人工智能技术对于企业客户来讲有一个教育的过程

“第22届科博会主题报告会暨中国科技创新论坛”于10月24日在北京举行。主题为：推动科技创新中心建设 引领产业高质量发展。宁波薄言信息技术有限公司联合创始人兼CEO熊琨出席并发表演讲。

熊琨表示，ai企业服务的难题，人工智能技术对于企业客户来讲有一个教育的过程，实际上很难。大家也会觉得，语言解析技术和AI技术是有局限的，可能觉得交汇也不够自然，甚至卖给我是一个黑盒系统，升级很困难。积累数据难以利用，怎么去理解，都是问题。我们认为现在AI企业服务最大问题是服务不够好，我们怎么做？创造一个机器人只是提供了核心工具，我们需要用ai升级整个流程的服务，首先是需求阶段，了解企业需要什么，有什么难题。

宁波薄言信息技术有限公司联合创始人兼CEO熊琨

以下为文字实录：

熊琨：

非常高兴今天跟大家分享这个话题。薄言虽然不是很出名，但是我们有很多很有趣的场景跟大家分享一下。我是公司的CEO，今天我们主要聊聊深度学习NLP在场景下的应用。我们是什么样的一家公司？我们这家公司2013年成立在加拿大，到现在成立6年，专注于文本语义的理解，早期接触中国市场，包括从2016年开始，我们跟小米电视，崔博士的小米大脑团队进行合作，后面和华为多个bu深入合作，今年也拿到了华为深创投的投资，现在全面发展中国市场。

现在我们研究院在加拿大，中国在北京、深圳、宁波有三个办公室。我们的团队技术力量比较强，基本上大家都是一流学校毕业，拥有一线互联网公司的研发经验。公司董事长李明，加拿大皇家科学院院士，获得加拿大科学最高奖基廉奖，首席科学家JIMMY LIN博士，滑铁卢大学教授，TWITTEr数据科学家。其它几位创始人都是中国人，我们有清华大学，也有隔壁北大的同学。

我们做什么，我们想做什么？尽管这个领域比较小，但是我们认为在人工智能最难的是自然语言问题。一代机器人是基于关键词技术，在客服领域大家经常会体验到。二代技术，慢慢可以做更深语义的理解，包括做多轮的交互，当然这个也分为前语义和深语义，跟在加拿大做的比较相关…孕育深度学习这样的技术我们通过深度学习技术，能让机器对人的语言把握的更精准，甚至让交互体验做的更好。三代机器人，是我们最关心的，也是我们花了大量力气做的事情，我们起来了一个名字，MR·Y，我们想让新的机器人，能不能自己解释我做出的角色是什么判断的，能不能够在这个领域做到学习。比如银行里面，关心企业风险控制，包括信贷的风险，有没有欺诈的行为。我们期待未来的下一代机器人能够帮助我们解决这些问题。我们关注是未来下一代的智能。

路径是什么？2016年推出儿童的聊天机器人，效果不错的。放了很多深入学习技术在里面，做了很多实验，看到很多现象，非常有意思，尽管它很小，很蠢萌，它可以自动写诗，包括做多领域多状态的管理，甚至做多模式，视觉和语言一起的，都是我们自己开发的。这是我们和小米电视四合作的云电视第一款。这是我们在发布会上做的一个案例，比较复杂的语言，大概50毫秒所有的时间给你一个正确的结果。从1到10的过程当中，我们开始和开始赋能企业，非常感谢中国的科技企业对我们的帮助。在这个过程当中，把一个实验室原型变成互联网的产品，和小米电视合作是电影查询的语言解析。后面也跟百度的dueos合作，对我们的性能提升有很大帮助，最后当然要感谢华为，和他们不同的业务线合作中间，让我们的技术变得更加成熟。

从1到100，今年年初发布了这么一个平台，内测阶段有三四十家企业试用，百万人左右在上面聊天，企业在上面很方便的创建自己的聊天机器人，并且未来用更多训练的技术让它变得更好。例如客服场景，微信机器人处理客户请求，金融和保险，可以完成询价和复杂的咨询，餐饮行业语音点单，营销调查场景，通过语音完成多轮的复杂的调表工作。

