Alexander Hudek, Συνιδρυτής & CTO της Kira Systems – Σειρά Συνεντεύξεων

Ο Alex Hudek είναι ο συνιδρυτής και CTO του Kira Systems. Είναι κάτοχος διδακτορικού και μεταπτυχιακού τίτλου σπουδών στην Επιστήμη των Υπολογιστών από το Πανεπιστήμιο του Waterloo και πτυχίο B.Sc. από το Πανεπιστήμιο του Τορόντο στη Φυσική και την Επιστήμη Υπολογιστών.

Η προηγούμενη έρευνά του στον τομέα της βιοπληροφορικής επικεντρώθηκε στην εύρεση ομοιοτήτων μεταξύ αλληλουχιών DNA. Έχει επίσης εργαστεί στους τομείς των συστημάτων απόδειξης και της συλλογής ερωτημάτων βάσεων δεδομένων.

Πότε ενδιαφέρθηκες αρχικά για τη μηχανική μάθηση και την τεχνητή νοημοσύνη;

Πάντα με ενδιέφερε η επιστήμη των υπολογιστών. Στο προπτυχιακό παρακολούθησα μαθήματα αλγορίθμων για προγραμματισμό και λογική, μηχανική μάθηση και τεχνητή νοημοσύνη, αριθμητικούς υπολογιστές και άλλα θέματα. Το ενδιαφέρον μου για τη μηχανική μάθηση αυξήθηκε πιο συγκεκριμένα κατά τη διάρκεια του διδακτορικού μου στο Πανεπιστήμιο του Waterloo. Εκεί, χρησιμοποίησα μεθόδους μηχανικής μάθησης για να μελετήσω το DNA. Στη συνέχεια, ασχολήθηκα βαθύτερα με τις τυπικές λογικές ως μέρος της μεταδιδακτορικής μου έρευνας. Η λογική και ο συλλογισμός είναι κατά κάποιο τρόπο η «άλλη όψη» του νομίσματος στις προσεγγίσεις της τεχνητής νοημοσύνης και θεώρησα σημαντικό να μάθω περισσότερα για αυτό.

Ορισμένες από τις προηγούμενες έρευνές σας στον τομέα της βιοπληροφορικής επικεντρώθηκαν στην εύρεση ομοιοτήτων μεταξύ αλληλουχιών DNA. Θα μπορούσατε να συζητήσετε μερικά από αυτά τα έργα;

Το κύριο σώμα της διατριβής μου περιελάμβανε την κατασκευή ενός πιο ρεαλιστικού μοντέλου μετάλλαξης DNA χρησιμοποιώντας τα κρυφά μοντέλα Markov. Χρησιμοποίησα αυτό το πιο περίπλοκο μοντέλο σε έναν νέο αλγόριθμο που έχει σχεδιαστεί για να βρίσκει περιοχές του DNA που μοιράζονται κοινές καταβολές με άλλα είδη. Συγκεκριμένα, αυτός ο νέος αλγόριθμος μπορεί να βρει πολύ πιο ασθενώς σχετικές περιοχές ακολουθίας από προηγούμενους αλγόριθμους για την εργασία.

Πριν από το διδακτορικό μου, εργάστηκα σε ένα ερευνητικό εργαστήριο που αποτελούσε μέρος του έργου του ανθρώπινου γονιδιώματος. Ένα από τα πιο αξιοσημείωτα έργα που βοήθησα να ολοκληρωθούν ήταν το πρώτο πλήρες σχέδιο του ανθρώπινου χρωμοσώματος 7.

Ποια ήταν η αρχική έμπνευση πίσω από την κυκλοφορία του Kira;

Η ιδέα για την Kira ήρθε από τον συνιδρυτή μου, Noah Waisberg. Είχε περάσει ώρες στην καριέρα του ως δικηγόρος κάνοντας το είδος της δουλειάς που έχουμε δημιουργήσει τώρα την τεχνητή νοημοσύνη για να κάνουμε. Ήταν μια ενδιαφέρουσα ιδέα για μένα, επειδή αφορούσε τη φυσική γλώσσα και το πρόβλημα ήταν καλά διευθετημένο και μπορούσα να δω τις επιχειρηματικές δυνατότητες. Υπάρχει κάτι δελεαστικό στην κατασκευή τεχνητής νοημοσύνης που μπορεί να κατανοήσει την ανθρώπινη γλώσσα, επειδή η γλώσσα είναι τόσο στενά συνδεδεμένη με την ανθρώπινη γνώση.

