ალექსანდრე ჰუდეკი, Kira Systems-ის თანადამფუძნებელი და CTO - ინტერვიუს სერია

ალექს ჰუდეკი არის თანადამფუძნებელი და CTO კირა სისტემები. მას აქვს დოქტორის და მაგისტრის ხარისხი კომპიუტერულ მეცნიერებაში ვატერლოოს უნივერსიტეტიდან და ბაკალავრის ხარისხი. ტორონტოს უნივერსიტეტიდან ფიზიკასა და კომპიუტერულ მეცნიერებაში.

მისი წარსული კვლევები ბიოინფორმატიკის სფეროში ფოკუსირებული იყო დნმ-ის თანმიმდევრობებს შორის მსგავსების პოვნაზე. იგი ასევე მუშაობდა მტკიცებულების სისტემებისა და მონაცემთა ბაზის შეკითხვის შედგენის სფეროებში.

როდის დაინტერესდით თავდაპირველად მანქანური სწავლებითა და AI-ით?

ყოველთვის მაინტერესებდა კომპიუტერული მეცნიერებები. ბაკალავრიატის კურსზე გავიარე ალგორითმების კურსები დაგეგმვისა და ლოგიკის, მანქანათმცოდნეობის და ხელოვნური ინტელექტის, რიცხვითი გამოთვლის და სხვა თემების მიმართ. ჩემი ინტერესი მანქანათმცოდნეობისადმი უფრო კონკრეტულად გაიზარდა ვატერლოოს უნივერსიტეტში დოქტორანტურის დროს. იქ მე გამოვიყენე მანქანათმცოდნეობის მეთოდები დნმ-ის შესასწავლად. ამის შემდეგ, უფრო ღრმად ჩავუღრმავდი ფორმალურ ლოგიკას, როგორც ჩემი პოსტდოქტორული კვლევის ნაწილი. ლოგიკა და მსჯელობა გარკვეულწილად არის მონეტის „მეორე მხარე“ ხელოვნური ინტელექტისადმი მიდგომებში და ვფიქრობდი, რომ მნიშვნელოვანია მეტი ვიცოდე ამის შესახებ.

ზოგიერთი თქვენი წარსული კვლევა ბიოინფორმატიკის სფეროში ფოკუსირებული იყო დნმ-ის თანმიმდევრობებს შორის მსგავსების პოვნაზე. შეგიძლიათ განიხილოთ ზოგიერთი ნამუშევარი?

ჩემი დისერტაციის ძირითადი ნაწილი მოიცავდა დნმ-ის უფრო რეალისტური მოდელის მუტაციის შექმნას ფარული მარკოვის მოდელების გამოყენებით. მე გამოვიყენე ეს უფრო რთული მოდელი ახალ ალგორითმში, რომელიც შექმნილია დნმ-ის რეგიონების მოსაძებნად, რომლებსაც საერთო წინაპრები აქვთ სხვა სახეობებთან. კერძოდ, ამ ახალ ალგორითმს შეუძლია აღმოაჩინოს ბევრად უფრო სუსტად დაკავშირებული მიმდევრობის რეგიონები, ვიდრე წინა ალგორითმები ამოცანისთვის.

დოქტორანტამდე ვმუშაობდი კვლევით ლაბორატორიაში, რომელიც ადამიანის გენომის პროექტის ნაწილი იყო. ერთ-ერთი ყველაზე მნიშვნელოვანი პროექტი, რომლის შესრულებაშიც დამეხმარა, იყო ადამიანის მე-7 ქრომოსომის პირველი სრული პროექტი.

რა იყო კირას გაშვების საწყისი ინსპირაცია?

