Alexander Hudek, Współzałożyciel i CTO Kira Systems – Wywiad

Alex Hudek jest Współzałożycielem i CTO Kira Systems. Posiada tytuł doktora i magistra w dziedzinie informatyki na Uniwersytecie w Waterloo, oraz tytuł licencjata na Uniwersytecie w Toronto w dziedzinie fizyki i informatyki.

Jego poprzednie badania w dziedzinie bioinformatyki koncentrowały się na znajdowaniu podobieństw między sekwencjami DNA. Pracował również w dziedzinach systemów dowodzenia i kompilacji zapytań do bazy danych.

Kiedy zacząłeś interesować się maszynowym uczeniem i sztuczną inteligencją?

Zawsze interesowałem się informatyką. Na studiach podstawowych uczestniczyłem w kursach z algorytmów planowania i logiki, maszynowego uczenia i sztucznej inteligencji, obliczeń numerycznych i innych tematów. Moje zainteresowanie maszynowym uczeniem wzrosło bardziej konkretnie podczas mojego doktoratu na Uniwersytecie w Waterloo. Tam wykorzystywałem metody maszynowego uczenia do badania DNA. Później, w trakcie badań podoktorskich, zajmowałem się logiką formalną jako częścią moich badań. Logika i rozumowanie są w pewnym sensie „drugą stroną” podejścia do sztucznej inteligencji i uważałem, że ważne jest, abym wiedział więcej o tym.

Niektóre z Twoich poprzednich badań w dziedzinie bioinformatyki koncentrowały się na znajdowaniu podobieństw między sekwencjami DNA. Czy mógłbyś opowiedzieć o tej pracy?

Główny temat mojej rozprawy doktorskiej dotyczył budowy bardziej realistycznego modelu mutacji DNA z wykorzystaniem ukrytych modeli Markowa. Wykorzystałem ten bardziej złożony model w nowym algorytmie zaprojektowanym do znajdowania regionów DNA, które mają wspólne pochodzenie z innymi gatunkami. W szczególności, ten nowy algorytm może znaleźć o wiele słabiej powiązane regiony sekwencji niż poprzednie algorytmy do tego zadania.

Przed moim doktoratem pracowałem w laboratorium badawczym, które było częścią projektu ludzkiego genomu. Jednym z najbardziej znaczących projektów, w których pomogłem, była pierwsza kompletna wersja ludzkiego chromosomu 7.

Jaki był początkowy pomysł założenia Kira?

Pomysł na Kira pochodził od mojego współzałożyciela, Noah Waisberga. On spędził godziny w swojej karierze jako prawnik, wykonując rodzaj pracy, którą teraz zbudowaliśmy z wykorzystaniem sztucznej inteligencji. Była to interesująca idea, ponieważ dotyczyła języka naturalnego i problem był dobrze określony, a ja widziałem potencjał biznesowy. Jest coś pociągającego w budowaniu sztucznej inteligencji, która może zrozumieć język ludzki, ponieważ język jest tak ściśle związany z ludzkim poznaniem.

Czy mógłbyś opowiedzieć, co to jest oprogramowanie do analizy umów i jak przynosi korzyści profesjonalistom prawnym?

Kira wykorzystuje nadzorowane maszynowe uczenie, co oznacza, że doświadczony prawnik wprowadza postanowienia z prawdziwych umów do systemu zaprojektowanego do uczenia się z tych przykładów. System studiuje te dane, uczy się, jaki język jest istotny, i buduje modele postanowień oparte na prawdopodobieństwie. Modele są następnie testowane na zestawie opatrzonych umów, z którymi system nie jest zaznajomiony, w celu określenia jego gotowości. Ta bardzo dokładna technologia maszynowego uczenia może identyfikować i analizować praktycznie każde postanowienie w każdej umowie, co skutkuje oszczędnością czasu, zgłaszaną przez klientów, na poziomie 20-90%. Zwiększona produktywność pomaga firmom prawniczym zwiększać ich stawki realizacji, daje im więcej możliwości wzrostu przychodu i zachowania obecnych klientów. Dla korporacji przynosi lepszą produktywność wewnętrzną, redukując ilość zewnętrznych wydatków prawnych.

Przetwarzanie języka naturalnego (NLP) jest trudne dla większości firm. Czy mógłbyś omówić niektóre dodatkowe wyzwania, które pojawiają się przy przetwarzaniu terminologii prawnej i innych nuansów unikalnych dla zawodu prawnika?

Dla wielu ludzi język prawny może wydawać się bardzo obcy, ale okazuje się, że z punktu widzenia maszynowego uczenia nie jest on tak naprawdę różny. Są pewne unikalne aspekty; kapitalizacja jest ważniejsza, a zdania mogą być znacznie dłuższe niż normalne, ale ogólnie nie potrzebowaliśmy znacznie różnych podejść NLP niż w innych dziedzinach.

