--- title: "OpenAI VPT: il brevetto US 11,887,367 B1 sugli agenti che imparano dai video" description: Un consulente in brevetti fornisce una spiegazione approfondita del brevetto registrato da OpenAI US 11.887.367 B1 (VPT). Metodo di addestramento che consente di apprendere le operazioni al computer a partire da video non etichettati, tramite il modello di dinamica inversa (IDM) e l’etichettatura pseudo-non causale. Citazione del testo originale della rivendicazione 1 e commento articolo per articolo, confronto con il brevetto di Anthropic relativo all’uso del computer, nonché valutazione dell’esame della metodologia di apprendimento in Giappone, Stati Uniti ed Europa. Una guida pratica utile per la protezione dei diritti degli agenti di intelligenza artificiale. image: https://www.evorix.jp/hubfs/Gemini_Generated_Image_862ths862ths862t.jpg --- [Passa al contenuto](https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367#main-content) - [Italiano](https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367) - [Chinese (Cinese)](https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367) - [Deutsch (Tedesco)](https://www.evorix.jp/de/blog/openai-vpt-patent-us11887367) - [English (Inglese)](https://www.evorix.jp/en/blog/openai-vpt-patent-us11887367) - [Español (Spagnolo)](https://www.evorix.jp/es/blog/openai-vpt-patent-us11887367) - [Français (Francese)](https://www.evorix.jp/fr/blog/openai-vpt-patent-us11887367) - [Português (Portoghese)](https://www.evorix.jp/pt/blog/openai-vpt-patent-us11887367) - [한국어 (Coreano)](https://www.evorix.jp/ko/blog/openai-vpt-patent-us11887367) - [日本語 - 日本 (Giapponese - Giappone)](https://www.evorix.jp/blog/openai-vpt-patent-us11887367) Italiano Mostra sottomenu per le traduzioni [![知的財産事務所エボリクス/EVORIX/大阪/特許・商標・意匠登](https://www.evorix.jp/hs-fs/hubfs/%E7%9F%A5%E7%9A%84%E8%B2%A1%E7%94%A3%E4%BA%8B%E5%8B%99%E6%89%80%E3%82%A8%E3%83%9C%E3%83%AA%E3%82%AF%E3%82%B9%20(500%20%C3%97%20250%20px).png?width=500&height=250&name=%E7%9F%A5%E7%9A%84%E8%B2%A1%E7%94%A3%E4%BA%8B%E5%8B%99%E6%89%80%E3%82%A8%E3%83%9C%E3%83%AA%E3%82%AF%E3%82%B9%20(500%20%C3%97%20250%20px).png)](https://www.evorix.jp/) - [サービス](https://www.evorix.jp/contents) Mostra sottomenu per サービス - [特許出願](https://www.evorix.jp/patent-service) - [商標登録](https://www.evorix.jp/trademark-service) - [意匠登録](https://www.evorix.jp/design-service) - [著作権](https://www.evorix.jp/copyright-service) - [不正競争防止法](https://www.evorix.jp/unfair-competition) - [顧問弁理士](https://www.evorix.jp/komon) - [海外出願](https://www.evorix.jp/international) Mostra sottomenu per 海外出願 - [PCT国際特許出願](https://www.evorix.jp/pct) - [マドプロ国際商標出願](https://www.evorix.jp/madrid-protocol-trademark) - [ハーグ国際意匠出願](https://www.evorix.jp/hague-design-application) - [世界の特許制度](https://www.evorix.jp/patent-world) - [世界の商標制度](https://www.evorix.jp/trademark-world) - [世界の意匠制度](https://www.evorix.jp/design-world) - [業種別サポート](https://www.evorix.jp/industries) Mostra sottomenu per 業種別サポート - [スタートアップ向け](https://www.evorix.jp/startup) - [製造業向け](https://www.evorix.jp/manufacturing) - [IT企業向け](https://www.evorix.jp/it-ip-portal) - [事務所案内](https://www.evorix.jp/about) Mostra sottomenu per 事務所案内 - [事務所概要](https://www.evorix.jp/about) - [経営理念・ビジョン](https://www.evorix.jp/philosophy) - [弁理士紹介](https://www.evorix.jp/staff) - [アクセス](https://www.evorix.jp/access) - [セミナー・講演](https://www.evorix.jp/seminar) - [採用情報](https://www.evorix.jp/recruit) - [お役立ち情報](https://www.evorix.jp/blog) Mostra sottomenu per お役立ち情報 - [ブログ](https://www.evorix.jp/blog) - [よくあるご質問](https://www.evorix.jp/faq) - [知的財産用語集](https://www.evorix.jp/glossary) - [外国出願補助金ガイド](https://www.evorix.jp/%E3%82%B8%E3%82%A7%E3%83%88%E3%83%AD%E5%A4%96%E5%9B%BD%E5%87%BA%E9%A1%98%E5%8A%A9%E6%88%90%E9%87%91%E3%81%AE%E3%81%94%E6%A1%88%E5%86%85) - [AI下書き×弁理士チェック](https://www.evorix.jp/ai-draft-patent-lp) - [お問い合わせ](https://www.evorix.jp/inquiry) Mostra sottomenu per お問い合わせ - [ご相談の流れ](https://www.evorix.jp/consultation) - [お問い合わせフォーム](https://www.evorix.jp/inquiry) Apri navigazione principale Chiudi navigazione principale - [サービス](https://www.evorix.jp/contents) Mostra sottomenu per サービス - [特許出願](https://www.evorix.jp/patent-service) - [商標登録](https://www.evorix.jp/trademark-service) - [意匠登録](https://www.evorix.jp/design-service) - [著作権](https://www.evorix.jp/copyright-service) - [不正競争防止法](https://www.evorix.jp/unfair-competition) - [顧問弁理士](https://www.evorix.jp/komon) - [海外出願](https://www.evorix.jp/international) Mostra sottomenu per 海外出願 - [PCT国際特許出願](https://www.evorix.jp/pct) - [マドプロ国際商標出願](https://www.evorix.jp/madrid-protocol-trademark) - [ハーグ国際意匠出願](https://www.evorix.jp/hague-design-application) - [世界の特許制度](https://www.evorix.jp/patent-world) - [世界の商標制度](https://www.evorix.jp/trademark-world) - [世界の意匠制度](https://www.evorix.jp/design-world) - [業種別サポート](https://www.evorix.jp/industries) Mostra sottomenu per 業種別サポート - [スタートアップ向け](https://www.evorix.jp/startup) - [製造業向け](https://www.evorix.jp/manufacturing) - [IT企業向け](https://www.evorix.jp/it-ip-portal) - [事務所案内](https://www.evorix.jp/about) Mostra sottomenu per 事務所案内 - [事務所概要](https://www.evorix.jp/about) - [経営理念・ビジョン](https://www.evorix.jp/philosophy) - [弁理士紹介](https://www.evorix.jp/staff) - [アクセス](https://www.evorix.jp/access) - [セミナー・講演](https://www.evorix.jp/seminar) - [採用情報](https://www.evorix.jp/recruit) - [お役立ち情報](https://www.evorix.jp/blog) Mostra sottomenu per お役立ち情報 - [ブログ](https://www.evorix.jp/blog) - [よくあるご質問](https://www.evorix.jp/faq) - [知的財産用語集](https://www.evorix.jp/glossary) - [外国出願補助金ガイド](https://www.evorix.jp/%E3%82%B8%E3%82%A7%E3%83%88%E3%83%AD%E5%A4%96%E5%9B%BD%E5%87%BA%E9%A1%98%E5%8A%A9%E6%88%90%E9%87%91%E3%81%AE%E3%81%94%E6%A1%88%E5%86%85) - [AI下書き×弁理士チェック](https://www.evorix.jp/ai-draft-patent-lp) - [お問い合わせ](https://www.evorix.jp/inquiry) Mostra sottomenu per お問い合わせ - [ご相談の流れ](https://www.evorix.jp/consultation) - [お問い合わせフォーム](https://www.evorix.jp/inquiry) - - [Italiano](https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367) - [Chinese (Cinese)](https://www.evorix.jp/zh/blog/openai-vpt-patent-us11887367) - [Deutsch (Tedesco)](https://www.evorix.jp/de/blog/openai-vpt-patent-us11887367) - [English (Inglese)](https://www.evorix.jp/en/blog/openai-vpt-patent-us11887367) - [Español (Spagnolo)](https://www.evorix.jp/es/blog/openai-vpt-patent-us11887367) - [Français (Francese)](https://www.evorix.jp/fr/blog/openai-vpt-patent-us11887367) - [Português (Portoghese)](https://www.evorix.jp/pt/blog/openai-vpt-patent-us11887367) - [한국어 (Coreano)](https://www.evorix.jp/ko/blog/openai-vpt-patent-us11887367) - [日本語 - 日本 (Giapponese - Giappone)](https://www.evorix.jp/blog/openai-vpt-patent-us11887367) Italiano Mostra sottomenu per le traduzioni - [お問い合わせ](https://www.evorix.jp/inquiry) [お問い合わせ](https://www.evorix.jp/inquiry) 2026/06/06 # OpenAI VPT: il brevetto US 11,887,367 B1 sugli agenti che imparano dai video ![Picture of Takefumi Sugiura](https://www.evorix.jp/hs-fs/hubfs/top-profile-pic-sugiura-1.jpg?width=50&name=top-profile-pic-sugiura-1.jpg) [Takefumi Sugiura](https://www.evorix.jp/it/blog/author/takefumi-sugiura-it) Condividi: [facebook-f icon](http://www.facebook.com/share.php?u=https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367) [linkedin-in icon](http://www.linkedin.com/shareArticle?mini=true&url=https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367) [Twitter icon](https://twitter.com/intent/tweet?url=https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367) [pinterest-p icon](http://pinterest.com/pin/create/link/?url=https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367) [envelope icon](mailto:?body=https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367) ![\[Analisi approfondita di un consulente in brevetti\] Analisi del brevetto US 11.887.367 B1 (VPT) di OpenAI relativo all’“agente IA che apprende dai video” | Come creare un “Computer Use”](https://www.evorix.jp/hubfs/Gemini_Generated_Image_862ths862ths862t.jpg) Per «far utilizzare il computer all’IA», è necessario innanzitutto **insegnarle «come utilizzarlo**».In questa serie abbiamo già illustrato il gruppo di brevetti alla base della funzione «Computer Use» di Anthropic; **ma come fa OpenAI a insegnare all’IA a gestire lo schermo? La risposta** è contenuta nel brevetto registrato **US 11.887.367 B1**, che approfondiremo in questo articolo. L’approccio di OpenAI illustrato da questo brevetto può essere sintetizzato in una sola frase: **«farle memorizzare le operazioni mostrandole una grande quantità di video in cui una persona esegue tali operazioni**». Inoltre, utilizza un ingegnoso meccanismo che assegna automaticamente etichette ai video privi di etichette operative, grazie a una metodologia proprietaria. Si tratta di un caso esemplare che persegue lo stesso obiettivo seguendo un percorso completamente diverso rispetto ai brevetti “Computer Use” di Anthropic.Un consulente in proprietà industriale nel campo dell’IA fornirà una spiegazione, citando le rivendicazioni effettive. **💡 Punti chiave:** il presente articolo fa parte della serie dedicata ai brevetti sugli agenti di IA. L’approccio contrastante di Anthropic è illustrato [nei](https://www.evorix.jp/it/blog/anthropic-computer-use-patent-us12430150)[brevetti sul flusso di dati](https://www.evorix.jp/it/blog/anthropic-data-flow-patent-us20250299074) e[nel brevetto fondamentale relativo all’uso](https://www.evorix.jp/it/blog/anthropic-computer-use-patent-us12430150) [del](https://www.evorix.jp/it/blog/anthropic-data-flow-patent-us20250299074)[computer](https://www.evorix.jp/it/blog/anthropic-data-flow-patent-us20250299074). Indice 1. [Sintesi in 30 secondi | L’IA che «impara le operazioni guardando i video»](https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367#summary) 2. [Informazioni di base sul brevetto](https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367#basic) 3. [Contesto | La creazione di «etichette di risposta corretta per le operazioni sullo schermo» è costosa](https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367#problem) 4. [Tecnologia chiave | Modello di dinamica inversa (IDM) e pseudo-etichettatura](https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367#idm) 5. [L’innovazione principale | Previsione «non causale (che guarda anche al futuro)»](https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367#noncausal) 6. [Quali operazioni vengono generate](https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367#actions) 7. [Analisi dettagliata della rivendicazione indipendente n. 1](https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367#claim1) 8. [Struttura delle rivendicazioni｜Il triplice insieme di metodo, sistema e supporto](https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367#structure) 9. [OpenAI vs Anthropic | Due percorsi verso il «computer use»](https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367#vs) 10. [I metodi di apprendimento possono essere brevettati? L’esame in Giappone, Stati Uniti ed Europa](https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367#exam) 11. [Lezioni da trarre per le proprie domande di brevetto](https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367#lessons) 12. [Domande frequenti (FAQ)](https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367#faq) ## Sintesi in 30 secondi | L’IA che «impara le operazioni guardando i video» **● Oggetto del brevetto: metodo** di addestramento che consente all’IA di apprendere il “controllo automatico dello schermo”. **● Elementi chiave:** addestramento del “modello di dinamica inversa (IDM)” utilizzando una piccola quantità di video etichettati → etichettatura automatica (pseudo-etichettatura) di un’enorme quantità di video non etichettati → addestramento del modello di controllo utilizzando tali dati in massa. **● Caratteristica principale:** l’IDM utilizza **previsioni «non causali» in grado di fare riferimento anche ai fotogrammi futuri**, garantendo un’elevata precisione nella stima delle operazioni. **● Titolare