1956年的夏天，達(dá)特茅斯學(xué)院拉開了人工智能(Artificial Intelligence)的序幕。麥卡賽、明斯基、羅切斯特和申農(nóng)等一眾年輕的科學(xué)家們首次提到：智能的任何其他特性的每一個(gè)方面都應(yīng)被精確地加以描述，使得機(jī)器可以對(duì)其進(jìn)行模擬。
歷經(jīng)幾十年的探索，人機(jī)對(duì)弈、對(duì)話機(jī)器人、自動(dòng)駕駛等AI成功案例紛紛出現(xiàn)，更多AI應(yīng)用悄然進(jìn)入人們的工作和生活。然而，研究者與專家對(duì)AI的理解和未來(lái)仍各有不同。來(lái)自天潤(rùn)融通的程鋒、愛(ài)因互動(dòng)的王守崑和亞馬遜AWS的王世帥分別發(fā)表主題演講，展現(xiàn)了人工智能在多個(gè)領(lǐng)域的最新實(shí)踐。
加大推力
身處人工智能的黃金時(shí)代，我們?nèi)绾慰创鼳I在半個(gè)世紀(jì)中的跌宕起伏 ，又是什么原因讓該技術(shù)實(shí)現(xiàn)突飛猛進(jìn)?
沒(méi)有數(shù)據(jù)，機(jī)器就無(wú)法學(xué)習(xí)。信息技術(shù)的快速發(fā)展與普遍應(yīng)用，為AI發(fā)展積累了寶貴的海量數(shù)據(jù)，讓算法可以大展拳腳。云計(jì)算帶來(lái)了強(qiáng)大的計(jì)算能力，改變了超級(jí)計(jì)算機(jī)對(duì)AI探索一枝獨(dú)秀的局面。云計(jì)算是大數(shù)據(jù)分析的前提，降低數(shù)據(jù)提取過(guò)程中的成本。
對(duì)于擁有數(shù)百萬(wàn)用戶的企業(yè)聯(lián)絡(luò)中心，每天會(huì)產(chǎn)生海量的語(yǔ)音數(shù)據(jù)，長(zhǎng)久以來(lái)缺少有效挖掘這些沉睡寶藏的工具?！耙治鲞@些語(yǔ)音，首先要把非結(jié)構(gòu)性的語(yǔ)音數(shù)據(jù)轉(zhuǎn)成結(jié)構(gòu)性的文本數(shù)據(jù)，這其中就會(huì)用到人工智能的語(yǔ)音識(shí)別技術(shù)，但因?yàn)閷?duì)計(jì)算處理效率的要求特別高，語(yǔ)音數(shù)據(jù)的挖掘與利用一直未能成熟”，天潤(rùn)融通人工智能產(chǎn)品經(jīng)理程鋒分析說(shuō)，“直到2015年云計(jì)算的出現(xiàn)，提供了強(qiáng)大的算力支撐，語(yǔ)音數(shù)據(jù)的聚類分析才有所發(fā)展。”
“算力的提升確實(shí)能夠幫助我們訓(xùn)練更復(fù)雜的模型”，愛(ài)因互動(dòng)的王守崑對(duì)此深有感觸，在清華大學(xué)就讀期間，做一個(gè)神經(jīng)網(wǎng)絡(luò)模型最多只能做三層，再增加層數(shù)會(huì)降低運(yùn)算效率，模型難以訓(xùn)練。當(dāng)時(shí)整個(gè)實(shí)驗(yàn)室20臺(tái)機(jī)器加在一起訓(xùn)練，也無(wú)法保證特別好的訓(xùn)練效果。但現(xiàn)在一款售價(jià)3000元手機(jī)具備的算力，都要比當(dāng)時(shí)整個(gè)實(shí)驗(yàn)室的算力高。
亞馬遜AWS的王世帥認(rèn)為，AI熱潮起始于深度學(xué)習(xí)，而深度學(xué)習(xí)的基礎(chǔ)是云計(jì)算。由斯坦福大學(xué)舉辦的圖像識(shí)別大賽，參賽者們根據(jù)1000萬(wàn)張圖片進(jìn)行模型訓(xùn)練，最終以識(shí)別準(zhǔn)確率評(píng)獎(jiǎng)。2014年，有人用15層的神經(jīng)網(wǎng)絡(luò)模型一舉奪得桂冠。到今天，已經(jīng)有人訓(xùn)練出150層的神經(jīng)網(wǎng)絡(luò)模型。云計(jì)算的廣泛應(yīng)用，讓超級(jí)算力的獲取變得更加容易，不需要像過(guò)去那樣，先集成一批機(jī)器設(shè)備，為算力做很多復(fù)雜的前期準(zhǔn)備。
