我們希望把人工智能技術(shù)應(yīng)用不同的產(chǎn)業(yè)中去，我們在做基礎(chǔ)的創(chuàng)新和實踐，今天帶來一些分享，有一些分享也是第一次在對外的分享，希望給大家?guī)硪恍﹨⒖迹黄鹂梢詳y手去加快驅(qū)動人工智能在更多領(lǐng)域的產(chǎn)業(yè)化的落地，人工智能是分三個階段，從最早的運(yùn)算的智能到感知的智能到認(rèn)知的智能。感知智能解決的是聽、看這樣的能力，認(rèn)知智能是解決思考理解的能力。認(rèn)知智能是人工智能發(fā)展最高的階段，在工業(yè)革命的時候、信息化的時候解決的是人類的體力問題，在認(rèn)知智能和人工智能是解決腦力的問題。在這個過程中面對可以理解、可以去推理歸納的能力，認(rèn)知智能目前有很多路要走，這也是目前的難點所在。
如圖，認(rèn)知智能是相當(dāng)于人類的大腦，解決的是聽懂、看懂、讀懂這樣的問題，如何把人工智能跟產(chǎn)業(yè)相結(jié)合呢，簡單的邏輯圖，是把認(rèn)知智能進(jìn)行實名化變成實體機(jī)器人、虛擬的機(jī)器人，可以解決服務(wù)崗位、影像崗位、運(yùn)營管理甚至生產(chǎn)崗位上的問題，再進(jìn)行行業(yè)化，去放到各行各業(yè)的行業(yè)里邊不同的相應(yīng)的崗位里邊去解決相關(guān)的服務(wù)，有些朋友也校稱我們是一家人力資源的企業(yè)，只不過我們派駐的是機(jī)器人。
2009年的市場，在2000年成立到2004年的階段，后來把2008年應(yīng)用到了10086運(yùn)營商領(lǐng)域，2010年應(yīng)用到了交通銀行這樣的金融領(lǐng)域，時至今日，越來越多的傳統(tǒng)產(chǎn)業(yè)開始逐步的加入到了人工智能序列中來，有一些做潔具馬桶的傳統(tǒng)制造業(yè)，包括底層的做養(yǎng)殖畜牧業(yè)農(nóng)業(yè)，都會跟人工智能開始慢慢的相結(jié)合，過程中雖然人工智能發(fā)展了五六十年，但是現(xiàn)在處于拐點才剛剛開始，整個的變化也是非成熟、高速發(fā)展的，也有很多不確定性的市場，這個過程中大陸的市場走在了包括香港和臺灣市場的前面。
我們面對媒體會被問到，你們?nèi)绾伟鸭夹g(shù)落地的，可以進(jìn)行商業(yè)化是很重要的點，什么是商業(yè)化，就是有很多客戶、很多領(lǐng)域、很多的應(yīng)用場景愿意為這個服務(wù)或者解決方案進(jìn)行買單，不僅要求有技術(shù)，而且更重要的是在過程中要有成熟的工程化、標(biāo)準(zhǔn)化的產(chǎn)品，依托這樣的產(chǎn)品在上面適配各個行業(yè)應(yīng)用解決方案，也要配合專業(yè)的實施方法論才能有效把最底層的技術(shù)跟實際業(yè)務(wù)場景結(jié)合，然后落地到很多產(chǎn)業(yè)領(lǐng)域中去。
支撐商業(yè)化很重要的特點是貨幣化，時至今日人工智能領(lǐng)域中應(yīng)用最廣泛、最大量的應(yīng)用市場就是在客服，智能客服概念大家已經(jīng)不陌生了，AI+智能客服的體系，基本上回顧近七八年走過的路，幾乎都是圍繞這個體系在發(fā)聲的，也有大量數(shù)據(jù)去證明在這種模式下給企業(yè)帶來很多的價值，2015年為一家銀行解決了節(jié)省六千名坐席人員、2017年可以節(jié)省九千人的坐席量，比比皆是。支撐這個體系的背后是這個平臺，如圖，圍繞自然語音理解驅(qū)動平臺這個最核心的部分，也要依賴于底層積累大量行業(yè)領(lǐng)域的知識庫，依托大數(shù)據(jù)學(xué)習(xí)層相應(yīng)的能力，配合多模態(tài)的識別能力，去鏈接植入到企業(yè)方方面面來產(chǎn)生服務(wù)。從2001到2004年做MSN機(jī)器人，就是解決聊天問題，北京今天天氣降溫了、北京有霧霾嗎、我們有吃烤鴨的地方嗎？就是最早的聊天，就是解決人與人之間最自然的寒喧。再往下應(yīng)用到企業(yè)級市場上，就是提出了FAQBot，解決了很簡單的基于標(biāo)準(zhǔn)化基礎(chǔ)性的問答方式。再往后面是服務(wù)過程中很多時候有很多比較難的場景，也是比較復(fù)雜的場景，后來產(chǎn)生了DeepBot，解決上下文、多意義理解的問題，再往后是探索的是下一代要做的產(chǎn)品，現(xiàn)在五大Bot的融合。