del brevetto:** OpenAI OpCo, LLC (sviluppatore di ChatGPT). **● Stato: brevetto registrato negli Stati Uniti** (registrato il 30 gennaio 2024, 20 rivendicazioni in totale). Metodo denominato «VPT» da OpenAI. ## Informazioni di base sul brevetto | Voce | Contenuto | | --- | --- | | Numero di brevetto | US 11.887.367 B1 | | Denominazione dell’invenzione | Utilizzo dell’apprendimento automatico per addestrare e impiegare un modello al fine di eseguire azioni automatiche dell’interfaccia sulla base di set di dati video e di input | | Data di registrazione | 30 gennaio 2024 | | Data di deposito / Data di priorità | 19 aprile 2023 | | Richiedente | OpenAI OpCo, LLC | | Inventori | Bowen Baker, Jeffrey Clune e altri (9 in totale) | | Numero di rivendicazioni | 20 (3 indipendenti: rivendicazioni 1, 13 e 20) | | Denominazione comune | VPT (Video PreTraining) | | Stato | Brevetto registrato (concesso) | ## Contesto | La creazione di «etichette di risposta corretta per le operazioni sullo schermo» risulta costosa Il metodo più diretto per insegnare all’intelligenza artificiale le operazioni sullo schermo consiste nel fornire una grande quantità di **dati corretti (dati etichettati)** del tipo «in questa schermata, premere questo tasto» e farle apprendere tali informazioni. Tuttavia, il lavoro di annotazione manuale dei video per indicare «quando, quale tasto o quale clic è stato effettuato» comporta costi enormi. D’altra parte, su Internet **esistono** innumerevoli video che mostrano persone mentre utilizzano software o giochi. Il problema è che tali video non sono corredati di etichette relative alle operazioni. La sfida tecnica che il presente brevetto intende risolvere consiste proprio nel capire come sfruttare questi «**video disponibili in grande quantità ma privi di etichette**». ## Tecnologia chiave | Modello di dinamica inversa (IDM) e pseudo-etichettatura Il fulcro della soluzione proposta dal presente brevetto è **il modello di dinamica inversa (Inverse Dynamics Model, IDM)**. **Che cos’è l’IDM:** si tratta di un modello che, osservando **le schermate (osservazioni)** prima e dopo un determinato momento, stima «**quali operazioni siano state eseguite**» in quel lasso di tempo. Mentre l’intelligenza artificiale tradizionale (modello di strategia) prevede «cosa fare successivamente», l’IDM effettua una stima, per così dire, in senso inverso, ovvero «**indovina a posteriori cosa sia stato fatto**». Il flusso di elaborazione è il seguente. \[VPT: Flusso di apprendimento delle operazioni dai video\] ① Piccola quantità di video etichettati (annotati da persone) │ Addestramento ▼ ② Addestramento del modello di dinamica inversa (IDM) ・Diventa in grado di stimare le «operazioni effettuate» a partire dalle schermate precedenti e successive │ Applicazione ▼ ③ Applicazione dell’IDM a un’enorme quantità di video non etichettati ・Stima automatica delle operazioni in ogni istante = Generazione di «etichette simulate» │ ▼ ④ Completamento di una grande quantità di dati video con etichette simulate │ Addestramento ▼ ⑤ Addestramento su larga scala del modello operativo (agente) **💡 Punti chiave:** il punto fondamentale è **utilizzare l’IDM, creato con «una piccola quantità di dati corretti», come «macchina di etichettatura», trasformando in un colpo solo un’enorme quantità di video non etichettati in dati di addestramento**. Ciò ha ridotto drasticamente i costi dell’annotazione manuale e ha aperto la strada all’addestramento su larga scala degli agenti basati sull’uso del computer. ## L’innovazione principale | Previsione «non causale (che guarda anche al futuro)» Nella rivendicazione 1 è espressamente indicato che le previsioni dell’IDM **si basano su «una combinazione non causale di informazioni passate e future**». Questo rappresenta il punto di forza tecnico. In realtà, il «modello di strategia» gestito in tempo reale dall’IA **può vedere solo il passato** (il futuro non si è ancora verificato = causale). Tuttavia, poiché l’IDM è **un processo di post-elaborazione finalizzato all’etichettatura**, può **fare riferimento anche ai fotogrammi precedenti e successivi** a un determinato momento**, ovvero a quelli futuri**. **💡 Punto chiave:** grazie alla condizione che «è possibile considerare anche il futuro», l’IDM **è in grado di indovinare con maggiore precisione «quale operazione sia stata eseguita in quel preciso istante**».Ad esempio, a partire dall’informazione futura «il cursore si è spostato a destra nel fotogramma successivo», è possibile dedurre con elevata precisione che «in questo momento il mouse è stato spostato verso destra». **Sfruttare** questa **«non causalità» per l’assegnazione delle etichette** costituisce il nucleo intellettuale della presente invenzione. ## Quali operazioni vengono generate? Secondo la descrizione, le operazioni generate dal modello (automatic interface actions) includono **la pressione di tasti, la pressione di pulsanti, l’input tramite touchscreen, l’uso del joystick, i clic del mouse, lo scorrimento** e **lo spostamento del mouse**. Tra i campi di applicazione figurano i videogiochi, varie applicazioni di elaborazione dati, i browser web, i fogli di calcolo e l’Esplora file. In altre parole, l’obiettivo è consentire all’IA di eseguire, **senza alcun intervento umano (without human intervention)**, qualsiasi operazione che un essere umano compia tramite l’interfaccia grafica (GUI). Si tratta proprio della tecnologia di base dell’agente di «computer use». ## Lettura dettagliata della rivendicazione indipendente 1 US 11.887.367 B1 | Rivendicazione 1 (testo originale / inglese) Un metodo per addestrare un modello di apprendimento automatico a eseguire azioni automatizzate, comprendente: la ricezione di dati video digitali non etichettati; la generazione di pseudo-etichette per i dati video digitali non etichettati, dove la generazione comprende: la ricezione di dati video digitali etichettati; l’addestramento di un primo modello di apprendimento automatico