飛向天空
天高任鳥飛，AI也需要找到自己的天空。專注機(jī)器人對(duì)話的愛(ài)因互動(dòng)，將AI的落地場(chǎng)景率先瞄準(zhǔn)在銀行金融領(lǐng)域，因?yàn)椴簧婕皩?shí)體交互，金融是一個(gè)由數(shù)據(jù)往來(lái)構(gòu)成的行業(yè)，銀行業(yè)的數(shù)據(jù)化和信息化發(fā)展程度相對(duì)領(lǐng)先，數(shù)據(jù)資源多，具備AI落地的基礎(chǔ)。
在聯(lián)絡(luò)中心領(lǐng)域，AI作用更加突出，成為提取分析語(yǔ)音數(shù)據(jù)的必不可少工具。程鋒認(rèn)為，AI主要有兩個(gè)場(chǎng)景，呼入場(chǎng)景和呼出場(chǎng)景。在呼入層面，通過(guò)AI來(lái)優(yōu)化運(yùn)營(yíng)管理，持續(xù)提升企業(yè)對(duì)外服務(wù)能力。
主要的場(chǎng)景應(yīng)有有：智能IVR、智能知識(shí)庫(kù)
智能IVR：相信我們都有過(guò)給企業(yè)客戶熱線打電話打經(jīng)歷，你打電話咨詢某公司客服，首先聽(tīng)到的是一段標(biāo)準(zhǔn)的語(yǔ)音，接著就是語(yǔ)種選擇，接著業(yè)務(wù)選擇，再接著業(yè)務(wù)細(xì)分選擇，最后可能聽(tīng)了老半天得到的就是一段官方的對(duì)話。自己的問(wèn)題還是沒(méi)有得到解決。倒不如直接選擇人工，解決的快。這個(gè)時(shí)候我們的智能IVR能通過(guò)語(yǔ)音識(shí)別和自然語(yǔ)言處理，快速并且高效的理解你的需求，并通過(guò)該公司業(yè)務(wù)系統(tǒng)的智能知識(shí)庫(kù)，進(jìn)行關(guān)鍵詞檢索，鎖定該業(yè)務(wù)的答案，并通過(guò)TTS、系統(tǒng)錄音或者最原始的短信將當(dāng)前業(yè)務(wù)的答案發(fā)送或者觸達(dá)給你。
在呼出場(chǎng)景下，實(shí)現(xiàn)智能營(yíng)銷，通過(guò)轉(zhuǎn)寫分析語(yǔ)音數(shù)據(jù)，充分挖掘潛藏的客戶需求。包括營(yíng)銷過(guò)程中的話術(shù)推薦，這些都是建立在智能質(zhì)檢和智能知識(shí)庫(kù)的基礎(chǔ)之上的。天潤(rùn)融通的人工智能系統(tǒng)同時(shí)更注重?zé)o效客戶識(shí)別，通過(guò)識(shí)別無(wú)意向的客戶，降低騷擾標(biāo)記的同時(shí)，提高座席產(chǎn)出效率。
未來(lái)AI還會(huì)在哪些行業(yè)有所突破。人工智能落地首先是在語(yǔ)音層面，因?yàn)檎Z(yǔ)音離人最近也最直接，大家都喜歡用語(yǔ)音去做一些更有效率的事情。除了語(yǔ)音層面，AI還可以在圖像識(shí)別技術(shù)，或在替代人工基礎(chǔ)重復(fù)的工作場(chǎng)景下發(fā)揮作用。
AI已經(jīng)可以察“顏”觀色，但要想聽(tīng)懂“弦外之音”，仍然任重道遠(yuǎn)。同一圖像，人和計(jì)算機(jī)的理解層面是一致的。同一張圖片，同一個(gè)像素，人類和機(jī)器的理解不存在跨越。通過(guò)強(qiáng)大的算力圖片表達(dá)的意思剝離出來(lái)不難。但對(duì)于聲音語(yǔ)言，尤其是語(yǔ)境語(yǔ)義的理解，計(jì)算機(jī)的處理方式和人類的處理方式是完全不一樣的。在AI領(lǐng)域流傳著一句論斷：自然語(yǔ)言處理是人工智能皇冠上的一顆明珠。等到AI能夠真正理解人類語(yǔ)言，并正確處理各種問(wèn)題，這時(shí)的人工智能才擁有真正的智能、真正的意識(shí)。
