由CTI論壇(m.thedanielweber.com)主辦的2017中國(guó)客戶體驗(yàn)創(chuàng)新大會(huì)<http://m.thedanielweber.com/expo/2017/awards2017/index.html>于9月14日在深圳益田威斯汀酒店盛大開幕，本次會(huì)議以"在聯(lián)絡(luò)中心數(shù)字化轉(zhuǎn)型中搶得先機(jī)"為主題，北京神州泰岳軟件股份有限公司AI大數(shù)據(jù)副總裁張瑞飛應(yīng)邀出席此次會(huì)議并發(fā)表題為《無人值守智能客服中心》的主題演講。張瑞飛介紹了泰岳無人客服方案，包括：智能機(jī)器人虛擬坐席，多輪會(huì)話，知識(shí)管理，語音質(zhì)檢，語義質(zhì)檢，場(chǎng)景化應(yīng)用，智能IVR導(dǎo)航，工單機(jī)器學(xué)習(xí)，對(duì)接業(yè)務(wù)流程引擎及客服智能運(yùn)維，以及同合作伙伴聯(lián)合打造無人客服生態(tài)。

圖：北京神州泰岳軟件股份有限公司AI大數(shù)據(jù)副總裁張瑞飛
【演講PPT下載pdf格式】

　　簡(jiǎn)單介紹參與研究的人員，我們給這些人員做一個(gè)致謝。首先是李生教授，他是咱們國(guó)內(nèi)第一個(gè)獲得國(guó)際ACL國(guó)際語言協(xié)會(huì)的終身成就獎(jiǎng)的第一個(gè)科學(xué)家，是哈工大的黨委書記。也是人工智能研究院的名譽(yù)院長(zhǎng)，是我們的首席科學(xué)家。顏永紅教授是Intel做人機(jī)界面的總架構(gòu)師，是中科院的科學(xué)家，主要負(fù)責(zé)語言學(xué)和聲學(xué)研究部分。趙慶衛(wèi)教授是中科院聲學(xué)所的研究員，推出的語音識(shí)別和語音上面具體的應(yīng)用場(chǎng)景。晉耀紅博士是我們?nèi)斯ぶ悄苎芯吭旱脑洪L(zhǎng)，是原北京師范大學(xué)的博士生導(dǎo)師，他在語義里面曾經(jīng)參與過HAC概念層次網(wǎng)絡(luò)的語義研究，是當(dāng)時(shí)跟著中科院的團(tuán)隊(duì)，是研究組的組長(zhǎng)，提出一些不同的概念分詞和語義分局的方法。我們把這個(gè)方法用在現(xiàn)在人工智能平臺(tái)里面，去構(gòu)建OEC平臺(tái)。蔣宏飛博士是原來阿里做訓(xùn)練的訓(xùn)練小組的專家，他在我們這邊負(fù)責(zé)小富機(jī)器人的開發(fā)。這是我們的核心研究團(tuán)隊(duì)。

　　無人值守的客服系統(tǒng)，傳統(tǒng)的電話服務(wù)和無人值守的智能服務(wù)，我們想代替?zhèn)鹘y(tǒng)電話不足的地方，可能是用戶體驗(yàn)和用戶24小時(shí)接聽電話的能力，他的感知和傳統(tǒng)IVR繁瑣的操作，我們想在其中優(yōu)化的地方。我們想做智能客服，但是智能客服和無人值守的客服中心還是有一點(diǎn)不一樣：1、智能客服沒有辦法有效解決口語標(biāo)準(zhǔn)化的問題。2、多輪會(huì)話的場(chǎng)景里面表現(xiàn)不好。3、不能對(duì)復(fù)雜邏輯和復(fù)雜的業(yè)務(wù)流程進(jìn)行有效的診斷。4、缺乏語義糾錯(cuò)的能力。我們講傳統(tǒng)的智能客服只是在以前的客服里面部分注入人工智能的能力，并沒有形成基于人工智能形成判斷和形成虛擬座席的能力。

　　我們的設(shè)計(jì)原則：在客服中心問答的時(shí)候，我們想做到一步到位的精確語義理解。在進(jìn)行人機(jī)智能會(huì)話的時(shí)候進(jìn)行自由調(diào)整，人機(jī)會(huì)話，我們?cè)O(shè)想由機(jī)器和人進(jìn)行互動(dòng)和回答問題的時(shí)候，無論問題涉及其他的場(chǎng)景或者這個(gè)問題涉及到要辦的業(yè)務(wù)，比如要辦理一個(gè)房貸，買保險(xiǎn)或者申請(qǐng)信用卡，無論什么樣的業(yè)務(wù)，我們希望在會(huì)話的過程中進(jìn)行自由跳轉(zhuǎn)。智能問答除了渠道界面，更需要處理業(yè)務(wù)和保留歷史記憶來進(jìn)行多輪會(huì)話的能力，我們?cè)谶@個(gè)能力上取得一定突破，才取得無人客服的概念。

