采访 | Meghan（李九喻）、微胖
撰文 | 微胖
来源 | 机器之能
「人类的易错性，让我印象深刻。」LawGeex 市场营销副总裁（VP of Marketing）Shmuil Goldberg 在谈及那份研究时说道。
今年 2 月底，以色列法律科技创业公司 LawGeex 联手杜克、斯坦福等大学进行了一项研究。结果，在标准商业合同审查（五份保密协议，NDA）中，二十位拥有数十年公司法和合同审查经验的美国顶尖律师，输给了公司研发的人工智能系统。
AI 平均准确率 94%，人类平均准确率只有 85%。其中一份 NDA（保密协议）审查中，AI 的正确率达到 100%。
人工智能协助人类工作，已经有二十多年历史。比如，帮旅行社订机票、医生诊断、金融从业者交易。
「其他行业都相信人类会犯错。」Shmuil Goldberg 说，「法律却是唯一的行业，仍然坚信人类可以把事情做得很完美。只要是律师审核过的合同，似乎就没有问题了。」
结果，我们都被结果震慑到了。「律师们不知道为什么人工智能可以做到这么棒。」
Shmuil 告诉我们，为了这次较量相对公平，他们选择了保密协议（NDA），「因为这是一项最基础的法律工作，也用不上人类创造力。」
纽约数据公司 CB Insights 的一份报告显示，2017 年，风险投资公司对法律行业人工智能技术的投资比 2016 年猛增了 43%。这表明，法律行业使用人工智能技术的趋势发展得比任何时候都快。
其中，合同领域是一个非常活跃的创新领域。刚刚结束的全球法律黑客松的第一轮比赛中，两个夺冠项目都与合同有关。
其中一个项目旨在帮助当事人在跨国买卖合同中，更加准确地使用国际贸易术语以降低风险。另一个旨在自动提示合同文本中的模糊内容。
而「我们希望每个人都能以简洁、高效而低成本的方式获得法律服务。」公司 CEO Noory Bechor 曾这样谈及公司设立的初衷。
2017 年 3 月，LawGeex 完成 7 百万 A 轮融资，开始组建销售团队，推广产品。而在此之前，作为一个产品为先的公司，他们将全部精力用于了产品研发。
几乎每个人都有过这样的经历：租房，签了一份租赁合同，却不知道怎么审查；签了份劳务合同，却不知道公司条款是否苛刻。
最典型的是，竞业禁止条款。由于太想得到某份工作，人们常常没有仔细阅读合同就签字，却忽略了一个基本事实——协议具有法律效力。竞业禁止条款会限制雇员从事具有竞争性质的业务，或者自己创办这类业务。（大家可以脑补一下最近自动驾驶领域的两大「世纪之案」。）
「这就是我创办这家公司的初衷——让没有法律背景的人也能看懂合同，自己做出好的决定，避免付出代价的错误。」Noory Bechor 曾告诉媒体。2014 年 12 月，他和以色列人工智能专家 Ilan Admon（CTO）共同创办了 LawGeex，开始研发这款基于 AI 的合同审查系统。
2016 年 4 月，为了获取更多合同数据，提升产品体验，公司开始向个人免费开放平台服务。
用户登录网站，注册并上传自己的合同后，系统就可以分析合同，并将之与数据库中的合同进行比对。
系统会标记出可能漏掉的条款、可能需要移除的异常条款，并标记出需要认真阅读的重要条款。系统给出的反馈非常简单，浅显易懂，没有法律背景的用户读起来，也毫不费力。
最初，公司开放出雇佣合同审查服务。接着支持更多合同服务，比如租赁合同等。
由于产品的易用性和高性价比，平台刚上线几个月便通过口碑传播，审查了数以千计的文件，其中包括 Apple、Google、facebook 等公司的劳动雇佣合同。
这一年（2016 年），他们获得了来自以色列著名天使投资人 Eilon Tirosh 和 Rami Lipman 等人 250 万美元的投资。
审查的合同越多，算法才能理解地更好。但是，对于一家创业公司来说，做一款满足普通用户的 2C 法律科技产品，并不现实。
