Alexander Hudek, Co-Fundador & CTO da Kira Systems – Série de Entrevistas

Alex Hudek é o Co-Fundador & CTO da Kira Systems. Ele possui doutorado e mestrado em Ciência da Computação pela Universidade de Waterloo, e um bacharelado em Física e Ciência da Computação pela Universidade de Toronto.

Sua pesquisa passada no campo de bioinformática se concentrou em encontrar semelhanças entre sequências de DNA. Ele também trabalhou em áreas de sistemas de prova e compilação de consultas de banco de dados.

Quando você inicialmente se interessou por aprendizado de máquina e IA?

Sempre fui interessado em ciência da computação. No curso de graduação, fiz cursos em algoritmos para planejamento e lógica, aprendizado de máquina e IA, computação numérica e outros tópicos. Meu interesse em aprendizado de máquina cresceu mais especificamente durante meu doutorado na Universidade de Waterloo. Lá, usei métodos de aprendizado de máquina para estudar DNA. Depois, mergulhei mais profundamente em lógica formal como parte de minha pesquisa pós-doutoral. Lógica e raciocínio são, de certa forma, o “outro lado” da moeda em abordagens de IA e senti que era importante saber mais sobre isso.

Algumas de suas pesquisas passadas no campo de bioinformática se concentraram em encontrar semelhanças entre sequências de DNA. Pode discutir alguns desses trabalhos?

O corpo principal de minha tese envolveu construir um modelo mais realista de mutação de DNA usando Modelos de Markov Ocultos. Usei esse modelo mais complexo em um novo algoritmo projetado para encontrar regiões de DNA que compartilham ancestralidade comum com outras espécies. Em particular, esse novo algoritmo pode encontrar regiões de sequência mais fracamente relacionadas do que os algoritmos anteriores para a tarefa.

Antes de meu doutorado, trabalhei em um laboratório de pesquisa que fazia parte do projeto do genoma humano. Um dos projetos mais notáveis que ajudei a concluir foi o primeiro rascunho completo do cromossomo 7 humano.

Qual foi a inspiração inicial por trás do lançamento da Kira?

A ideia para a Kira veio do meu co-fundador, Noah Waisberg. Ele havia passado horas em sua carreira como advogado fazendo o tipo de trabalho que agora construímos IA para fazer. Foi uma ideia interessante para mim porque envolvia linguagem natural e o problema estava bem definido, e eu podia ver o potencial de negócios. Há algo atraente em construir IA que possa entender a linguagem humana porque a linguagem está tão intimamente relacionada à cognição humana.

Pode descrever o que é o Software de Análise de Contratos e como ele beneficia os profissionais jurídicos?

A Kira usa aprendizado de máquina supervisionado, o que significa que um advogado experiente alimenta provisões de contratos reais em um sistema projetado para aprender com esses exemplos. O sistema estuda esses dados, aprende o que é relevante e constrói modelos de provisões probabilísticos. Os modelos são então testados contra um conjunto de acordos anotados com os quais o sistema não está familiarizado para determinar sua prontidão. Essa tecnologia de aprendizado de máquina altamente precisa pode identificar e analisar virtualmente qualquer provisão em qualquer contrato, resultando em economia de tempo relatada pelos clientes de 20-90%. Essa produtividade aumentada ajuda os escritórios de advocacia a aumentar suas taxas de realização, dando-lhes mais oportunidades de crescer sua receita e preservar seus clientes existentes. Para as corporações, isso impulsiona uma maior produtividade interna, reduzindo a quantidade de despesas legais externas necessárias.

Processamento de Linguagem Natural (NLP) é difícil para a maioria das empresas, pode discutir alguns dos desafios adicionais que são enfrentados quando se trata de processar terminologia jurídica e outras nuances que são únicas à profissão jurídica?

Para muitas pessoas, a linguagem jurídica pode parecer muito estranha, mas na verdade, do ponto de vista do aprendizado de máquina, não é tão diferente. Há algumas coisas mais únicas; a capitalização é mais importante e as frases podem ser muito mais longas do que o normal, mas no geral, não precisamos de abordagens de NLP significativamente diferentes das utilizadas em outros domínios.

