我们相信我们的计算机能够处理我们的待办事项列表和日历,因为它们永远不会忘记,对吧?虽然电脑擅长记住我们告诉他们(和一个大感谢谷歌记住我孩子的生日),人工智能(ai)目前的一个弱点是它不能应用它学到了什么在另一个场景中。例如,一个人工智能学会下棋没有腿的时候学习下棋。基本上,计算机有一个““灾难性的忘记“问题,迫使他们重新学习他们已经知道只是因为他们面对一个新项目。

研究人员正在取得突破克服这个“健忘”问题.与神经科学家合作,研究人员正试图让人工智能像人类一样学习,这样他们就可以把他们在一个环境中学到的知识应用到另一个相关的环境中而不必重新开始。换言之,教会电脑学习更像人类这样做他们停止忘记他们已经学到了什么。

所以如果我们成功地教计算机不要忘记,如何帮助我们在法庭上?eDiscovery最热的话题之一,近年来已被使用技术辅助审查(TAR)显著减少审查文件所花费的律师时间。TAR基本上有一台计算机通过反复试验来学习。人类评论家纠正错误由电脑直到AI准备审查自己剩下的文件。相同的技术已经使用了几十年教电脑打20个问题(如果你还没有试过20Q.net的在线版本–我强烈推荐)。

对于非常大的文档集来说,tar是一个很好的工具,因为即使在教学计算机的时间和费用之后(需要一些尝试和错误才能使其正确),仍然有许多文档留给计算机自己处理。在这种情况下焦油会节省很多钱。因为那些剩余的文件不需要由律师审查。但是,当您从一个较小的文档集开始时,的时候电脑学会处理审查可能没有足够的文档留给投资是值得的。

现在想象一下电脑教审查文件并没有忘记它在做什么当接下来的文档审查出现。例如,如果在处理一个就业歧视案件之后,计算机知道去寻找下一个。当然,仍有个别调整,但它可以显著减少为使计算机准备就绪所需的尝试和错误运行次数。即使在较小的文档集中,这也可以使tar具有成本效益。

我们不会回到总是有小文件集的时代,即使是在小额美元价值纠纷中。我们的社会继续创造越来越多的数据,所以我们需要找到有效的方法来处理这个消防水带的数据。我的预测?十年内,律师将定期使用TAR帮助他们处理价值低于25美元的案件的数据分析和审查,000。似乎太快了?不要低估科技改变我们生活的速度。毕竟,iPhone已经存在了不到十年(6月29日推出2007)。

布兰登哈特是一名律师和技术专家金宝搏网站罗素约翰•格鲁伯,有限责任公司,在Lancaster,宾夕法尼亚州。他在威廉玛丽法学院获得法律学位,并就以下问题为客户提供咨询商业法,,民事诉讼和纠纷解决,,市Law,和信息技术与互联网法.