अलेक्जेंडर हुडेक, किरा सिस्टम्स के सह-संस्थापक और सीटीओ – साक्षात्कार श्रृंखला

अलेक्जेंडर हुडेक किरा सिस्टम्स के सह-संस्थापक और सीटीओ हैं। वह वाटरलू विश्वविद्यालय से कंप्यूटर विज्ञान में पीएचडी और एम.मैथ की डिग्री रखते हैं, और टोरंटो विश्वविद्यालय से भौतिकी और कंप्यूटर विज्ञान में बी.एससी।

उनके पिछले शोध में जैव सूचना विज्ञान के क्षेत्र में डीएनए अनुक्रमों के बीच समानताएं खोजना शामिल था। उन्होंने प्रमाण प्रणाली और डेटाबेस क्वेरी संकलन के क्षेत्रों में भी काम किया है।

आपने मशीन लर्निंग और एआई में रुचि कब विकसित की?

मैंने हमेशा कंप्यूटर विज्ञान में रुचि रखी है। स्नातक में, मैंने एल्गोरिदम, योजना, तर्क, मशीन लर्निंग और एआई, संख्यात्मक गणना और अन्य विषयों में पाठ्यक्रम लिए। मेरी मशीन लर्निंग में रुचि विश्वविद्यालय में बढ़ी, जहां मैंने डीएनए का अध्ययन करने के लिए मशीन लर्निंग विधियों का उपयोग किया। इसके बाद, मैंने अपने पोस्टडॉक्टरल शोध में औपचारिक तर्कों का अध्ययन किया। तर्क और तर्कणा एआई के दृष्टिकोण से दूसरी ओर है, और मुझे लगता है कि इसके बारे में अधिक जानना महत्वपूर्ण था।

आपके पिछले शोध में जैव सूचना विज्ञान के क्षेत्र में डीएनए अनुक्रमों के बीच समानताएं खोजना शामिल था। क्या आप इस काम के बारे में चर्चा कर सकते हैं?

मेरे शोध का मुख्य भाग एक अधिक वास्तविक डीएनए म्यूटेशन मॉडल बनाने में शामिल था, जिसमें हिडन मार्कोव मॉडल का उपयोग किया गया था। मैंने इस जटिल मॉडल का उपयोग एक नए एल्गोरिदम में किया, जो डीएनए के उन क्षेत्रों को खोजने में सक्षम था जो अन्य प्रजातियों के साथ सामान्य वंश को साझा करते थे। विशेष रूप से, यह नया एल्गोरिदम पिछले एल्गोरिदम की तुलना में बहुत कम संबंधित अनुक्रम क्षेत्रों को खोजने में सक्षम था।

मैंने अपने पीएचडी से पहले एक अनुसंधान प्रयोगशाला में काम किया था, जो मानव जीनोम परियोजना का हिस्सा था। मैंने जिन परियोजनाओं पर काम किया, उनमें से एक मानव क्रोमोसोम 7 का पहला पूर्ण मसौदा था।

किरा लॉन्च करने के पीछे क्या प्रेरणा थी?

किरा का विचार मेरे सह-संस्थापक नूह वाइसबर्ग से आया था। उन्होंने अपने करियर में एक वकील के रूप में कई घंटे उस तरह के काम में बिताए थे जिसे हमने अब एआई बनाया है। मुझे यह विचार दिलचस्प लगा क्योंकि यह प्राकृतिक भाषा से संबंधित था और समस्या अच्छी तरह से परिभाषित थी, और मैं व्यवसायिक संभावनाओं को देख सकता था। मानव भाषा को समझने में सक्षम एआई बनाने में कुछ आकर्षक है, क्योंकि भाषा मानव संज्ञान से इतनी निकटता से जुड़ी हुई है।

क्या आप अनुबंध विश्लेषण सॉफ्टवेयर के बारे में बता सकते हैं और यह कानूनी पेशेवरों को कैसे लाभान्वित करता है?

