Как с помощью машинного обучения юристу сделать игру для юристов

Рассказываю как за один месяц с покупки домена векторина.рф не будучи профессиональным программистом в одиночку сделал викторину (а точнее векторину) для юристов.

Я давно, еще до начал хайпа вокруг chatGPT и компании openAI, интересуюсь машинным обучением. Ради интереса прошел курс ЯП "Специалист по DataScience". Прочитал много статей и одну книгу «JavaScript для глубокого обучения: TensorFlow.js». В итоге понял, что не имея хорошей математической базы двигать эту область не получится. Можно только пользоваться наработками, которые уже изобретены. Обучать собственные модели очень дорого, т.к. делается это на сотнях видеокарт стоимость от 10 000 долларов каждая. На моей 3060 не разгуляешься)

Но есть одна штука, которая доступна всем и довольно часто используется - RAG. Я уже писал о этом в заметке "Как юристу выбрать правильный вектор для ответа на вопрос с помощью RAG" , рассказывал "Как юристу найти аналогичную российской статью в зарубежном праве" и показывал демку для примера.

Собственно думая о том где еще можно применить векторы, я и придумал викторину для юристов, а точнее вЕкторину)

Идея довольно простая. Берем термины из закона. Получаем на каждый термин вектор. На основании векторного сходства находим 5 ближайших соседей для каждого термина/вектора. Эти соседи и будут вариантами ответа на вопрос. Всё) Осталось написать приложение, что я и сделал за месяц, в свободное от работы время.

Для фронтенда использовал Svelte + Tailwind, а с бэкендом не стал заморачиваться, сделал все на любимом GAS, в 10 строчек кода:

Да, использовать вместо базы данных гугл-табличку не самое быстрое решение, но зато бесплатное и самое то для mvp. Если сообществу будет интересен проект, доведу до оптимального состояния.

Посмотреть результат можно здесь.

Кому, как и мне, интересно автоматизировать юридические процессы, присоединяйтесь ко мне в телеграме