面试
Scott Stevenson，Spellbook 联合创始人兼首席执行官 – 访谈系列
斯科特·史蒂文森 (Scott Stevenson) 联合创始人兼首席执行官 拼写书，一种基于 OpenAI 的 GPT-4 和其他大型语言模型 (LLM) 构建的自动化法律工作工具。 它接受了来自整个互联网、合同、书籍和维基百科的 42 TB 文本的海量数据集的训练。 Spellbook 正在使用专有的法律数据集进一步调整模型。
计算机工程最初吸引您的是什么？
我小时候就喜欢电子游戏，青少年时期就受到了学习如何制作电子游戏的启发，这让我走上了成为一名软件工程师的道路。 我被这个行业固有的创造力所吸引，也很欣赏计算机工程中交织在一起的硬件方面。
您能谈谈您使用 GitHub Copilot 的经历是如何成为 Spellbook 的最初灵感的吗？
我们多年来一直与律师合作，试图帮助他们使用高级模板自动起草日常合同。 他们经常说同样的话：“模板很棒，但我的作品对他们来说太定制了。”
GitHub Copilot 是第一个面向软件工程师的生成式 AI 助手——你可以开始编写代码，它会“超前思考”，建议你下一步可能想要编写的大块代码。 我们立即看到这如何帮助律师起草定制协议，同时也帮助他们智能地“自动完成”合同。
Spellbook 如何建议法律合同的语言？
在我们产品的第一个版本中，我们提供了复杂的自动完成功能，类似于 Github Copilot。 现在我们还有许多其他机制：
- Spellbook 审核可以接受诸如“为我的客户积极协商此协议”之类的指令，并建议对整个协议进行更改。
- Spellbook Insights 自动查找协议中的风险和建议条款。
Spellbook 还审查合同，它为法律专业人士提供了哪些类型的见解？
拼写书 为法律专业人士在合同审查期间提供各种见解。 这些见解可以使用不同的“镜头”进行定制。 我们为合同谈判等任务提供默认镜头，但律师也可以提供自定义说明，例如“审查此合同以确保其符合加州客户的要求。”
Spellbook 可以发现潜在风险、识别疏忽、查明不一致之处，并获得改进和增强合同的宝贵建议。
您能描述一下 Spellbook 如何克服 LLM 提供的令牌大小限制吗？
这是我们与众不同的重要组成部分，也是我们独特方法的重要组成部分。 管理超过数百页的冗长合同可能会对律师的带宽造成压力，但 Spellbook 的技术在高效处理这些合同方面表现出色。 虽然我们目前不会深入研究我们方法的细节，但这正是我们的专业知识真正发挥作用的地方。
训练人工智能模型的数据是如何获取的？
我们利用了 EDGAR 等公共数据集，以及我们在公司第一阶段构建的专有合同数据集 www.rallylegal.com。 然而，我们认为基于 RAG 的方法是将准确的法律数据合并到生成文本中的最佳方式。 RAG 允许引用许多数据源，例如客户自己的文档。
法律法规瞬息万变，AI如何跟上最新消息和动态？
我们发现检索增强生成（RAG）方法对此非常有效。 我们更多地将语言模型视为一种“人类推理”技术。 我们通常不应该将法学硕士视为“数据库”，而是允许他们从可信来源检索可靠的信息。
Spellbook 如何缓解或减少 AI 幻觉？
我们不断调整 Spellbook 中的每项功能，为律师提供最佳结果。 如上所述，RAG 还有助于保持结果的相关性和最新性。 最后，我们的人工智能方法被称为“辅助人工智能”：我们始终让律师处于主导地位，他们需要在采取行动之前审查任何建议。 这是我们所做一切的核心。
目前合同起草和审查是主要用例，Spellbook 计划提供哪些其他用例？
我们目前非常专注于成为商业/合同律师的最佳工具。 其自然延伸就是帮助律师在复杂的交易中进行法律尽职调查。 律师事务所通常会组建一个交易室，其中包含组织中的所有重要法律文件，审查整个语料库中的风险和差异。 Spellbook 正在努力实现这个用例！
您对人工智能在法律行业的未来有何愿景？
我们的“辅助人工智能”愿景是让每位律师拥有一辆“电动自行车”，帮助他们更快地完成工作，同时提供更高质量的工作，并花更多时间为客户增加战略价值，而不是复制和粘贴。 我们认为人工智能应该来到律师身边，成为“他们背后的风”，而不需要太多的习惯改变。 我们认为，很快每位律师都会在工作的每一个小时中“开启”人工智能，无论是在使用 Word、发送电子邮件还是在与客户会面时。
这最终意味着70%无法负担法律服务的潜在法律客户最终将能够得到服务。 我们对此也感到非常兴奋。
感谢您的精彩采访，想要了解更多信息的读者可以访问 拼写书.
