Alexander Hudek, Co-Founder & CTO of Kira Systems – Wawancara Seri

Alex Hudek adalah Co-Founder & CTO of Kira Systems. Ia memegang gelar Ph.D dan M.Math di bidang Ilmu Komputer dari University of Waterloo, dan B.Sc. dari University of Toronto di Fisika dan Ilmu Komputer.

Penelitiannya di bidang bioinformatika sebelumnya berfokus pada menemukan kesamaan antara urutan DNA. Ia juga bekerja di bidang sistem pembuktian dan kompilasi kueri database.

Kapan Anda pertama kali tertarik dengan machine learning dan AI?

Saya selalu tertarik dengan ilmu komputer. Di masa kuliah, saya mengambil kursus algoritma perencanaan dan logika, machine learning dan AI, komputasi numerik, dan topik lainnya. Minat saya pada machine learning tumbuh lebih spesifik selama saya melakukan PhD di University of Waterloo. Di sana, saya menggunakan metode machine learning untuk mempelajari DNA. Setelah itu, saya lebih dalam mempelajari logika formal sebagai bagian dari penelitian pasca doktoral saya. Logika dan penalaran adalah “sisi lain” dari pendekatan AI dan saya merasa perlu untuk mengetahuinya lebih banyak.

Beberapa penelitian Anda sebelumnya di bidang bioinformatika berfokus pada menemukan kesamaan antara urutan DNA. Bisakah Anda membahas beberapa pekerjaan ini?

Bagian utama tesis saya melibatkan membangun model mutasi DNA yang lebih realistis menggunakan Hidden Markov Models. Saya menggunakan model yang lebih kompleks ini dalam algoritma baru yang dirancang untuk menemukan wilayah DNA yang berbagi asal usul dengan spesies lain. Khususnya, algoritma baru ini dapat menemukan wilayah urutan yang lebih lemah terkait daripada algoritma sebelumnya untuk tugas tersebut.

Sebelum saya melakukan PhD, saya bekerja di laboratorium penelitian yang merupakan bagian dari Proyek Genom Manusia. Salah satu proyek paling terkenal yang saya bantu selesaikan adalah draft pertama dari kromosom manusia 7.

Apa yang menjadi inspirasi awal di balik peluncuran Kira?

Gagasan untuk Kira berasal dari co-founder saya, Noah Waisberg. Ia telah menghabiskan jam-jam dalam karirnya sebagai pengacara melakukan pekerjaan yang sekarang kita bangun AI untuk melakukannya. Ini adalah ide yang menarik bagi saya karena melibatkan bahasa alami dan masalahnya terbatas, dan saya bisa melihat potensi bisnisnya. Ada sesuatu yang menarik tentang membangun AI yang dapat memahami bahasa manusia karena bahasa sangat terkait dengan kognisi manusia.

Bisakah Anda menjelaskan apa itu Perangkat Lunak Analisis Kontrak dan bagaimana itu menguntungkan profesional hukum?

Kira menggunakan machine learning yang diawasi, yang berarti pengacara berpengalaman memberi makan ketentuan dari kontrak nyata ke dalam sistem yang dirancang untuk belajar dari contoh-contoh tersebut. Sistem mempelajari data ini, mempelajari bahasa yang relevan, dan membangun model ketentuan probabilistik. Model-model ini kemudian diuji terhadap set perjanjian yang telah diannotasi yang sistem tidak familiar untuk menentukan kesiapannya. Teknologi machine learning yang sangat akurat ini dapat mengidentifikasi dan menganalisis hampir semua ketentuan dalam kontrak atau dokumen, menghasilkan penghematan waktu yang dilaporkan pelanggan sebesar 20-90%. Produktivitas yang ditingkatkan ini membantu Firma Hukum dengan meningkatkan Tarif Realisasi mereka, memberi mereka lebih banyak kesempatan untuk meningkatkan pendapatan dan melestarikan klien mereka yang ada. Untuk perusahaan, ini mengarah pada produktivitas yang lebih baik di dalam perusahaan, mengurangi jumlah pengeluaran hukum eksternal yang diperlukan.

Pengolahan Bahasa Alami (NLP) sulit untuk sebagian besar perusahaan, bisakah Anda membahas beberapa tantangan tambahan yang dihadapi ketika memproses istilah hukum dan nuansa lain yang unik untuk profesi hukum?

Bagi banyak orang, bahasa hukum tampak sangat asing, tetapi ternyata dari perspektif machine learning, itu tidak benar-benar berbeda. Ada beberapa hal unik; kapitalisasi lebih penting dan kalimat dapat lebih panjang dari biasanya, tetapi secara keseluruhan kita tidak memerlukan pendekatan NLP yang jauh berbeda dari domain lain.

