40 milyon dolarlık yatırım: Thomson Reuters kendi hukuk AI modelini geliştirdi

Thomson Reuters, hukuk, vergi ve mevzuat verilerine özel kendi büyük dil modelini (LLM) geliştirmek için yaklaşık 40 milyon dolar harcadı. Şirket, genel amaçlı yapay zeka modellerini olduğu gibi kullanmak yerine, kurumsal ihtiyaçlara özel bir model geliştirmeyi tercih etti.

Thomson Reuters, 24'ünde yayımladığı açıklamada 'Thomson' adını verdiği modelin şirket içinde geliştirilen ilk özgün LLM olduğunu duyurdu. Model, açık kaynaklı bir temel üzerine inşa edildi ve Westlaw, Practical Law, Checkpoint ile Reuters haber arşivi gibi şirketin sahip olduğu uzmanlık içerikleriyle ara ve son aşama eğitimlerden geçirildi.

Şirket, insan kaynağı ve işlem gücü maliyetlerini birlikte hesapladığında toplam yatırımın yaklaşık 40 milyon dolara ulaştığını belirtti. Genel amaçlı öncü modellerde rekabetin büyük ölçekli işlem gücü yatırımına odaklanmasının aksine, bu model belirli görevlere ve şirkete özel verilere sıkı sıkıya bağlı kalınarak geliştirildi.

Thomson Reuters Baş Teknoloji Sorumlusu Joel Hron(Joel Hron), açıklamada "Yapay zeka sektörü yıllardır ölçeği çözüm olarak gördü" dedi ve "Thomson, güçlü bir temel modelden yola çıkıp kritik görevlere derinlemesine odaklanıldığında daha verimli ve kontrol edilebilir bir zekâ yaratılabileceğini gösteriyor" diye ekledi. Bu sözler, model büyüklüğünden çok veri kalitesinin ve göreve uygunluğun öne çıkarıldığı şeklinde yorumlanabilir.

Thomson'ın ilk kullanım alanı, hukuk yapay zekâsı hizmeti CoCounsel Legal'in tablo analizi özelliği oldu. Model, öncelikle büyük hacimli belge incelemesi gibi yapılandırılmış işlerde devreye alındı.

CoCounsel, çoklu model yapısını korumaya devam ediyor. Thomson'ın güçlü olduğu alanlarda bu model kullanılırken, diğer görevlerde dış kaynaklı modellerden yararlanılmaya devam ediliyor.

Thomson Reuters, Thomson'ın şimdiye kadar şirketin sahip olduğu içeriğin yüzde 10'undan azının eğitimde kullanıldığını açıkladı. Eğitim hedeflerinin belirlenmesinden nihai değerlendirmeye kadar yüzlerce alan uzmanı sürece dahil oldu.

Büyük dil modelleri, geniş hacimli belgeleri öğrenerek soru yanıtlama, özetleme ve belge analizi yapabilen yapay zekâ sistemleri. Ancak kurumsal yapay zekâda genel performansın yanı sıra belirli belge sistemleriyle, iç kurallarla ve sorumluluk sınırlarıyla uyumlu sonuç kalitesi de büyük önem taşıyor.

Şirket, akademik ve ticari olmayan araştırmalar için küçük, açık ağırlıklı bir modeli de Hugging Face üzerinden herkesin kullanımına açtı. Açık ağırlık, geliştiricilerin model parametrelerini kendi ortamlarında çalıştırıp uyarlayabilmesini sağlayan bir dağıtım yöntemi.

Washington Üniversitesi Hukuk Fakültesi'nden Jonathan H. Choi(Jonathan H. Choi), şirketin açıklamasında kurumlar vergisi dersinde zorlu sorularla Thomson, ChatGPT(ChatGPT) ve Claude(Claude) modellerini test ettiğini belirtti. Choi, "Üç model de doğru yanıt verdi ama genel olarak Thomson'ın yanıtını daha çok tercih ettim" dedi.

Choi özellikle hukuki kaynaklara verilen bağlantıların yanıtları daha şeffaf ve uygulanabilir kıldığını vurguladı. Uzmanlık gerektiren alanlarda doğru cevabın yanı sıra kaynak gösterme biçiminin de işe yarama düzeyini belirleyen bir etken olabileceği anlamına geliyor.

Bu örnek, kurumsal yapay zekâda yalnızca model performansının değil; verinin nerede saklandığının, çıkarım maliyetinin, güvenlik gereksinimlerinin ve operasyonel karmaşıklığın da birlikte değerlendirilmesi gerektiğini bir kez daha gösteriyor.

Ancak Thomson Reuters, Thomson'ı bağımsız bir ürün olarak satmıyor. Şirket, Thomson'ın ürün içinde belirli işlevleri çalıştıran bir model katmanı olduğunu açıkladı.

Kapsamlı uzmanlık verisine sahip şirketlerin kendi modellerini geliştirebileceğine dair bir örnek ortaya çıktı. Ancak bu yöntemin her şirkete aynı maliyet yapısını ve performansı garanti edip etmediği ayrı bir değerlendirme konusu.