Het aantal mogelijke zetten in het eeuwenoude, Chinese bordspel Go is groter dan het aantal moleculen in het universum. Het spel is daardoor vooral gebaseerd op intuïtie. AlphaGo leerde het spel door duizenden spelletjes te analyseren en werd daarbij geholpen door menselijke experts.
In maart 2016 kwam het in Zuid-Korea tot een ultiem treffen tussen Go en AI. Miljoenen mensen over de hele wereld keken toe hoe de legendarische Go-master Lee Sedol het in een “best-of-five” wedstrijd voor de allereerste keer in de geschiedenis opnam tegen een onbewezen AI-uitdager.
/Image-txt/0012%20-Artificial%20Intelligence%20-%20General%20Use.png?width=600&name=0012%20-Artificial%20Intelligence%20-%20General%20Use.png)
Het aantal mogelijke zetten in het eeuwenoude, Chinese bordspel Go is groter dan het aantal moleculen in het universum. Het spel is daardoor vooral gebaseerd op intuïtie. AlphaGo leerde het spel door duizenden spelletjes te analyseren en werd daarbij geholpen door menselijke experts.
In maart 2016 kwam het in Zuid-Korea tot een ultiem treffen tussen Go en AI. Miljoenen mensen over de hele wereld keken toe hoe de legendarische Go-master Lee Sedol het in een “best-of-five” wedstrijd voor de allereerste keer in de geschiedenis opnam tegen een onbewezen AI-uitdager.
Van deze wedstrijd is een bijzonder spannende en leerzame documentaire gemaakt. De film “AlphaGo” beschrijft de volledige aanloop naar het uiteindelijk toernooi in Seoul en vertoont een uniek kijkje achter de schermen.
AI voor de juridische markt
De successen van AI gaan verder dan de wereld van games. Steeds meer sectoren vertrouwen op AI-technieken om bedrijfsprocessen te versnellen en efficiënter te maken. De juridische wereld volgt in steeds rapper tempo.
AI wordt al op grote schaal ingezet bij onderzoeken gerelateerd aan mededinging, M&A, omkoping, zorg-, milieu- voedsel- of financiële fraude. Of bij internationale arbitrage over transacties, aansprakelijkheid, intellectueel eigendom, verzekeringskwesties, commerciële contracten, herstructureringen en massaschades.
Ook in de rechtspraak worden zelflerende computers al op grote schaal ingezet voor het razendsnel doorzoeken en analyseren van grote hoeveelheden tekstuele gegevens. Door zaakdossiers of jurisprudentie te “lezen”, analyseren en ordenen, kan de computer de kerngegevens extraheren en hiermee gaan redeneren. Op basis van deze redeneringen is een computer prima in staat om de uitspraak in bepaalde rechtszaken te voorspellen, de beste advocaat te selecteren en volgens professor Jaap van den Herik, binnenkort in staat om zelfs een rechter te vervangen.
Te veel data en cognitieve beperkingen
We kunnen er niet meer omheen dat er in diverse juridische toepassingen gewoon te veel data is. Zeker bij onderzoeken gerelateerd aan mededinging, M&A, omkoping, zorg-, milieu- voedsel- of financiële fraude. Of bij internationale arbitrage over transacties, aansprakelijkheid, intellectueel eigendom, verzekeringskwesties, commerciële contracten, herstructureringen en massaschades.
Iedere zoekopdracht, hoe goed dan ook geeft te veel documenten om te bekijken. Je weet nooit exact wat je krijgt of wat je mist. Je weet niet precies waar je op moet zoeken en maakt spellingsfouten of gaat afwijken. Bovendien is het doorzoeken van data, tijdrovend, saai en vervelend werk.
Wij mensen hebben cognitieve beperkingen wanneer we grote hoeveelheden data moeten verwerken en daaruit inzichten moeten halen. We zijn gewoon niet geschikt om succesvol grote volumes data te synthetiseren.
Ondersteuning vanuit AI bij de organisatie, analyse en interpretatie van de feiten in dit soort grote dataverzamelingen moet ons in de toekomst helpen. Alleen dan kunnen we de werkdruk verminderen en de kwaliteit blijven leveren die van een bedrijfsjurist of advocaat wordt verwacht. Want succes begint met een begrijpelijke presentatie van de feiten. Ook als die feiten verstopt zitten in die enorme berg data.
Automatisering biedt uitkomst
Een machine kun je leren om patronen en verbanden te ontdekken in grote datasets. Aan de hand van zogenaamde trainingsdata wordt een classificatiesysteem getraind. Nieuwe stukjes data worden vervolgens geclassificeerd aan de hand van (latente) patronen die ontdekt zijn in de trainingsdata. Zo wordt het na genoeg training uiteindelijk mogelijk om het gedrag van nieuwe data te voorspellen. En zo kun je een computer trainen om documenten te organiseren en analyseren.
Uit de praktijk en doorlopend wetenschappelijk onderzoek blijkt dat de computer het vaak vele malen beter en consistenter doet dan mensen. Automatisering biedt de bedrijfsjurist en advocaat daarom juist kansen. Saai, arbeidsintensief werk of taken die eigenlijk overbodig zijn, wordt veel sneller uitgevoerd door het te automatiseren. Zo kan de bedrijfsjurist en advocaat zich focussen op de meer strategische taken en ervoor zorgen dat hij of zij snel kan reageren op vragen van cliënten, vanuit de Board of andere stakeholders omdat de informatie die daarvoor nodig is snel inzichtelijk is te krijgen.