　　無人客服并不是我們現(xiàn)在提得很新的話題，京東本身去年的時(shí)候開始嘗試京東無人客服，我們這里講和京東的區(qū)別，我們發(fā)現(xiàn)一些在銀行或者是稅務(wù)或者政府、企業(yè)里面應(yīng)用的企業(yè)級(jí)客服重要需要的，不是消費(fèi)型市場(chǎng)的客服中心需要的東西，比如我們的業(yè)務(wù)流程需要更強(qiáng)的定制，比如我們對(duì)個(gè)人的肖像需要更好的面向企業(yè)的管理，這是企業(yè)里面不同的，我們打造的是面向企業(yè)級(jí)大B的生產(chǎn)端的無人構(gòu)成。技術(shù)架構(gòu)，基于文本語義交互式引擎和智能語音交互式引擎，對(duì)語音系統(tǒng)和語義系統(tǒng)分別做解析。智能客服接入網(wǎng)關(guān)對(duì)各個(gè)業(yè)務(wù)進(jìn)行各個(gè)接口，比如銀行，存貸款、理財(cái)?shù)鹊葮I(yè)務(wù)的流程接口。部署架構(gòu)，我們通過語音PBX系統(tǒng)，進(jìn)入IVR，在IVR對(duì)接無人值守客服系統(tǒng)，再生成語音，再和CTI系統(tǒng)進(jìn)行交互。

　　這樣的會(huì)話架構(gòu)里面，我們需要能夠進(jìn)行智能交互的引擎結(jié)構(gòu)，這個(gè)和傳統(tǒng)機(jī)器人不一樣，我們分五層：知識(shí)學(xué)習(xí)、知識(shí)引擎本身的建設(shè)、問答引擎、對(duì)話引擎、場(chǎng)景引擎，這里面分五層進(jìn)行管理，所以它不再是我們單一的機(jī)器人，只是智能問答的交互引擎，是知識(shí)構(gòu)建到最上層管理的完整功能。具體的組件，包括推薦學(xué)習(xí)、地圖學(xué)習(xí)、閑聊學(xué)習(xí)、場(chǎng)景關(guān)聯(lián)、碎片化的業(yè)務(wù)能力的架構(gòu)和業(yè)務(wù)要素的了解，概念的理解以及會(huì)話歷史和會(huì)話間的記憶，會(huì)話和場(chǎng)景的關(guān)聯(lián)。這里面的能力有這樣幾個(gè)：1、我們?nèi)绾芜M(jìn)行相關(guān)意圖的學(xué)習(xí)，有時(shí)候我們的人類自然問法背后隱藏的是概念化的語義表示，比如我們說能吃多少吃多少，能吃多少吃多少，重音不同意思不同。這是結(jié)合語音和語義一起做到的。2、知識(shí)加工，如何讓機(jī)器人去學(xué)習(xí)到一個(gè)業(yè)務(wù)，我們以前做機(jī)器人智能問答的時(shí)候，有一個(gè)標(biāo)準(zhǔn)問答，對(duì)應(yīng)一些答案，做出擴(kuò)展。一個(gè)標(biāo)準(zhǔn)問對(duì)應(yīng)1200個(gè)擴(kuò)展問，這個(gè)概念在現(xiàn)在的無人值守的客服中心里面可能要顛覆掉，首先不能以問答來理解語義和用戶的業(yè)務(wù)系統(tǒng)。我們要有入口告訴機(jī)器人怎么學(xué)會(huì)業(yè)務(wù)知識(shí)，然后我們構(gòu)建業(yè)務(wù)框架的東西，在這上面通過跟機(jī)器人的會(huì)話，首先交給一個(gè)機(jī)器人業(yè)務(wù)知識(shí)。這是傳統(tǒng)給人工座席的培訓(xùn)，當(dāng)我的一個(gè)人工座席來的時(shí)候，我應(yīng)該講我的業(yè)務(wù)框架和業(yè)務(wù)要素，以前的機(jī)器人是沒有的，只有問答，這個(gè)不夠，所以把這個(gè)補(bǔ)起來了。3、我們對(duì)概念歸一化的講解，我們?cè)趪L試能不能直接把問題和答案自動(dòng)匹配，在銀行或者在特定的應(yīng)用場(chǎng)景里面，我們讓擴(kuò)展問消失，這樣機(jī)器人維護(hù)過程中，我們就可以基于純粹的人工智能的語義技術(shù)來進(jìn)行維護(hù)，這種場(chǎng)景到底可不可能發(fā)生，我們嘗試做這樣的場(chǎng)景。我們也做了測(cè)試，最近在上海銀行，我們做了兩輪：一是帶擴(kuò)展問測(cè)試。二是把所有擴(kuò)展問刪掉的測(cè)試，兩輪測(cè)試效果都很好。4、話題站的管理，話題記憶管理和場(chǎng)景管理，后面分別說。

