Продолжая цикл вебинаров об искусственном интеллекте для юристов, мы предлагаем поговорить об архитектуре Legal AI, а именно: о технологической основе, о задачах, которые необходимо решить при разработке подобных решений, а также о том, как данные задачи могут быть решены сегодня.

Прошлые вебинары мы посвятили двум главным темам:

• «Что такое искусственный интеллект глазами юриста, как устроено машинное обучение и как исторически развивались технологии, позволяющие создавать компьютерные системы, которые приближены к возможностям человеческого интеллекта?» (Вебинар № 1)
• «Что такое LegalTech, какие инструменты автоматизации юридической функции существуют на текущий момент, какие возможности они предлагают, а также какие проблемы существуют в данной сфере?» (Вебинар № 2)

С учетом современного уровня развития цифровых технологий вопрос о том, можно ли создать полноценный Legal AI, уже не актуален. Текущих технологий достаточно для практической реализации подобных решений, поэтому данный вопрос трансформируется в иную плоскость: «Как обучать Legal AI?». И с точки зрения методологии и подходов к решению данной задачи абсолютно все сталкиваются с одной и той же проблемой: у юристов отсутствует понимание инструментария и возможных результатов, а у программистов отсутствует глубокое понимание предметной области.

В третьем видео из цикла вебинаров мы хотим рассказать о оптимальном, на наш взгляд, подходе к преодолению данной проблемы и созданию юридического искусственного интеллекта.

Из данного видео Вы узнаете:

• в чем заключается задача понимания естественного языка, а также какие решения и инструментарий в области NLP существует сегодня;
• сколько образцов требуется, и каким образом размечать данные для обучения нейронных сетей;
• какова роль графа знаний и как перейти от данных к знаниям.

P.S.:

Презентация доступна для скачивания по ссылке здесь.

Тайм-коды вебинара:

04:04 — Как обучать Legal AI?
06:28 — Шаг № 1: постановка задачи
13:57 — Задача № 1: понимание естественного языка
21:54 — Задача № 2: разметка данных
30:30 — Задача № 3: оцифровка знаний
33:40 — Переход от данных к смыслам
38:33 — Трансформация в граф
45:15 — Архитектура Legal AI
52:49 — Гибридный AI
54:10 — Индустриальные графы знаний
57:14 — Методология внедрения Legal AI
01:05:10 — Заключительные положения