Alexander Hudek, Współzałożyciel i CTO Kira Systems – Seria wywiadów

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

W swoich poprzednich badaniach w dziedzinie bioinformatyki skupił się na wyszukiwaniu podobieństw między sekwencjami DNA. Pracował również w dziedzinach systemów dowodzenia i kompilacji zapytań do bazy danych.

Kiedy początkowo zainteresował się Pan sztuczną inteligencją i uczeniem maszynowym?

Zawsze interesowałem się informatyką. Na studiach licencjackich uczestniczyłem w kursach z algorytmów planowania i logiki, uczenia maszynowego i sztucznej inteligencji, obliczeń numerycznych i innych. Moje zainteresowanie uczeniem maszynowym rosło bardziej konkretnie podczas mojego doktoratu na Uniwersytecie w Waterloo. Tam używałem metod uczenia maszynowego do badania DNA. Później zagłębiłem się głębiej w logikę formalną w ramach moich badań podoktorskich. Logika i rozumowanie jest w pewnym sensie “drugą stroną” monety w podejściach do sztucznej inteligencji i czułem, że ważne jest, abym wiedział więcej o tym.

Część Pana poprzednich badań w dziedzinie bioinformatyki koncentrowała się na wyszukiwaniu podobieństw między sekwencjami DNA. Czy mógłby Pan omówić tę pracę?

Główny trzon mojej rozprawy doktorskiej dotyczył budowy bardziej realistycznego modelu mutacji DNA przy użyciu ukrytych modeli Markowa. Użyłem tego bardziej złożonego modelu w nowym algorytmie zaprojektowanym do wyszukiwania 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 godnych uwagi projektów, które pomogłem ukończyć, była pierwsza kompletna wersja ludzkiego chromosomu 7.

Jaki był początkowy impuls do uruchomienia Kira?

Pomysł na Kira pochodził od mojego współzałożyciela, Noaha Waisberga. Spędził on godziny w swojej karierze jako prawnik, wykonując rodzaj pracy, którą teraz zbudowaliśmy sztuczną inteligencję do wykonania. Była to interesująca idea, ponieważ dotyczyła języka naturalnego, a problem był dobrze określony, i mógłbym zobaczyć potencjał biznesowy. Jest coś pociągającego w budowaniu sztucznej inteligencji, która może zrozumieć język ludzki, ponieważ język jest tak ściśle związany z ludzkim poznaniem.

Czy mógłby Pan opisać, co to jest oprogramowanie do analizy umów i jak przynosi korzyści profesjonalistom prawnym?

Kira używa nadzorowanego uczenia maszynowego, 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 prawdopodobieństwa. Modele są następnie testowane na zestawie umów, z którymi system nie jest zaznajomiony, aby określić jego gotowość. Ta bardzo dokładna technologia uczenia maszynowego może identyfikować i analizować praktycznie każde postanowienie w każdej umowie, co skutkuje oszczędnością czasu, o której klienci donoszą, na poziomie 20-90%. Ta zwiększona produktywność pomaga firmom prawniczym zwiększać swoje stawki realizacji, daje im więcej możliwości do zwiększania przychodu i zachowania obecnych klientów. Dla korporacji przynosi lepszą produktywność wewnętrzną, zmniejszając ilość zewnętrznych wydatków prawnych.

Przetwarzanie języka naturalnego (NLP) jest trudne dla większości firm. Czy mógłby Pan omówić dodatkowe wyzwania, które pojawiają się przy przetwarzaniu terminologii prawnej i innych niuansów, które są unikalne dla profesjonalistów prawniczych?

Dla wielu ludzi język prawny może wydawać się bardzo obcy, ale okazuje się, że z punktu widzenia uczenia maszynowego nie jest on tak naprawdę inny. Są pewne unikalne rzeczy; 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 uczenia maszynowego, 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 usunięcia danych klienta po zakończeniu projektu. Dlatego tak ważne jest, aby móc szkolić modele bez udziału dostawców, a także techniki uczenia maszynowego, które utrudniają lub uniemożliwiają odzyskanie części danych szkoleniowych przez inspekcję nauczonych modeli. Techniki, które pozwalają wziąć istniejący model i zaktualizować go nowymi danymi szkoleniowymi bez ponownego szkolenia od podstaw, są również niezbędne.

W kwestii dostosowania jest potrzeba, aby klienci mogli budować własne modele. Wynika to z faktu, że dla bardziej złożonych pojęć prawnych może istnieć uzasadniona niezgoda wśród profesjonalistów, a firmy często chcą dostosować lub zbudować modele, aby dopasować je do swoich unikalnych pozycji.

Czy mógłby Pan opisać, jak głębokie uczenie jest używane do kategoryzacji danych w oprogramowaniu Kira?

Nie używamy wiele głębokiego uczenia w naszym produkcie, chociaż nasz wewnętrzny zespół badawczy spędza dużo czasu na ocenianiu i badaniu rozwiązań głębokiego uczenia. Do tej pory, w rodzajach problemów, z którymi mamy do czynienia, techniki głębokiego uczenia są tylko równoważne podejściom niegłębokim, lub co najwyżej uzyskują 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 do tej pory.

Czy mógłby Pan opisać, jakie są wbudowane modele postanowień, które oferuje Kira?
Obecnie Kira może identyfikować i wyodrębniać ponad 1 000 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 pomyślana, aby pomóc – do Brexitu, do nieruchomości. Pola inteligentne są budowane przez nasz zespół ekspertów ds. przedmiotu, w skład którego wchodzą doświadczeni prawnicy i księgowi. Z naszą technologią uczenia maszynowego, standardy Kira wymagają, aby praktycznie każde pole inteligentne osiągnęło minimalne odwołanie na poziomie 90%, co oznacza, że nasze oprogramowanie znajdzie 90% lub więcej postanowienia, klauzuli lub punktu danych, który szukasz w Twoich umowach lub dokumentach, zmniejszając ryzyko i błędy w procesie przeglądu umów. Dodatkowo, można utworzyć/nauczyć nieograniczoną liczbę niestandardowych pól, aby automatycznie identyfikować i wyodrębniać istotne informacje przy użyciu naszego narzędzia Quick Study.

Świat prawny jest często znany z tego, że jest powolny w przyjmowaniu nowych technologii. Czy uważa Pan, że istnieje bariera edukacyjna, gdy chodzi o edukowanie firm prawniczych?

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

W porównaniu z tym, kiedy rozpoczęliśmy Kira Systems w 2011 roku, firmy prawnicze dzisiaj są o wiele bardziej świadome sztucznej inteligencji i technologii. Wiele z nich ma zespoły innowacyjne, które są odpowiedzialne za badanie nowych technologii i zachęcanie do przyjęcia nowych rozwiązań.

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

Literatura akademicka i otwarte biblioteki uczenia maszynowego były niezwykle pomocne w pomocy nam w uruchomieniu firmy. Wierzymy, że otwarta informacja i oprogramowanie jest ogromnym pożytkiem dla świata. W związku z tym jestem szczególnie zadowolony, że nasz zespół badawczy publikuje wyniki wielu naszych wysiłków badawczych w czasopismach akademickich i konferencjach. To nie tylko pokazuje, że przesuwamy granice stanu sztuki, ale także pozwala nam oddać część tego, co otrzymaliśmy od społeczności, które pomogły nam się rozwinąć, i które nadal dostarczają nam wiele korzyści. Można znaleźć nasze prace pod adresem https://kirasystems.com/science/.

Aby dowiedzieć się więcej, odwiedź Kira Systems.