　　整個(gè)構(gòu)成，無人值守的智能客服交互式架構(gòu)，從知識(shí)學(xué)習(xí)到線下訓(xùn)練到線上的知識(shí)的發(fā)布，這是完整的框架。

　　技術(shù)特色，語音識(shí)別，我們做了幾個(gè)特定功能：1、如何將連續(xù)的語音能夠自動(dòng)轉(zhuǎn)換為文字，這里面主要用到的算法是大家看到的雙向LSTM的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的算法，利用這個(gè)算法我們把這個(gè)速度做到比國(guó)際開源軟件快5倍以上，基于WFST的語音和語音特點(diǎn)和句法進(jìn)行整合的識(shí)別技術(shù)。通過這個(gè)實(shí)現(xiàn)人機(jī)交互和人人交互，準(zhǔn)確率分別是90%和80%，我們?cè)趩闻_(tái)服務(wù)器處理并發(fā)語音。人機(jī)交互是手機(jī)打電話是最常見的人機(jī)交互，我們的語音進(jìn)入到手機(jī)，在手機(jī)里面進(jìn)行識(shí)別。人人交互是通過電信的線路來進(jìn)行語音識(shí)別，他們主要的區(qū)別在于對(duì)音質(zhì)的線路損耗和后臺(tái)處理算法的差別。

　　2、關(guān)鍵詞的檢索，對(duì)用戶的敏感詞、業(yè)務(wù)詞、提供詞和與說話人無關(guān)的詞，還有支持電話、網(wǎng)絡(luò)和互聯(lián)網(wǎng)的自然語言的對(duì)話來進(jìn)行關(guān)鍵詞的檢索，保證在講話的時(shí)候，第一個(gè)是合規(guī)，第二個(gè)是在質(zhì)檢的時(shí)候有些使用。

　　3、通過對(duì)語音進(jìn)行語音、語速、輕重音以及語音相關(guān)概念的層次分析，通過層次分析理解基本音頻，以及語調(diào)之間的相關(guān)性，這是基于語音聲學(xué)特征進(jìn)行分析。

　　4、場(chǎng)景分割，我能夠去定義語音的角色、場(chǎng)景的背景，可以把語音部分和人的身份去做自動(dòng)的聚類，可以給出客服語音和用戶語音相區(qū)分，即使在這兩個(gè)語音相重疊的時(shí)候，客服正在回答問題，機(jī)器人正在回答問題，你好，請(qǐng)您按照步驟一、步驟二，這時(shí)候打斷，客戶語音進(jìn)來了，他可以分出來客戶的語音是什么、要點(diǎn)是什么，不會(huì)吧兩個(gè)語音疊加在一起，造成含混不清。

　　語音引擎突出體現(xiàn)幾個(gè)優(yōu)勢(shì)：1、語音的性能優(yōu)勢(shì)，首先準(zhǔn)確率上能做到80%和90%，這是語音性能上的優(yōu)勢(shì)。當(dāng)然我們?cè)趯?shí)驗(yàn)室里面有時(shí)候說這不一定是很高的數(shù)據(jù)結(jié)果或者大家都差不多的數(shù)據(jù)結(jié)果，是這樣的。在語音識(shí)別里面，我想大家不會(huì)說哪家的語音識(shí)別的效率會(huì)特別高或者會(huì)特別低，比如科大訊飛特別高或者特別低，都不會(huì)。我覺得關(guān)鍵在于我們是不是有專家在優(yōu)化，給企業(yè)級(jí)或者再一個(gè)領(lǐng)域里面優(yōu)化企業(yè)的使用場(chǎng)景。當(dāng)你的語音引擎在使用場(chǎng)景上進(jìn)行一系列的優(yōu)化之后，它的表現(xiàn)在應(yīng)用里面的差異特別大，這時(shí)候這是語音上面和別人的差別，我們?cè)趹?yīng)用的窄領(lǐng)域內(nèi)去聚焦和投入，去做這樣的語音引擎。

