1956年的夏天，達特茅斯學院拉開了人工智能(Artificial Intelligence)的序幕。麥卡賽、明斯基、羅切斯特和申農(nóng)等一眾年輕的科學家們首次提到：智能的任何其他特性的每一個方面都應(yīng)被精確地加以描述，使得機器可以對其進行模擬。
歷經(jīng)幾十年的探索，人機對弈、對話機器人、自動駕駛等AI成功案例紛紛出現(xiàn)，更多AI應(yīng)用悄然進入人們的工作和生活。然而，研究者與專家對AI的理解和未來仍各有不同。來自天潤融通的程鋒、愛因互動的王守崑和亞馬遜AWS的王世帥分別發(fā)表主題演講，展現(xiàn)了人工智能在多個領(lǐng)域的最新實踐。
加大推力
身處人工智能的黃金時代，我們?nèi)绾慰创鼳I在半個世紀中的跌宕起伏 ，又是什么原因讓該技術(shù)實現(xiàn)突飛猛進?
沒有數(shù)據(jù)，機器就無法學習。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。云計算帶來了強大的計算能力，改變了超級計算機對AI探索一枝獨秀的局面。云計算是大數(shù)據(jù)分析的前提，降低數(shù)據(jù)提取過程中的成本。
對于擁有數(shù)百萬用戶的企業(yè)聯(lián)絡(luò)中心，每天會產(chǎn)生海量的語音數(shù)據(jù)，長久以來缺少有效挖掘這些沉睡寶藏的工具?！耙治鲞@些語音，首先要把非結(jié)構(gòu)性的語音數(shù)據(jù)轉(zhuǎn)成結(jié)構(gòu)性的文本數(shù)據(jù)，這其中就會用到人工智能的語音識別技術(shù)，但因為對計算處理效率的要求特別高，語音數(shù)據(jù)的挖掘與利用一直未能成熟”，天潤融通人工智能產(chǎn)品經(jīng)理程鋒分析說，“直到2015年云計算的出現(xiàn)，提供了強大的算力支撐，語音數(shù)據(jù)的聚類分析才有所發(fā)展。”
“算力的提升確實能夠幫助我們訓(xùn)練更復(fù)雜的模型”，愛因互動的王守崑對此深有感觸，在清華大學就讀期間，做一個神經(jīng)網(wǎng)絡(luò)模型最多只能做三層，再增加層數(shù)會降低運算效率，模型難以訓(xùn)練。當時整個實驗室20臺機器加在一起訓(xùn)練，也無法保證特別好的訓(xùn)練效果。但現(xiàn)在一款售價3000元手機具備的算力，都要比當時整個實驗室的算力高。
亞馬遜AWS的王世帥認為，AI熱潮起始于深度學習，而深度學習的基礎(chǔ)是云計算。由斯坦福大學舉辦的圖像識別大賽，參賽者們根據(jù)1000萬張圖片進行模型訓(xùn)練，最終以識別準確率評獎。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。云計算的廣泛應(yīng)用，讓超級算力的獲取變得更加容易，不需要像過去那樣，先集成一批機器設(shè)備，為算力做很多復(fù)雜的前期準備。
飛向天空
天高任鳥飛，AI也需要找到自己的天空。專注機器人對話的愛因互動，將AI的落地場景率先瞄準在銀行金融領(lǐng)域，因為不涉及實體交互，金融是一個由數(shù)據(jù)往來構(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，成為提取分析語音數(shù)據(jù)的必不可少工具。程鋒認為，AI主要有兩個場景，呼入場景和呼出場景。在呼入層面，通過AI來優(yōu)化運營管理，持續(xù)提升企業(yè)對外服務(wù)能力。
主要的場景應(yīng)有有：智能IVR、智能知識庫
智能IVR：相信我們都有過給企業(yè)客戶熱線打電話打經(jīng)歷，你打電話咨詢某公司客服，首先聽到的是一段標準的語音，接著就是語種選擇，接著業(yè)務(wù)選擇，再接著業(yè)務(wù)細分選擇，最后可能聽了老半天得到的就是一段官方的對話。自己的問題還是沒有得到解決。倒不如直接選擇人工，解決的快。這個時候我們的智能IVR能通過語音識別和自然語言處理，快速并且高效的理解你的需求，并通過該公司業(yè)務(wù)系統(tǒng)的智能知識庫，進行關(guān)鍵詞檢索，鎖定該業(yè)務(wù)的答案，并通過TTS、系統(tǒng)錄音或者最原始的短信將當前業(yè)務(wù)的答案發(fā)送或者觸達給你。