che include un modello di dinamica inversa (IDM) utilizzando i dati video digitali etichettati; e la generazione di almeno una pseudo-etichetta per i dati video digitali non etichettati, in cui: la suddetta almeno una pseudo-etichetta si basa su una previsione, generata dall’IDM, di una o più azioni che riproducono almeno un intervallo di tempo dei dati video digitali non etichettati, e la previsione di una o più azioni viene generata sulla base di una combinazione non causale di informazioni passate e future all’interno dei dati video digitali non etichettati, essendo le informazioni passate e future relative a uno o più fotogrammi di riferimento all’interno dei dati video digitali non etichettati; aggiungere l’almeno una pseudo-etichetta ai dati video digitali non etichettati per formare dati video digitali pseudo-etichettati; e addestrare ulteriormente il primo modello di apprendimento automatico o un secondo modello di apprendimento automatico utilizzando i dati video digitali pseudo-etichettati per generare almeno una pseudo-etichetta aggiuntiva per il video digitale non etichettato. Traduzione di riferimento a cura di un consulente in brevetti (in giapponese) Metodo per addestrare un modello di apprendimento automatico che esegue azioni automatizzate, comprendente :・una fase di ricezione di **dati video digitali non etichettati**; e・una fase di **generazione di pseudo-etichette (pseudo-labels)** per i suddetti dati video non etichettati (che include quanto segue): 　- ricevere dati video digitali etichettati, - **addestrare**, utilizzando i suddetti dati etichettati, **un primo modello di apprendimento automatico che include un modello di dinamica inversa (IDM)**, - generare almeno una pseudo-etichetta per il video non etichettato.Tali pseudo-etichette si basano su previsioni effettuate dall’IDM relative a una o più azioni che imitano almeno un istante temporale del video non etichettato; tali previsioni sono generate sulla base di **una combinazione «non causale» di informazioni passate e future** rispetto al fotogramma di riferimento;・una fase di **formazione di dati video con etichette fittizie** mediante l’aggiunta delle suddette etichette fittizie, e ・una fase di **ulteriore addestramento** di un primo o secondo modello utilizzando i suddetti dati con etichette fittizie, al fine di generare ulteriori etichette fittizie. ### Sintesi delle limitazioni a sostegno della rivendicazione | Limitazioni | Significato tecnico | Motivo della validità | | --- | --- | --- | | IDM (modello di dinamica inversa) | Inferenza delle operazioni dalle schermate precedenti e successive | Algoritmi concreti = allontanamento dalle idee astratte | | Previsione non causale (passato + futuro) | Maggiore precisione grazie al riferimento anche ai fotogrammi futuri | Il fulcro dell’originalità e del carattere innovativo della presente invenzione | | Etichettatura simulata | Trasformazione di video non etichettati in dati di addestramento | Risoluzione delle sfide tecniche (costi di annotazione) | | Ulteriore addestramento | Apprendimento del modello operativo tramite dati simulati | Flusso di elaborazione completo come metodo di apprendimento | ## Struttura delle rivendicazioni | Set di tre elementi: metodo, sistema e supporto Il presente brevetto è composto da un totale di 20 rivendicazioni e presenta la struttura classica di un brevetto software, con rivendicazioni indipendenti suddivise in tre categorie: **metodo (rivendicazione 1)**, **sistema (rivendicazione 13) e supporto non temporaneo leggibile da computer (rivendicazione 20)**.In questo modo, si **coprono i diversi soggetti responsabili di violazione**: chi attua il metodo, chi produce o utilizza l’apparecchiatura e chi distribuisce il programma. ## OpenAI vs Anthropic | Due percorsi verso il «computer use» Pur perseguendo lo stesso obiettivo, ovvero «far utilizzare il PC all’IA», OpenAI e Anthropic hanno ottenuto **brevetti con approcci tecnologici diversi**. Confrontando i brevetti delle due società esaminati in questa serie, le differenze strategiche risultano evidenti. | | OpenAI (il presente articolo) | Anthropic (già illustrato) | | --- | --- | --- | | Brevetti rappresentativi | US 11.887.367 B1 (VPT) | US 12.430.150 B1 e altri | | Oggetto di tutela | **Metodo di addestramento per l’apprendimento delle operazioni tramite video** | **Piattaforma di esecuzione degli agenti, DSL, flusso di dati** | | Approccio | Grandi quantità di video non etichettati + etichettatura automatica tramite IDM | Architettura di runtime e linguaggio dedicato | | Origini della tecnologia | Ricerca interna (VPT) | Acquisizione di Adept | | Esempi | si comprenda il «metodo di insegnamento (metodo di apprendimento)» | Padroneggiare il «modo di far funzionare (sistema di esecuzione)» | **💡 Punto chiave:** OpenAI sta brevettando principalmente **«come far apprendere (metodi di addestramento e dati)»**, mentre Anthropic si concentra su **«come farlo funzionare (architettura di esecuzione)**».Si tratta di un ottimo esempio di come, anche nello stesso settore di prodotti, **ciascuna azienda ottenga brevetti nel proprio ambito di competenza**. Anche nelle domande di brevetto presentate dalla propria azienda, è fondamentale stabilire «in quale ambito competere». ## I metodi di apprendimento possono essere oggetto di brevetto? L’esame in Giappone, Stati Uniti ed Europa ### Stati Uniti (USPTO) Poiché i metodi di addestramento dell’apprendimento automatico possono essere considerati tecniche matematiche astratte, il punto cruciale è rappresentato dai test di Alice e Mayo.Poiché il caso in esame coinvolge algoritmi specifici quali IDM, previsione non causale e pseudo-etichettatura, nonché **azioni** concrete quali la pressione dei tasti e le operazioni con il mouse, è più facile sostenere che si tratti di una «soluzione concreta a un problema tecnico»; il brevetto è attualmente registrato. ### Giappone (JPO) Anche in Giappone i metodi di apprendimento e i modelli già