斯科特·史蒂文森，Spellbook联合创始人兼CEO – 采访系列

斯科特·史蒂文森是Spellbook的联合创始人兼CEO，Spellbook是一种基于OpenAI的GPT-4和其他大型语言模型（LLMs）来自动化法律工作的工具。它已经在互联网上训练了42TB的文本数据，包括合同、书籍和维基百科。Spellbook还使用专有的法律数据集来进一步调整模型。

是什么最初吸引你学习计算机工程?

我小时候喜欢玩电子游戏，十几岁时就想学习如何制作游戏，这让我走上了成为软件工程师的道路。我被这项职业所固有的创造力所吸引，也欣赏计算机工程中所包含的硬件方面。

你能讨论一下你的GitHub Copilot经验如何成为Spellbook的最初灵感来源吗?

我们已经与律师合作多年，试图帮助他们使用高级模板来自动化合同的起草。他们经常说同样的一件事：“模板很好，但我的工作太过定制化，无法使用模板。”

GitHub Copilot是第一个为软件工程师提供的生成式AI助手——你可以开始编写代码，它将“预测”你可能想要写的下一段代码。我们立即看到了如何使用这种方法来帮助律师起草定制化的协议，同时也帮助他们智能地“自动完成”合同。

Spellbook如何为法律合同建议语言?

在我们产品的第一版本中，我们提供了一个复杂的自动完成功能，类似于Github Copilot。现在我们有其他机制：

1. Spellbook审查可以接受指令，如“为我的客户积极地协商这份协议”，并建议整个协议中的更改。
2. Spellbook见解可以自动找到风险和建议的条款，遍及整个协议。

Spellbook还审查合同，提供什么样的见解给法律专业人士?

Spellbook为法律专业人士在合同审查中提供了多种见解。这些见解可以使用不同的“镜头”来定制。我们提供了用于任务的默认镜头，例如合同谈判，但律师也可以提供自定义指令，例如“审查这份合同，以确保它符合加利福尼亚州客户的要求。”

Spellbook可以发现潜在的风险，识别疏忽，找出不一致之处，并提供有价值的建议来改进和增强合同。

你能描述一下Spellbook如何克服LLMs提供的令牌大小限制吗?

这是我们与众不同之处和我们独特方法的组成部分。处理可能超过数百页的长合同可能会给律师带来很大的工作量，但Spellbook的技术在处理它们时非常高效。虽然我们目前不会详细介绍我们的方法，但这是我们真正出色的地方。

训练AI模型的数据如何获取?

我们使用了公共数据集，如EDGAR，以及我们在Rally Legal的第一阶段建立的专有合同数据集。但是，我们认为基于RAG的方法是将准确的法律数据纳入生成文本的最佳方式。RAG允许许多数据源，例如客户自己的文档，被引用。

法律和法规变化迅速，AI如何跟上最新的新闻和发展?

我们发现，基于RAG的方法对此非常有效。我们认为语言模型更像是一种“人类推理”技术。我们不应该将LLMs视为“数据库”，而是允许它们从可靠的来源检索信息。

Spellbook如何减轻或减少AI的“幻觉”?

我们已经不懈地调整了Spellbook的每个功能，以提供给律师最好的结果。如上所述，RAG也帮助保持结果的相关性和及时性。最后，我们的AI方法被称为“辅助AI”——我们始终让律师掌握驾驶权，他们需要在采取任何建议之前对其进行审查。这是我们所做的一切的核心。

目前，合同起草和审查是主要的使用场景，Spellbook计划提供哪些其他使用场景?

我们目前专注于成为商业/合同律师的最佳工具。一个自然的扩展是帮助律师在复杂交易中进行法律尽职调查。经常，律师事务所会创建一个包含组织中每个重要法律文件的交易室，审查整个语料库中的风险和差异。Spellbook正在努力实现这一使用场景！

你对法律职业中AI的未来有什么展望?

我们的“辅助AI”愿景是，每个律师都有一个“电动自行车”，帮助他们更快地完成工作，同时产生更高质量的工作，并在为客户添加战略价值方面花费更多时间，而不是复制和粘贴。我们认为AI应该来到律师身边，成为他们工作中的“顺风”，而不需要太多的习惯变化。我们认为每个律师很快就会在每个工作小时内都打开AI，是否在Word中，是否在电子邮件中，或者是否在客户会议中。

这最终意味着，70%的潜在法律客户，他们无法承担法律服务的费用，终于能够得到服务。我们对此也非常兴奋。

感谢这次精彩的采访，希望了解更多的读者可以访问Spellbook。