Harvey

Өнгөрсөн нэг жилийн хугацаанд Harvey нь хууль, татвар, санхүүгийн салбарын мэргэжилтнүүдэд зориулсан аюулгүй үүсгэгч AI платформ гэдгээ батлан харууллаа. Тэд 100 гаруй хүний багтай болж өргөжин, 2023 онд орлогоо 10 дахин өсгөж, $715M үнэлгээгээр Series B шатны $80M санхүүжилт босгосон.

Саяхан Harvey OpenAI-тай хамтран хэргийн эрх зүйн custom-trained загвар бүтээсэн. Ингэснээр Harvey нь нарийн төвөгтэй сэтгэн бодох, өргөн хүрээний салбарын мэдлэг, мөн нэг загварын нэг удаагийн дуудлагаас давсан чадвар шаарддаг ажлуудад туслах AI системүүдийг хүргэх боломжтой болсон—жишээлбэл баримт бичиг боловсруулах, нарийн төвөгтэй шүүх маргааны нөхцөл байдлын талаар асуултад хариулах, мөн олон зуун гэрээний хоорондын материаллаг зөрүүг илрүүлэх зэрэг.

Harvey-ийг Winston Weinberg болон Gabe Pereyra нар үүсгэн байгуулсан. Winston Weinberg нь өрсөлдөөний эрх зүй, үнэт цаасны шүүх маргааны туршлагатай хуульч бөгөөд Gabe Pereyra нь өмнө нь Google Brain болон Meta-д том хэлний загвар (LLM)-ууд дээр ажиллаж байсан AI судлаач юм. Тэд Том хэлний загвар (LLM)-уудыг ашиглан мэдээллийг нэгтгэж, хуульчдад хянаж үзэхээр танилцуулах боломжийг олж харсан.

«Гэрээ хэлцлийн ажил ч, шүүх маргаан ч улам бүр төвөгтэй болж байна—олон улсын нэгдлийн хувьд хэдэн зуун мянган гэрээг шалгах, мөн шүүх маргаанд зориулж сая сая имэйлийг хянах шаардлагатай байж болно» гэж Weinberg тайлбарлав. AI баримт бичгүүдийг нэгтгэн боловсруулахад тусалснаар хуульчид хууль зүйн текстийг шүүж үзэх, боловсруулахад бага цаг зарцуулж, шийдвэр гаргах болон үйлчлүүлэгчдэд туслахад илүү их цаг гаргах боломжтой.

Эрт үеийн нэг нотолгоо Weinberg болон Pereyra Reddit-ийн r/legaladvice-ээс түрээслүүлэгч/түрээслэгчийн асуултуудыг татаж авч, GPT‑3 ашиглан хариулт үүсгээд тэдгээрийг өмгөөлөгчдөд үзүүлэхэд гарч ирсэн. «100 асуултын 86-д нь өмгөөлөгчид ямар ч засваргүйгээр тэр хариуг шууд үйлчлүүлэгч рүү илгээх байсан гэж хэлсэн» гэж Weinberg хэлэв. «Энэ бол нүд нээсэн мөч байсан.»

Хэргийн эрх зүйн судалгааны хувьд Harvey-ийн баг үйлчлүүлэгчийн асуултыг copy/paste хийгээд хэргийн эрх зүйн загварт оруулахад тэрхүү асуултад дэлгэрэнгүй хариулж, бүх эх сурвалжаа иш татдаг туршлагыг төсөөлж байв. Тэд эхлээд илэрхий аргуудыг туршсан: нээлттэй API-уудаар дамжуулан суурь загваруудыг fine-tune хийх, мөн retrieval-augmented generation (RAG) системүүд бүтээх. Гэвч ийм онцгой төвөгтэй, нээлттэй хэрэглээний тохиолдолд тэд хязгаарлалтуудтай тулгарсан.

«Хэрэв та зөвхөн retrieval хийвэл үнэндээ сайн мэдэхгүй хууль зүйн салбаруудын тухай маш энгийн асуултад хариулж чадна, гэхдээ энэ нь ихэнх өмгөөлөгчдөд тийм ч хэрэгтэй биш» гэж Weinberg тайлбарлав. «Хэргийн эрх зүйн судалгаанд та өөрийн аргументдаа зориулж сум олж байдаг, энэ нь хийхэд 훨씬 илүү хэцүү.»

Суурь загварууд сэтгэн бодох тал дээр хүчтэй байсан ч хууль зүйн ажилд шаардлагатай мэдлэг дутмаг байв. Тиймээс Harvey шинэ мэдлэг болон тэр мэдлэгийн талаар сэтгэн бодох аргуудыг суурь загваруудад шингээх боломж олгох custom-trained загвар бүтээхийн тулд OpenAI-тай хамтран ажиллахаар шийджээ.

