Una società di intelligenza artificiale legale ha costruito il proprio modello ed è partita da un modello cinese aperto
Harvey ha lanciato Harvey II con una funzione Memory che apprende lo stile di redazione di ogni avvocato, oltre a Tenet, il suo primo modello legale interno, post-addestrato da una versione del Kimi K3 a peso aperto di Moonshot.
Harvey, la società legale di intelligenza artificiale che ha trascorso tre anni a vendere l’accesso ai modelli di altre persone, ha annunciato martedì che ora ne ha uno proprio. Harvey Tenet è il primo modello proprietario dell’azienda addestrato specificamente per il lavoro legale, post-addestrato su finte controversie e fascicoli di casi a partire da una versione di Kimi K3 di Moonshot AI. Harvey afferma che Tenet raggiunge il livello di frontiera su importanti parametri di riferimento legali, funzionando alla pari con i modelli generali più forti a quello che descrive come un costo open source.
Tenet è arrivato insieme ad Harvey II, un ampio aggiornamento della piattaforma. Il fulcro è Memory, che apprende lo stile di redazione e le preferenze di un singolo avvocato e le trasferisce attraverso Harvey, Word, Outlook e gli agenti dell’azienda. Ci sono anche spazi, aree di collaborazione organizzate attorno a un argomento o progetto e agenti che iniziano a lavorare con i file, il contesto, le autorizzazioni e la cronologia di quell’argomento già caricati anziché dover sapere tutto da zero.
La scelta del modello è la parte interessante. Kimi K3 è un modello a peso aperto del laboratorio cinese Moonshot AI, il che significa che i parametri addestrati sono pubblicati affinché chiunque possa scaricarli e modificarli. La post-formazione, in parole povere, è ciò che fai dopo che la parte costosa è terminata: prendi un modello che sa già come funziona la lingua e gli insegni le abitudini di un dominio specifico. Harvey non ha speso una fortuna costruendo un modello dal nulla. Ci è voluta una forte base aperta e l’ha reso un avvocato. Questo è un percorso che i laboratori più grandi non possono offrire, perché non cedono il proprio peso, ed è ora il programma standard per qualsiasi azienda con dati di dominio approfondito e nessuna voglia di una corsa di formazione da miliardi di dollari.
Due cose da tenere con i piedi per terra. “Livello di frontiera su importanti parametri di riferimento legali” è l’affermazione di Harvey sull’inquadramento di Harvey, senza valutazione indipendente, e i parametri di riferimento legali sono un campo sottile e contestato. E le funzionalità di memoria sono veramente utili ma anche veramente appiccicose: un sistema che ha imparato come scrivi è un sistema che troverai più difficile abbandonare. Questo non è uno scandalo, è il modello di business e vale la pena menzionarlo.
Cosa significa per te: se lavori vicino alla legge, aspettati che i tuoi strumenti smettano di essere chatbot generici con una veste legale. La direzione sono sistemi che già conoscono l’argomento su cui ti trovi e il modo in cui scrivi. Più in generale, questo è un buon esempio del perché i modelli a peso aperto sono importanti anche se non ne scarichi mai uno. Permettono alle aziende più piccole di costruire prodotti specializzati seri, il che significa più concorrenza e prezzi più bassi per tutti a valle. Se gestisci un’attività con molti documenti specifici del dominio, la strada di Harvey è ora tecnicamente a portata di mano per molto meno denaro rispetto a un anno fa. Se ne valga la pena dipende interamente da quanto del tuo lavoro è veramente diverso da quello di tutti gli altri.
Fonti
Microsoft ha speso 280 miliardi di dollari per l'intelligenza artificiale. Il Guardian ha chiesto dove sono le patatine.
Secondo quanto riferito, documenti interni collocano Microsoft a 2,2 milioni di chip AI installati, ben al di sotto di quanto implicano i 5 GW dichiarati di capacità del data center. Microsoft definisce l'analisi imprecisa. Nadella dà la colpa al potere.
