商标分类 
商标转让 
您当前的位置： 如何知道初创公司是否侵犯商标
2021-02-02 22:02:22|
200|
起点商标网 在《快速公司》杂志网站的FastCoLabs部分中，我们对TrademarkNow进行了出色的介绍，而我们所做的工作名为“我如何（真的）知道我的初创公司是否侵犯了商标？”。
作为开发人员，了解您的商标很重要。但是，由于商标法的运作方式怪异，因此，要确保您尚未精心设计的公司名称未被抢购，可能既昂贵又费时。由四位软件工程师和商标律师创立的不再是芬兰的初创公司TrademarkNow （前身为Onomatics，Inc），认为其新的专有搜索引擎就是答案。
联合创始人兼知识产权律师Anna Ronkainen表示：“至少目前，大多数律师都在使用相当传统的数据库，只允许使用通配符搜索。” “这是一种非常低效的操作方式，并且在这方面计算机可以用来做得更好。”
Anna和她的同事们通过 TrademarkNow，基于商标领域独特的人工智能模型，构建了世界上最先进的商标搜索引擎。从法律上来讲，这令人印象深刻，但它与计算机科学项目也具有相关性（并且非常复杂）。商标可以采用多种形式，从文字和声音到符号甚至颜色。商标通常不仅适用于名称，还适用于特定的产品和设计（例如，可口可乐的旋转书法）。
这相当于一个非常艰巨的计算问题：经典搜索引擎并不适合完成该任务，因为所需的是多维搜索，不仅要配备正确的合法数据集和算法，而且还可以沿几行搜索立即查询。
安娜说，TrademarkNow系统是唯一可以搜索这些指标的自动化商标系统。刚刚与来自硅谷，伦敦和斯堪的纳维亚半岛的天使投资人和风险投资人结束了种子轮融资后，Anna和她的同事们希望他们的创造将促使商标分析方法发生根本性的转变。
那么它是如何工作的呢？
您的公司怎么样？
为了使用TrademarkNow进行搜索，要求用户输入商标名称（例如FastCoLabs），产品类别（在这种情况下为技术网站）以及要在其中注册商标的区域（全球）。从这三个输入中，会生成一个称为相似度的分数，显示出您提议的商标与现有商标的接近程度。相似性被描述为介于1到5之间的“安全级别”，每个级别均附有一些有关您是否应考虑进行诉讼的广泛法律建议。（我建议的“快速公司”建议的“快速业务”是一项建议更改。）
安娜说：“两个完全相同的商标当然是100％相似。” “我们将50％标记定义为商标异议案件中的决定应更改的边界点。最大的挑战是，目前商标律师也将其相似性估算值表示为百分比，我们必须尝试匹配这些数字才能得出确保我们的结果“感觉”正确，即使当前使用的百分比没有客观依据。”
TrademarkNow不仅会就特定商标是否违反法律或其他权利提供二进制“是/否”答案，而且还会针对该主题进行详尽的报告，列出所有“相似”和“稍微相似”的商标和产品这些公司进行交易。
它还完成了另一个有用的功能。安娜继续说道：“对我们来说，最重要的技术挑战是了解客户的需求并设法解决这一问题。” “因此，我们可以说我们只处理商标法，但我们的客户并没有真正的商标法问题。实际问题是命名和品牌管理，尽管商标法确实起着关键作用，但我们并不害怕还添加其他数据源，例如词典以获取数百种语言的单词含义，以及行业特定的数据源，例如移动应用程序或药品的名称。”
客户显然不想尝试注册已经在其他地方使用的商标，但是他们也不想选择具有无法预料的含义的名称。即使是最大的公司，这也是一个错误。例如，当Google于2006年首次尝试推出其中文品牌时，它在新服务中选择了音色相似的名称“ GuGe”，却没有意识到该名称在粤语中意味着“收获歌曲”，因此许多人都认为这很奇怪-听起来很老练。通过使用自然语言处理工具，TrademarkNow可以利用数百种不同的词典数据集；潜在地节省了长期的尴尬。
建模定律问题
当然，TrademarkNow背后的团队遇到的一个更大的问题是那些过去试图将法律与计算机建模结合在一起的人所面临的一个普遍问题：即法律并不总是适合于自动化。安娜说：“问题是试图创建一套与过去的决策相匹配的通用规则，因为案件可能会非常不一致，并且往往与每个案件的具体情况联系在一起。” “商标的相似性很难，因为存在很高的主观性。”
