فن آوری
مطمئن! اگر می خواهید پیش نویس شما در مورد کلارنس توماس، وکیل مدافع برجسته و اهمیت حیاتی 55 USC § 1823 برای ادعای موکلتان، به شما پاسخ دهد. اگر کمتر از جذابیت به نظر می رسد، پس شاید یک ماشین پیش نویس جادویی نباشد.
این بدان معنا نیست که GPT هرگز به آنجا نمی رسد یا ارزشی برای این حرفه امروزی ندارد. اما وظایفی که قرار است خارج از دروازه انجام دهد با همه گمانه زنی ها مطابقت ندارند و بسیاری از قطعات متحرک پیش پا افتاده تری وجود دارند که صنعت باید ابتدا آنها را مرتب کند.
کنفرانس Legalweek امسال باید با فرصتی برای خالکوبی پشت کامل “GPT” به خط گوتیک روی قلب سوراخ شده با فلش جایگزین می شد. هوش مصنوعی مطمئناً موضوعی است که ارزش گفت‌وگو در میان جامعه فن‌آوران حقوقی پیشرفته را دارد، اما اجازه ندهیم «GPT-sus» هنوز فرمان را به دست بگیرد.
هنگام ملاقات با Redgrave Data – که ممکن است به بهترین وجه به عنوان A-Team مشکلات داده توصیف شود تا جایی که اگر مشکلی دارید، هیچ کس دیگری نمی تواند کمک کند، و اگر بتوانید آنها را پیدا کنید، باید Redgrave Data را استخدام کنید – Mark Noel وارد گفتگو در مورد GPT شدم که اولین پیش نویس را جمع آوری کرده و برخی از ترمزهای هوای معقول را روی این ایده قرار داده است. “[The GPT fervor] چیز جدیدی نیست… این من را به یاد زمانی می اندازد که ترجمه ماشینی به بازار آمد.” ترجمه ماشینی نیز به‌عنوان راه‌حل گذر اول که به مترجمان انسانی سرعت می‌بخشد، اعلام شد. اما این چیزی نبود که اتفاق افتاد. در عوض، تمیز کردن پر زحمت در نهایت به همان اندازه که صرفه جویی می کند، هزینه دارد. به گفته نوئل، این چیزی است که ما احتمالاً حداقل برای کوتاه مدت از GPT خواهیم دید.
در ABA TECHSHOW، پابلو آردوندو، یکی از بنیانگذاران و مدیر ارشد نوآوری Casetext، مقدمه کاملی در مورد نحوه عملکرد این سیستم‌های هوش مصنوعی پیشرفته ارائه کرد و توضیح داد که ماهیت سیستمی مانند GPT این است که به تلاش برای اختراع پاسخی که کاربر دوست دارد ادامه می‌دهد. حتی اگر برای اثبات آن نیاز به توهم داشته باشد. استخراج ارزش از این سیستم ها مستلزم آموزش زیاد و پادمان های با دقت طراحی شده است.
و این فقط برای به دست آوردن محصولی است که میتوانست کار برای وکلا ساختن چیزی که وکلا در واقع از آن استفاده کنند باید با شکاک حرفه ای در ذهن ارتباط داشته باشد. هنگامی که Casetext CoCounsel را معرفی کرد، چشمگیرترین جنبه ای که ما شناسایی کردیم، هوشمندی آن به اندازه مهار آن نبود. دانستن چیزهایی که نمی‌دانست و وکلای دادگستری را وادار به بررسی مجدد همه چیزهایی که نمی‌توانست تضمین کند، به‌عنوان چالش کلیدی برای هر درخواست حقوقی که در این مسیر پیش می‌رود، به نظرم رسید.
دن برودریک از BlackBoiler همین فلسفه رابط را در فضای بررسی قرارداد توضیح داد. با ویژگی جدید ContextAI این شرکت، امیدوار است که “جعبه سیاه را حذف کند و دلیل قابل توضیحی برای ویرایش ها ارائه دهد.” عملکرد نشانه‌گذاری استدلال پشت هر خط قرمز را ارائه می‌کند و به وکیل فرصتی را برای بررسی نحوه استفاده هوش مصنوعی از دفترچه قرارداد داخلی و نمونه‌های گذشته و رسیدن به پاسخ ارائه می‌کند. «این برای ایجاد اعتماد ضروری است. وکلا می خواهند بفهمند چه اتفاقی دارد می افتد. آنها می خواهند تحت کنترل باشند.»