კირას იდეა ჩემს თანადამფუძნებელს, ნოა ვაისბერგს გაუჩნდა. ის თავის კარიერაში საათობით ატარებდა ადვოკატის იმ სამუშაოს, რომლის შესასრულებლადაც ახლა ავაშენეთ ხელოვნური ინტელექტი. ეს იყო ჩემთვის საინტერესო იდეა, რადგან ის მოიცავდა ბუნებრივ ენას და პრობლემა კარგად იყო მოცული და მე ვხედავდი ბიზნეს პოტენციალს. არის რაღაც მიმზიდველი ხელოვნური ინტელექტის მშენებლობაში, რომელსაც შეუძლია ადამიანის ენის გაგება, რადგან ენა მჭიდროდ არის დაკავშირებული ადამიანის შემეცნებასთან.

შეგიძლიათ აღწეროთ რა არის კონტრაქტის ანალიზის პროგრამა და რა სარგებელს მოაქვს იგი იურიდიულ პროფესიონალებს?

კირა იყენებს ზედამხედველობით მანქანურ სწავლებას, რაც ნიშნავს, რომ გამოცდილი იურისტი აწვდის დებულებებს რეალური კონტრაქტებიდან სისტემაში, რომელიც შექმნილია ამ მაგალითებიდან სწავლისთვის. სისტემა სწავლობს ამ მონაცემებს, გაიგებს, თუ რომელი ენაა რელევანტური და აშენებს სავარაუდო დებულების მოდელებს. შემდეგ მოდელების ტესტირება ხდება ანოტირებული შეთანხმებების ერთობლიობის წინააღმდეგ, რომლებსაც სისტემა არ იცნობს, რათა დადგინდეს მისი მზადყოფნა. ამ უაღრესად ზუსტი მანქანათმცოდნეობის ტექნოლოგიას შეუძლია ნებისმიერი კონტრაქტის პრაქტიკულად ნებისმიერი დებულების იდენტიფიცირება და ანალიზი, რაც გამოიწვევს მომხმარებლის მიერ მოხსენებული დროის დაზოგვას 20-90%. ეს გაზრდილი პროდუქტიულობა ეხმარება იურიდიულ ფირმებს მათი რეალიზაციის განაკვეთების გაზრდით, აძლევს მათ მეტ შესაძლებლობას გაზარდონ თავიანთი შემოსავალი და შეინარჩუნონ არსებული კლიენტები. კორპორაციებისთვის, ეს ზრდის შიდა პროდუქტიულობის გაუმჯობესებას, რაც ამცირებს საჭირო გარე იურიდიული ხარჯების რაოდენობას.

ბუნებრივი ენების დამუშავება (NLP) რთულია კომპანიების უმეტესობისთვის, შეგიძლიათ განიხილოთ ზოგიერთი დამატებითი გამოწვევა, რომელიც აწყდება იურიდიული ტერმინოლოგიის და სხვა ნიუანსების დამუშავებას, რომლებიც უნიკალურია იურიდიული პროფესიისთვის?

ბევრი ადამიანისთვის იურიდიული ენა შეიძლება ძალიან უცხო ჩანდეს, მაგრამ აღმოჩნდა, რომ მანქანათმცოდნეობის პერსპექტივიდან ის სინამდვილეში არც ისე განსხვავებულია. არის კიდევ რამდენიმე უნიკალური რამ; კაპიტალიზაცია უფრო მნიშვნელოვანია და წინადადებები შეიძლება იყოს ბევრად გრძელი ვიდრე ჩვეულებრივ, მაგრამ მთლიანობაში ჩვენ არ გვჭირდებოდა მნიშვნელოვნად განსხვავებული NLP მიდგომები, ვიდრე სხვა დომენებში.