addestrati sono oggetto di brevetto. Tuttavia, secondo i casi di riferimento dell’Ufficio Brevetti giapponese in materia di IA, se si tratta semplicemente di «sostituire il lavoro umano con l’IA», il carattere innovativo viene negato.Nel caso in esame**, l’ingegnosità tecnica consistente nell’«utilizzo della non causalità per l’assegnazione delle etichette» e** l’effetto di una «drastica riduzione dei costi di annotazione» sono chiari, rendendo la struttura del brevetto idonea a sostenere facilmente il requisito di progressività. ### Europa (EPO) Sebbene i metodi matematici in sé siano esclusi, il presente caso presenta un chiaro contributo tecnico alla sfida tecnica della «trasformazione efficiente di video non etichettati in dati di addestramento» e presenta una struttura che può essere facilmente valutata come caratteristica tecnica anche nell’ambito dell’approccio COMVIK. Il confronto tra le prassi di esame dei brevetti relativi agli agenti di intelligenza artificiale in Giappone, Stati Uniti ed Europa è illustrato in dettaglio nella sezione [«Casi di brevetti e prassi di esame in Giappone, Stati Uniti ed Europa](https://www.evorix.jp/it/blog/ai-agent-patent-cases-japan-us-europe)». ## Insegnamenti per le domande di brevetto della propria azienda **① Protegga con un brevetto i metodi di apprendimento e le modalità di creazione dei dati.** Non solo il modello in sé, ma anche «come addestrarlo» e «come creare i dati di addestramento» costituiscono elementi di brevetto di grande valore. **② Mettere in primo piano le soluzioni tecniche originali.** È opportuno porre al centro delle rivendicazioni idee concrete efficaci per la risoluzione dei problemi, come «l’utilizzo di previsioni non causali». **③ Abbandonare la matematica astratta**. Descrivete algoritmi concreti e output specifici (ad esempio, operazioni con il mouse o la tastiera) per garantire l’ammissibilità al brevetto. **④ Competere a livello dei propri punti di forza.** Anche se l’obiettivo è lo stesso dei concorrenti, è efficace una strategia volta a ottenere diritti di proprietà intellettuale nei settori in cui la propria azienda eccelle (metodi di apprendimento, sistemi di esecuzione, dati, ecc.). Perché non proteggere con un brevetto la propria IA, compresi i metodi di apprendimento e i dati? I nostri avvocati specializzati in proprietà intellettuale, esperti nei settori IT, software e IA, Le forniranno un supporto completo che spazia dalla progettazione delle rivendicazioni – comprese le metodologie di apprendimento, i dati e i modelli – alla valutazione gratuita della brevettabilità, fino alla strategia di deposito delle domande di brevetto in Giappone, Stati Uniti ed Europa. [Prenoti una prima consulenza gratuita](https://www.evorix.jp/free-consultation) [Servizi di proprietà intellettuale nel settore IT e IA](https://www.evorix.jp/it-ip-portal) ## Domande frequenti (FAQ) D. Che tipo di brevetto è il US 11,887,367 B1? R. Si tratta di un brevetto registrato negli Stati Uniti a nome di OpenAI che tutela un metodo per far apprendere all’IA il “controllo automatico dello schermo”.Si tratta di una tecnologia che prevede l’etichettatura automatica (pseudo-etichettatura) di un’enorme quantità di video non etichettati (ad esempio, filmati che mostrano persone mentre utilizzano un software) tramite un «modello di dinamica inversa (IDM)» addestrato con una piccola quantità di dati etichettati, per poi addestrare il modello di interazione utilizzando tali dati in grande volume.È compatibile con la tecnica denominata da OpenAI «VPT (Video PreTraining)» ed è stato registrato il 30 gennaio 2024. D. Che cos’è il «modello di dinamica inversa (IDM)»? R. Si tratta di un modello che, a partire dalle immagini (osservazioni) precedenti e successive a un determinato istante, stima «quali operazioni (azioni) siano state eseguite» in quel lasso di tempo. Mentre l’IA tradizionale (modello di strategia) prevede «cosa si debba fare successivamente», l’IDM stima a posteriori «cosa sia stato fatto».Poiché è in grado di fare riferimento non solo ai fotogrammi passati ma anche a quelli futuri, la precisione nella stima delle operazioni è elevata ed è possibile generare grandi quantità di etichette a costi contenuti. D. Perché è importante «imparare dai video»? R. Su Internet sono disponibili innumerevoli video che mostrano persone mentre utilizzano software o giochi. Tuttavia, tali video non sono corredati di etichette operative che indichino «quando e quale tasto è stato premuto».La presente invenzione ha aperto la strada all’addestramento su larga scala e a basso costo di agenti specializzati nell’uso del computer, addestrando l’IDM a partire da una piccola quantità di dati etichettati e assegnando automaticamente etichette a un’enorme quantità di video non etichettati. D. In che cosa differisce dal brevetto di Anthropic relativo all’uso del computer? R. L’approccio è fondamentalmente diverso. Anthropic (derivato da Adept) tutela «l’infrastruttura di esecuzione dell’agente, il DSL e il flusso di dati».D’altra parte, il presente brevetto di OpenAI tutela il «metodo di addestramento per l’apprendimento delle operazioni a partire da filmati». È interessante notare come, pur affrontando la stessa sfida di «far utilizzare il PC all’IA», entrambe le società abbiano ottenuto brevetti basati su approcci tecnologici distinti. D. Anche i metodi di apprendimento (metodi di addestramento) possono essere oggetto di brevetto? A. Sì. Come nel caso del presente brevetto, se si descrivono chiaramente algoritmi specifici (IDM, previsione non causale, etichettatura simulata) e gli effetti tecnici che ne derivano (etichettatura su larga scala a basso costo), è possibile ottenere la tutela dei diritti sia in Giappone che negli Stati Uniti e in Europa.Le modalità di creazione dei dati e i metodi di apprendimento costituiscono la fonte della competitività dell’IA e rappresentano oggetti importanti per la registrazione di un brevetto. **Note relative al presente