機(jī)器人到底用什么技術(shù)，智能服務(wù)到底應(yīng)用了什么技術(shù)，實際上很難說某一個單一的技術(shù)組成的，在每個Bot中應(yīng)用的技術(shù)都不一樣。CHatting Bot應(yīng)用了深度學(xué)習(xí)的技術(shù)，發(fā)展到了深度學(xué)習(xí)第三層，這是目前的階段。再望下面，就會把被動支持和記憶機(jī)制引入，當(dāng)用戶在交互的時候，不僅僅是標(biāo)準(zhǔn)化的問答，更重要的是來自于什么領(lǐng)域的，來自于什么用戶的，歷史上發(fā)生過什么行為，結(jié)合這樣的訴求我的回答并不一樣，這是在做記憶機(jī)制和背景機(jī)制的結(jié)合。再下一代是深度對話模型下面的，可以讓兩個機(jī)器人聊天，補(bǔ)充聊天和對話庫。在2B的市場上應(yīng)用不多，更重要的是在2C市場上，類人的聊天、教育陪聊是有應(yīng)用之地。
FAQ Bot就是深度學(xué)習(xí)的模型+自然語言理解處理的模型相結(jié)合，歷史過往實踐中發(fā)現(xiàn)，完全依賴于深度學(xué)習(xí)模型來做會發(fā)現(xiàn)很多時候答案不可控，這是業(yè)界都公認(rèn)的問題，如何解決呢？把依托于自然語言理解的模型、精準(zhǔn)化模型和深度模型結(jié)合，兩個模型相互制約，來實現(xiàn)服務(wù)更精準(zhǔn)的目的。這里面有六大類能力，已經(jīng)應(yīng)用了七八年了。很多人中文理解會很復(fù)雜，也有一些反意的，語音表達(dá)有一語雙關(guān)的意思，這是中文處理起來很復(fù)雜的地方。多種問法的識別，很多種問法語義是一樣的，所以給的服務(wù)是一致的，余額查詢有幾百種問法，自動上下文模擬人與人間的交互來進(jìn)行上下文的結(jié)合，根據(jù)上下文的對話自動的生成相應(yīng)的流程，根據(jù)流程去得到相應(yīng)的答案，這是自動上下文的能力，非常類似于人與人的交互。你問一句不是可以得到的，要經(jīng)過多輪的交互來提取訴求，來補(bǔ)充相應(yīng)的參數(shù)，根據(jù)不同的參數(shù)鎖定不同客戶的意圖，根據(jù)意圖再給相應(yīng)的反饋，這是多輪對話的能力。深度推理能力，根據(jù)在多次問題里面進(jìn)行類比，通過引擎推理出來的結(jié)果給到用戶。人與人溝通經(jīng)常換好幾個問題一起在問，人與機(jī)器溝通也有這樣的問題，然后再進(jìn)行答案的理解和渲染。
動態(tài)場景的交互問題，動態(tài)知識載入的問題，在人工客服處理過程中存在答案存在于多個系統(tǒng)中，后臺中的數(shù)據(jù)庫，在數(shù)據(jù)庫結(jié)構(gòu)領(lǐng)域要對應(yīng)找到相應(yīng)答案進(jìn)行組合與分析推理。舉例，之前經(jīng)過查詢系統(tǒng)的，用自然語言的理解把相應(yīng)的推理過程用字庫語句的方式進(jìn)行實現(xiàn)，精準(zhǔn)找到答案，再渲染出來。
Reconmmendation Bot，這個過程中有很多相關(guān)的推薦邏輯。比如用戶相關(guān)的推薦，根據(jù)用戶的問題在給出答案的同時進(jìn)行相關(guān)的推薦，包括業(yè)務(wù)邏輯的推薦，知識相關(guān)的推薦，同樣一條知識里面其實有語義的相似、知識圖譜推理的相似，根據(jù)這個答案可以給到用戶。
Discovery Bot很多時候答案或者是問題是存在于非結(jié)構(gòu)化的素材里面的，比如在文檔里面，在這個里面如何去大量的公文、大量的文檔，如何去找到相應(yīng)問題的答案，就是現(xiàn)在在研究的。是通過一些非結(jié)構(gòu)化的處理手段在里面做相應(yīng)的分析。當(dāng)用戶進(jìn)入問題之后進(jìn)行分析，匹配到一個預(yù)值相應(yīng)的答案給到用戶，當(dāng)沒有答案會用這個Bot進(jìn)行分析，包括可以經(jīng)過人工復(fù)核進(jìn)行二次處理再給到用戶，被找到的問題答案可以直接入庫補(bǔ)充這個知識庫，對以后知識庫可以解決的問題會越來越多。語音上面做智能化的服務(wù)，不管是做智能化的呼入、語音導(dǎo)航、還是做智能化的外呼，客戶回訪滿意度調(diào)查和金融領(lǐng)域上做的催收催款的業(yè)務(wù)。也可以應(yīng)用到實體終端做線下的服務(wù)，智能化的終端，智能交互大屏，核心是基于自然語言處理和相關(guān)的人工智能技術(shù)包括繪畫的能力來做到。人工智能也是智能人工，除了可以代替幫助用戶去解決一些問題，也可以幫助人工更好的工作，這也是人工智能應(yīng)用的一個方向，就是人機(jī)交互，可以在不同場景里面去進(jìn)行使用，可以輔助客戶服務(wù)、輔助企業(yè)的內(nèi)部其他部門，比如財務(wù)部門、IT部門來做人機(jī)協(xié)作的方式。