與人為善
“在聯(lián)絡(luò)中心行業(yè)，AI的應(yīng)用越多，人會(huì)越來(lái)越少嗎，或者說(shuō)已有的員工會(huì)越來(lái)越懶嗎?”不止是程鋒，從事人工智能相關(guān)行業(yè)的人，或多或少都會(huì)被問(wèn)到“AI是否會(huì)代替人工”的問(wèn)題。
但AI的應(yīng)用不會(huì)讓人變得懶惰，反而會(huì)愈加勤快。以聯(lián)絡(luò)中心為例，AI更多起到監(jiān)督管理的作用，幾個(gè)質(zhì)檢員要監(jiān)管幾千座席規(guī)模的聯(lián)絡(luò)中心，問(wèn)題難以精準(zhǔn)定位，但有了AI的輔助，很多基礎(chǔ)繁復(fù)的質(zhì)檢工作都可以由機(jī)器快速完成，人能夠更專注于管理優(yōu)化，而非質(zhì)檢過(guò)程本身。AI也會(huì)降低人力成本，以前需要很多人去做一件事情，現(xiàn)在有了AI，機(jī)器的超級(jí)算力能代替許多人同時(shí)工作的效率，一定程度上會(huì)減少人力。
比如：一個(gè)50——100人之間的中等規(guī)模呼叫中心，一般公司需要安排2-5個(gè)質(zhì)檢人員，從大數(shù)據(jù)來(lái)看，一天的質(zhì)檢數(shù)據(jù)其實(shí)也就是話務(wù)量的3%-5%，而且這是建立在理論基礎(chǔ)之下的，如果在實(shí)際中，效率可見(jiàn)是非常低的。在這種情況之下，大多數(shù)的公司都是采用抽檢的方式，無(wú)法做到100%全量質(zhì)檢。
而人工智能技術(shù)就可以很好的解決這個(gè)問(wèn)題。具體是先通過(guò)技術(shù)轉(zhuǎn)成文本，然后依托大數(shù)據(jù)進(jìn)行關(guān)鍵詞匹配，這樣就能夠清楚的知道整個(gè)呼叫中心現(xiàn)場(chǎng)的話務(wù)質(zhì)量統(tǒng)計(jì)和趨勢(shì)，同樣這樣可適用于單個(gè)話務(wù)員的話務(wù)質(zhì)量分析。而天潤(rùn)融通的智能質(zhì)檢系統(tǒng)更優(yōu)一步，可通過(guò)關(guān)鍵詞快速定位需檢錄音，一方面節(jié)省了質(zhì)檢的時(shí)間，另一方面也節(jié)省了質(zhì)檢的費(fèi)用。
當(dāng)然了，人工智能的成效還不盡人意，AI當(dāng)前實(shí)現(xiàn)的能力與企業(yè)的期望還存在差距。以程鋒的智能質(zhì)檢項(xiàng)目為例，語(yǔ)音識(shí)別率是亟待解決的問(wèn)題。通過(guò)雙軌錄音標(biāo)注系統(tǒng)、人工標(biāo)注、機(jī)器學(xué)習(xí)、行業(yè)建模等方式，持續(xù)優(yōu)化語(yǔ)音轉(zhuǎn)寫精準(zhǔn)度。效果肯定是越來(lái)越好的，成本也會(huì)越來(lái)越低，據(jù)第三方權(quán)威機(jī)構(gòu)GARTER的評(píng)估，到2020年止，全球85%的呼叫中心將會(huì)進(jìn)行數(shù)字化變革。智能機(jī)器人將依托于強(qiáng)大的技術(shù)力進(jìn)入到另外一個(gè)更成熟的階段。
“我們所看到的是技術(shù)能快速?gòu)浹a(bǔ)業(yè)務(wù)所需。長(zhǎng)遠(yuǎn)來(lái)看，AI這條技術(shù)曲線是不是足夠高，是不是能快速達(dá)到客戶預(yù)期，如果兩條曲線能夠快速融合，我認(rèn)為眼前障礙都不是障礙”，王守崑說(shuō)。
隨著越來(lái)越多的質(zhì)檢項(xiàng)目入駐天潤(rùn)融通，我們也將通過(guò)客戶的需求不斷的迭代我們的AI產(chǎn)品，真正意義上的為客戶創(chuàng)收!