Μπορείτε να περιγράψετε τι είναι το λογισμικό ανάλυσης συμβολαίων και πώς ωφελεί τους επαγγελματίες νομικούς;

Η Kira χρησιμοποιεί εποπτευόμενη μηχανική εκμάθηση, που σημαίνει ότι ένας έμπειρος δικηγόρος τροφοδοτεί διατάξεις από πραγματικές συμβάσεις σε ένα σύστημα σχεδιασμένο να μαθαίνει από αυτά τα παραδείγματα. Το σύστημα μελετά αυτά τα δεδομένα, μαθαίνει ποια γλώσσα είναι σχετική και δημιουργεί πιθανολογικά μοντέλα παροχής. Στη συνέχεια, τα μοντέλα ελέγχονται έναντι ενός συνόλου σχολιασμένων συμφωνιών με τις οποίες το σύστημα δεν είναι εξοικειωμένο, προκειμένου να προσδιοριστεί η ετοιμότητά του. Αυτή η τεχνολογία μηχανικής εκμάθησης υψηλής ακρίβειας μπορεί να εντοπίσει και να αναλύσει σχεδόν οποιαδήποτε διάταξη σε οποιοδήποτε συμβόλαιο, με αποτέλεσμα την εξοικονόμηση χρόνου που αναφέρουν οι πελάτες κατά 20-90%. Αυτή η αυξημένη παραγωγικότητα βοηθά τις δικηγορικές εταιρείες αυξάνοντας τα ποσοστά πραγματοποίησης, τους δίνει περισσότερες ευκαιρίες να αυξήσουν τα έσοδά τους και να διατηρήσουν τους υπάρχοντες πελάτες τους. Για τις εταιρείες, οδηγεί σε καλύτερη παραγωγικότητα στο εσωτερικό, μειώνοντας το ποσό των απαιτούμενων εξωτερικών νομικών δαπανών.

Η Επεξεργασία Φυσικής Γλώσσας (NLP) είναι δύσκολη για τις περισσότερες εταιρείες, θα μπορούσατε να συζητήσετε μερικές από τις πρόσθετες προκλήσεις που αντιμετωπίζουν όταν πρόκειται για την επεξεργασία της νομικής ορολογίας και άλλων αποχρώσεων που είναι μοναδικές για το νομικό επάγγελμα;

Για πολλούς ανθρώπους η νομική γλώσσα μπορεί να φαίνεται πολύ ξένη, αλλά αποδεικνύεται ότι από την οπτική γωνία της μηχανικής μάθησης δεν είναι στην πραγματικότητα τόσο διαφορετική. Υπάρχουν μερικά ακόμη μοναδικά πράγματα. Η χρήση κεφαλαίων είναι πιο σημαντική και οι προτάσεις μπορεί να είναι πολύ μεγαλύτερες από το κανονικό, αλλά συνολικά δεν χρειαζόμασταν σημαντικά διαφορετικές προσεγγίσεις NLP από ό,τι σε άλλους τομείς.

