Yasal Yapay Zeka Mühendisliği Eğitimi

Gün 1: Temeli Oluşturun — Veri Alma, Arama ve Bulma

Modül 1: Yasal Mühendisin Manzarası

• Öğrenme hedefleri — rolü anlamak, yapay zekanın yasal işlerde nerede yer aldığını ve her şeyi etkileyen iki temel riski kavramak.
• Konular
• • Yasal mühendislik rolü ve şu anda neden bu role ihtiyacın duyulduğu.
  • Yapay zekanın yer aldığı alanlar: e-Keşif, inceleme, sözleşmeler, araştırma, araştırmalar; EDRM modelinin sade bir açıklaması.
  • Kendi sistemini geliştirmek (Build) vs. satın almak (Buy).
  • Her şeyi etkileyen iki temel risk: gizlilik/gizli bilgi statüsü ve savunulabilirlik.

Modül 2: Yasal Veriler Dağınıktır — Veri Alma ve Çıkarma

• Öğrenme hedefleri — yasal verinin ölçeklendirilmiş gerçeğini yönetmek.
• Konular
  • 1.400'den fazla dosya türü, e-posta ve PST, taramalı kâğıt, load files (.dat/.opt); önemli gömülü meta veriler.
  • Metin çıkarma (Tika), OCR ve benzerlik kaldırma (de-duplication) seçenekleri.
• Laboratuvar: FreeEed Veri Alma — kasıtlı olarak dağınık bir belge kümesinin üzerine (e-posta/PST, taramalar, load files) bir veri alma boru hattı oluşturma.

Modül 3: Arama ve Bulma — Temel Bileşen

• Öğrenme hedefleri — temel e-Keşif ilkelini oluşturmak: her şeyin içinde her şeyi bulmak.
• Konular — tam metin arama ve indeksleme (Solr/Lucene); alakalılık, meta veri ve tarih filtreleme; OCR'lı içerikte arama.
• Laboratuvar: e-Keşif Arama — bir veri kümesini indekse almak ve gerçek e-Keşif tarzı aramalar yapmak (OCR'lı taramaların dahil olduğu).

Modül 4: Yasal Belgeler için RAG — Kaynakçayla

• Öğrenme hedefleri — kaynaklarını gösteren bir RAG sistemini yasal belgeler üzerinde oluşturmak.
• Konular
  • Hassas materyaller için fine-tuning (ince ayar) değil, retrieval (getirme/arama) neden gerekli? Model belgeleri tamamen yutmayacaktır.
  • Parçalama (chunking), yerelleştirmeler (embeddings) ve en önemlisi kaynakça/köken.
  • Çoklu belge ve konuşma dizisi özetleme.
• Laboratuvar: Kaynakçayla Yasal RAG — kaynak göstererek cevap veren, bir belge kümesi üzerinde çalışan bir RAG S&S (soru-yanıt) sistemi oluşturma.

Gün 2: Gizlilik, Savunulabilirlik ve Dağıtıma Hazırlık

Modül 5: Gizlilik, Mahremiyet ve Yerel Sunum — Mahremiyet Tuzağı

• Öğrenme hedefleri — yasal veriyi yerelde tutmak ve bunu sertifikalandırmak.
• Konular
  • Bulut AI'ya ulaştığında verinin aslında nereye gittiği.
  • Mahremiyetin reddi, yeterlilik yükümlülüğü ve "gizli" spektrumu (sözleşmesel vs. fiziksel).
  • Morgan v. V2X davası ve yerel sunumun neden mahkemede savunulabilir olduğu.
  • Yerel modellerin (Ollama/vLLM) sunulması ve çıkış trafiğinin izlenmesi.
• Laboratuvar: Yerel Model + Çıkış Kanıtı — uçtan uca bir yerel modeli çalıştırma ve izleme ile hiçbir verinin kurum dışına çıkmadığını kanıtlama.

Modül 6: Savunulabilir AI İncelemesi

• Öğrenme hedefleri — bir AI incelemesini ölçmek ve belgelemek, böylece mahkemede geçerli kılması.
• Konular
  • Mahkemede geçerli sayılabilecek metrikler: recall (hatırlama oranı), elusion (kaçırma), precision (doğruluk), ground-truth doğrulaması; TAR/aktif öğrenme.
  • Koşulsuz şeffaflık (belge neden bu şekilde kodlandı?) ve yeniden üretilebilirlik — modeli sabitleyin, ayarları kaydedin, her şeyi günlükleyin.
  • Bir yıl sonra başkalarının inceleme sonuçlarınızı yeniden alabilmesini sağlayan "savunulabilir vaka anlık görüntüsü".
• Laboratuvar: Savunulabilir İnceleme — kör bir ground-truth'e karşı bir AI incelemesini ölçme ve yeniden üretilebilirlik paketi oluşturma.

Modül 7: Dağıtım — İş Akışı, Özel Dağıtım ve Yönetişim

• Öğrenme hedefleri — parçaları bir iş akışında birleştirip özel olarak dağıtmak ve sistemi puanlamak.
• Konular
  • İnsan devreye giren çok adımlı yasal bir iş akışı (veri alma → arama → özetleme → inceleme → teslim etme).
  • Özel/yerel sunumun temel gereklilikleri (containerize etmek; veriyi kurum içinde tutmak).
  • Kısa hukuki AI yönetişimi ve SAIS-100 (Elephant Scale Güvenli AI Puanı) ile sistemi puanlamak.
• Laboratuvar: Puanlama ve Paketleme — çok adımlı bir iş akışı kablolarını bağlayıp, SAIS-100 ile puanlayarak özel dağıtım için paketleme.

Bitirme Projesi (Gün 2 boyunca entegre)

• Gizli ve savunulabilir bir yasal-AI uygulamasını uçtan uca oluşturma — dağınık bir veri kümesini alma, arama yapma, yerel model kullanarak kaynakça ile cevap verme, savunulabilir bir incelemeyi ölçme ve özel dağıtım için paketleme.
• Katılımcılar, yasal mühendislik işinin tam karşılığı olan bir portföy projesiyle kursu tamamlar.

Opsiyonel Gün 3 / İleri Modüller (3. gün veya modüler seri olarak sunulabilir)

• Araştırmalar: Varlıklar, İlişkiler ve Zaman Çizelgeleri — kişiler/organizasyonlar/tarihler çıkarma, e-posta dizilerini yeniden oluşturma, kronolojiler oluşturma, neredeyse benzer belgeler ve belge kökeni haritalama. Laboratuvar: zaman çizelgesi ve varlık/ilişki görünümü oluşturma.
• Janik ve Çok Adımlı Yasal İş Akışları (Derinlemesine) — daha zengin orkestrasyon, sözleşme analizi, çoklu belge sentezi, tasarım ilkesi olarak araç kullanımı ve koruma mekanizmaları. Laboratuvar: insan onayı kontrol noktasına sahip çok adımlı bir iş akışı oluşturma.
• Ölçekli Dağıtım — yerel sunum ve apansız (appliance) dağıtımı, büyük hacimler için dağıtılmış işleme, düzenlenmiş ortamlar (CJIS, hükümet, yükseköğretim), donanım boyutlandırma. Laboratuvar: bir işleme işini worker'lar arasında containerize etme ve ölçeklendirme.
• Yönetişim ve Uyumluluk Derinlemesine — AI düzenleme manzarası (100+ ABD eyaleti AI yasası, AB AI Yasası), denetim gereklilikleri ve tam SAIS-100 yönetişim denetimi. Laboratuvar: bir yasal-AI sistemini yönetişim/savunulabilirlik kontrol listesine karşı denetleme.