如何操作？先创建一个聊天机器人，起一个名字叫乔峰，给他一个降龙十八掌的技能，接下来在平台可以填写它的名字、属性、生产、年月。客户行业最熟悉的是问答知识库，把问题输进去，我们也兼容各种知识库类型，我们的算法能力和精度都做的非常不错，大家可以去体验一下。

录入之后可以做发布，支持微信公众号和微信小程序，我们也会提供API和开放的SDK，方便接入你们的系统。上线之后会看到各种各样的日志，包括使用情况，我们也可以用平台上面的训练师的功能让机器人变的更好。大家可能会问薄言体的平台优势是什么，面对更多的大厂和客服行业都推出了自己的对话机器人平，我们的优势是什么？首先，我们是中英文双语的，如果大家有海外需求的，甚至有法语需求的可以优先使用我们，中英文混合的情况，我们也理解的很好。

轻语平台有什么优势呢？相比于众多巨头的对话平台

面向业务场景，让企业录入的数据更少，精度更高。比如餐饮行业上传一张菜单生成机器人，面向技术开发者，我们开放完整的API，开放多种的技能，可以自己创造技能。面向服务来讲，我们用ai技术升级整个服务流程，从数据整理到部署实施。更多的开发者可以更多高级功能包括，自定义意图和任务驱动对话，更复杂的对话场景支持图编程。在京东每天百万的客服聊天对话当中，我们的机器人没有主动跟客户聊天，但是我们在监控每个客户和客服聊天当有没有不满意情况，产品出现问题的情况，订单状态如何。上线效果非常好，极大提高了满意度。

技术构架上在，从最底层到上层都有自研技术

核心技术，语言理解引擎，无监督的设定下，我们普遍好于友商的语义相似度计算精度。通用语义理解，监督的情况下可以做到96%精度，时间在100ms之内，这是小米给我们的反馈。最新引擎甚至比友商高10%，我司学术方面成果更多，2018年底的时候发了一篇自然杂志的子期刊，把自然语言技术运用在生物序列上面，2019年4月MS MARCO排第一，我们在SquARD1.1上面开放问答达到学界最好效果。右边这个图是我们SIGIR最佳短文提名，今年的文章有10来篇。

聊一聊ai企业服务的难题，人工智能技术对于企业客户来讲有一个教育的过程，实际上很难。大家也会觉得，语言解析技术和AI技术是有局限的，可能觉得交汇也不够自然，甚至卖给我是一个黑盒系统，升级很困难。积累数据难以利用，怎么去理解，都是问题。我们认为现在AI企业服务最大问题是服务不够好，我们怎么做？创造一个机器人只是提供了核心工具，我们需要用ai升级整个流程的服务，首先是需求阶段，了解企业需要什么，有什么难题。第二，个友商做对比，在同样的其他下跟线性系统对比有多大空间。协作阶段是AI服务特有的，传统软件卖给企业就能用了，但是AI产品需要给企业输入数据，需要标注，需要告诉你这个模型好不好，最后实施阶段也有很多难题，因为企业已经采用大量的系统，新的机器人如何与原有系统集成。在需求阶段，因为很多企业已经有智能客服，我们就需要直观的给出他们目前方案存在的问题，可以提升的能力等。

在对比阶段，我们提供对话评测方案，这个技术也作为了今年nlpcc开放对话评测的评价标准。协作阶段有没有办法帮企业整理他们数据，有企业想要上线一款聊天机器人，只有客服中心的粗糙数据，甚至没有数据，我们就需要通过聚类和生成技术来帮助企业度过冷启动的阶段。

企业录入数据的时候，比如传统知识库，提供问题希望你能提供更多相似问题来增加知识库匹配。我们用了生成的方法生成相似的问题，增加匹配度，节省大量时间。

实施过程当中，我们将nlp和RPA结合。右边是一个客服辅助的系统，一个客服聊天，料过程当中会推荐话术，自动填写订单，而订单系统是一套原有的从美国采购的系统，我们可以通过nlp技术从一个系统的对话，提取关键信息，姓名，电话，住址和事件等，送到另一个工单系统里完成自动化提交，这个流程自动化ai机器人可以设计的非常复杂，节省大量重复的人工操作。