Олександр Гудек, співзасновник та технічний директор Kira Systems – Серія інтерв’ю

Олександр Гудек є співзасновником та технічним директором Kira Systems. Він має ступінь доктора філософії та магістра математики в галузі комп’ютерних наук Університету Ватерлоо, а також ступінь бакалавра фізики та комп’ютерних наук Університету Торонто.

У минулому його дослідження в галузі біоінформатики були зосереджені на пошуку подібностей між ДНК-послідовностями. Він також працював у сфері систем доведення та компіляції запитів до баз даних.

Коли ви вперше стали цікавитися машинним навчанням та штучним інтелектом?

Я завжди цікавився комп’ютерними науками. На першому курсі університету я відвідував курси з алгоритмів планування та логіки, машинного навчання та штучного інтелекту, чисельних методів та інших тем. Мій інтерес до машинного навчання зростав під час навчання в аспірантурі Університету Ватерлоо. Там я використовував методи машинного навчання для вивчення ДНК. Після цього я глибше вивчив формальні логіки в рамках своєї постдокторської роботи. Логіка та висновок у певному сенсі є “іншою стороною” підходів до штучного інтелекту, і я вважав важливим знати більше про це.

Деякі з ваших попередніх досліджень у галузі біоінформатики були зосереджені на пошуку подібностей між ДНК-послідовностями. Чи можете ви розповісти про деякі з цих робіт?

Основна частина моєї дисертації полягала у створенні більш реалістичної моделі мутації ДНК за допомогою моделей Маркова. Я використовував цю більш складну модель у новому алгоритмі, призначеному для пошуку регіональних ДНК, які мають спільне походження з іншими видами. Зокрема, цей новий алгоритм може знайти набагато слабше пов’язані послідовності, ніж попередні алгоритми для цієї задачі.

До початку аспірантури я працював у дослідницькій лабораторії, яка була частиною проекту людського геному. Одним з найвідоміших проектів, над яким я працював, була перша повна версія людської хромосоми 7.

Яка була початкова ідея створення Kira?

Ідея Kira виникла у мого співзасновника, Ноя Вайсберга. Він провів години своєї кар’єри як юрист, виконуючи роботу, яку ми зараз будемо робити за допомогою штучного інтелекту. Це була цікава ідея для мене, оскільки вона включала природну мову, і проблема була добре визначена, і я міг бачити бізнес-потенціал. Є щось привабливе у створенні штучного інтелекту, який може зрозуміти людську мову, оскільки мова так тісно пов’язана з людською когніцією.

Чи можете ви описати, що таке програмне забезпечення для аналізу контрактів, і як воно допомагає юридичним фахівцям?

Kira використовує нагляді машинного навчання, тобто досвідчений юрист вводить положення реальних контрактів у систему, призначену для навчання на цих прикладах. Система вивчає ці дані, вчиться, яка мова є актуальною, і створює ймовірнісні моделі положень. Моделі потім перевіряються проти набору анотованих угод, з яких система не знає, щоб визначити її готовність. Ця високо точна технологія машинного навчання може ідентифікувати та аналізувати майже будь-яке положення будь-якого контракту, що призводить до заявлених клієнтами економії часу на 20-90%. Ця підвищена продуктивність допомагає юридичним фірмам збільшувати свої показники реалізації, дає їм більше можливостей для зростання доходів і збереження існуючих клієнтів. Для корпорацій це підвищує продуктивність внутрішніх юридичних послуг, знижуючи кількість зовнішніх юридичних витрат.

Обробка природної мови (NLP) є складною для більшості компаній. Чи можете ви розповісти про деякі додаткові складності, з якими стикаються при обробці юридичної термінології та інших нюансів, які є унікальними для юридичної професії?

Для багатьох людей юридична мова може здатися дуже чужоземною, але з точки зору машинного навчання вона не є суттєво іншою. Є кілька унікальних речей; велика буква має більшу важливість, і речення можуть бути набагато довшими за звичайні, але загалом нам не потрібно суттєво інші підходи NLP, ніж у інших галузях.

