FAQ

Знаниями ИИ обеспечивается из информационно-провового портала Гарант, а также из разных актуальных и открытых источников с текстами законов, постановлений, нормативных актов, их статей, терминов и определений. Это ГК РФ, УК РФ, НК РФ, ТК РФ, КоАП РФ, судебная практика.

Noroots является помощником юриста, и его задача – ускорить процесс проверки документов. Поэтому мы рекомендуем оценивать результаты проверки договоров платформой и самостоятельно решать, принимать предложения системы или нет. При этом важно отметить, что рекомендации системы основаны на Законодательстве РФ и в любом случае будут носить правовой характер.

На наших серверах, находящихся на территории РФ, с обеспечением защиты по ФЗ-152.

Персональные данные попадают в языковую модель, но современные модели работают в режиме inference, принципиально не подразумевающем возможность использования полученных данных, кроме как для генерации ответа.

Мы используем разные LLM для разных задач, но какие именно LLM – это коммерческая тайна.

Да, это возможно.

Потребность в таких запросах редка и поэтому нет, не может. Сервис пользуется актуальной законодательной базой и проверяет все документы относительно действующего законодательства.

Да, возможно. Опция On-premise (установка сервиса в контур компании).

Локальные инстансы требуют большего внимания к безопасности инфраструктуры. А облачные решения предлагают комплексные решения для защиты. Для локальных инстансов есть риски некорректной конфигурации, так как безопасность и управление доступом часто настраиваются вручную. Также могут отсутствовать мониторинг и реагирование. Новые времена – новые угрозы, не у всех еще накопилось достаточно экспертизы. Нет гарантии, что та программа, которая разворачивается внутри организации, безопасна.
P.S. Инстанс – экземпляр. Так часто кратко называют установленную программу. Например, инстанс ворда на вашем ноутбуке.
В нашем контексте – это локальные установки LLM.

Да, конечно. Облачные провайдеры соответствуют нормам безопасности: есть возможности шифрования данных диска, аутентификация и управление доступом (IAM), резервное копирование, управление уязвимостями и др.

Нет, все данные, передаваемые между пользователем и провайдером, шифруются как при передаче, так и при хранении. Соответствие 152-ФЗ и законодательству в общем. Также можно отключить логирование запросов, то есть сохранение запросов пользователей.

Нет. Инференс (обработка запроса к модели) и обучение – это разные процессы. Обучать сразу экономически нецелесообразно. Существуют разные политики обработки данных (некоторые провайдеры LLM позволяют не логировать запросы). У нас есть регулирование и соблюдение стандартов безопасности, возможность заключить отдельный договор, определяющий вопросы конфиденциальности данных.

Нет, так как существует архитектурная изоляция. Это когда каждый клиент работает в своем выделенном виртуальном пространстве без доступа к чужим ресурсам. Также пространство может шифроваться (настраивается по запросу), если в этом есть необходимость. Возможность настройки гранулярных прав* доступа к объектам базы данных для RAG**. Простыми словами: не надо бояться отдавать свои сведения в облако, так как в базы данных встроены механизмы защиты, которые позволяют так настроить права доступа, что каждый увидит только те сведения, которые ему разрешили видеть.
*Гранулярные права доступа к объектам базы данных для RAG (гранулярные – точные, детальные).
**RAG – подход к использованию ИИ, когда «рядом» ставят базу данных, в которой хранят дополнительные сведения (законы, статьи, ответы на вопросы), чтобы ИИ мог при ответе использовать эти сведения для более точного ответа.

Представьте, что вы просите разных людей пересказать вам одну и ту же историю. Каждый человек расскажет её по-своему: кто-то сделает акцент на одних деталях, кто-то на других, добавляя свои интерпретации.
С языковыми моделями ИИ происходит нечто подобное. Они не «запоминают» ответы, а генерируют их каждый раз заново, основываясь на огромном массиве текстов, которые были заложены в них при обучении. Можно представить этот массив как гигантскую библиотеку. Когда вы задаете вопрос, модель не ищет готовый ответ, а как бы «бродит» по этой библиотеке, собирая информацию по крупицам и составляя из неё связный текст. И каждый раз этот «путь» по библиотеке может немного отличаться. Это не ошибка, а особенность работы таких моделей, делающая их ответы более гибкими и похожими на человеческие.