Alexander Hudek, cofundador y director de tecnología de Kira Systems – Serie de entrevistas

Alex Hudek es cofundador y director de tecnología de Kira Systems. Tiene un doctorado y una maestría en matemáticas en informática de la Universidad de Waterloo, y un B.Sc. de la Universidad de Toronto en Física y Ciencias de la Computación.

Su investigación anterior en el campo de la bioinformática se centró en encontrar similitudes entre secuencias de ADN. También ha trabajado en las áreas de sistemas de prueba y compilación de consultas a bases de datos.

¿Cuándo empezó a interesarse por el aprendizaje automático y la IA?

Siempre me ha interesado la informática. En la licenciatura tomé cursos de algoritmos para planificación y lógica, aprendizaje automático e inteligencia artificial, computación numérica y otros temas. Mi interés por el aprendizaje automático creció más específicamente durante mi doctorado en la Universidad de Waterloo. Allí, utilicé métodos de aprendizaje automático para estudiar el ADN. Posteriormente, profundicé más en la lógica formal como parte de mi investigación posdoctoral. La lógica y el razonamiento son, de alguna manera, la "otra cara" de la moneda en los enfoques de la IA y sentí que era importante saber más al respecto.

Algunas de sus investigaciones anteriores en el campo de la bioinformática se centraron en encontrar similitudes entre secuencias de ADN. ¿Podrías comentar algo de este trabajo?

El cuerpo principal de mi tesis consistió en construir un modelo de mutación de ADN más realista utilizando modelos ocultos de Markov. Usé este modelo más complejo en un nuevo algoritmo diseñado para encontrar regiones de ADN que comparten un ancestro común con otras especies. En particular, este nuevo algoritmo puede encontrar regiones de secuencia mucho más débilmente relacionadas que los algoritmos anteriores para la tarea.

Antes de mi doctorado, trabajé en un laboratorio de investigación que formaba parte del proyecto del genoma humano. Uno de los proyectos más notables que ayudé a completar fue el primer borrador completo del cromosoma 7 humano.

¿Cuál fue la inspiración inicial detrás del lanzamiento de Kira?

La idea de Kira vino de mi cofundador, Noah Waisberg. Había pasado horas en su carrera como abogado haciendo el tipo de trabajo para el que ahora hemos creado AI. Fue una idea interesante para mí porque involucraba lenguaje natural y el problema estaba bien delimitado, y pude ver el potencial comercial. Hay algo atractivo en construir una IA que pueda entender el lenguaje humano porque el lenguaje está muy relacionado con la cognición humana.

¿Puede describir qué es el software de análisis de contratos y cómo beneficia a los profesionales legales?

Kira utiliza aprendizaje automático supervisado, lo que significa que un abogado experimentado introduce disposiciones de contratos reales en un sistema diseñado para aprender de esos ejemplos. El sistema estudia estos datos, aprende qué idioma es relevante y crea modelos de provisión probabilísticos. Luego, los modelos se prueban con un conjunto de acuerdos anotados con los que el sistema no está familiarizado para determinar su preparación. Esta tecnología de aprendizaje automático de alta precisión puede identificar y analizar prácticamente cualquier disposición en cualquier contrato, lo que genera un ahorro de tiempo informado por el cliente del 20 al 90 %. Esta mayor productividad ayuda a los bufetes de abogados al aumentar sus tasas de realización, les brinda más oportunidades de aumentar sus ingresos y preservar a sus clientes existentes. Para las corporaciones, impulsa una mejor productividad interna reduciendo la cantidad de gasto legal externo requerido.

El procesamiento del lenguaje natural (PLN) es difícil para la mayoría de las empresas. ¿Podría analizar algunos de los desafíos adicionales que se enfrentan cuando se trata de procesar terminología jurídica y otros matices que son exclusivos de la profesión jurídica?

Para muchas personas, el lenguaje legal puede parecer muy extraño, pero resulta que, desde la perspectiva del aprendizaje automático, en realidad no es tan diferente. Hay algunas cosas más únicas; el uso de mayúsculas es más importante y las oraciones pueden ser mucho más largas de lo normal, pero en general no hemos necesitado enfoques de PNL significativamente diferentes que en otros dominios.

Un aspecto que es significativamente diferente es la necesidad de privacidad y personalización de datos. Los profesionales legales deben mantener la confidencialidad de los datos de los clientes, y usarlos en un producto de aprendizaje automático que agrupa o comparte datos de capacitación está en desacuerdo con esos requisitos. De hecho, incluso mantener los datos de capacitación a menudo no es posible, ya que tienen la obligación de eliminar los datos del cliente una vez que concluye un proyecto. Por lo tanto, poder entrenar modelos sin proveedores en el circuito se vuelve fundamental, al igual que las técnicas de aprendizaje automático que dificultan o imposibilitan la recuperación de cualquier parte de los datos de entrenamiento mediante la inspección de modelos aprendidos. Las técnicas que le permiten tomar un modelo existente y actualizarlo con nuevos datos de entrenamiento sin volver a entrenar desde cero también son imprescindibles.

