斯科特·史蒂文森，Spellbook共同创始人兼首席执行官-采访系列
斯科特·史蒂文森：Spellbook共同创始人兼首席执行官-专访系列
Scott Stevenson是Spellbook的联合创始人兼首席执行官，Spellbook是一款基于OpenAI的GPT-4和其他大型语言模型（LLMs）构建的自动化法律工具。它经过了42TB的互联网整体文本、合同、书籍和维基百科等庞大的数据集训练。Spellbook使用专有的法律数据集进一步调整模型。
最初是什么吸引您从事计算机工程？
我小时候喜欢电子游戏，并受到启发想学会制作游戏，这使我成为了一名软件工程师。我对这个职业的创造力和与之相关的硬件方面都深感兴趣。
您可以谈一下您与GitHub Copilot的经历如何成为Spellbook的初衷？
多年来，我们一直与律师合作，试图通过高级模板帮助他们自动化撰写常规合同。他们经常说同样的话：“模板很好，但我的工作太独特，无法套用。”
GitHub Copilot是第一个为软件工程师设计的生成式人工智能助手，您可以开始编写代码，它会“预先考虑”，提供大段您可能要继续编写的代码。我们立刻看到了它如何帮助律师起草独特的协议，同时帮助他们智能“自动完成”合同。
Spellbook如何为法律合同建议措辞？
在我们产品的第一个版本中，我们提供了一个类似于Github Copilot的高级自动完成功能。现在，我们还有其他几种机制：
- Spellbook Reviews能够针对整个协议，根据指示提供建议修改。
- Spellbook Insights可以自动找出协议中的风险并提供拟议条款。
Spellbook还会审查合同，为法律专业人员提供什么样的洞察？
Spellbook为法律专业人员在合同审查中提供各种洞察。这些洞察可以使用不同的“透镜”进行定制。我们为合同谈判等任务提供了默认透镜，但律师也可以提供自定义指示，例如“审查这份合同以确保其符合加利福尼亚客户需求。”
Spellbook可以发现潜在风险，发现疏漏，找出不一致之处，并提供改进合同的有价值建议。
您能描述一下Spellbook如何克服LLMs提供的标记大小限制吗？
这是我们与众不同、独特方法的重要部分。处理长达数百页的合同可能给律师带来困扰，但Spellbook的技术在处理它们时非常出色。虽然我们暂时不会详细介绍我们的方法，但这正是我们的专长所在。
AI模型的数据来源是如何进行训练的？
我们使用了像EDGAR这样的公共数据集，以及我们在公司最初阶段在www.rallylegal.com上创建的专有合同数据集。但是，我们认为RAG（检索增强生成）方法是将准确的法律数据融入到生成的文本中的最佳方式。RAG允许引用许多数据源，例如客户自己的文档。
法律和法规变化迅速，AI如何跟上最新的新闻和发展动态？
我们发现RAG方法对此非常有效。我们将语言模型视为一种“人类推理”技术。我们通常不应将LLMs当作“数据库”，而应允许它们从可信源中检索可靠的信息。
Spellbook如何减少AI的错觉或误判？
我们毫不留情地调整了Spellbook中的每个功能，以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，我们对AI的方法称为“辅助AI”：我们始终让律师掌握主导权，在采用任何建议之前他们需要进行审核。这是我们做事的核心。
目前合同起草和审查是主要的使用案例，Spellbook计划提供哪些附加使用案例？
我们目前致力于成为商业/合同律师的最佳工具。这个应用场景的自然延伸是帮助律师进行复杂交易时的法律尽职调查。通常，律所会建立一个包含组织中每个重要法律文件的交易室，审查全部资料以寻找风险和不符之处。Spellbook正在努力实现这个应用案例！
你对法律行业中人工智能的未来有何看法？
我们的“辅助型人工智能”愿景是每位律师都拥有一辆“电动自行车”，能够帮助他们更快地完成工作，提供更高质量的成果，并将更多时间用于为客户增加战略价值，而不仅仅是复制粘贴。我们认为人工智能应该成为律师的助力，而不需要改变太多习惯。我们相信每个律师很快就会在工作的每个小时里都开启人工智能，无论是在Word文件中、发送电子邮件还是与客户会面时。
这意味着那70%无法负担法律服务费用的潜在法律客户最终将能够得到服务。我们对此非常兴奋。
感谢您进行这次精彩的访谈，想了解更多的读者请访问Spellbook。