普通人每年需要审核的合同数量非常少，需求也属低频。「我们不会卖给个人用户。他需要有足够多的合同，购买才是经济可行的。」Shmuil 说，理想中的客户，每年会有 500 以上的合同审查需求。
他们将目光锁定在了公司法务。国际商务律师从业经历也让 Bechor 看到了行业痛点：合同审查仍然是一项枯燥的劳动密集型工作。
典型财富 1000 强公司管理的合同平均数量，高达 2 万到 4 万份。但是，83% 的公司都对现有组织合同管理流程不满。尤其是保密协议，通常需要耗费一个礼拜甚至更长的审查时间。
「最佳目标用户是公司法务，大中型公司的法务。」Shmuil 说。这样规模的团队，一年要处理一千多件合同，也就是说，至少每个礼拜都会用到这个平台。而提升这些人的工作效率，意味着公司能在不增加风险的情况下，快速推进业务。
相较于 C 端产品，B 端用户既保证了需求的体量与频次，对产品价格也不会特别敏感，更适合一款新的法律技术产品落地。
至于产品要实现什么样的智能功能，Bechor 认为，标准就是用户对公司法务的要求。
「你希望公司的律师做什么？你希望他们标记出那些本不该出现的内容，标记出本来应该出现的内容，你希望律师能够解释你不懂的内容。」
LawGeex 就是这样设计平台的。
使用产品时，用户首先要决定「剧本（playbook）」比如，我希望能有这些条款，这是我们想看到的一些先例，比如术语的定义是这样的。一旦定义完后，经过预训练的 AI 就可以根据这个剧本来审查合同。
「我们的这个系统已经学习了 40 多万分合同，而且可以识别出合同要素。比如，这是准据法，这是禁制令，准据法条款是纽约，禁制令是两年时间。我们会比对用户设定的需求，然后确保匹配。」Shmuil 说。
「如果律师设定了一个非常严格的模本，哪些是我们希望看到的，哪些不是我们希望看到的，什么时候应该怎么写等。那么其他部门，比如人力资源、销售部门和业务拓展部门就可以自己审核合同了。」他补充道。
平台大大缩短了合同审核周期。过去可能要花一个礼拜甚至一个月的时间，现在，一个小时就能完成工作。
与此同时，还能保持合同审查的高度一致性。「如果你邀请同一位律师分别在周一和周五早上审查同一份合同，结果会有很大的不同。」Shmuil 说。
目前，LawGeex 为个人用户提供免费服务，为企业提供有偿服务。而客户几乎全是大中型企业，包括德勤这样的大企业。绝大多数用户来自美国。
「我们也不会把产品卖给律所。」Shmuil 补充道，公司产品的主要价值是效率，而节省时间与根据时长收费的律所规则相悖。
产品定价会根据很多因素，大约每月收费 1 千美元。
由于法律科技领域并没有一个类似 ImageNet 这样的标准赛事，用户通常很难直观地看出哪款法律 AI 产品的精确度更高。比如，同样是在线合同审查平台，Legalsifter 和 LawGeex 的 AI，谁的精准度更高？
在 Shmuil 看来，这不是一个很难回答的问题。
一方面，在精准度方面，LawGeex 使用了 F-measure。这是一种非常严格的精确度定义，也是机器学习常用的指标之一。「近几个月，我们只用这个指标，因为这是最严格的精确性指标。」
另一方面，所有其他工具，在输入大量数据后，只会回答一到两个问题。比如，能不能签或者做不做这笔生意。
「这些工具的特点是，在输入大量数据后，只给你一个答案。」Shmuil 说，「我们的工具在给你一个终极答复前，会问上千个问题。它也是唯一一个会询问这么多问题、并标记出相关部分、不相关的部分，并将之交给律师的工具。」
而所有这些与众不同，都离不开公司花费三年多时间研发的「秘密配方」：算法模型 LLP 和 LLU。
「法律语言非常规范，如果你只说一件事，那就意味着一件事。这在自然语言中是非常不同的，它可以有十种表达方式，如果你想说一件事，会有 25 种不同的说法。」