किरा पर्यवेक्षित मशीन लर्निंग का उपयोग करता है, जिसका अर्थ है कि एक अनुभवी वकील वास्तविक अनुबंधों से प्रावधानों को एक प्रणाली में खिलाता है जो उन उदाहरणों से सीखने के लिए डिज़ाइन की गई है। प्रणाली इस डेटा का अध्ययन करती है, प्रासंगिक भाषा सीखती है, और संभाव्य प्रावधान मॉडल बनाती है। मॉडलों को तब एक सेट अनुबंधों के खिलाफ परीक्षण किया जाता है जिनसे प्रणाली परिचित नहीं है, ताकि यह निर्धारित किया जा सके कि वे तैयार हैं या नहीं। यह उच्च सटीकता वाली मशीन लर्निंग तकनीक लगभग किसी भी अनुबंध में किसी भी प्रावधान की पहचान और विश्लेषण कर सकती है, जिसके परिणामस्वरूप ग्राहकों द्वारा रिपोर्ट की गई 20-90% की समय बचत होती है। यह बढ़ी हुई उत्पादकता कानूनी फर्मों को उनकी वास्तविक दरों को बढ़ाने, राजस्व बढ़ाने और मौजूदा ग्राहकों को बनाए रखने में मदद करती है। कंपनियों के लिए, यह घरेलू उत्पादकता को बढ़ाता है, जिससे अनुबंध समीक्षा प्रक्रिया में जोखिम और त्रुटियों को कम किया जा सकता है।

प्राकृतिक भाषा प्रसंस्करण (एनएलपी) अधिकांश कंपनियों के लिए कठिन है, क्या आप कानूनी शब्दावली और कानूनी पेशे के लिए अद्वितीय सूक्ष्मताओं के साथ-साथ एनएलपी के साथ जुड़ी अतिरिक्त चुनौतियों पर चर्चा कर सकते हैं?

कानूनी भाषा को कई लोगों के लिए विदेशी लग सकती है, लेकिन यह पता चलता है कि मशीन लर्निंग के दृष्टिकोण से यह वास्तव में इतना अलग नहीं है। कुछ विशिष्ट चीजें हैं; पूंजीकरण अधिक महत्वपूर्ण है और वाक्य सामान्य से बहुत लंबे हो सकते हैं, लेकिन हमें अन्य डोमेन की तुलना में एनएलपी के लिए काफी अलग दृष्टिकोण की आवश्यकता नहीं है।

एक पहलू जो काफी अलग है वह डेटा गोपनीयता और अनुकूलन की आवश्यकता है। कानूनी पेशेवरों को ग्राहक डेटा को गोपनीय रखने की आवश्यकता है, और एक मशीन लर्निंग उत्पाद में प्रशिक्षण डेटा को साझा करना या पूल करना इन आवश्यकताओं के विरुद्ध है। वास्तव में, प्रशिक्षण डेटा को रखना अक्सर संभव नहीं है क्योंकि उन्हें परियोजना पूरी होने के बाद ग्राहक डेटा को हटाने के लिए बाध्य किया जाता है। इसलिए, विक्रेताओं के बिना मॉडल प्रशिक्षित करने और मॉडल को प्रशिक्षित करने के लिए डेटा को पुनः प्राप्त करने में सक्षम होने के लिए तकनीकों का महत्व बढ़ जाता है।

किरा सॉफ्टवेयर में डेटा को श्रेणीबद्ध करने के लिए गहरे शिक्षण का उपयोग कैसे किया जाता है?

हम अपने उत्पाद में बहुत अधिक गहरा शिक्षण नहीं करते हैं, हालांकि हमारी आंतरिक अनुसंधान टीम गहरे शिक्षण समाधानों का मूल्यांकन और अन्वेषण करने में बहुत समय बिताती है। अब तक, हमारे सामने आने वाली समस्याओं पर, गहरे शिक्षण तकनीकें गैर-गहरे शिक्षण दृष्टिकोणों को मिलाने या थोड़ा बेहतर प्रदर्शन करने में सक्षम हैं। गहरे शिक्षण पद्धतियों के巨े गणन ओवरहेड के साथ-साथ प्रशिक्षण डेटा को निजी रखने में चुनौतियों के कारण, वे अभी तक अपनाने के लिए पर्याप्त रूप से आकर्षक नहीं हैं।

किरा में कुछ निर्मित प्रावधान मॉडल क्या हैं?