شرکت‌ها و دپارتمان‌های حقوقی دانش تاریخی بررسی‌شده زیادی را در سیستم‌های خود حفظ می‌کنند، بنابراین جای تعجب نیست که هوش مصنوعی اولویت بالایی برای مدیریت اسناد است. آخرین باری که با NetDocuments صحبت کردم، آنها به تازگی PatternBuilder را برای کمک به خودکارسازی فرآیندهای وکالت معرفی کرده بودند. همانطور که آنها می بینند، آینده خودکار شامل گرفتن آن دانش و ارائه یکپارچه آن به جریان کار وکیل است. همانطور که هوش مصنوعی قوی‌تر می‌شود، وکلای دادگستری نمی‌خواهند فرآیندها را برای برآورده کردن هوش مصنوعی تنظیم کنند، آنها برای برآورده کردن آنها به هوش مصنوعی نیاز دارند.
اما بسیاری از دانش بانکی نیز می تواند برای یک هوش مصنوعی خطرناک باشد.
مطمئناً بهتر است از پرونده های یک شرکت اطلاعاتی به دست آوریم تا شبکه های بین وب، اما برودریک نمونه ای از توافق طرف خریداران را ارائه کرد. هوش مصنوعی چگونه می‌داند که پاسخ‌ها را از هزاران توافق طرف فروشنده در مخزن نگیرد؟
این سازمان را می گیرد. در حالی که با Rich Hale از ActiveNav در مورد مفهوم نقشه برداری داده به عنوان یک سرویس آشنا می شدیم، در مورد اهمیت پاکسازی داده ها در دنیای در حال ظهور هوش مصنوعی بحثی را شروع کردیم.
به طور کلی، مشتریان ActiveNav از خود می پرسند، “چگونه می توانم در نگهداری داده های کمتر و به حداقل رساندن ریزش داده ها در سراسر سازمان مهارت داشته باشم؟” برای کنترل هزینه ها و به حداقل رساندن خطر از دست دادن PII در انبوه و پایان دادن به اشتباه در یک نقض پرهزینه یا نقص نظارتی. به طور خلاصه، اطمینان از وجود “Zero Dark Data” همانطور که آنها می گویند.
اما وقتی یک هوش مصنوعی توهم‌آمیز چیزی را تهیه می‌کند که به اشتباه به پایگاه دانش شرکت اضافه می‌شود، چه اتفاقی می‌افتد؟ چگونه می دانیم که سیستم از چه داده هایی استخراج می کند و چه داده هایی از نشانه گذاری نامطلوب طرف مقابل تولید می شود؟ فهمیدن اینکه چه چیزی در سیستم وجود دارد برای حفظ هوش مصنوعی در یک مسیر مستقیم و باریک بسیار مهم است.
GPT اکنون می تواند وظایف قانونی را انجام دهد، اما وظایفی را که مردم انجام می دهند انتظار انجام GPT زمان می برد. به همان اندازه که در دلقک زدن امتحان وکالت، یا خلاصه کردن و مقایسه موثر اسناد طولانی، یا تطبیق زبان با کتابهای بازی – همه وظایف مهم – تاثیرگذار است – دستیابی به ابزاری که می تواند یک قابل اجرا پیش نویس اول به زمان، تلاش و سازماندهی نیاز دارد. تا آن زمان، مسئولیت‌پذیرترین رویکرد مستلزم ایجاد رابطی است که به سرعت و با دقت به وکیل در درک چگونگی رسیدن هوش مصنوعی به نتایج خود کمک کند.
با این حال، این یک لحظه مهم است. برایان میگان از ProSearch آن را – و انفجار همزمان روش‌های ارتباطی و ایموجی‌ها و مرگ آهسته اجباری هر ارتباط مربعی شکل به سوراخ گرد ایمیل – با روزهای اولیه eDiscovery یا حتی معرفی رایانه مقایسه می‌کند. درک تغییر پارادایم کمی طول می کشد، اما در حال آشکار شدن است.
این چیزی نیست که GPT – و رقبای آن – امروز قادر به انجام آن هستند، اما در 10 سال آینده انجام خواهد شد که ما آن را کاملاً معمولی در نظر خواهیم گرفت.
اوایل: GPT-4 جدید تمام بخش های آزمون وکالت یکنواخت را گذرانده است. شاید این در نهایت آزمون وکالت را بکشد.
هوش مصنوعی حقوقی آنچه را که نمی داند می داند که آن را از همه هوشمندتر می کند هوش مصنوعی