人機(jī)交互里面，除了自然語音的處理，還有很重要的是知識體系、知識結(jié)構(gòu)，在知識庫中兩種方式來進(jìn)行匹配，第一是呼叫中心里面做的人工坐席使用的知識結(jié)構(gòu)，第二種是變成可以分享的企業(yè)內(nèi)部的知識庫，可以讓應(yīng)用人員從客戶服務(wù)人員延伸到企業(yè)的其他部門，變成企業(yè)級的知識庫，可以依托學(xué)習(xí)、培訓(xùn)、考試、分享、記錄等等能力來做知識傳遞和知識應(yīng)用。
監(jiān)督學(xué)習(xí)的能力，這是依托于智能的能力來把人機(jī)交互數(shù)據(jù)、領(lǐng)域積累數(shù)據(jù)、爬蟲來的數(shù)據(jù)、人工客戶服務(wù)數(shù)據(jù)進(jìn)行半監(jiān)督式的機(jī)器學(xué)習(xí)，然后實現(xiàn)知識庫的優(yōu)化，進(jìn)行其他相應(yīng)的決策指導(dǎo)。運(yùn)營分析已經(jīng)從客戶服務(wù)的能力延伸到很多領(lǐng)域中，比如幫兩會的人大政協(xié)的提案如何進(jìn)行查重和分析，都是用了這種分析能力而做到的。
產(chǎn)業(yè)化推進(jìn)過程中已經(jīng)聚焦到了八大產(chǎn)業(yè)應(yīng)用，第一是AI智能客戶，第二是智慧城市跟政務(wù)問題、黨務(wù)問題、民生問題，產(chǎn)業(yè)問題相結(jié)合提供城市大腦。包括民政局、財政局也有很多相應(yīng)的智能化的服務(wù)，來跟業(yè)務(wù)進(jìn)行結(jié)合。把綜合化的大腦跟金融業(yè)務(wù)相結(jié)合，服務(wù)、營銷、網(wǎng)點、展示、風(fēng)控和其他的領(lǐng)域中去，包括管理、運(yùn)營、生產(chǎn)部門都可以用，現(xiàn)在開始往企業(yè)級運(yùn)轉(zhuǎn)了。
智能制造、智慧醫(yī)療、智能辦公其他領(lǐng)域積極的布局，目前聚焦在八大產(chǎn)業(yè)。在去年12月底的時候?qū)ν獍l(fā)布了一個品牌，新一代的Bot開放平臺，這個平臺是業(yè)界的創(chuàng)舉，依托其他的底層技術(shù)能力，在提供了基于云端的開放平臺，幫助很多中小企業(yè)包括和開發(fā)者提供現(xiàn)實服務(wù)，第一是免費(fèi)，所有的智能化場景免費(fèi)，第二會把在線的機(jī)器人和在線人工客服、人機(jī)協(xié)作系統(tǒng)整合在一起提供閉環(huán)式的服務(wù)，目前線上的是智能客服，后來會把智能營銷、智能外呼、智能虛擬主持人等等場景會陸續(xù)的加入到開放平臺中去，做的越來越好，也是往大的市場、往小的個人應(yīng)用拓展重要的步驟。
我們在思考除了做商業(yè)化落地過程中還可以做什么，在去年去積極的推進(jìn)了一件事，寫了一本書《智能客戶服務(wù)的技術(shù)與應(yīng)用》這是講實戰(zhàn)經(jīng)驗的書，也是去年12月25日出版發(fā)布的。我們還積極做信息的推廣、知識的普及，去年做了一件事小i大學(xué)，因為企業(yè)沒有辦大學(xué)的資格，所以做了智慧學(xué)堂，希望把多年技術(shù)的經(jīng)驗和產(chǎn)業(yè)化落地應(yīng)用的經(jīng)驗全部拿進(jìn)來，變成智力資源幫助很多政府單位、企業(yè)單位去做人才的培養(yǎng)，建立AI產(chǎn)業(yè)化的人才培養(yǎng)和發(fā)展的機(jī)制，所以有一系列專業(yè)化的課程可以進(jìn)行深入的發(fā)展。
創(chuàng)新過程中也在往產(chǎn)業(yè)化方向走，除了有生態(tài)合作、智慧學(xué)堂的賦能，積極的創(chuàng)業(yè)和孵化相應(yīng)的公司，甚至也在做產(chǎn)業(yè)化基金來推動整個產(chǎn)業(yè)持續(xù)化的進(jìn)步。謝謝大家！
圖：小i機(jī)器人副總裁孫欣