Um aspecto que é significativamente diferente é a necessidade de privacidade de dados e personalização. Os profissionais jurídicos são obrigados a manter os dados dos clientes confidenciais, e usar esses dados em um produto de aprendizado de máquina que combina ou compartilha dados de treinamento é contrário a esses requisitos. Na verdade, mesmo manter dados de treinamento muitas vezes não é possível, pois eles têm obrigações de excluir dados de clientes após a conclusão de um projeto. Portanto, ser capaz de treinar modelos sem a participação de fornecedores se torna crítico, assim como as técnicas de aprendizado de máquina que tornam difícil ou impossível recuperar qualquer parte dos dados de treinamento inspecionando os modelos aprendidos. Técnicas que permitem que você pegue um modelo existente e atualize-o com novos dados de treinamento sem re-treinar desde o início também são fundamentais.

No que diz respeito à personalização, há uma necessidade de os clientes poderem construir seus próprios modelos. Isso ocorre porque, para conceitos jurídicos mais complexos, pode haver desacordo razoável entre os profissionais, e as firmas muitas vezes querem ajustar ou construir modelos para atender às suas próprias posições únicas.

Pode descrever como o aprendizado profundo é usado para categorizar dados dentro do software Kira?

Não usamos muito aprendizado profundo em nosso produto, embora nossa equipe de pesquisa interna passe muito tempo avaliando e explorando soluções de aprendizado profundo. Até agora, nos tipos de problemas que enfrentamos, as técnicas de aprendizado profundo estão apenas igualando as abordagens de não aprendizado profundo, ou, no máximo, obtendo um pequeno aumento. Dada a grande sobrecarga computacional das metodologias de aprendizado profundo, bem como os desafios de manter os dados de treinamento privados, elas não foram suficientemente convincentes para serem adotadas até agora.

Quais são alguns dos modelos de provisões incorporados que a Kira oferece?
Atualmente, a Kira pode identificar e extrair mais de 1.000 provisões, cláusulas e pontos de dados incorporados (campos inteligentes). Eles se relacionam a uma multitude de diferentes tópicos, desde Due Diligence de M&A – com o qual a Kira foi originalmente concebida para ajudar – até Brexit; até Imóveis. Os campos inteligentes são construídos por nossa equipe de especialistas em matéria, que inclui advogados e contadores experientes. Com nossa tecnologia de aprendizado de máquina, os padrões da Kira exigem que virtualmente todos os campos inteligentes atinjam um mínimo de 90% de recall, o que significa que nosso software encontrará 90% ou mais da provisão, cláusula ou ponto de dados que você está procurando especificamente dentro de seus contratos ou documentos, reduzindo riscos e erros no processo de revisão de contratos. Além disso, um número ilimitado de campos personalizados pode ser criado/ensinado por uma firma para identificar e extrair automaticamente insights relevantes usando nossa ferramenta Quick Study.

O mundo jurídico é frequentemente conhecido por ser lento para adotar novas tecnologias. Você acha que há uma barreira de educação quando se trata de educar escritórios de advocacia?

Os advogados realmente gostam de saber como as coisas funcionam, então a educação é importante. Não é mais difícil ensinar advogados sobre aprendizado de máquina e IA do que outros profissionais, mas é definitivamente necessário ter materiais de treinamento prontos. Muitas das barreiras de adoção também são sociais; as pessoas muitas vezes perguntam sobre as melhores práticas para adaptar seus processos internos para usar IA, ou estão interessadas em como podem usar IA para alterar suas ofertas de negócios de uma maneira que lhes dê vantagens além da mera melhoria de eficiência.

Em comparação com quando começamos a Kira Systems em 2011, os escritórios de advocacia de hoje são muito mais sofisticados em relação à IA e à tecnologia. Muitos têm equipes de inovação que são encarregadas de investigar novas tecnologias e encorajar a adoção de novas soluções.

Há algo mais que você gostaria de compartilhar sobre a Kira?

A literatura acadêmica e as bibliotecas de aprendizado de máquina de código aberto foram instrumentais em nos ajudar a criar a empresa. Acreditamos que a informação e o software abertos são um grande benefício para o mundo. À luz disso, estou especialmente feliz que nossa equipe de pesquisa publique os resultados de muitos de nossos esforços de pesquisa em periódicos e conferências acadêmicas. Além de demonstrar que empurramos os limites do estado da arte, isso nos permite dar de volta às comunidades que nos ajudaram a começar e que continuamos a obter um grande valor. Você pode encontrar nossos artigos em https://kirasystems.com/science/.

Para saber mais, visite Kira Systems.