Satu aspek yang secara signifikan berbeda adalah kebutuhan akan privasi data dan kustomisasi. Profesional hukum diwajibkan untuk menjaga kerahasiaan data klien, dan menggunakan data tersebut dalam produk machine learning yang mengumpulkan atau membagikan data pelatihan bertentangan dengan persyaratan tersebut. Bahkan, menyimpan data pelatihan seringkali tidak mungkin karena mereka memiliki kewajiban untuk menghapus data klien setelah proyek selesai. Oleh karena itu, kemampuan untuk melatih model tanpa vendor yang terlibat menjadi sangat penting, serta teknik machine learning yang membuatnya sulit atau tidak mungkin untuk memulihkan bagian mana pun dari data pelatihan dengan memeriksa model yang dipelajari. Teknik yang memungkinkan Anda untuk mengambil model yang ada dan memperbarui dengan data pelatihan baru tanpa harus melatih dari awal juga sangat penting.

Bisakah Anda menjelaskan bagaimana deep learning digunakan untuk mengategorikan data dalam perangkat lunak Kira?

Kami tidak banyak menggunakan deep learning dalam produk kami, meskipun tim penelitian internal kami menghabiskan banyak waktu untuk mengevaluasi dan mengeksplorasi solusi deep learning. Sampai saat ini, pada jenis masalah yang kami hadapi, teknik deep learning hanya sesuai dengan pendekatan non-deep learning, atau paling banyak mendapatkan peningkatan kecil. Mengingat overhead komputasi yang besar dari metodologi deep learning, serta tantangan dalam menjaga data pelatihan tetap pribadi, mereka belum cukup menarik untuk diadopsi.

 Itu dikatakan, kami menemukan pendekatan deep learning sangat menarik dan kami pikir mereka memiliki potensi untuk menjadi besar dalam NLP suatu hari nanti. Untuk itu, kami terus mengevaluasi dan mengeksplorasi pendekatan NLP deep learning sehingga kami dapat siap untuk mengadopsi ketika kelebihan mulai mengalahkan kekurangan.

Apa saja model ketentuan bawaan yang ditawarkan Kira?

Saat ini Kira dapat mengidentifikasi dan mengekstrak lebih dari 1.000 model ketentuan, klausa, dan titik data (lapangan pintar) bawaan. Mereka terkait dengan berbagai topik, dari Due Diligence M&A—yang awalnya Kira dirancang untuk membantu—hingga Brexit; hingga Real Estat. Lapangan pintar ini dibangun oleh tim ahli subjek kami yang mencakup pengacara berpengalaman dan akuntan. Dengan teknologi machine learning kami, standar Kira memerlukan hampir setiap lapangan pintar untuk mencapai recall minimum 90%, yang berarti perangkat lunak kami akan menemukan 90% atau lebih dari ketentuan, klausa, atau titik data yang Anda cari dalam kontrak atau dokumen, mengurangi risiko dan kesalahan dalam proses tinjauan kontrak. Selain itu, jumlah lapangan kustom yang tidak terbatas dapat dibuat/diajarkan oleh perusahaan untuk mengidentifikasi dan mengekstrak wawasan yang relevan menggunakan alat Quick Study kami.

Dunia hukum sering dikenal lambat dalam mengadopsi teknologi baru. Apakah Anda menemukan ada hambatan pendidikan ketika datang ke pendidikan firma hukum?

Pengacara benar-benar ingin tahu bagaimana sesuatu bekerja, jadi pendidikan sangat penting. Ini tidak lebih sulit untuk mengajar pengacara tentang machine learning dan AI daripada profesional lain, tetapi ini tentu saja diperlukan untuk memiliki materi pelatihan yang siap. Banyak hambatan adopsi juga bersifat sosial; orang sering bertanya tentang praktik terbaik dalam menyesuaikan proses internal mereka untuk menggunakan AI, atau tertarik dengan bagaimana mereka dapat menggunakan AI untuk mengubah penawaran bisnis mereka dengan cara yang memberikan keuntungan di luar hanya perbaikan efisiensi.

Di bandingkan dengan saat kami memulai Kira Systems pada 2011, firma hukum saat ini jauh lebih pintar tentang AI dan teknologi. Banyak dari mereka memiliki tim inovasi yang bertugas untuk menyelidiki teknologi baru dan mendorong adopsi solusi baru.

Apakah ada yang ingin Anda bagikan tentang Kira?

Literatur akademis dan perpustakaan machine learning open source sangat membantu kami dalam memulai perusahaan. Kami percaya bahwa informasi dan perangkat lunak terbuka adalah manfaat besar bagi dunia. Dalam hal ini, saya sangat senang bahwa tim penelitian kami menerbitkan hasil dari banyak upaya penelitian kami dalam jurnal akademis dan konferensi. Selain menunjukkan bahwa kami mendorong batas-batas keadaan seni, ini memungkinkan kami untuk memberikan kembali kepada komunitas yang membantu kami memulai, dan yang kami terus dapatkan banyak manfaat darinya. Anda dapat menemukan kertas kami di https://kirasystems.com/science/.

Untuk mempelajari lebih lanjut, kunjungi Kira Systems.