Rozhovor: Jakub Kól - K čemu potřebuje právo umělou inteligenci?

Co vás přivedlo právě k umělé inteligenci?

K umělé inteligenci mě přivedl vedoucí mé bakalářské práce, dr. Karel Mls. Hlavním cílem mé práce bylo navržení tzv. “chytré kanceláře”, kterou můžeme chápat jako autonomní pracovní prostředí, jenž se adaptuje na chování uživatele. Jednou z možností, jak této adaptace docílit, je využít právě metod strojového učení. Na jedné z konzultací mi dr. Mls mezi řečí řekl “Tak zkus třeba neuronky.” (Pozn.: neuronky jsou Umělé neuronové sítě, jeden z algoritmů strojového učení), což bylo téma, o kterém jsem v dané době nevěděl prakticky nic. Nezbylo mi nic jiného, než se pustit do intenzivního samostudia, které jsem započal online kurzem “Machine Learning” na výukové platformě Coursera. Již během studia tohoto kurzu jsem zjistil, že strojové učení a zpracování dat je oblast, které bych se v budoucnu chtěl i nadále věnovat.

Mohl byste našim čtenářům popsat, k čemu může umělá inteligence sloužit a jaké jsou možnosti jejího využití?

Osobně vidím hlavní přínos umělé inteligence v automatizaci rutinních a časově náročných úloh. Pokud bychom se omezili na právní doménu, pak se může například jednat o kategorizaci právních dokumentů do určitých tříd, segmentaci textu do menších celků, anonymizaci citlivých osobních údajů, apod. Podobné aplikace můžeme spatřit i v průmyslu. V minulosti jsem spolupracoval na projektu, jehož cílem bylo vyřešit problematiku automatické klasifikace kvality dřeva z obrazových dat. Umělá inteligence se dá aplikovat napříč širokým spektrem oborů, nicméně nemá smysl ji využívat za každou cenu, protože je zrovna v módě. V mnoha případech může být vývoj takového řešení ztrátou času a finančních prostředků.

Čím se zabýváte ve svém aktuálním výzkumu?

Spolu s Mgr. Terezou Novotnou z Právnické fakulty Masarykovy univerzity aktuálně řešíme modelování témat v textu, konkrétně v rozhodnutích soudů. Cílem je vytvořit statistický model, který nám umožní rozdělit nestrukturovanou množinu dokumentů do tematicky podobných kategorií. Praktický přínos vidím ve zefektivnění vyhledávání v dokumentech, kdy budeme moci dokumenty filtrovat podle nalezených kategorií.

Kdy budeme moci vidět výsledky?

První experimenty už proběhly, jejich finalizace však ještě nějakou chvíli potrvá.

Kde čerpáte inspiraci k novým projektům?

Primárně z různých online zdrojů, komunitních skupin a v neposlední řadě i online kurzů, tzv. MOOC (“Massive online open courses”). Obrovským zdrojem inspirace je také online platforma Kaggle, přes kterou firmy a organizace z celého světa vypisují různé soutěže týkající se strojového učení a analýzy dat obecně. Vybrané soutěže pak nabízí finanční odměny pro prvních X míst v žebříčku, což často přiláká opravdové experty v oboru. Řešení jsou často po ukončení dané soutěže zpřístupněna, takže je možnost nahlédnout na řešený problém z více úhlů pohledu.

Co byl nejtěžší oříšek, který jste musel rozlousknout?

V poslední době nejspíše navržení algoritmů pro aplikaci Hlídač Ochranných Známek. Jedná se o aplikaci, která uživateli hlídá jeho ochranné známky a v případě, že se objeví konkurenční ochranná známka s podobným designem či zněním, jej na tuto shodu upozorní. Cílem bylo tedy navrhnout algoritmy pro porovnávání textové a obrazové podobnosti, kdy největším oříškem však byla jednoznačně podobnost obrazová. Spolu s kolegy jsme vyzkoušeli poměrně široké spektrum různých řešení, než se nám podařilo najít to vhodné.

Jakou vidíte budoucnost těchto technologií a jejich spojení s právem?

Dle mého názoru bude umělá inteligence aplikována v právní doméně v čím dál tím větší míře. Jedním z důvodů je stále rostoucí množství nestrukturovaných dokumentů, které vyžadují manuální anotaci či kategorizaci. Poslední dobou jsem však zaregistroval i ambicióznější aplikace strojového učení v právní doméně, jako je například predikce výsledků soudních sporů. Nakolik efektivní je takové řešení v praxi však nedokážu odhadnout, věřím však, že v budoucnosti se budeme s podobnými aplikacemi setkávat stále častěji.