出于这个原因，TrademarkNow产生的相似性评分不仅基于“客观”比较，而且还基于对商标案件如若诉诸法庭的预测。这是通过使用机器学习工具和超过50,000个先前案例判决的数据集实现的，Anna将其描述为任何法律领域中最大的智能法律技术案例基础之一。
安娜继续说道：“试图提出一种可靠而全面的方法来进行法律分析，这基本上是不可能完成的任务，尤其是当甚至律师们对某些特定决定的含义持不同意见时。” 虽然大多数法律案件的影响有限，例如可以通过调整特定算法的权重将其纳入现有系统中，但是当涉及到先例设置商标案件时，判决有时会立即产生效果过去的决定过时了。出于这个原因，Anna解释说，尽管TrademarkNow系统是自动化的，但是它的更新通常采用老式的方式：通过让团队通过阅读案例研究来跟踪新案例和立法变化。
自动化法律制度
Anna大约15年前开始从事成为TrademarkNow的项目，最初是计算机法律理论中的问题。她说：“我想尝试使用Type-2模糊逻辑对定律进行建模。” “最初是随机选择一个域名的问题。有一阵子我正在考虑根据1970年代的加拿大税法这样做。然后，我拿起了一本关于商标法的教科书，意识到这正是挑战的类型。我想看看。” 在构建了TrademarkNow算法的雏形之后，Manael Kolehmainen便与Anna取得联系，Mikael Kolehmainen渴望进入计算机科学领域，随后不久该公司就成立了。
法律的自动化正在变得越来越重要—从能够阻止酒后驾驶者操作汽车的汽车到像Wevorce这样的承诺通过算法进行离婚的高科技创业公司，无处不在。自动化法律有两个主要好处：成本和速度。尽管他们仍在研究TrademarkNow的定价模型，但安娜指出，它比进行类似工作的传统方式便宜得多。它也更快。
她继续说：“传统过程很容易需要一周的时间来进行搜索。” “律所通常会聘请代表法律判决的律师，并由律师助理执行搜索并处理后勤事务。来回程序很多。我们的系统需要10到15秒的时间，仅此而已。”
她现在必须处理的是希望系统的其余部分能够赶上。“很多商标数据存储仍然是过时的，”安娜说。“在某些情况下，它只能在缩微胶片或索引卡上使用。将其输入计算机中是我们继续扩展时必须考虑的事情。”
毫无疑问，面对计算机科学的发展，法律正在发生变化。但是某些部分的变化比其他部分快...
作为开发人员，了解您的商标很重要。但是，由于商标法的运作方式怪异，因此，要确保您尚未精心设计的公司名称未被抢购，可能既昂贵又费时。由四位软件工程师和商标律师创立的不再是芬兰的初创公司TrademarkNow （前身为Onomatics，Inc），认为其新的专有搜索引擎就是答案。
联合创始人兼知识产权律师Anna Ronkainen表示：“至少目前，大多数律师都在使用相当传统的数据库，只允许使用通配符搜索。” “这是一种非常低效的操作方式，并且在这方面计算机可以用来做得更好。”
Anna和她的同事们通过 TrademarkNow，基于商标领域独特的人工智能模型，构建了世界上最先进的商标搜索引擎。从法律上来讲，这令人印象深刻，但它与计算机科学项目也具有相关性（并且非常复杂）。商标可以采用多种形式，从文字和声音到符号甚至颜色。商标通常不仅适用于名称，还适用于特定的产品和设计（例如，可口可乐的旋转书法）。
这相当于一个非常艰巨的计算问题：经典搜索引擎并不适合完成该任务，因为所需的是多维搜索，不仅要配备正确的合法数据集和算法，而且还可以沿几行搜索立即查询。
安娜说，TrademarkNow系统是唯一可以搜索这些指标的自动化商标系统。刚刚与来自硅谷，伦敦和斯堪的纳维亚半岛的天使投资人和风险投资人结束了种子轮融资后，Anna和她的同事们希望他们的创造将促使商标分析方法发生根本性的转变。
那么它是如何工作的呢？
您的公司怎么样？
为了使用TrademarkNow进行搜索，要求用户输入商标名称（例如FastCoLabs），产品类别（在这种情况下为技术网站）以及要在其中注册商标的区域（全球）。从这三个输入中，会生成一个称为相似度的分数，显示出您提议的商标与现有商标的接近程度。相似性被描述为介于1到5之间的“安全级别”，每个级别均附有一些有关您是否应考虑进行诉讼的广泛法律建议。（我建议的“快速公司”建议的“快速业务”是一项建议更改。）