　　2、語音的抗噪性，對(duì)于語速的識(shí)別，準(zhǔn)確率和語音的適應(yīng)性上，都做了相關(guān)的學(xué)習(xí)和建模的技術(shù)。

　　為了配合無人職守的客服中心，語義上我們做了相關(guān)的提升，主要是三個(gè)方向：1、場(chǎng)景化；、多輪問答。3、業(yè)務(wù)本體建模。說白了是為了使得我們的智能問答的機(jī)器人更接近予人類的操作能力。它除了能夠回答問題以外，它應(yīng)該還能夠去干活，能夠做業(yè)務(wù)，能夠進(jìn)行系統(tǒng)的錄入，甚至能夠辦理一些簡(jiǎn)單的業(yè)務(wù)流程或者能夠提示或者能夠進(jìn)行推銷。我們定義不同的業(yè)務(wù)場(chǎng)景，要能基于人類的一個(gè)問題，讓機(jī)器有多輪問答，引導(dǎo)出它整個(gè)問題。第三個(gè)是機(jī)器人要了解業(yè)務(wù)，它要進(jìn)行業(yè)務(wù)的建模。

　　場(chǎng)景，它等于業(yè)務(wù)框架+知識(shí)類型+交互方式，這就是我們實(shí)際上對(duì)場(chǎng)景基于語義管理的定義。我們知道一個(gè)用戶有不同的業(yè)務(wù)類別，我們可以對(duì)應(yīng)不同的場(chǎng)景。這些業(yè)務(wù)類別對(duì)用戶而言，首先看到的是業(yè)務(wù)框架，對(duì)于學(xué)習(xí)的知識(shí)庫(kù)而言，能夠看到不同的業(yè)務(wù)框架下有不同的知識(shí)類型。在交互方式上也會(huì)看到機(jī)器人給他的表述方式是不同的，這個(gè)我們管它叫場(chǎng)景化。以前的機(jī)器人在過于單一的場(chǎng)景里面使用同一種方式，都是問答。有時(shí)候不是，營(yíng)銷的時(shí)候交互方式是更副文本一點(diǎn)，普通的時(shí)候可能交互方式適合簡(jiǎn)單的回答，這樣一方面考慮機(jī)器的復(fù)雜和成本，也使得我們?cè)诓煌瑘?chǎng)景下的使用變得更靈活，不同場(chǎng)景的答案不同。另外，以前過于強(qiáng)調(diào)單一的知識(shí)，這里面大家看到的FAQ的知識(shí)，像人類一樣，我們有不同的知識(shí)，機(jī)器人也應(yīng)該學(xué)習(xí)不同的知識(shí)。等下我舉個(gè)海關(guān)的例子給大家講列表型知識(shí)。通常我們進(jìn)海關(guān)，仿真槍能不能帶出海關(guān)？這時(shí)候機(jī)器人給的回答就是整個(gè)法規(guī)，一個(gè)海關(guān)的規(guī)范，但實(shí)際上如果人回答那就直接回答仿真槍不能帶出海關(guān)就可以。這句話意思在列表知識(shí)型里面解析，如果以機(jī)器人不具備知識(shí)架構(gòu)，永遠(yuǎn)做不到人類這樣回答問題，就不能從列表中解析。這是我們想要求的讓他辦理業(yè)務(wù)或者做場(chǎng)景化所必備不同的知識(shí)能力。這三個(gè)我們叫場(chǎng)景定義。