为了解决这个难题，公司研发一种叫做 LLP 的算法，作为法律语言处理器。
「我们的办法就是尽可能用许多合同训练神经网络。首先，我们会教会系统理解法律术语，而不是自然语言。一旦做到这一点，接下来就能训练系统理解法律概念了。」Shmuil 说。
「当提到某个法律概念时，系统会明白这个概念是什么，比如竞业禁止、披露等。如果要求系统浏览合同找到披露相关内容，系统不会找『披露』这个词，而是所有表达披露意思的法律术语。」
可见，LLP 的构思和 NLP 的基本架构类似，但是，基础信息和算法本身还是存在根本不同。毕竟，系统是被训练用来理解更加严格的语言，而不是流畅的语言。
在回顾这段艰辛的研发历史时，Shmuil 感叹道，NLP 对法律术语几乎不起作用！
「所有现成的 NLP 解决方案都是建立在自然语言的基础上的，但法律术语（legalese）不是自然语言，传统的自然语言处理器不起作用，我们必须从头开始。」
另一个算法模型是 LLU，它可以理解法律术语，并像谷歌翻译一样把它们翻译成法律概念。
比如，一组文本中有五个法律单词、或者某个段落、句子指的是某个法律概念。
「如果系统发现这五个单词意思相同，它就会明白他们指向同一个概念，这就是这个平台的重要价值。」Shmuil 说。「即使是之前从未见过的，也能基于对所涉法律上下文的理解，搞清楚这个法律概念的意思。」
据 Shmuil 介绍，公司研发团队拥有本国顶尖的机器学习和 AI 专家。其中，联合创始人兼 CTO Ilan Admon 就是知名人工智能专家，在过去 20 年里一直在研究机器学习算法，具有丰富的技术背景经验。
打造一台基于 AI 的合同审查系统，需要大量合同文本。然而，合同与公开的判决书不同之处在于，合同会涉及公司敏感和隐私信息，如果没有公司授权，无法使用这些数据训练系统。
这也是研发基于 AI 的合同管理工具所面临的主要挑战之一。Shmuil 也承认，没有一套类似 ImageNet 这样的数据集，「这也给我们带来了额外的挑战。」「一开始，数据确实是一个挑战。」
随着公司的不断壮大和成熟，LawGeex 设立了专门的合同采集部门，主要负责采集签署过的执行合约，包括 DNA，订购合同等。公司也会搜索一些公开的数据，公共信息，开放公司的分享等。
其实，不仅仅是数据量，整个前期工作（标记、清理数据等）的体量之大与繁琐，直到今天都让他记忆深刻。
为了正确标记数据和训练系统，他们采用了和国内法律科技公司类似的做法：成立了自己的法律专家团队。包括执业律师、兼职律师以及不再执业但仍有执照的律师。
「团队成员包括有经验的美国律师。有的来自哈佛大学、有的来自世界上最大的律师事务所，有的来自公司法务。」他介绍道。
「过去几年，都在寻找、清晰和标注这些合同，为训练做准备。」现在，系统已经「消化」了 40 多万份合同。
但是，40 多万份合同的敏感信息如何得到保障呢？
对此，Bechor 表示，这些合同不会成为公司数据库的一部分。公司只会保存用户上传的合同一段时间，不会和任何人分享。
「但是，引擎确实会搜集相关统计信息，用以提升系统的准确性以及反馈质量。比如，可以为用户提供更为详细的统计数字，什么是标准条款，什么不是。」比如，我们数据库中 80% 的合同并不包含类似的条款。他说。
如今，公司团队已经由几年前的 20 多人发展到 50 人左右的规模。其中，最多的仍然是数据研究人员和工程师。
在谈及 AI 如何变革法律领域这个老生常谈的问题时，Shmuil 似乎显得信心十足：
「与我们合作客户的规模，越来越大。我们发现，法律从业者采用法律人工智能技术，不再是一个问题。过去几年，大公司都在采用这种技术。担心丢饭碗的，只是市场中的小咖玩家。」
自动化和机器学习已经在法律领域发挥了关键作用。「我们不认为人工智能正在接管世界，应该说，人工智能已经接管世界。」他说。
010-57804780