安娜说：“两个完全相同的商标当然是100％相似。” “我们将50％标记定义为商标异议案件中的决定应更改的边界点。最大的挑战是，目前商标律师也将其相似性估算值表示为百分比，我们必须尝试匹配这些数字才能得出确保我们的结果“感觉”正确，即使当前使用的百分比没有客观依据。”
TrademarkNow不仅会就特定商标是否违反法律或其他权利提供二进制“是/否”答案，而且还会针对该主题进行详尽的报告，列出所有“相似”和“稍微相似”的商标和产品这些公司进行交易。
它还完成了另一个有用的功能。安娜继续说道：“对我们来说，最重要的技术挑战是了解客户的需求并设法解决这一问题。” “因此，我们可以说我们只处理商标法，但我们的客户并没有真正的商标法问题。实际问题是命名和品牌管理，尽管商标法确实起着关键作用，但我们并不害怕还添加其他数据源，例如词典以获取数百种语言的单词含义，以及行业特定的数据源，例如移动应用程序或药品的名称。”
客户显然不想尝试注册已经在其他地方使用的商标，但是他们也不想选择具有无法预料的含义的名称。即使是最大的公司，这也是一个错误。例如，当Google于2006年首次尝试推出其中文品牌时，它在新服务中选择了音色相似的名称“ GuGe”，却没有意识到该名称在粤语中意味着“收获歌曲”，因此许多人都认为这很奇怪-听起来很老练。通过使用自然语言处理工具，TrademarkNow可以利用数百种不同的词典数据集；潜在地节省了长期的尴尬。
建模定律问题
当然，TrademarkNow背后的团队遇到的一个更大的问题是那些过去试图将法律与计算机建模结合在一起的人所面临的一个普遍问题：即法律并不总是适合于自动化。安娜说：“问题是试图创建一套与过去的决策相匹配的通用规则，因为案件可能会非常不一致，并且往往与每个案件的具体情况联系在一起。” “商标的相似性很难，因为存在很高的主观性。”
出于这个原因，TrademarkNow产生的相似性评分不仅基于“客观”比较，而且还基于对商标案件如若诉诸法庭的预测。这是通过使用机器学习工具和超过50,000个先前案例判决的数据集实现的，Anna将其描述为任何法律领域中最大的智能法律技术案例基础之一。
安娜继续说道：“试图提出一种可靠而全面的方法来进行法律分析，这基本上是不可能完成的任务，尤其是当甚至律师们对某些特定决定的含义持不同意见时。” 虽然大多数法律案件的影响有限，例如可以通过调整特定算法的权重将其纳入现有系统中，但是当涉及到先例设置商标案件时，判决有时会立即产生效果过去的决定过时了。出于这个原因，Anna解释说，尽管TrademarkNow系统是自动化的，但是它的更新通常采用老式的方式：通过让团队通过阅读案例研究来跟踪新案例和立法变化。
自动化法律制度
Anna大约15年前开始从事成为TrademarkNow的项目，最初是计算机法律理论中的问题。她说：“我想尝试使用Type-2模糊逻辑对定律进行建模。” “最初是随机选择一个域名的问题。有一阵子我正在考虑根据1970年代的加拿大税法这样做。然后，我拿起了一本关于商标法的教科书，意识到这正是挑战的类型。我想看看。” 在构建了TrademarkNow算法的雏形之后，Manael Kolehmainen便与Anna取得联系，Mikael Kolehmainen渴望进入计算机科学领域，随后不久该公司就成立了。
法律的自动化正在变得越来越重要—从能够阻止酒后驾驶者操作汽车的汽车到像Wevorce这样的承诺通过算法进行离婚的高科技创业公司，无处不在。自动化法律有两个主要好处：成本和速度。尽管他们仍在研究TrademarkNow的定价模型，但安娜指出，它比进行类似工作的传统方式便宜得多。它也更快。
她继续说：“传统过程很容易需要一周的时间来进行搜索。” “律所通常会聘请代表法律判决的律师，并由律师助理执行搜索并处理后勤事务。来回程序很多。我们的系统需要10到15秒的时间，仅此而已。”
她现在必须处理的是希望系统的其余部分能够赶上。“很多商标数据存储仍然是过时的，”安娜说。“在某些情况下，它只能在缩微胶片或索引卡上使用。将其输入计算机中是我们继续扩展时必须考虑的事情。”
毫无疑问，面对计算机科学的发展，法律正在发生变化。但是某些部分的变化比其他部分快...
起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】
与客服一对一沟通，为大家解决相关问题。
此文章来源于网络,如有侵权,请联系删除
tips