InContract AI

Inleiding

Op Machine Learning (ML)-gebaseerde toepassingen worden over het algemeen beschouwd als een veelbelovende technologie. De ML-methode vereist echter een groot aantal trainingsdatasets van hoge kwaliteit.

Probleemstelling

In het geval van supervised ML is vaak handmatige invoer nodig om deze datasets te labelen. Deze methode is kostbaar, foutgevoelig en tijdrovend, vooral in gecompliceerde en dynamische omgevingen.

Oplossing met Digital Twins

Het digital twins model kan gebruikt worden om de ML-trainingsfase te versnellen door het genereren van een geschikte trainingsdataset en het automatisch labelen via een simulatietoolketen. Hierdoor kan de deelname van de gebruiker aan het trainingsproces verminderd worden.

Voordelen van Synthetische Datasets

Deze synthetische datasets kunnen worden uitgebreid en cross-validated met behulp van uitgebreide real-world gegevens die niet intensief hoeven te worden gebruikt. Digital twins maken complexe, dure maar ook gevaarlijke processen veiliger, betaalbaarder en makkelijker.

Technologische Uitdagingen

Ze zijn een van de belangrijkste technologieën die digitale transformatie mogelijk maken. De mogelijkheden van een succesvolle digital twin zijn vrijwel eindeloos. Het creëren van een digital twin is echter verre van simpel. Technisch gezien is het nog erg lastig om complete digital twins te genereren.

Doel van het Project

Dit is dan ook de reden dat Lawyerless de technologische kennis over dit onderwerp wil uitbreiden en deze zal toepassen binnen het domein van hun tool InContract: een online dienst voor ondernemers die helpt bij het automatiseren en digitaliseren van contracten en juridische processen.

Huidige Situatie

Veel IT-bedrijven moeten een enorme hoeveelheid aan contracten (o.a. verwerkersovereenkomsten) invullen, wat handmatig niet te doen is.

Onderzoeksdoelen

Het doel van het project is om via deze haalbaarheidsstudie te onderzoeken wat de technische en commerciële mogelijkheden zijn van digital twins binnen de tool "InContract" en als bouwblok voor andere partijen om slimme services bovenop te bouwen. Hierbij dragen we bij aan de uitbreiding van kennis over de sleuteltechnologie Digital Technologies.

AI en Onderzoeksvragen

Lawyerless wil met de inzet van AI tot een oplossing komen. Het onderzoek is gerelateerd aan de kennis- en innovatievragen opgesteld door Stimulus omtrent de onderwerpen Artificial Intelligence en Big Data en Data Analytics, toegepast binnen het domein van de tool InContract.

Specifieke Onderzoeksvragen

1. Op welke wijze kunnen we deep-learning architecturen voor het opstellen en invullen van contracten data-efficiënt trainen door expert kennis toe te voegen?
2. Hoe kunnen mens en machine beter samenwerken door machine-learning technieken en logische redeneringen te combineren, om zo geautomatiseerd contracten op te stellen en in te vullen?
3. Waar en op welke wijze kunnen we domein-onafhankelijke ontwikkelingen in de AI effectief toepassen? Kan dit binnen de InContract tool?
4. In hoeverre kunnen we (mogelijkerwijs kwalitatief slechte) data van gedistribueerde en heterogene bronnen automatisch combineren tot resultaten met aantoonbare kwaliteit (gemeten langs diverse dimensies zoals precisie en betrouwbaarheid)?
5. Als databronnen blijven groeien in omvang, aantal, verspreiding en complexiteit, hoe zien dataverwerkende systemen in deze legal-toepassing er dan uit die langs meerdere dimensies schaalbaar zijn?
6. Encryption Technologies/Digital Security: Welke methoden en technieken moeten we ontwikkelen om tot systemen te komen die aantoonbaar veilig zijn, de privacy van gebruikers beschermen, en voldoen aan een verscheidenheid van extern opgelegde richtlijnen en regels?