con inteligencia artificial a partir de las fuentes citadas, sin revisión humana individual (Reglamento UE 2024/1689, art. 50). Las fotos llevan su crédito y licencia; las marcadas como realzadas se han retocado con IA sin alterar su contenido.
Relacionado
- Pasear perros robot a 20 dólares la hora: así se entrena la IA física
- Palworld quiere llegar a Switch 2 aunque sigue en los tribunales con Nintendo
- Dreamlet: la herramienta que analiza millones de células cerebrales sin colapsar
- Un topo humano en una banda de hackers: así se envenena el software que usas
- Anterior en Ciencia: Un algoritmo cuántico salva el gran escollo de las ecuaciones diferenciales
- Siguiente en Ciencia: Un mapa señala dónde quedan más fósiles marinos por descubrir en el mundo
Temas: Inteligencia artificial (88) · Código abierto (4)





Comentarios
Para comentar hay que iniciar sesión (Google, X, Facebook, Apple, Microsoft o cuenta de Disqus). Se moderan insultos, spam y datos personales: normas.
Los comentarios los sirve Disqus, un servicio externo que usa cookies propias y de publicidad. Solo se carga si pulsas el botón. Más información.