Одним з суттєво різних аспектів є потреба у конфіденційності даних та налаштуванні. Юридичні фахівці зобов’язані зберігати конфіденційність даних клієнтів, і використання їх у продукті машинного навчання, який агрегує або розподіляє навчальні дані, суперечить цим вимогам. Фактично, навіть зберігання навчальних даних часто не є можливим, оскільки вони мають зобов’язання видалити дані клієнтів після завершення проекту. Таким чином, можливість навчання моделей без участі постачальників стає критично важливою, а також методи машинного навчання, які роблять неможливим відновлення будь-якої частини навчальних даних шляхом інспекції вивчених моделей. Техніки, які дозволяють оновлювати існуючі моделі новими навчальними даними без повторної навчальної роботи з початку, також є обов’язковими.

На фронті налаштування існує потреба у тому, щоб клієнти могли створювати自己的 моделі. Це відбувається тому, що для більш складних юридичних концепцій може існувати розумна розбіжність серед фахівців, і фірми часто хочуть налаштувати або створити моделі, щоб вони відповідали їхнім унікальним позиціям.

Чи можете ви описати, як глибоке навчання використовується для категоризації даних у програмному забезпеченні Kira?

Ми не використовуємо багато глибокого навчання у нашому продукті, хоча наша внутрішня дослідницька команда проводить багато часу на оцінці та вивченні рішень глибокого навчання. До цього часу на тих задачах, з якими ми стикаємося, методи глибокого навчання лише повторюють підходи, які не використовують глибоке навчання, або в кращому випадку дають дуже маленьке підвищення. Ураховуючи величезний обчислювальний наклад глибокого навчання, а також проблеми з конфіденційністю навчальних даних, вони не були достатньо привабливими, щоб їх прийняти.

Які деякі з вбудованих моделей положень, які пропонує Kira?

Кира може ідентифікувати та витягувати понад 1000 вбудованих положень, пунктів та даних (розумних полів). Вони стосуються багатьох різних тем, від Due Diligence M&A – з яким Кіра спочатку була задумана для допомоги – до Brexit; до нерухомості. Розумні поля створюються нашою командою фахівців з предметної області, до складу якої входять досвідчені юристи та бухгалтери. За допомогою нашої технології машинного навчання стандарти Kira вимагають майже кожного розумного поля досягти мінімуму 90% виявлення, тобто наше програмне забезпечення знайде 90% або більше положення, пункту або даних, які ви шукаєте у своїх контрактах або документах, знижуючи ризики та помилки у процесі перегляду контрактів. Крім того, необмежену кількість користувачів можна створити/навчити за допомогою нашого інструменту Quick Study, щоб автоматично ідентифікувати та витягувати відповідні знання.

Юридичний світ часто відомий тим, що повільно приймає нові технології. Чи вважаєте ви, що існує бар’єр освіти при навчанні юридичних фірм?

Юристи дуже хочуть знати, як все працює, тому освіта важлива. Це не важче навчити юристів про машинне навчання та штучний інтелект, ніж інших фахівців, але це обов’язково потрібно мати навчальні матеріали. Багато бар’єрів прийняття також соціальні; люди часто запитують про найкращі практики адаптації внутрішніх процесів для використання штучного інтелекту або цікавляться тим, як вони можуть використовувати штучний інтелект для зміни своїх бізнес-пропозицій таким чином, щоб вони мали переваги за межами простого підвищення ефективності.

У порівнянні з тим, коли ми заснували Kira Systems у 2011 році, юридичні фірми сьогодні значно краще розуміють технології та штучний інтелект. Багато з них мають інноваційні команди, які займаються дослідженням нових технологій та заохоченням до їхнього впровадження.

Чи є щось ще, що ви хотіли б поділитися про Kira?

Академічна література та відкриті бібліотеки машинного навчання були інструментальними у допомозі нам створити компанію. Ми вважаємо, що відкрита інформація та програмне забезпечення є величезною перевагою для світу. У світлі цього я особливо радий, що наша дослідницька команда публікує результати багатьох наших дослідницьких зусиль у академічних журналах та конференціях. Окрім того, що ми демонструємо, що ми розширюємо межі сучасного стану, це дозволяє нам повернути борг спільнотам, які допомогли нам розпочати та з якими ми продовжимо отримувати велику користь. Ви можете знайти наші статті на https://kirasystems.com/science/.

Дізнайтеся більше на сайті Kira Systems.