Μια πτυχή που είναι σημαντικά διαφορετική είναι η ανάγκη για απόρρητο και προσαρμογή δεδομένων. Οι επαγγελματίες νομικοί πρέπει να διατηρούν εμπιστευτικά τα δεδομένα πελατών και η χρήση τους σε ένα προϊόν μηχανικής εκμάθησης που συγκεντρώνει ή κοινοποιεί δεδομένα εκπαίδευσης έρχεται σε αντίθεση με αυτές τις απαιτήσεις. Στην πραγματικότητα, ακόμη και η διατήρηση των δεδομένων εκπαίδευσης συχνά δεν είναι δυνατή, καθώς έχουν υποχρέωση να διαγράψουν δεδομένα πελατών μετά την ολοκλήρωση ενός έργου. Έτσι, η δυνατότητα εκπαίδευσης μοντέλων χωρίς προμηθευτές στο βρόχο γίνεται κρίσιμη, όπως και οι τεχνικές μηχανικής εκμάθησης που καθιστούν δύσκολη ή αδύνατη την ανάκτηση οποιουδήποτε τμήματος των δεδομένων εκπαίδευσης επιθεωρώντας μοντέλα που έχουν μάθει. Τεχνικές που σας επιτρέπουν να πάρετε ένα υπάρχον μοντέλο και να το ενημερώσετε με νέα δεδομένα εκπαίδευσης χωρίς επανεκπαίδευση από την αρχή είναι επίσης απαραίτητες.

Στο μέτωπο της προσαρμογής, υπάρχει ανάγκη οι πελάτες να μπορούν να δημιουργήσουν τα δικά τους μοντέλα. Αυτό συμβαίνει επειδή για πιο σύνθετες νομικές έννοιες μπορεί να υπάρχει εύλογη διαφωνία μεταξύ των επαγγελματιών και οι εταιρείες συχνά θέλουν να συντονίσουν ή να κατασκευάσουν μοντέλα που να ταιριάζουν με τις δικές τους μοναδικές θέσεις.

Θα μπορούσατε να περιγράψετε πώς χρησιμοποιείται η βαθιά εκμάθηση για την κατηγοριοποίηση δεδομένων στο λογισμικό Kira;

Δεν χρησιμοποιούμε πολύ βαθιά εκμάθηση στο προϊόν μας, αν και η εσωτερική ερευνητική μας ομάδα αφιερώνει πολύ χρόνο στην αξιολόγηση και στην εξερεύνηση λύσεων βαθιάς μάθησης. Μέχρι στιγμής, για τα είδη των προβλημάτων που αντιμετωπίζουμε, οι τεχνικές βαθιάς μάθησης ταιριάζουν μόνο με προσεγγίσεις που δεν είναι βαθιάς μάθησης ή στην καλύτερη περίπτωση λαμβάνουν μια πολύ μικρή αύξηση. Δεδομένου του τεράστιου κόστους υπολογισμού των μεθοδολογιών βαθιάς μάθησης, καθώς και των προκλήσεων στη διατήρηση ιδιωτικών δεδομένων εκπαίδευσης, δεν ήταν αρκετά πειστικές για υιοθέτηση μέχρι στιγμής.

 Τούτου λεχθέντος, θεωρούμε ότι οι προσεγγίσεις βαθιάς μάθησης είναι πολύ συναρπαστικές και πιστεύουμε ότι έχουν τη δυνατότητα να γίνουν μεγάλες στο NLP μια μέρα. Για το σκοπό αυτό, αξιολογούμε και διερευνούμε συνεχώς προσεγγίσεις NLP βαθιάς μάθησης, ώστε να είμαστε έτοιμοι να υιοθετήσουμε όταν τα πλεονεκτήματα αρχίσουν να αντισταθμίζουν τα μειονεκτήματα.

Ποια είναι μερικά από τα ενσωματωμένα μοντέλα παροχής που προσφέρει η Kira;