किरा वर्तमान में 1,000 से अधिक निर्मित प्रावधानों, खंडों और डेटा बिंदुओं (स्मार्ट फील्ड) की पहचान और निकाल सकता है। वे विभिन्न विषयों से संबंधित हैं, जिनमें एमएंडए ड्यू डिलिजेंस – जिसके साथ किरा मूल रूप से सहायता के लिए概念ित किया गया था – से लेकर ब्रेक्सिट और रियल एस्टेट तक शामिल हैं। स्मार्ट फील्ड हमारी विषय विशेषज्ञ टीम द्वारा बनाए जाते हैं, जिसमें अनुभवी वकील और लेखाकार शामिल हैं। हमारी मशीन लर्निंग प्रौद्योगिकी के साथ, किरा के मानकों की आवश्यकता है कि लगभग हर स्मार्ट फील्ड कम से कम 90% रिकॉल हासिल करे, जिसका अर्थ है कि हमारा सॉफ्टवेयर आपके अनुबंधों या दस्तावेजों में 90% या अधिक प्रावधान, खंड या डेटा बिंदु को खोजेगा जिसे आप विशिष्ट रूप से देख रहे हैं, जिससे अनुबंध समीक्षा प्रक्रिया में जोखिम और त्रुटियों को कम किया जा सकता है। इसके अलावा, असीमित संख्या में कस्टम फील्ड बनाए/सिखाए जा सकते हैं ताकि एक फर्म हमारे क्विक स्टडी टूल का उपयोग करके स्वचालित रूप से प्रासंगिक अंतर्दृष्टि की पहचान और निकाल सके।

कानूनी दुनिया अक्सर नई प्रौद्योगिकी को अपनाने में धीमी होती है। क्या आपको लगता है कि कानूनी फर्मों को शिक्षित करने में एक बाधा है?

वकीलों को यह जानने में रुचि होती है कि चीजें कैसे काम करती हैं, इसलिए शिक्षा महत्वपूर्ण है। अन्य पेशेवरों की तुलना में वकीलों को मशीन लर्निंग और एआई के बारे में सिखाना मुश्किल नहीं है, लेकिन प्रशिक्षण सामग्री तैयार रखना आवश्यक है। कई गोद लेने वाली बाधाएं सामाजिक भी हैं; लोग अक्सर सर्वोत्तम प्रथाओं के बारे में पूछते हैं कि वे अपनी आंतरिक प्रक्रियाओं को एआई का उपयोग करने के लिए कैसे अनुकूलित कर सकते हैं, या वे अपने व्यवसायिक प्रस्तावों को बदलने के लिए एआई का उपयोग कैसे कर सकते हैं ताकि उन्हें केवल दक्षता में सुधार से परे लाभ मिल सके।

क्या किरा के बारे में और कुछ है जो आप साझा करना चाहेंगे?

शैक्षणिक साहित्य और ओपन-सोर्स मशीन लर्निंग लाइब्रेरी हमें कंपनी को बूटस्ट्रैप करने में मददगार थीं। हम मानते हैं कि खुली जानकारी और सॉफ्टवेयर दुनिया के लिए एक बड़ा लाभ है। इस प्रकाश में, मैं विशेष रूप से खुश हूं कि हमारी अनुसंधान टीम हमारे कई अनुसंधान प्रयासों के परिणामों को शैक्षणिक पत्रिकाओं और सम्मेलनों में प्रकाशित करती है। इससे हम उन समुदायों को वापस देने में मदद मिलती है जिन्होंने हमें शुरू करने में मदद की और जिनसे हम अभी भी बहुत मूल्य प्राप्त करते हैं। आप हमारे शोध पत्रों को https://kirasystems.com/science/ पर पा सकते हैं।

अधिक जानने के लिए किरा सिस्टम्स पर जाएं किरा सिस्टम्स।