类别
最新消息

帖子:机器学习(AI)回答法律问题:Blue J合法

随着人工智能头条新闻,每天出现,都是很难的。我怀疑它会扰乱大法律,但相信它可以创造重大的实践效率。要超越炒作,请查看特定的AI应用程序有助于。所以我很高兴在6月份与Blue J法律首席执行官和联合创始人,Ben Alarie,关于他的公司的机器学习软件(一种AI)答案,答复了法律问题。我将从本公司开始一些背景,然后描述技术,并与一些商业模式和一般性评论密切相关。

随着人工智能头条新闻,每天出现,都是很难的。我怀疑它会扰乱大法律,但相信它可以创造重大的实践效率。要超越炒作,请查看特定的AI应用程序有助于。所以我很高兴在6月份两次谈论 Blue J合法 首席执行官和联合创始人, 本杰拉西 ,关于他的公司的机器学习软件(一种AI类型),可回答法律问题。我将从Ben的一些背景开始,一点关于公司,然后描述技术,并与一些商业模式和一般性评论结束。

公司与联合创始人

本举行了 奥特勒椅在商业法中 在多伦多大学法学院。他和他的两个联合创始人都是法律教授。我直言不讳地问过一群法律教授可以运行成功的业务。哎呀,我的法律学院意见闪过霓虹灯。本说他的法律联合创始人均拥有数据科学经验和商业敏锐,加上第四个联合创始人是一家高级企业软件架构师,多年的经验,包括IBM。

我的怀疑主义进一步淘汰了学习蓝色J有大约20名员工。包括五个全职开发商,大约十几个法律研究人员,以及该公司的联合创始人。客户包括Oslers,PWC,KPMG和Deloitte。

该公司尚未携带传统的VC金钱,但确实有几家投资者提供资金,其中包括四大会计师事务所,加拿大税务基金会和加拿大的业务开发银行(加拿大政府的一部分)。本报告称该公司推迟了许多要求投资,这是一系列圆形可能很快就会出现。

技术和产品

Blue J合法使用ML和规则引擎来回答法律分类问题。示例包括一名工人是否是员工或承包商,一个人是加拿大居民的税务,或支出是目前的税务目的的费用或资本支出。

系统摄取案例法(或可比的代理裁决)作为确定分类的基础。数据科学家和法律研究人员的组合与材料合作,制定要提出用户的问题。用户以自然语言回答这些问题。该系统返回答案的置信水平,并在几个写的段落中解释了系统如何以及为什么该系统达到其拟议的分类。它还显示了五种最相关的案件。用户可以单击以查看这些案例的全文和/或查看其他相关案件。

该系统尚未强调返回案件的部分,这些案件有助于答案。显然是一个非常困难的ml挑战。然而,本确实说,未来的发布将在最佳答案集中提供关于每个案例的案例和/或更多元数据的视觉聚类。

用户界面简单且答案,如它们由律师编写。简单的UI和快速答案屏蔽了许多数据科学和法律研究,解除了系统。答案的道路很有趣。法律研究人员构建了各种答案元素,包括各种短语,句子和段落。机器学习使用摄取的案例法评估用户的事实,以确定实质性正确的分类和系统的信心。然后,规则引擎组合了用户的输入,ML输出和预先写的答案段以组装很好的写入,完整的答案。

Ben表示,一些分类器的答案超过了样本准确性的98%(并指出,律师仍有责任确认答案)。我问了哪些分子和分母产生了这个百分比。本解释说,它是一个ML导出的措施,所以没有实际的分数。他将其解释为系统的百分比,该系统将根据用户输入的具体事实,基于对底层ML模型的样本测试。

为了实现如此高的信心,我想知道蓝色J可能需要进行多少案例。如果不是更多的话,我在数百人中思考。本建议中高两位数(意为50至100)通常足以合理地高度信心。这让我感到惊讶,我期待进一步的实地经验来确认这一点。

该公司不会将软件作为发动机销售。法律组织无法在内容上令人损失并使其工作。相反,必须在数据科学家和法律研究人员的帮助下建立系统。

我们没有谈论发展路线图,但本确实共享了未来的迭代将产生对输出的输入(用户答案)的自动敏感性分析(法律答案)。我认为这将是有用的。它可能有助于律师减少在收集的不必要的时间。如果有些事实答案对结果产生了相对较少的影响,那么为什么要花费时间就会打扰它?或者客户的风险容忍应该推动那个选择 - 许多律师今天不够理解的问题。

商业模式,问题和结论

与许多初创公司一样,商业模式仍然是流体。目前的目标市场是律师和其他专业人士,许可证术语与其他企业软件相似作为服务。我告诉美国,将这种类型的系统释放到消费者或小企业可能会提高未经授权的法律问题实践。 (让记录显示我很大程度上对象到所有索赔。)

该公司正在考虑许可和分销模式。大概是其他组织可以使用发动机如果他们有数据科学家和法律研究人员来运行它。

我认为Blue J有很大的潜力。首先,许多法律问题与分类的人很好。其次,软件尺度有利,意思是为美国法律构建一个系统,其大多数主题的大多数内容大多数比加拿大大多数,不会那么多于加拿大较小的内容。

我对实现潜力的问题可以更加缩放系统构建过程。很多人可以做法律研究,但我们缺乏良好的数据科学家和ML专家。他们指挥薪水。即使赔偿水平下降,建设系统的断裂点的问题也仍然开放。

关于潜力的最终问题进入了商业模式。只有少数律师事务所建立了丰富的客户面向客户的系统。传统大法律的经济不赞成。和法律部门似乎在这种系统中投入更少。因此,留下法律出版商来考虑,以及大四和替代法律提供者。

即使建筑系统容易便宜,摄取仍然可能很慢。一位大型法律朋友告诉我,对Lex Machina的吸收 - 他说,他说的是专利分析和代表 - 花了几年,因为律师只是不想学习它。有些事情需要数年 - 也许数十年 - 改变。

Ron Friedmann是一个与消防员的顾问&公司和尊敬的法律市场评论员。本文首先出现在他的 战略法律技术博客