ერთი ასპექტი, რომელიც მნიშვნელოვნად განსხვავდება, არის მონაცემთა კონფიდენციალურობისა და პერსონალიზაციის საჭიროება. იურიდიული პროფესიონალები ვალდებულნი არიან შეინახონ კლიენტის მონაცემები კონფიდენციალურად და მათი გამოყენება მანქანათმცოდნეობის პროდუქტში, რომელიც აერთიანებს ან აზიარებს სასწავლო მონაცემებს, ეწინააღმდეგება ამ მოთხოვნებს. სინამდვილეში, ტრენინგის მონაცემების შენახვაც კი ხშირად შეუძლებელია, რადგან მათ აქვთ ვალდებულება წაშალონ კლიენტის მონაცემები პროექტის დასრულების შემდეგ. ამრიგად, ციკლში მომწოდებლების გარეშე მოდელების მომზადება კრიტიკული ხდება, ისევე როგორც მანქანური სწავლების ტექნიკა, რომელიც ართულებს ან შეუძლებელს ხდის სასწავლო მონაცემების რომელიმე ნაწილის აღდგენას ნასწავლი მოდელების შემოწმებით. ასევე აუცილებელია ტექნიკები, რომლებიც საშუალებას გაძლევთ აიღოთ არსებული მოდელი და განაახლოთ იგი ახალი სასწავლო მონაცემებით ნულიდან გადამზადების გარეშე.

პერსონალიზაციის თვალსაზრისით, საჭიროა კლიენტებმა შეძლონ საკუთარი მოდელების აშენება. ეს იმიტომ ხდება, რომ უფრო რთული სამართლებრივი ცნებებისთვის შეიძლება იყოს გონივრული უთანხმოება პროფესიონალებს შორის და ფირმებს ხშირად სურთ მოახდინონ ან შექმნან მოდელები თავიანთი უნიკალური პოზიციების შესატყვისად.

შეგიძლიათ აღწეროთ, როგორ გამოიყენება ღრმა სწავლება Kira პროგრამული უზრუნველყოფის ფარგლებში მონაცემების კატეგორიზაციისთვის?

ჩვენ არ ვიყენებთ ღრმა სწავლებას ჩვენს პროდუქტში, თუმცა ჩვენი შიდა კვლევის გუნდი დიდ დროს ხარჯავს ღრმა სწავლის გადაწყვეტილებების შეფასებასა და კვლევაში. ჯერჯერობით, ჩვენს წინაშე მდგარი პრობლემების შესახებ, ღრმა სწავლის ტექნიკა ემთხვევა მხოლოდ არაღრმა სწავლის მიდგომებს, ან საუკეთესო შემთხვევაში იძენს ძალიან მცირე ზრდას. ღრმა სწავლის მეთოდოლოგიების უზარმაზარი გამოთვლითი ხარჯების გათვალისწინებით, ისევე როგორც ტრენინგის მონაცემების კონფიდენციალურობის შენარჩუნების გამოწვევების გათვალისწინებით, ისინი აქამდე არ იყვნენ საკმარისად დამაჯერებელი.

 ამის თქმით, ჩვენ მიგვაჩნია, რომ ღრმა სწავლის მიდგომები ძალიან დამაჯერებელია და ვფიქრობთ, რომ მათ აქვთ პოტენციალი, რომ ერთ დღეს გახდნენ NLP-ში დიდი. ამ მიზნით, ჩვენ განუწყვეტლივ ვაფასებთ და ვიკვლევთ ღრმა სწავლის NLP მიდგომებს, რათა მზად ვიყოთ, რომ მივიღოთ, როცა უპირატესობები აჭარბებს მინუსებს.

რომელ ჩაშენებულ მოდელებს გვთავაზობს Kira?

ამჟამად კირას შეუძლია ამოიცნოს და ამოიღოს 1,000-ზე მეტი ჩაშენებული დებულება, პუნქტი და მონაცემთა რაოდენობა (ჭკვიანი ველები). ისინი ეხება უამრავ განსხვავებულ თემას, დაწყებული M&A Due Diligence - რომლის დასახმარებლად კირა თავდაპირველად იყო ჩაფიქრებული - Brexit-მდე; უძრავ ქონებაზე. ჭკვიანი სფეროები შექმნილია ჩვენი საგნის ექსპერტთა გუნდის მიერ, რომელიც მოიცავს გამოცდილ იურისტებსა და ბუღალტერებს. ჩვენი მანქანათმცოდნეობის ტექნოლოგიით, Kira-ს სტანდარტები მოითხოვს პრაქტიკულად ყველა ჭკვიან ველს, რომ მიაღწიოს მინიმუმ 90%-იან გახსენებას, რაც იმას ნიშნავს, რომ ჩვენი პროგრამული უზრუნველყოფა იპოვის დებულების, პუნქტების ან მონაცემთა პუნქტის 90%-ს ან მეტს, რომელსაც კონკრეტულად ეძებთ თქვენს კონტრაქტებში ან დოკუმენტებში. , რისკებისა და შეცდომების შემცირება ხელშეკრულების განხილვის პროცესში. გარდა ამისა, შეუზღუდავი რაოდენობის მორგებული ველები შეიძლება შეიქმნას/ასწავლოს ფირმა, რათა ავტომატურად ამოიცნოს და ამოიღოს შესაბამისი ინფორმაცია ჩვენი სწრაფი შესწავლის ხელსაწყოს გამოყენებით.