Jednym z aspektów, który jest znacznie różny, jest potrzeba ochrony danych i dostosowania. Prawnicy są zobowiązani do zachowania poufności danych klientów, a korzystanie z nich w produkcie maszynowego uczenia, który puli lub udostępnia dane szkoleniowe, jest sprzeczne z tymi wymogami. W rzeczywistości, nawet przechowywanie danych szkoleniowych często nie jest możliwe, ponieważ mają one obowiązki usuwania danych klientów po zakończeniu projektu. Dlatego też możliwość szkolenia modeli bez udziału dostawców jest kluczowa, a także techniki maszynowego uczenia, które utrudniają lub uniemożliwiają odzyskanie jakiejkolwiek części danych szkoleniowych poprzez inspekcję nauczonych modeli. Techniki, które pozwalają na aktualizację istniejących modeli nowymi danymi szkoleniowymi bez potrzeby ponownego szkolenia od podstaw, są również niezbędne.

W kwestii dostosowania istnieje potrzeba, aby klienci mogli tworzyć własne modele. Wynika to z faktu, że w przypadku bardziej złożonych pojęć prawnych może wystąpić uzasadniona niezgoda wśród profesjonalistów, a firmy często chcą dostosować lub zbudować modele, które odpowiadają ich unikalnym pozycjom.

Czy mógłbyś opowiedzieć, jak głębokie uczenie jest wykorzystywane do kategoryzacji danych w oprogramowaniu Kira?

My nie używamy zbyt wiele głębokiego uczenia w naszym produkcie, chociaż nasz zespół badawczy spędza dużo czasu na ocenianiu i badaniu rozwiązań głębokiego uczenia. Do tej pory, w przypadku rodzajów problemów, z którymi mamy do czynienia, techniki głębokiego uczenia są tylko porównywalne z podejściami nie-głębokiego uczenia, lub co najwyżej dają niewielki wzrost. Biorąc pod uwagę ogromne obciążenie obliczeniowe metodologii głębokiego uczenia, a także wyzwania związane z utrzymaniem prywatności danych szkoleniowych, nie były one wystarczająco przekonywujące, aby je przyjąć.

Co to są niektóre z wbudowanych modeli postanowień, które oferuje Kira?

Kira może identyfikować i wyodrębniać ponad 1000 wbudowanych postanowień, klauzul i punktów danych (pól inteligentnych). Dotyczą one wielu różnych tematów, od due diligence w przypadku fuzji i przejęć – z którym Kira została pierwotnie zaprojektowana, aby pomóc – po Brexit; po nieruchomości. Pola inteligentne są tworzone przez nasz zespół ekspertów, w tym doświadczonych prawników i księgowych. Z wykorzystaniem naszej technologii maszynowego uczenia, standardy Kira wymagają, aby praktycznie każde pole inteligentne osiągnęło minimalny poziom 90% odwołań, co oznacza, że nasze oprogramowanie znajdzie 90% lub więcej postanowienia, klauzuli lub punktu danych, którego szukasz w Twoich umowach lub dokumentach, redukując ryzyko i błędy w procesie przeglądu umów. Ponadto, nieograniczoną liczbę niestandardowych pól można utworzyć / nauczyć firmę do automatycznego identyfikowania i wyodrębniania istotnych informacji za pomocą naszego narzędzia Quick Study.

Świat prawny jest często znany z tego, że jest powolny w przyjmowaniu nowych technologii. Czy uważasz, że istnieje bariera edukacyjna w kwestii edukowania firm prawniczych?

Prawnicy naprawdę chcą wiedzieć, jak rzeczy działają, więc edukacja jest ważna. Nie jest trudniej nauczyć prawników o maszynowym uczeniu i sztucznej inteligencji niż innych profesjonalistów, ale jest to na pewno wymagane, aby mieć materiały szkoleniowe. Wiele barier przyjęcia jest społecznych; ludzie często pytają o najlepsze praktyki w adaptowaniu ich wewnętrznych procesów do korzystania z sztucznej inteligencji, lub są zainteresowani tym, jak mogą wykorzystać sztuczną inteligencję do zmiany swoich ofert biznesowych w sposób, który daje im przewagę poza zwykłymi usprawnieniami.

Ciekawe, że w porównaniu z momentem, kiedy założyliśmy Kira Systems w 2011 roku, firmy prawnicze dzisiaj są znacznie bardziej świadome AI i technologii. Wiele z nich ma zespoły innowacyjne, które są odpowiedzialne za badanie nowych technologii i zachęcanie do ich przyjęcia.

Czy jest coś jeszcze, co chciałbyś podzielić się na temat Kira?

Literatura akademicka i otwarte biblioteki maszynowego uczenia były niezwykle pomocne w pomocy nam w rozwoju firmy. Wierzymy, że otwarta informacja i oprogramowanie są ogromnym pożytkiem dla świata. W związku z tym, jestem szczególnie zadowolony, że nasz zespół badawczy publikuje wyniki wielu naszych badań w czasopismach akademickich i na konferencjach. Poza tym, że pokazuje, iż przekraczamy granice stanu sztuki, pozwala nam to oddać część tego, co otrzymaliśmy od społeczności, które pomogły nam rozpocząć, i od których nadal otrzymujemy wiele korzyści. Można znaleźć nasze prace na https://kirasystems.com/science/.

Aby dowiedzieć się więcej, odwiedź Kira Systems.