Alexander Hudek, spoluzakladatel a CTO společnosti Kira Systems – Interview Series

Alex Hudek je spoluzakladatel a CTO společnosti Kira Systems. Vystudoval doktorát a magisterský titul v oboru počítačových věd na University of Waterloo a titul B.Sc. na University of Toronto v oboru fyziky a počítačových věd.

Jeho předchozí výzkum v oblasti bioinformatiky se zaměřoval na hledání podobností mezi sekvencemi DNA. Pracoval také v oblastech důkazových systémů a kompilace dotazů do databáze.

Kdy jste se poprvé začal zajímat o strojové učení a umělou inteligenci?

Vždycky mě fascinovaly počítačové vědy. Během svého bakalářského studia jsem absolvoval kurzy algoritmů pro plánování a logiku, strojové učení a umělou inteligenci, numerické výpočty a další témata. Můj zájem o strojové učení se během mého doktorského studia na University of Waterloo prohluboval. Zde jsem používal metody strojového učení ke studiu DNA. Později jsem se během svého postdoktorálního výzkumu více zabýval formálními logikami. Logika a uvažování je v některých ohledech “druhá strana” mince v přístupech k umělým inteligencím a cítil jsem, že je důležité se o tom více dozvědět.

Některý z vašeho předchozího výzkumu v oblasti bioinformatiky se zaměřoval na hledání podobností mezi sekvencemi DNA. Můžete diskutovat o některé z této práce?

Hlavní část mé disertační práce spočívala ve vyvinutí realističtějšího modelu mutace DNA pomocí skrytých Markovových modelů. Tento složitější model jsem použil v novém algoritmu navrženém pro hledání oblastí DNA, které sdílejí společný původ s jinými druhy. Tento nový algoritmus může najít mnohem slaběji související sekvence než předchozí algoritmy pro tuto úlohu.

Před svým doktorským studiem jsem pracoval v výzkumné laboratoři, která byla součástí projektu lidského genomu. Jedním z nejvýznamnějších projektů, na kterých jsem pracoval, byla první kompletní verze lidského chromozomu 7.

Co bylo původním impulzem pro spuštění Kira?

Nápad na Kira přišel od mého spoluzakladatele, Noaha Waisberga. On strávil hodiny své kariéry jako právník tím, že dělal přesně tu práci, na kterou jsme nyní vyvinuli umělou inteligenci. Bylo to zajímavé, protože se to týkalo přirozeného jazyka a problém byl dobře vymezen, a já jsem viděl obchodní potenciál. Je něco lákavého na stavbě umělé inteligence, která může pochopit lidský jazyk, protože jazyk je tak úzce spojen s lidským poznáním.

Můžete popsat, co je Contract Analysis Software a jak prospívá právním odborníkům?

Kira používá supervidované strojové učení, což znamená, že zkušený právník zadává ustanovení z skutečných smluv do systému navrženého pro učení z těchto příkladů. Systém studuje tato data, učí se, co je relevantní jazyk, a vytváří pravděpodobnostní modely ustanovení. Tyto modely jsou pak testovány proti sadě anotovaných dohod, se kterými systém není seznámen, aby se určilo jeho připravenost. Tato vysoce přesná technologie strojového učení může identifikovat a analyzovat téměř jakékoli ustanovení ve smlouvě, což vede k úsporám času zákazníkům o 20-90%. Tato zvýšená produktivita pomáhá právníkům zvýšit svou realizaci, dává jim více příležitostí k růstu svých příjmů a zachování stávajících klientů. Pro korporace to zlepšuje produktivitu v rámci společnosti a snižuje potřebu externích právních výdajů.

Přirozený jazykový proces (NLP) je pro většinu společností obtížný. Můžete diskutovat o některých dalších výzvách, kterým čelíte při zpracování právních termínů a jiných nuancí, které jsou jedinečné pro právní profesi?

Pro mnoho lidí může právní jazyk vypadat velmi cizí, ale z pohledu strojového učení to není vlastně tak odlišné. Existují beberapa jedinečných věcí; velká písmena jsou důležitější a věty mohou být mnohem delší než normální, ale celkově jsme nepotřebovali významně odlišné přístupy NLP než v jiných oblastech.