articolo:** il presente articolo costituisce una spiegazione generale delle tecnologie e del sistema basata su pubblicazioni di brevetti rese pubbliche. Il brevetto US 11,887,367 B1 è un brevetto registrato, ma l’effettivo ambito di protezione è determinato dal testo delle singole rivendicazioni, dalla dottrina dell’equivalenza e dalle informazioni relative alla cronologia.Le rivendicazioni, la sintesi e le descrizioni citate si basano sui dati dei bollettini pubblicati (ad esempio su FreePatentsOnline); tuttavia, per gli scopi giuridicamente rilevanti (FTO, analisi di violazione, nullità, depositi di domande, ecc.), si raccomanda di verificare sempre l’originale dell’USPTO e le informazioni aggiornate sullo stato della domanda, avvalendosi di una valutazione individuale da parte di un esperto.La traduzione in giapponese è da intendersi come traduzione di riferimento a scopo di comprensione; il testo ufficiale è quello originale in inglese. **Da leggere anche (serie sui brevetti relativi agli agenti IA):**[・Brevetto fondamentale di](https://www.evorix.jp/it/blog/anthropic-computer-use-patent-us12430150) [Anthropic relativo al «Computer Use»: US 12,430,150 B1 (piattaforma di esecuzione)](https://www.evorix.jp/it/blog/anthropic-computer-use-patent-us12430150) [・Brevetti di Anthropic sul flusso di dati (pipeline di apprendimento ↔ inferenza)](https://www.evorix.jp/it/blog/anthropic-data-flow-patent-us20250299074) [・Casi di brevetti e prassi di esame in Giappone, Stati Uniti ed Europa (sezione casi)](https://www.evorix.jp/it/blog/ai-agent-patent-cases-japan-us-europe) [・È possibile depositare una domanda di brevetto per la tecnologia degli agenti IA?(Parte introduttiva)](https://www.evorix.jp/it/blog/ai-agent-patent-application) ## Fonte - US 11.887.367 B1 (Google Patents): [https://patents.google.com/patent/US11887367B1/en](https://patents.google.com/patent/US11887367B1/en) - Rivendicazioni e descrizione (FreePatentsOnline): [https://www.freepatentsonline.com/11887367.html](https://www.freepatentsonline.com/11887367.html) ![Takefumi Sugiura, consulente in brevetti](https://www.evorix.jp/hubfs/HP-%E5%BC%81%E7%90%86%E5%A3%AB%E7%B4%B9%E4%BB%8B-%E3%83%97%E3%83%AD%E3%83%95%E3%82%A3%E3%83%BC%E3%83%AB%E7%94%BB%E5%83%8F.png) AUTORE / Autore Takefumi Sugiura (SUGIURA Takefumi) Studio di proprietà intellettuale EVORIX – **Consulente in proprietà industriale**, **titolare** Assiste clienti operanti in un’ampia gamma di settori – tra cui IT, produzione, start-up, moda e sanità – in ogni fase, dalla presentazione delle domande di brevetto, marchio, disegno industriale e diritto d’autore fino ai procedimenti di ricorso e alle cause per violazione.È inoltre esperto in strategie di proprietà intellettuale relative a settori all’avanguardia quali l’intelligenza artificiale (AI), l’Internet delle cose (IoT), il Web3 e il FinTech. È membro di diverse associazioni, tra cui **l’Ordine dei consulenti in brevetti del Giappone, l’Associazione asiatica dei consulenti in brevetti (APAA) e l’Associazione giapponese dei marchi (JTA)**. [→ Dettagli del profilo del consulente in proprietà industriale](https://www.evorix.jp/staff) [→ Consulenze e richieste di informazioni](https://www.evorix.jp/inquiry) [→ Procedura di consulenza](https://www.evorix.jp/consultation) [Brevetti relativi all'intelligenza artificiale](https://www.evorix.jp/it/blog/tag/brevetti-relativi-allintelligenza-artificiale), [Brevetti](https://www.evorix.jp/it/blog/tag/brevetti), [Diritti di proprietà intellettuale](https://www.evorix.jp/it/blog/tag/diritti-di-proprietà-intellettuale), [Studio di consulenza in materia di brevetti](https://www.evorix.jp/it/blog/tag/studio-di-consulenza-in-materia-di-brevetti), [Strategia in materia di proprietà intellettuale](https://www.evorix.jp/it/blog/tag/strategia-in-materia-di-proprietà-intellettuale), [Brevetti sul software](https://www.evorix.jp/it/blog/tag/brevetti-sul-software), [Avvocato specializzato in brevetti](https://www.evorix.jp/it/blog/tag/avvocato-specializzato-in-brevetti), [AI](https://www.evorix.jp/it/blog/tag/ai), [Brevetti esteri](https://www.evorix.jp/it/blog/tag/brevetti-esteri), [Agente di intelligenza artificiale](https://www.evorix.jp/it/blog/tag/agente-di-intelligenza-artificiale), [OpenAI](https://www.evorix.jp/it/blog/tag/openai) ## Articoli correlati [![\[Analisi approfondita di un consulente in brevetti\] Analisi del brevetto US 2024/0354319 A1 di NVIDIA denominato “AI Guardrail” | Controllo in fase di esecuzione senza rieducazione dei modelli LLM](https://www.evorix.jp/hs-fs/hubfs/Gemini_Generated_Image_naxriznaxriznaxr.jpg?height=200&name=Gemini_Generated_Image_naxriznaxriznaxr.jpg)](https://www.evorix.jp/it/blog/nvidia-llm-guardrails-patent-us20240354319) [Brevetti relativi all'intelligenza artificiale](https://www.evorix.jp/it/blog/tag/brevetti-relativi-allintelligenza-artificiale), [Brevetti](https://www.evorix.jp/it/blog/tag/brevetti), [Diritti di proprietà intellettuale](https://www.evorix.jp/it/blog/tag/diritti-di-propriet%C3%A0-intellettuale), [Studio di consulenza in materia di brevetti](https://www.evorix.jp/it/blog/tag/studio-di-consulenza-in-materia-di-brevetti), [Strategia in materia di proprietà intellettuale](https://www.evorix.jp/it/blog/tag/strategia-in-materia-di-propriet%C3%A0-intellettuale), [Brevetti sul software](https://www.evorix.jp/it/blog/tag/brevetti-sul-software), [Avvocato specializzato in brevetti](https://www.evorix.jp/it/blog/tag/avvocato-specializzato-in-brevetti), [AI](https://www.evorix.jp/it/blog/tag/ai), [Brevetti esteri](https://www.evorix.jp/it/blog/tag/brevetti-esteri), [Agente di intelligenza artificiale](https://www.evorix.jp/it/blog/tag/agente-di-intelligenza-artificiale), [NVIDIA](https://www.evorix.jp/it/blog/tag/nvidia) ## [NVIDIA: il brevetto US 2024/0354319 A1 sui guardrail per l'IA senza riaddestramento](https://www.evorix.jp/it/blog/nvidia-llm-guardrails-patent-us20240354319) ![Immagine di Takefumi