იურიდიული სამყარო ხშირად ცნობილია იმით, რომ ნელია ახალი ტექნოლოგიების მიღებაში. ხედავთ, რომ არსებობს განათლების ბარიერი, როდესაც საქმე ეხება იურიდიულ ფირმების განათლებას?

იურისტებს ძალიან მოსწონთ იმის ცოდნა, თუ როგორ მუშაობს ყველაფერი, ამიტომ განათლება მნიშვნელოვანია. არ არის უფრო რთული იურისტების სწავლება მანქანათმცოდნეობის და ხელოვნური ინტელექტის შესახებ, ვიდრე სხვა პროფესიონალების შესახებ, მაგრამ აუცილებლად უნდა გქონდეთ მზად სასწავლო მასალები. შვილად აყვანის მრავალი დაბრკოლება ასევე სოციალურია; ადამიანები ხშირად კითხულობენ საუკეთესო პრაქტიკის შესახებ შიდა პროცესების ადაპტაციის შესახებ ხელოვნური ინტელექტის გამოყენებასთან დაკავშირებით, ან აინტერესებთ როგორ გამოიყენონ ხელოვნური ინტელექტი, რათა შეცვალონ თავიანთი ბიზნეს შეთავაზებები ისე, რომ მათ უპირატესობა მიენიჭოს მხოლოდ ეფექტურობის გაუმჯობესების მიღმა.

ვიდრე ჩვენ დავიწყეთ Kira Systems 2011 წელს, დღეს იურიდიული ფირმები ბევრად უფრო ერკვევიან ხელოვნურ ინტელექტსა და ტექნოლოგიაში. ბევრს ჰყავს ინოვაციური გუნდები, რომლებსაც ევალებათ ახალი ტექნოლოგიების გამოკვლევა და ახალი გადაწყვეტილებების მიღების წახალისება.

არის კიდევ რამე, რისი გაზიარებაც გსურთ კირას შესახებ?

აკადემიურმა ლიტერატურამ და ღია კოდის მანქანური სწავლების ბიბლიოთეკებმა მნიშვნელოვანი როლი შეასრულა კომპანიის ჩატვირთვაში. ჩვენ გვჯერა, რომ ღია ინფორმაცია და პროგრამული უზრუნველყოფა უზარმაზარი სიკეთეა მსოფლიოსთვის. ამის გათვალისწინებით, მე განსაკუთრებით ბედნიერი ვარ, რომ ჩვენი კვლევითი გუნდი აქვეყნებს ჩვენი მრავალი კვლევის შედეგებს აკადემიურ ჟურნალებსა და კონფერენციებში. გარდა იმისა, რომ ვაჩვენოთ, რომ ჩვენ ვცდილობთ ხელოვნების დონის საზღვრებს, ეს საშუალებას გვაძლევს დავუბრუნდეთ იმ საზოგადოებებს, რომლებიც დაგვეხმარა დაწყებაში, და რომლიდანაც ჩვენ ვაგრძელებთ დიდი ღირებულების მიღებას. თქვენ შეგიძლიათ იპოვოთ ჩვენი ნაშრომები აქ https://kirasystems.com/science/.

მეტი ვიზიტის შესასწავლად კირა სისტემები.