在呼出場景下，實現(xiàn)智能營銷，通過轉(zhuǎn)寫分析語音數(shù)據(jù)，充分挖掘潛藏的客戶需求。包括營銷過程中的話術(shù)推薦，這些都是建立在智能質(zhì)檢和智能知識庫的基礎(chǔ)之上的。天潤融通的人工智能系統(tǒng)同時更注重無效客戶識別，通過識別無意向的客戶，降低騷擾標記的同時，提高座席產(chǎn)出效率。
未來AI還會在哪些行業(yè)有所突破。人工智能落地首先是在語音層面，因為語音離人最近也最直接，大家都喜歡用語音去做一些更有效率的事情。除了語音層面，AI還可以在圖像識別技術(shù)，或在替代人工基礎(chǔ)重復(fù)的工作場景下發(fā)揮作用。
AI已經(jīng)可以察“顏”觀色，但要想聽懂“弦外之音”，仍然任重道遠。同一圖像，人和計算機的理解層面是一致的。同一張圖片，同一個像素，人類和機器的理解不存在跨越。通過強大的算力圖片表達的意思剝離出來不難。但對于聲音語言，尤其是語境語義的理解，計算機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言，并正確處理各種問題，這時的人工智能才擁有真正的智能、真正的意識。
與人為善
“在聯(lián)絡(luò)中心行業(yè)，AI的應(yīng)用越多，人會越來越少嗎，或者說已有的員工會越來越懶嗎?”不止是程鋒，從事人工智能相關(guān)行業(yè)的人，或多或少都會被問到“AI是否會代替人工”的問題。
但AI的應(yīng)用不會讓人變得懶惰，反而會愈加勤快。以聯(lián)絡(luò)中心為例，AI更多起到監(jiān)督管理的作用，幾個質(zhì)檢員要監(jiān)管幾千座席規(guī)模的聯(lián)絡(luò)中心，問題難以精準定位，但有了AI的輔助，很多基礎(chǔ)繁復(fù)的質(zhì)檢工作都可以由機器快速完成，人能夠更專注于管理優(yōu)化，而非質(zhì)檢過程本身。AI也會降低人力成本，以前需要很多人去做一件事情，現(xiàn)在有了AI，機器的超級算力能代替許多人同時工作的效率，一定程度上會減少人力。
比如：一個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個質(zhì)檢人員，從大數(shù)據(jù)來看，一天的質(zhì)檢數(shù)據(jù)其實也就是話務(wù)量的3%-5%，而且這是建立在理論基礎(chǔ)之下的，如果在實際中，效率可見是非常低的。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問題。具體是先通過技術(shù)轉(zhuǎn)成文本，然后依托大數(shù)據(jù)進行關(guān)鍵詞匹配，這樣就能夠清楚的知道整個呼叫中心現(xiàn)場的話務(wù)質(zhì)量統(tǒng)計和趨勢，同樣這樣可適用于單個話務(wù)員的話務(wù)質(zhì)量分析。而天潤融通的智能質(zhì)檢系統(tǒng)更優(yōu)一步，可通過關(guān)鍵詞快速定位需檢錄音，一方面節(jié)省了質(zhì)檢的時間，另一方面也節(jié)省了質(zhì)檢的費用。
當然了，人工智能的成效還不盡人意，AI當前實現(xiàn)的能力與企業(yè)的期望還存在差距。以程鋒的智能質(zhì)檢項目為例，語音識別率是亟待解決的問題。通過雙軌錄音標注系統(tǒng)、人工標注、機器學習、行業(yè)建模等方式，持續(xù)優(yōu)化語音轉(zhuǎn)寫精準度。效果肯定是越來越好的，成本也會越來越低，據(jù)第三方權(quán)威機構(gòu)GARTER的評估，到2020年止，全球85%的呼叫中心將會進行數(shù)字化變革。智能機器人將依托于強大的技術(shù)力進入到另外一個更成熟的階段。
“我們所看到的是技術(shù)能快速彌補業(yè)務(wù)所需。長遠來看，AI這條技術(shù)曲線是不是足夠高，是不是能快速達到客戶預(yù)期，如果兩條曲線能夠快速融合，我認為眼前障礙都不是障礙”，王守崑說。
隨著越來越多的質(zhì)檢項目入駐天潤融通，我們也將通過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!
