Acceso clientes Mostrar buscador
Volver

Blog

deep learning

¿Qué aportará el deep Leraning en el sector legal?

31 Oct 2017

Se prevé que el futuro del aprendizaje automático (machine learning) dé un giro muy importante, dando paso al aprendizaje no supervisado (deep learning). Cuando hablamos de aprendizaje no supervisado nos referimos a que los algoritmos son capaces de aprender sin intervención humana previa, sacando de ellos mismos las conclusiones a través del análisis de millones de datos. Actualmente encontramos algunas empresas que ya han empezado a usar este tipo de aprendizaje como por ejemplo Loop AI Labs, una plataforma cognitiva capaz de procesar millones de documentos no estructurados y construir de forma autónoma representaciones estructuradas.

El Deep Learning, conocido también como aprendizaje profundo, quizás pueda parecer un sistema muy complejo y poco entendible, pero en realidad, es una tecnología que lleva años desarrollándose. Este término fue utilizado por primera vez en 1965 por Ivakhnenko, autor del artículo “Cybernetic Predicting Devices” sobre algoritmos supervisados de redes neuronales multicapas profundos.

No obstante, durante un tiempo el aprendizaje profundo se dejó de estudiar, ya que se necesitaba un tiempo de aprendizaje excesivo. Aun así, actualmente, gracias a las nuevas arquitecturas de hardware, los tiempos de aprendizaje se han reducido permitiendo crear redes neuronales de deep learning mucho más grandes, con más datos y mucho más complejas.

¿Qué es el Deep Learning?

A diferencia del machine learning o aprendizaje automático que funciona a partir de algoritmos lineales, el aprendizaje profundo o deep learning funciona a partir de algoritmos que se aplican en una jerarquía mucho más compleja. Dicho así pude sonar complicado, por eso vamos a poner un ejemplo para que se vea más claro.

Un niño pequeño cuando empieza a aprender palabras se construye su propia imagen para entenderlas. Por ejemplo, si está aprendiendo qué es un gato, normalmente lo que hace es señalar distintos elementos y preguntar si es un gato o no. La función de los adultos en este caso, sería responderle sí o no y el niño, aprendería que un elemento que tiene cuatro patas, orejas puntiagudas y cola es un gato.

Siguiendo con este ejemplo, el deep learning lo que hace es crear un conjunto de características distintas del gato a partir de las cuales creará un modelo predictivo. En este caso, el modelo que la computadora crea por primera vez podría predecir que cualquier elemento, siempre representado a través de una imagen, que tenga cuatro patas, cola y orejas puntiagudas podría estar etiquetado como gato. No obstante, debemos tener muy claro que el programa no es consciente de las etiquetas escritas en palabras como por ejemplo “gato”, sino que lo que hará será buscar patrones de píxeles en los millones de datos que se encuentran en el sistema.

El objetivo principal de este sistema es “imitar” el pensamiento humano, esto lo hace mediante una organización del programa similar a la del sistema nervioso humano, utilizando lo que se conoce como redes neuronales artificiales compuestas por distintos niveles jerárquicos. En el nivel principal este sistema aprende algo simple y luego envía la información extraída al siguiente nivel. Este siguiente nivel toma dicha información sencilla y la combina con para generar una información un poco más compleja y la pasa al siguiente nivel, y así, sucesivamente.

Por tanto, lo que busca el deep learning es dar significado a los millones de datos que existen vagando por la red y que esperan convertirse en información valiosa, para así, realizar de manera automatizada tareas que pueden ser muy complejas para los humanos.

El Deep Learning en el sector legal

Esta tecnología será una revolución para muchos sectores de mercado, y uno de ellos será el legal, haciendo que herramientas centradas en esta tecnología se vuelvan esenciales para los abogados. Como se ha mencionado anteriormente, el deep learning utiliza un aprendizaje no supervisado, crea  redes neuronales artificiales, y en lugar de enseñar al ordenador una lista enorme de reglas para solventar un problema, le da un modelo para que pueda evaluar ejemplos y así, poder modificar dicho modelo cuando se produzca algún error.

La utilización del deep learning permitirá al sector jurídico, por ejemplo, saber cuántos contratos tienen terminaciones para cláusulas de conveniencia que podrían interferir en la empresa, así como, qué contratos tienen normas de asignación estrictas que pueden ser un problema para un acontecimiento de M&M, cláusulas de renovación automática “escondidas” en los contratos de proveedores o ventas que necesiten saber cuántos clientes tienen plazos de pago superiores a 30 días, entre muchas otras. Normalmente estos procesos se hacen manualmente, pero gracias al deep learning este proceso se podrá automatizar.

EL deep learning al igual que el machine learning y la inteligencia artificial están pensados para optimizar el tiempo de las personas, reducir costes y agilizar los distintos procedimientos y tareas de cada empresa y sector.

 

comments powered by Disqus