Sugiura](https://www.evorix.jp/hs-fs/hubfs/top-profile-pic-sugiura-1.jpg?width=50&name=top-profile-pic-sugiura-1.jpg) [Takefumi Sugiura](https://www.evorix.jp/it/blog/author/takefumi-sugiura-it) 2026/06/07 In un’epoca in cui gli agenti di intelligenza artificiale agiscono in modo autonomo, una delle... [Scopri di più](https://www.evorix.jp/it/blog/nvidia-llm-guardrails-patent-us20240354319) [![\[Analisi approfondita di un consulente in brevetti\] Analisi del brevetto fondamentale US 12,430,150 B1 di Anthropic relativo a “Computer Use” | Testo completo delle rivendicazioni e architettura tecnica](https://www.evorix.jp/hs-fs/hubfs/Gemini_Generated_Image_7fcf6e7fcf6e7fcf.jpg?height=200&name=Gemini_Generated_Image_7fcf6e7fcf6e7fcf.jpg)](https://www.evorix.jp/it/blog/anthropic-computer-use-patent-us12430150) [Brevetti relativi all'intelligenza artificiale](https://www.evorix.jp/it/blog/tag/brevetti-relativi-allintelligenza-artificiale), [Anthropic](https://www.evorix.jp/it/blog/tag/anthropic), [Brevetti](https://www.evorix.jp/it/blog/tag/brevetti), [Diritti di proprietà intellettuale](https://www.evorix.jp/it/blog/tag/diritti-di-propriet%C3%A0-intellettuale), [Studio di consulenza in materia di brevetti](https://www.evorix.jp/it/blog/tag/studio-di-consulenza-in-materia-di-brevetti), [Multiagente](https://www.evorix.jp/it/blog/tag/multiagente), [Strategia in materia di proprietà intellettuale](https://www.evorix.jp/it/blog/tag/strategia-in-materia-di-propriet%C3%A0-intellettuale), [Brevetti sul software](https://www.evorix.jp/it/blog/tag/brevetti-sul-software), [Avvocato specializzato in brevetti](https://www.evorix.jp/it/blog/tag/avvocato-specializzato-in-brevetti), [AI](https://www.evorix.jp/it/blog/tag/ai), [Brevetti esteri](https://www.evorix.jp/it/blog/tag/brevetti-esteri), [Agente di intelligenza artificiale](https://www.evorix.jp/it/blog/tag/agente-di-intelligenza-artificiale) ## [Anthropic Computer Use: rivendicazioni e architettura del brevetto US 12,430,150 B1](https://www.evorix.jp/it/blog/anthropic-computer-use-patent-us12430150) ![Immagine di Takefumi Sugiura](https://www.evorix.jp/hs-fs/hubfs/top-profile-pic-sugiura-1.jpg?width=50&name=top-profile-pic-sugiura-1.jpg) [Takefumi Sugiura](https://www.evorix.jp/it/blog/author/takefumi-sugiura-it) 2026/06/05 È giunta l’era in cui gli agenti di intelligenza artificiale “utilizzano” il computer. In prima... [Scopri di più](https://www.evorix.jp/it/blog/anthropic-computer-use-patent-us12430150) [![\[Analisi approfondita di un consulente in brevetti\] Analisi del brevetto US 12.566.913 B2 di Anthropic relativo all’“agente IA” | DSL, suddivisione in sottocompiti, affidabilità dell’88%](https://www.evorix.jp/hs-fs/hubfs/Gemini_Generated_Image_u38w0au38w0au38w.jpg?height=200&name=Gemini_Generated_Image_u38w0au38w0au38w.jpg)](https://www.evorix.jp/it/blog/anthropic-ai-agent-patent-us12566913) [Brevetti relativi all'intelligenza artificiale](https://www.evorix.jp/it/blog/tag/brevetti-relativi-allintelligenza-artificiale), [Anthropic](https://www.evorix.jp/it/blog/tag/anthropic), [Brevetti](https://www.evorix.jp/it/blog/tag/brevetti), [Diritti di proprietà intellettuale](https://www.evorix.jp/it/blog/tag/diritti-di-propriet%C3%A0-intellettuale), [Studio di consulenza in materia di brevetti](https://www.evorix.jp/it/blog/tag/studio-di-consulenza-in-materia-di-brevetti), [Multiagente](https://www.evorix.jp/it/blog/tag/multiagente), [Strategia in materia di proprietà intellettuale](https://www.evorix.jp/it/blog/tag/strategia-in-materia-di-propriet%C3%A0-intellettuale), [Brevetti sul software](https://www.evorix.jp/it/blog/tag/brevetti-sul-software), [Avvocato specializzato in brevetti](https://www.evorix.jp/it/blog/tag/avvocato-specializzato-in-brevetti), [AI](https://www.evorix.jp/it/blog/tag/ai), [Brevetti esteri](https://www.evorix.jp/it/blog/tag/brevetti-esteri), [Agente di intelligenza artificiale](https://www.evorix.jp/it/blog/tag/agente-di-intelligenza-artificiale) ## [Anthropic: il brevetto US 12,566,913 B2 su agenti IA, DSL e suddivisione dei compiti](https://www.evorix.jp/it/blog/anthropic-ai-agent-patent-us12566913) ![Immagine di Takefumi Sugiura](https://www.evorix.jp/hs-fs/hubfs/top-profile-pic-sugiura-1.jpg?width=50&name=top-profile-pic-sugiura-1.jpg) [Takefumi Sugiura](https://www.evorix.jp/it/blog/author/takefumi-sugiura-it) 2026/06/05 Gli agenti di intelligenza artificiale gestiscono il computer al posto degli esseri umani: tra i... [Scopri di più](https://www.evorix.jp/it/blog/anthropic-ai-agent-patent-us12566913) --- [![知的財産事務所エボリクス/EVORIX/大阪/特許・商標・意匠登](https://www.evorix.jp/hs-fs/hubfs/%E7%9F%A5%E7%9A%84%E8%B2%A1%E7%94%A3%E4%BA%8B%E5%8B%99%E6%89%80%E3%82%A8%E3%83%9C%E3%83%AA%E3%82%AF%E3%82%B9%20(500%20%C3%97%20250%20px).png?width=500&height=250&name=%E7%9F%A5%E7%9A%84%E8%B2%A1%E7%94%A3%E4%BA%8B%E5%8B%99%E6%89%80%E3%82%A8%E3%83%9C%E3%83%AA%E3%82%AF%E3%82%B9%20(500%20%C3%97%20250%20px).png "知的財産事務所エボリクス/EVORIX/大阪/特許・商標・意匠登")](https://www.evorix.jp) Intellectual Property Law Firm EVORIX   4th Floor, Qus-Hiranomachi Building, 3-1-2 Hiranomachi, Chuo-Ku, Osaka-shi, Osaka 541-0046 Japan Mail: [contact@evorix.jp](mailto:contact@evorix.jp) TEL: +81-6-7777-1884 - [Hague International Design Application](https://www.evorix.jp/hague-design-application) - [Madrid Protocol International Trademark Application](https://www.evorix.jp/madrid-protocol-trademark) - [Amazon IP Infringement Support](https://www.evorix.jp/amazon-infringement) - [About Us](https://www.evorix.jp/about) - [Our Attorneys](https://www.evorix.jp/staff) - [Services](https://www.evorix.jp/contents) - [Consultation Process](https://www.evorix.jp/consultation) - [Blog](https://www.evorix.jp/blog) - [Careers](https://www.evorix.jp/recruit) - [Trademark Portfolio](https://www.evorix.jp/trademark-list) - [Privacy Policy](https://www.evorix.jp/hubfs/%E8%B3%87%E6%96%99/HP-%E3%83%97%E3%83%A9%E3%82%A4%E3%83%90%E3%82%B7%E3%83%BC%E3%83%9D%E3%83%AA%E3%82%B7%E3%83%BC.pdf) - [Contact](https://www.evorix.jp/inquiry) ---   Copyright © 2026, Intellectual Property Law Firm EVORIX® All rights reserved.  ```json { "@context" : "https://schema.org", "@type" : "BlogPosting", "author" : { "@type" : "Person", "name" : "Takefumi Sugiura", "url" : "https://www.evorix.jp/it/blog/author/takefumi-sugiura-it" }, "datePublished" : "2026-06-06T04:08:35.000Z", "headline" : "OpenAI VPT: il brevetto US 11,887,367 B1 sugli agenti che imparano dai video", "image" : [ "https://www.evorix.jp/hubfs/Gemini_Generated_Image_862ths862ths862t.jpg" ], "mainEntityOfPage" : { "@id" : "https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367", "@type" : "WebPage" }, "publisher" : { "@type" : "Organization", "logo" : { "@type" : "ImageObject", "url" : "https://www.evorix.jp/hubfs/%E7%9F%A5%E7%9A%84%E8%B2%A1%E7%94%A3%E4%BA%8B%E5%8B%99%E6%89%80%E3%82%A8%E3%83%9C%E3%83%AA%E3%82%AF%E3%82%B9%20(500%20%C3%97%20250%20px).png" }, "name" : "知的財産事務所エボリクス" } } ``` ```json { "@context" : "https://schema.org", "@type" : "BlogPosting", "author" : { "@type" : "Person", "affiliation" : "Studio di proprietà intellettuale EVORIX", "jobTitle" : "Consulente in proprietà industriale", "name" : "Takefumi Sugiura" }, "datePublished" : "2026-06-06", "description" : "Un consulente in proprietà industriale fornisce un’analisi approfondita del brevetto registrato da OpenAI US 11,887,367 B1 (VPT). Un metodo di addestramento che consente di apprendere le operazioni relative all’uso del computer a partire da video non etichettati, mediante un modello di dinamica inversa (IDM) e un’etichettatura pseudo-non causale. Citazione del testo originale della rivendicazione 1 e commento articolo per articolo, confronto con il brevetto di Anthropic relativo all’uso del computer, fino alla valutazione dell’esame del metodo di apprendimento in Giappone, Stati Uniti ed Europa.", "headline" : "[Analisi approfondita di un consulente in proprietà industriale] Analisi del brevetto US 11.887.367 B1 (VPT) di OpenAI relativo all’“agente IA che apprende dai video”", "image" : "https://www.evorix.jp/hubfs/EVORIX-logo-rich.png", "inLanguage" : "it", "mainEntityOfPage" : "https://www.evorix.jp/it/blog/openai-vpt-patent-us11887367", "publisher" : { "@type" : "Organization", "logo" : { "@type" : "ImageObject", "url" : "https://www.evorix.jp/hubfs/EVORIX-logo-rich.png" }, "name" : "EVORIX" } } ``` ```json { "@context" : "https://schema.org", "@type" : "FAQPage", "mainEntity" : [ { "@type" : "Question", "acceptedAnswer" : { "@type" : "Answer", "text" : "Un brevetto registrato negli Stati Uniti da OpenAI tutela il metodo per insegnare all’IA il “controllo automatico dello schermo”. Si tratta di una tecnologia che prevede l’etichettatura automatica (pseudo-etichettatura) di un’enorme quantità di video non etichettati (ad esempio, filmati che mostrano persone mentre utilizzano un software) tramite un «modello di dinamica inversa (IDM)» addestrato con una piccola quantità di dati etichettati, per poi addestrare il modello di interazione utilizzando tali dati in grande quantità. Il brevetto, registrato il 30 gennaio 2024, riguarda la tecnica denominata da OpenAI «VPT (Video PreTraining)»." }, "name" : "Che tipo di brevetto è il brevetto US 11.887.367 B1?" }, { "@type" : "Question", "acceptedAnswer" : { "@type" : "Answer", "text" : "Si tratta di un modello che, partendo dalle schermate (osservazioni) precedenti e successive a un determinato momento, stima «quali operazioni (azioni) siano state eseguite» in quel lasso di tempo. Mentre l’intelligenza artificiale tradizionale (modello di strategia) prevede «cosa si debba fare successivamente», l’IDM stima a posteriori «cosa sia stato fatto». Poiché è in grado di fare riferimento non solo ai fotogrammi passati ma anche a quelli futuri, la precisione nella stima delle operazioni risulta elevata ed è possibile generare grandi quantità di etichette a costi contenuti." }, "name" : "Che cos’è il “modello di dinamica inversa (IDM)”?" }, { "@type" : "Question", "acceptedAnswer" : { "@type" : "Answer", "text" : "Su Internet sono disponibili innumerevoli video che mostrano persone intente a utilizzare software o giochi. Tuttavia, tali video non sono corredati di etichette operative che indichino «quando e quale tasto è stato premuto». La presente invenzione ha aperto la strada all’addestramento su larga scala e a basso costo di agenti specializzati nell’uso del computer (computer use), addestrando un modello IDM (Identity-Based Machine Learning) a partire da una piccola quantità di dati etichettati e assegnando automaticamente etichette a un’enorme quantità di video non etichettati." }, "name" : "Perché è importante “imparare dai video”?" }, { "@type" : "Question", "acceptedAnswer" : { "@type" : "Answer", "text" : "L’approccio è fondamentalmente diverso. Anthropic (derivata da Adept) tutela «la piattaforma di esecuzione degli agenti, il DSL e il flusso di dati». D’altra parte, il presente brevetto di OpenAI tutela un «metodo di addestramento che consente di apprendere le operazioni da filmati». È interessante notare come, pur affrontando la stessa sfida di «far utilizzare un PC all’IA», le due aziende abbiano ottenuto brevetti basati su approcci tecnologici diversi." }, "name" : "In che cosa differisce dal brevetto di Anthropic relativo all’uso dei computer?" }, { "@type" : "Question", "acceptedAnswer" : { "@type" : "Answer", "text" : "È possibile. Se, come nel caso del presente brevetto, si descrivono chiaramente gli algoritmi specifici (IDM, previsione non causale, pseudo-etichettatura) e gli effetti tecnici che ne derivano (etichettatura su larga scala a basso costo), è possibile ottenere la tutela dei diritti sia in Giappone che negli Stati Uniti e in Europa. Le modalità di generazione dei dati e i metodi di apprendimento costituiscono la fonte della competitività dell’IA e rappresentano importanti oggetti di protezione dei diritti." }, "name" : "Anche i metodi di apprendimento (metodi di formazione) possono essere oggetto di brevetto?" } ] } ```