Επί του παρόντος, η Kira μπορεί να αναγνωρίσει και να εξαγάγει περισσότερες από 1,000 ενσωματωμένες διατάξεις, ρήτρες και σημεία δεδομένων (έξυπνα πεδία). Σχετίζονται με μια πληθώρα διαφορετικών θεμάτων, από το M&A Due Diligence - το οποίο αρχικά σχεδιάστηκε να βοηθήσει η Kira - έως το Brexit. στο Real Estate. Τα έξυπνα πεδία κατασκευάζονται από την ομάδα μας ειδικών σε θέματα που περιλαμβάνουν έμπειρους δικηγόρους και λογιστές. Με την τεχνολογία μηχανικής εκμάθησης που διαθέτουμε, τα πρότυπα της Kira απαιτούν σχεδόν κάθε έξυπνο πεδίο να επιτύχει ανάκληση τουλάχιστον 90%, που σημαίνει ότι το λογισμικό μας θα βρει το 90% ή περισσότερο της παροχής, της ρήτρας ή του σημείου δεδομένων που αναζητάτε ειδικά στα συμβόλαια ή τα έγγραφά σας , μειώνοντας τους κινδύνους και τα λάθη στη διαδικασία αναθεώρησης της σύμβασης. Επιπλέον, ένας απεριόριστος αριθμός προσαρμοσμένων πεδίων μπορεί να δημιουργηθεί/διδαχθεί από μια εταιρεία για αυτόματη αναγνώριση και εξαγωγή σχετικών πληροφοριών χρησιμοποιώντας το εργαλείο Γρήγορης μελέτης.

Ο νομικός κόσμος είναι συχνά γνωστός ότι καθυστερεί να υιοθετήσει τη νέα τεχνολογία. Θεωρείτε ότι υπάρχει κάποιο εκπαιδευτικό εμπόδιο όσον αφορά την εκπαίδευση των δικηγορικών γραφείων;

Στους δικηγόρους αρέσει πολύ να γνωρίζουν πώς λειτουργούν τα πράγματα, επομένως η εκπαίδευση είναι σημαντική. Δεν είναι πιο δύσκολο να διδάξετε δικηγόρους για τη μηχανική μάθηση και την τεχνητή νοημοσύνη από άλλους επαγγελματίες, αλλά σίγουρα απαιτείται να έχετε έτοιμο εκπαιδευτικό υλικό. Πολλά από τα εμπόδια υιοθεσίας είναι επίσης κοινωνικά. Οι άνθρωποι συχνά ρωτούν για τις βέλτιστες πρακτικές στην προσαρμογή των εσωτερικών τους διαδικασιών στη χρήση τεχνητής νοημοσύνης ή ενδιαφέρονται για το πώς μπορούν να χρησιμοποιήσουν την τεχνητή νοημοσύνη για να αλλάξουν τις επιχειρηματικές τους προσφορές με τρόπο που τους παρέχει πλεονεκτήματα πέρα ​​από απλώς βελτιώσεις απόδοσης.

Σε σύγκριση με όταν ξεκινήσαμε την Kira Systems το 2011, τα δικηγορικά γραφεία σήμερα είναι πολύ πιο έξυπνα για την τεχνητή νοημοσύνη και την τεχνολογία. Πολλοί έχουν ομάδες καινοτομίας που είναι επιφορτισμένες με τη διερεύνηση της νέας τεχνολογίας και την ενθάρρυνση της υιοθέτησης νέων λύσεων.

Υπάρχει κάτι άλλο που θα θέλατε να μοιραστείτε για την Kira;

Η ακαδημαϊκή βιβλιογραφία και οι βιβλιοθήκες μηχανικής εκμάθησης ανοιχτού κώδικα συνέβαλαν καθοριστικά στο να μας βοηθήσουν να εκκινήσουμε την εταιρεία. Πιστεύουμε ότι η ανοιχτή πληροφόρηση και το λογισμικό είναι ένα τεράστιο όφελος για τον κόσμο. Υπό το πρίσμα αυτό, είμαι ιδιαίτερα χαρούμενος που η ερευνητική μας ομάδα δημοσιεύει τα αποτελέσματα πολλών ερευνητικών προσπαθειών μας σε ακαδημαϊκά περιοδικά και συνέδρια. Εκτός από το να αποδεικνύουμε ότι υπερβαίνουμε τα όρια της τελευταίας τεχνολογίας, αυτό μας επιτρέπει να ανταποδώσουμε τις κοινότητες που μας βοήθησαν να ξεκινήσουμε και από τις οποίες συνεχίζουμε να παίρνουμε μια τεράστια αξία. Μπορείτε να βρείτε τα χαρτιά μας στο https://kirasystems.com/science/.

Για να μάθετε περισσότερα επισκεφθείτε Kira Systems.