Jedním aspektem, který je významně odlišný, je potřeba datové ochrany a přizpůsobení. Právníci jsou povinni zachovávat důvěrnost klientů, a použití strojového učení v produktu, který sdílí nebo kombinuje trénovací data, je v rozporu s těmito požadavky. Ve skutečnosti je často dokonce uchovávání trénovacích dat nemožné, protože mají povinnost smazat klientova data po skončení projektu. Proto je schopnost trénovat modely bez zapojení dodavatelů kritická, stejně jako techniky strojového učení, které dělají obtížné nebo nemožné obnovit jakoukoli část trénovacích dat prohlížením naučených modelů. Techniky, které umožňují vzít existující model a aktualizovat ho novými trénovacími daty bez přeškolování od začátku, jsou také nezbytné.

Na straně přizpůsobení existuje potřeba, aby klienti mohli vytvářet své vlastní modely. To je proto, že pro složitější právní koncepty může existovat rozumný nesouhlas mezi profesionály, a firmy často chtějí upravit nebo vytvořit modely, aby odpovídaly jejich jedinečným pozicím.

Můžete popsat, jak je hluboké učení použito ke kategorizaci dat v softwaru Kira?

Nepoužíváme mnoho hlubokého učení v našem produktu, i když náš interní výzkumný tým tráví spoustu času hodnocením a zkoumáním hlubokých učení. Dosud hluboké učení na typech problémů, kterým čelíme, odpovídá nebo je o málo lepší než ne-hluboké učení. Vzhledem k obrovské výpočetní zátěži hlubokých učení, stejně jako výzvám v zachování soukromí trénovacích dat, nebyly dosud dostatečně přesvědčivé, aby je přijali.

Řekl bych, že hluboké učení je velmi lákavé a myslíme si, že mají potenciál stát se velkým v NLP jednou. S tím, že neustále hodnotíme a zkoumáme hluboké učení NLP, abychom byli připraveni je přijmout, jakmile výhody začnou převažovat nevýhody.

Co jsou některé z vestavěných modelů ustanovení, které Kira nabízí?
V současné době Kira může identifikovat a extrahovat více než 1 000 vestavěných ustanovení, klauzulí a datových bodů (chytrých polí). Tyto se týkají mnoha různých témat, od due diligence při fúzích a akvizicích – s nimiž Kira původně začala – až po Brexit; až po nemovitosti. Chytrá pole jsou vytvořena našim týmem odborníků z oblasti, včetně zkušených právníků a účetních. S naší technologií strojového učení vyžadují standardy Kira, aby téměř každé chytré pole dosáhlo minimální recall hodnoty 90 %, což znamená, že náš software najde 90 % nebo více ustanovení, klauzule nebo datového bodu, který hledáte ve svých smlouvách nebo dokumentech, snižuje rizika a chyby v procesu přezkumu smlouvy. Kromě toho lze vytvořit neomezené množství vlastních polí, aby se automaticky identifikovaly a extrahovaly relevantní informace pomocí našeho nástroje Quick Study.

Právní svět je často známý tím, že je pomalý v přijímání nové technologie. Najdete, že existuje vzdělávací bariéra, když jde o vzdělávání právních firem?

Právníci opravdu chtějí vědět, jak věci fungují, takže vzdělávání je důležité. Není to těžší učit právníky o strojovém učení a umělých inteligencích než ostatní profesionály, ale je určitě vyžadováno mít připravené tréninkové materiály. Mnoho přijímacích překážek je také společenských; lidé často se ptají na nejlepší postupy při přizpůsobování svých interních procesů pro použití umělé inteligence nebo jsou intéressováni v tom, jak mohou používat umělou inteligenci ke změně svých obchodních nabídek způsobem, který jim dává výhody nad rámec pouze zlepšení efektivity.

Ve srovnání s tím, kdy jsme začali Kira Systems v roce 2011, jsou právní firmy dnes mnohem více znalé o umělých inteligencích a technologiích. Mnoho z nich má inovační týmy, které jsou pověřeny zkoumáním nové technologie a podporou přijímání nových řešení.

Je něco jiného, co byste rádi sdíleli o Kira?

Akademická literatura a otevřené knihovny strojového učení byly sangat důležité pro pomoc nám při spuštění společnosti. Věříme, že otevřené informace a software jsou obrovským přínosem pro svět. Vzhledem k tomu, že náš výzkumný tým publikuje výsledky mnoha našich výzkumných úsilí v akademických časopisech a konferencích. Kromě toho, že to ukazuje, že tlačíme hranice současného stavu, to nám také umožňuje vrátit se back do komunit, které nám pomohly začít, a z nichž jsme nadále získáváme obrovskou hodnotu. Můžete najít naše články na https://kirasystems.com/science/.

Chcete-li se dozvědět více, navštivte Kira Systems.