«Эдгээр асуудлын аль нь ч тодорхой, нэг мөр шийдэлтэй биш» гэж Pereyra хэлэв. «Ихэнх нь хамтдаа сууж, манай хуульчдаар хэргийн эрх зүйн судалгаа хэрхэн явагддагийг тайлбарлуулах, манай судлаачдаар юу хийснээ үзүүлэх, мөн асуудалд хандахад бидэнд ямар хөшүүрэг байгааг OpenAI-гаас суралцах тухай байсан.»

Harvey болон OpenAI шаардлагатай контекстийн гүнийг нэмэхээр хамтран ажиллаж, эхлээд Delaware-ийн хэргийн эрх зүйгээс эхлэн, дараа нь АНУ-ын бүх хэргийн эрх зүйг хамруулахаар өргөжүүлсэн. Тэд custom-trained хэргийн эрх зүйн загварыг ажиллуулахын тулд 10 тэрбум токентой тэнцэх хэмжээний өгөгдөл нэмсэн.

Хэргийн эрх зүйн загварыг туршихын тулд Harvey хамгийн том 10 хуулийн фирмтэй хамтран ажилласан. Тэд өмгөөлөгчдөд ижил асуултад custom хэргийн эрх зүйн загварын гаргасан хариуг GPT‑4‑ийн гаргасан хариутай зэрэгцүүлэн харьцуулж үзүүлсэн. Тэд хариу үйлдэл ямар хүчтэй байсанд гайхсан.

«Тохиолдлын 97%-д нь хуульчид хэргийн эрх зүйн загвараас гарсан хариуг илүүд үзсэн» гэж Weinberg хэлэв. «Ихэнхдээ энэ нь илүү урт, илүү бүрэн хариулт байсан учраас. Энэ нь асуулт юуг асууж байгаагийн нарийн утгыг тусгаж, илүү хамааралтай шүүхийн жишгийг хамарсан.»

Галлюцинацийг бууруулах нь Harvey custom загвар бүтээх болсон шалтгаануудын нэг байсан бөгөөд энэ хөрөнгө оруулалт үр өгөөжөө өгсөн. «Хэргийн эрх зүйн загвар огт байхгүй хэргүүдийг зохиодоггүйгээс гадна өгүүлбэр бүр нь иш татаж буй хэрэг дээрээ үнэхээр тулгуурладаг» гэж Weinberg хэлэв.

Үүнийг илүү олон хэрэглэгчид хүргэхийн хэрээр Harvey нь хэргийн эрх зүйн загварын бусад хэрэглээг, тухайлбал шүүхэд гаргах товч баримт болон хүсэлт боловсруулах, эсвэл хуульчдад шүүхийн жишиг өөр өөр харьяаллын дагуу хэрхэн ялгаатай байдгийг ойлгоход туслах зэрэг боломжийг судлахдаа ихээхэн сонирхолтой байна.

Pereyra AI дээр ажиллаж буй бусад үүсгэн байгуулагчдад ийм зөвлөгөө өгсөн: «Өнөөдрийн загваруудын одоогийн чадварт зориулж бүү бүтээ—загварууд хаашаа хүрэх гэж байгаад зориулж бүтээ. Асуудлын илүү төвөгтэй хувилбаруудыг шийд, ингэснээр загваруудын илүү сайн хувилбарууд гарч ирэхэд тэдгээр нь дагалдах нөлөөгөөр шийдэгдчихгүй.»

Harvey дараа нь юу шийдэж байна вэ? Тэдний анхаарлын нэг чиглэл нь агентууд, өөрөөр хэлбэл олон загварын дуудлагыг хэрхэн нэг ажиллахуйц гаралт болгон нэгтгэх тухай юм. Энэ нь хэрэглэгчийн туршлагыг хялбарчилж, хэрэглэгчдийн хийх шаардлагатай өгөгдлийн инженерчлэл болон шивэх хэмжээг бууруулна.

Алсын хараа нь Harvey-г багийн дэмжигч гишүүн болгон ажиллуулах явдал юм. «Хууль зүйн ажлын хэмжээ өсөж байна, харин туслах хуульчид нарийн төвөгтэй ч гэлээ хэвшмэл ажлуудад тоо томшгүй олон цаг зарцуулдаг» гэж Weinberg хэлэв. «Бидэнд байгаа боломж нь зөвхөн хууль зүйд бус, бүх мэргэжлийн үйлчилгээнд, хэвшмэл ажлуудыг хариуцаж өгснөөр мэргэжилтнүүд цаг заваа үйлчлүүлэгчтэй харилцахад төвлөрүүлэх явдал юм.»

«Энэ бол хамгийн сүүлийн үеийн судалгаа байсан» гэж Pereya хэлэв. «Бидэнд шинэ зүйл туршиж үзэхийн тулд нөөцөө зориулахад бэлэн түнш хэрэгтэй байсан. Бид бүх сонголтыг харсан ч OpenAI-тай custom-trained загвар бүтээхэд л итгэсэн.»