Zero-shot learning betekent dat een AI-model een taak kan uitvoeren of een vraag kan beantwoorden zonder dat het specifieke voorbeeldvoorvallen of trainingsvoorbeelden voor die taak heeft gekregen. Met andere woorden: de AI leert als het ware van nul af aan op het moment dat de vraag wordt gesteld. Dit klinkt misschien magisch, maar eigenlijk bouwt het model voort op zijn algemene wereldkennis en taalinzicht. Bij juridische AI zoals Legal Momo is dit erg waardevol: de AI kan een nieuw juridisch vraagstuk aanpakken zonder dat er expliciet een voorbeeld van exact die casus is voorgevoerd.

Hoe werkt zero-shot learning?

Een krachtig taalmodel heeft tijdens zijn training een enorme variëteit aan teksten gezien. Daardoor heeft het in bredere zin geleerd hoe het moet redeneren en verbanden leggen. Bij zero-shot learning past de AI deze algemene kennis direct toe. Stel dat je Legal Momo vraagt om een inschatting te geven van de uitkomst van een bepaald type zaak dat het systeem nog nooit expliciet is voorgelegd. Dankzij zero-shot capabilities kan Legal Momo toch een beargumenteerd antwoord formuleren door analoog te redeneren: het put uit algehele juridische kennis en vergelijkbare concepten uit zijn training. Zonder dat er voorbeelden zijn gegeven in de prompt, genereert het model toch een relevant antwoord. Uiteraard doet het model daarbij aannames op basis van wat het denkt dat bedoeld wordt. Daarom is zero-shot vaak minder precies dan wanneer je wel voorbeelden geeft. Maar het is indrukwekkend hoe ver de AI kan komen zonder voorbeelden.

Zero-shot in Legal Momo

Legal Momo is getraind op een grote hoeveelheid juridische data, waardoor het over een brede algemene kennisbasis beschikt. Dit stelt het in staat om in zero-shot modus nuttige antwoorden te geven op juridische vragen die het niet eerder exact zo gezien heeft. Vraag bijvoorbeeld: “Kan een bedrijf aansprakelijk worden gesteld voor uitspraken van een medewerker op Twitter?” – zelfs als Legal Momo niet eerder precies die case heeft gekregen. Kan het toch juridisch redeneren over werkgeveraansprakelijkheid, vrijemeningsuiting en social media, en een antwoord formuleren.

Zero-shot learning zorgt er dus voor dat Legal Momo direct uit de voeten kan met nieuwe vragen. Voor de gebruiker betekent dit snelle, eerste inzichten zonder dat je zelf eerst trainingsdata of voorbeelden hoeft aan te leveren. Wel is het zo dat Legal Momo, net als elke AI. Soms voorzichtiger zal antwoorden of een slag om de arm houdt als iets echt nieuw is. Maar het vermogen om überhaupt antwoord te geven is al een grote steun in de rug.

Conclusie: zero-shot learning

Dankzij zero-shot learning kan Legal Momo direct waarde leveren. Zelfs bij juridische kwesties die het nog niet eerder expliciet heeft behandeld. De AI hoeft niet voor elke nieuwe taak van tevoren gevoed te worden met voorbeelden. Het algemene taal- en juridische begrip volstaat vaak om een bruikbaar antwoord te formuleren. Voor juristen betekent dit dat Legal Momo meteen kan meedenken over uiteenlopende onderwerpen. Zero-shot learning maakt de AI flexibel en onmiddellijk inzetbaar – een essentieel aspect van waarom Legal Momo zo’n handige ondersteuning biedt in de dagelijkse praktijk.

Wil je als eerste kennismaken met Legal Momo? Meld je dan aan voor onze demo.