En el frente de la personalización, existe la necesidad de que los clientes puedan construir sus propios modelos. Esto se debe a que, para conceptos legales más complejos, puede haber un desacuerdo razonable entre los profesionales, y las empresas a menudo quieren ajustar o construir modelos para que coincidan con sus propias posiciones únicas.

¿Podría describir cómo se utiliza el aprendizaje profundo para categorizar los datos dentro del software Kira?

No utilizamos mucho el aprendizaje profundo en nuestro producto, aunque nuestro equipo de investigación interno dedica mucho tiempo a evaluar y explorar soluciones de aprendizaje profundo. Hasta ahora, en el tipo de problemas que enfrentamos, las técnicas de aprendizaje profundo solo coinciden con los enfoques de aprendizaje no profundo o, en el mejor de los casos, obtienen un aumento muy pequeño. Dada la enorme sobrecarga de cómputo de las metodologías de aprendizaje profundo, así como los desafíos para mantener la privacidad de los datos de capacitación, hasta ahora no han sido lo suficientemente convincentes como para adoptarlos.

 Dicho esto, encontramos que los enfoques de aprendizaje profundo son muy convincentes y creemos que tienen el potencial de convertirse en grandes en la PNL algún día. Con ese fin, evaluamos y exploramos continuamente enfoques de PNL de aprendizaje profundo para que podamos estar listos para adoptar cuando las ventajas comiencen a superar las desventajas.

¿Cuáles son algunos de los modelos de provisión integrados que ofrece Kira?

Actualmente, Kira puede identificar y extraer más de 1,000 disposiciones, cláusulas y puntos de datos integrados (campos inteligentes). Se relacionan con una multitud de temas diferentes, desde M&A Due Diligence, para la cual se concibió originalmente a Kira, hasta Brexit; a Bienes Raíces. Los campos inteligentes son creados por nuestro equipo de expertos en la materia que incluye abogados y contadores experimentados. Con nuestra tecnología de aprendizaje automático, los estándares de Kira requieren que prácticamente todos los campos inteligentes logren un mínimo de recuperación del 90 %, lo que significa que nuestro software encontrará el 90 % o más de la disposición, cláusula o punto de datos que está buscando específicamente dentro de sus contratos o documentos. , reduciendo riesgos y errores en el proceso de revisión de contratos. Además, una empresa puede crear/enseñar una cantidad ilimitada de campos personalizados para identificar y extraer automáticamente información relevante utilizando nuestra herramienta Quick Study.

El mundo legal a menudo es conocido por su lentitud en la adopción de nuevas tecnologías. ¿Cree que hay un obstáculo educativo cuando se trata de educar a los bufetes de abogados?

A los abogados les gusta mucho saber cómo funcionan las cosas, por lo que la educación es importante. No es más difícil enseñar a los abogados sobre el aprendizaje automático y la IA que a otros profesionales, pero definitivamente es necesario tener listos los materiales de capacitación. Muchos de los obstáculos para la adopción también son sociales; las personas a menudo preguntan sobre las mejores prácticas para adaptar sus procesos internos para usar IA, o están interesadas en cómo pueden usar IA para cambiar sus ofertas comerciales de una manera que les brinde ventajas más allá de las mejoras de eficiencia.

En comparación con cuando comenzamos con Kira Systems en 2011, los bufetes de abogados de hoy son mucho más conocedores de la inteligencia artificial y la tecnología. Muchos tienen equipos de innovación que tienen la tarea de investigar nuevas tecnologías y fomentar la adopción de nuevas soluciones.

¿Hay algo más que te gustaría compartir sobre Kira?

La literatura académica y las bibliotecas de aprendizaje automático de código abierto fueron fundamentales para ayudarnos a poner en marcha la empresa. Creemos que la información y el software abiertos son una gran ayuda para el mundo. A la luz de eso, estoy especialmente feliz de que nuestro equipo de investigación publique los resultados de muchos de nuestros esfuerzos de investigación en revistas académicas y conferencias. Además de demostrar que sobrepasamos los límites del estado del arte, esto nos permite retribuir a las comunidades que nos ayudaron a comenzar, y de las que seguimos obteniendo mucho valor. Puede encontrar nuestros documentos en https://kirasystems.com/science/.

Para más información, visite Kira Systems.