Alexander Hudek, spoluzakladatel a technický ředitel Kira Systems – rozhovor

Alex Hudek je spoluzakladatel a technický ředitel 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.

V jeho předchozím výzkumu v oblasti bioinformatiky se zaměřil na hledání podobností mezi DNA sekvencemi. Pracoval také v oblastech důkazových systémů a kompilace dotazů do databáze.

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

Vždy jsem byl intéressován počítačovými vědami. Na univerzitě jsem absolvoval kurzy z algoritmů pro plánování a logiku, strojového učení a umělou inteligenci, numerické výpočty a další témata. Můj zájem o strojové učení se zvýšil během mého doktorátu na University of Waterloo. Zde jsem používal metody strojového učení ke studiu DNA. Později jsem se více zabýval formálními logikami jako součásti své postdoktorální práce. 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.

Někteří z vašich předchozích výzkumů v oblasti bioinformatiky se zaměřili na hledání podobností mezi DNA sekvencemi. Můžete diskutovat o některých z těchto prací?

Hlavní část mé disertační práce spočívala ve vybudování realističtějšího modelu mutace DNA pomocí skrytých Markovových modelů. Použil jsem tento komplexnější model 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 tento úkol.

Než jsem začal doktorát, pracoval jsem v výzkumném ústavu, který byl součástí projektu lidského genomu. Jedním z nejvýznamnějších projektů, na kterém jsem pracoval, byla první kompletní verze lidského chromozomu 7.

Jaký byl počáteční impuls za spuštěním Kira?

Nápad na Kira přišel od mého spoluzakladatele, Noaha Waisberga. On strávil hodiny své kariéry jako právník tím, čím jsme nyní postavili umělou inteligenci. Bylo to zajímavé, protože se jednalo o přirozený jazyk a problém byl dobře vymezen, a já mohl vidět obchodní potenciál. Existuje něco lákavého na budování 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 dohledované 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 buduje pravděpodobnostní modely ustanovení. Modely jsou poté 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 smlouvách nebo dokumentech, což vede k úsporám času zákazníkům o 20-90%. Toto zvýšení produktivity pomáhá právním firmám zvyšovat své realizační sazby, dává jim více příležitostí k růstu jejich příjmů a zachování stávajících klientů. Pro korporace to vede k lepší produktivitě v rámci firmy, snižuje se množství externích právních výdajů.

Přirozené jazykové zpracování (NLP) je pro většinu společností obtížné, 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 ukázalo se, že z hlediska strojového učení není vlastně tak odlišný. Existují beberapa jedinečných věcí; velká písmena jsou důležitější a věty mohou být mnohem delší než normální, ale celkově jsme nepotřebovali výrazně odlišné přístupy NLP než v jiných oblastech.

Jedním z významných rozdílů je potřeba ochrany dat a přizpůsobení. Právní odborníci jsou povinni zachovávat důvěrnost klientů, a použití jejich dat ve výrobku strojového učení, který sdílí nebo kombinuje trénovací data, je v rozporu s těmito požadavky. Skutečnost, že dokonce i uchovávání trénovacích dat je často nemožné, protože mají povinnosti smazat klientova data po skončení projektu. Proto je zásadní možnost trénovat modely bez zapojení dodavatelů a techniky strojového učení, které znemožňují obnovení části trénovacích dat prohlížením naučených modelů. Techniky, které umožňují aktualizovat stávající modely novými trénovacími daty bez nutnosti přeškolit od začátku, jsou také nezbytné.

Můžete popsat, jak je hluboké učení používáno pro kategorizaci dat v softwaru Kira?

My nepoužíváme mnoho hlubokého učení v našem produktu, i když náš interní výzkumný tým tráví spoustu času hodnocením a zkoumáním hlubokých učících se řešení. Dosud se hluboké učení techniky shodují s ne-hlubokými učícími se přístupy, nebo dosahují pouze malého zvýšení. Vzhledem k obrovské výpočetní zátěži hlubokých učení metodologií, stejně jako výzvám v zachování soukromí trénovacích dat, nebyly dosud dostatečně přesvědčivé, aby je přijali.

Co jsou některé z vestavěných modelů ustanovení, které Kira nabízí?

Aktuálně 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 – pro které Kira původně vznikla – až po realitní nemovitosti. Chytrá pole jsou vytvořena našim týmem odborníků, včetně zkušených právníků a účetních. Naši technologie strojového učení vyžaduje, aby téměř každé chytré pole dosáhlo minimální míry recall 90 %, což znamená, že náš software najde 90 % nebo více ustanovení, klauzule nebo datového bodu, který jste specificky hledali ve smlouvách nebo dokumentech, a tím snižuje rizika a chyby v procesu přezkumu smluv. Kromě toho lze vytvořit neomezený počet vlastních polí, která lze naučit pomocí našeho nástroje Quick Study.

Právní svět je často známý jako pomalý v přijímání nové technologie. Zjistíte, 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 jiné profesionály, ale je určitě nutné mít připravené tréninkové materiály. Mnohé z překážek přijetí jsou také sociální; lidé často se ptají na nejlepší postupy při přizpůsobování svých interních procesů pro použití umělé inteligence, nebo se zajímají o to, jak mohou použít umělou inteligenci ke změně svých obchodních nabídek způsobem, který jim poskytuje výhody nad rámec pouze zvýšení efektivity.

Oproti době, kdy jsme založili Kira Systems v roce 2011, jsou právní firmy dnes mnohem více znalé v oblasti umělé inteligence a technologií. Mnohé z nich mají inovační týmy, jejichž úkolem je zkoumat novou technologii a podporovat její přijetí.

Je něco jiného, co byste chtěl sdílet o Kira?

Odborná literatura a open-source knihovny strojového učení byly sangat důležité pro naši firmu. Věříme, že otevřené informace a software jsou obrovským přínosem pro svět. Vzhledem k tomu, jsem rád, že náš výzkumný tým publikuje výsledky mnoha našich výzkumných úsilí v odborných časopisech a konferencích. Kromě toho, že demonstrujeme, že tlačíme hranice současného stavu, nám to umožňuje vrátit se komunitám, které nám pomohly začít, a kterým stále dostáváme mnoho hodnoty. Naše články můžete najít na https://kirasystems.com/science/.

Chcete-li se dozvědět více, navštivte Kira Systems.