Share
Embed
Legal.AI - Роман Кошелев, Сбербанк, Искусственный интеллект в юридических процессах. Управление юридическими знаниями. Опыт Сбербанка.
OpenTalks.AI
September 19, 2019
Transcript
23 slides
-
Искусственный интеллект в юридических процессах. Управление юридическими знаниями. Опыт Сбербанка
Роман Кошелев, Проектный офис Правового департамента ПАО Сбербанк -
Мотивация • Вызов – проводить ЮЭ за 7 минут. Человек
не справляется. • Узким местом автоматизации юридической деятельности является невозможность прямого применения алгоритмов из-за специфики данных, которая заключается в том, что эти данные имеют сложную семантику и прежде чем принять решение, необходимо извлечь глубоко запрятанные в текстах смыслы, учесть множество связей, юридических нюансов и коллизий. • Ключом к решению являются технологии перевода юридических данных и знаний (интерпретируемых смыслов законов, договоров, норм и т.д.) в структурированное машиночитаемое представление. -
Мистер Уильямс, мистер Барнет и мистер Эдвардс — соседи. Один
из них (Уильямс) — пекарь, другой (Барнет) — таксист, а третий (Эдвардс) — пожарный. Определите профессию каждого из них. Вот подсказки Мистер Уильямс, мистер Барнет и мистер Эдвардс — соседи. Один из них (Уильямс) — пекарь, другой (Барнет) — таксист, а третий (Эдвардс) — пожарный. Определите профессию каждого из них. Вот подсказки Примерный принцип извлечения Мистер Уильямс, мистер Барнет и мистер Эдвардс — соседи. Один из них (Уильямс) — пекарь, другой (Барнет) — таксист, а третий (Эдвардс) — пожарный. Определите профессию каждого из них. Вот подсказки Уильямс - пекарь Барнет - пекарь Эдвардс - пожарный Эдвардс - Барнет пекарь - таксист мистер - пожарный пожарный - пекарь Уильямс - Эдвардс Соседи: ФИО: Уильямс Прф: пекарь Обр: мистер ФИО: Барнет Прф: таксист Обр: мистер ФИО: Эдвардс Прф: пожарный Обр: мистер Текст Концептуальные единицы (КЕ) Блоки Попарные связи Heatmap парных связей Граф возможных фактов Извлеченные знания -
Модуль Склейки (актуализации документов) Данные Обучаемые алгоритмы на основе Deep
NLP Документ Сегментатор правок Классификатор правок Экстрактор параметров Обновленный документ Правки Обучающий Датасет Исполнитель действий Включает документы и правки к ним, размеченные особым образом. Вначале искусственный, чтобы проверить пайплайн. Затем используем подготовленный разметчиками датасет и тренируем на нем. Делит сырой текст изменений на блоки, где каждый блок соответствует одной правке Присваивает каждой правке класс, например, Исправление, Замена, Удаление блока и пр. Находит в тексте правок необходимые параметры, такие как номер пункта, подпункта, текст правки и пр Находит нужный кусок текста в исходном документе и производит необходимые правки вызывая скрипты действий Корректор ошибок Исправляет ошибки некорректного распознавания текста Скрипты действий (Python) -
Пример работы Склейщика Выделенные правки Сводная информация о найденных правках
Извлеченная структура документа Замененный текст -
Правовая экспертиза кредитной сделки Скрипты правил (Python) Извлечение Фактов OCR
Сканы Докуме нтов HTML Документы Извлечение фактов Факты Из Док-ов Применение Правил Юр. Заключ ение Юрист-Эксперт Склейка Документов Станция верификации -
Немного цифр о Роботе Юристе • Робот подготовил 444,071 юридическое
заключение • Анализирует 15 типов документов • Извлекает 891 вид юридических фактов и 1257 сущностей (атрибутов) • Объединяет Уставы, ВНД и Трудовые договоры • Делает заключение на основе логики, которая содержит 110 видов проверок, состоящих из 2139 логических операций. • На извлечение фактов из одного комплекта уходит 90 секунд, на склейку 60 сек, на принятие решения – 15 секунд. • На один запрос человек в среднем затрачивает 2,2 часа • Робот, работая без выходных и обеда, обрабатывает 57,5 запросов в час • Один робот справляется с работой 350 человек Статистика за 8 месяцев 2019 года участия РЮ в правовой экспертизе кредитного процесса: -
Развитие платформы УЮЗ LEGAL_AI Разметка Верификация Процессы Данные Модели Интеграция
Сервисная шина Система РМ Юриста OCR Фабрика моделей API API API API API API API API API API IT-Ресурсы Станция Авторазметка Анализ качества Импорт/экспорт Раб. место Runtime Deploy Tests Storage Станция Предсказание Кеширование Дообучение Польз. панель Auto ML Задания на разметку Анализ качества Импорт/экспорт Сервера Сетевые диски GPU etc. Конфигуратор Диспетчер Роли и права События Интеграция с ERP Реестр NLP/GNN модели Confidence Склейка Qlty prediction Раб. место ABBYY Tesseract Барьер качества Очередь задач Мониторы Диспетчера Cl, DevOps Панель упр-ия Реестр Бэкапы Аналитика Датасеты Банковские АС Корп. ERP системы Гос. сервисы Amazon, Google Позволяет автоматизировать создание и тестирование новых моделей обработки знаний силами юристов, с минимальным привлечением датасайентистов Компоненты могут быть развернуты не только внутри банка, но и в облаке и на площадках клиентов Каждый модуль имеет свой API, локальное хранилище данных, набор AI-сервисов, пользовательский интерфейс и может быть отделен и интегрирован в банковские платформы и сторонние системы Специфические компоненты распознавания текста, шаблоны ABBYY, настройки Tesseract, моделей оценки и исправления Шина обеспечивает взаимодействие отдельных модулей через их API Подключает юристов для проверки и исправления результатов на этапе ПРОМ, оптимизирует работу и дообучает AI-модели Инструменты и сервисы для подготовки ТЗ, создания, тестирования и передачи в ПРОМ юридических правил на специальном DSL языке Модуль разметки юридических занний может быть интегрирован в общебанковский разметчик Позволяет описывать, конфигурировать, запускать и мониторить юридические процессы, например, проверку правосопособности Модуль конфигурирует и обновляет комплекс, следит за ресурсами, работоспособностью и производительностью подсистем Здесь сосредоточены реестр моделей, инструменты тренировки и валидации, пайплайны для конкретных решений Содержит общие данные для всех модулей Позволяет получать внешние данные и вызывать сервисы. Дает доступ к сервисам извне. Роли, процессы -
Пример процесса на пл. LEGAL_AI АС Облако данных Создание и
обучение моделей, датасайентисты Разметка данных, стажеры-юристы Написание правил для робота, ЮА Логика РЮ на DSL Ввод запроса бизнес- подразделением Подготовка моделей и логики Промышленное использование OCR Online Learning работы моделей, стажеры-юристы Online Learning распознавания текста, стажеры не-юристы ML Часть работы выполняется заранее и один раз (разметка данных, обучение моделей и создание правил РЮ), другая часть делится на квалифицированную (проверка и коррекция заключения) и вспомогательную работу (проверка распознавания текста, выделения сущностей и т.п.). Это решение разделяет компетенции, повышает скорость и качество процесса, позволяет многократно переиспользовать опыт, данные и алгоритмы. РЮ Confidence, Проверка заключения, юрист-эксперт Внешние данные: ФНС, Росреестр, ...