　　場(chǎng)景定義下涉及到建模，定義一個(gè)場(chǎng)景怎么建模，這里面引入BOT建模的方式，通過BOT框架，通過它的底層自帶的概念庫(kù)來滿足機(jī)器人在不同場(chǎng)景下的表現(xiàn)出不同角色的能力，這是BOT概念建模。BOT就是一個(gè)業(yè)務(wù)體系或者一個(gè)圖譜或者就是一個(gè)多維度的業(yè)務(wù)樹，都可以。這是用戶很常見的BOT的拓普?qǐng)D。招商銀行的業(yè)務(wù)劃分，業(yè)務(wù)劃分是像我們培訓(xùn)普通座席一樣，有對(duì)公業(yè)務(wù)、個(gè)人業(yè)務(wù)。對(duì)公業(yè)務(wù)、個(gè)人業(yè)務(wù)再一級(jí)一級(jí)展開。這樣可以告訴他，在機(jī)器的情況下，比如我個(gè)人業(yè)務(wù)里面信用卡，它包括什么，它的知識(shí)要點(diǎn)應(yīng)該包括業(yè)務(wù)流程、業(yè)務(wù)劃分等。機(jī)器人可以在相關(guān)類別情況下進(jìn)行回答，二是它可以去推測(cè)你下一個(gè)問題可能是和什么相關(guān)的，就不會(huì)在所有的問題里面隨意列舉，而是在業(yè)務(wù)框架里面推測(cè)，這個(gè)思維是模仿人的思維進(jìn)行的。我們?nèi)嘶卮饐栴}的時(shí)候也是這樣，屬于信用卡類，問了這個(gè)，我要找信用卡相關(guān)的，我們?cè)贐OT概念樹的情況下進(jìn)行分析，大家可以列為一個(gè)寬表對(duì)屬性的窮舉，這個(gè)概念展開可以非常寬。這里面列舉了涉及BOT里面很多場(chǎng)景，不一一解釋，它的意義是一樣的。基于這個(gè)我們形成框架庫(kù)，我給招商銀行建立BOT場(chǎng)景，我就可以把領(lǐng)域定義為整個(gè)銀行領(lǐng)域，這個(gè)框架我可以定義為銀行哪類業(yè)務(wù)框架，基金辦、概念型知識(shí)或者整個(gè)銀行框架或者信用卡框架，我可以把業(yè)務(wù)領(lǐng)域和業(yè)務(wù)框架定義下來，結(jié)果是我到別的銀行的時(shí)候就可以復(fù)用。比如我到長(zhǎng)沙銀行或者基金管理公司的時(shí)候，我可以把知識(shí)進(jìn)行復(fù)用。基金辦理的框架（見PPT）。

　　概念庫(kù)，這是業(yè)務(wù)領(lǐng)域常涉及到的場(chǎng)景。這個(gè)概念不單單是以前定義的打語義標(biāo)簽的概念，應(yīng)該還包括里面列舉的，比如它的集合概念、同義概念、業(yè)務(wù)概念、敏感概念、糾錯(cuò)概念、停用概念、成長(zhǎng)概念等，把復(fù)雜的概念進(jìn)行處理，使我們?cè)跇I(yè)務(wù)場(chǎng)景里，能使機(jī)器人應(yīng)答更加靈活，可以更符合我去探訪問題本質(zhì)訴求的能力，我知道它應(yīng)該從屬概念的哪類，看到不同的概念進(jìn)行答案的提取。在這個(gè)基礎(chǔ)上我們?cè)龠M(jìn)行不同類型的知識(shí)加工，比如問答類知識(shí)，概念型知識(shí)，列表型知識(shí)和要素型知識(shí)等等。不同知識(shí)的特色，這是典型問答型知識(shí)，信用卡怎么辦、信用卡如何辦理，這就是問答型知識(shí)。概念型知識(shí)，信用卡主要通過訪問什么方式辦理，這里面提取的語義概念要素是信用卡辦理，信用卡辦理的方式、訪問、網(wǎng)點(diǎn)等等，這些要素是被自動(dòng)提取出來，提取出來以后，這句問話變得更加靈活，信用卡怎么辦、信用卡該如何辦理、我該如何辦卡等等，這些內(nèi)容將被列舉成同一條知識(shí)。我們做過一個(gè)測(cè)試，剛才講了銀行里面一個(gè)基本問會(huì)對(duì)應(yīng)1200個(gè)擴(kuò)展問題，通過概念型知識(shí)加工，可以把問題的類別擴(kuò)展類大大縮減，第一步縮減為幾十條，幾十條還不夠，我們希望最后消除擴(kuò)展問，我們拿到適當(dāng)?shù)恼Z料訓(xùn)練之后，最終的目的是消除擴(kuò)展問，讓問題自動(dòng)找答案，或者使用很少的擴(kuò)展問，把機(jī)器人維護(hù)的工作降到最低，對(duì)機(jī)器人有知識(shí)的人知道它的維護(hù)工作有多復(fù)雜，大家看其他銀行上線的機(jī)器人可能就會(huì)有體會(huì)。概念型知識(shí)，這是我們自動(dòng)提煉出來的語義概念，信用卡辦理等等。

　　要素型知識(shí)，典型的是剛才說的賣保險(xiǎn)的問題，我要辦一個(gè)保險(xiǎn)或者買一張火車票等等這樣的問題，后面包含一個(gè)要素，保險(xiǎn)人是誰、年齡是多少、辦什么樣的保險(xiǎn)，火車票是從哪兒到哪兒，哪一天，買什么樣的座位、什么等級(jí)，這就是要素型知識(shí)。里面避免不了的話題是要給用戶畫他的歷史肖像，以前的行為更喜歡什么樣的，喜歡買一等座還是二等座還是喜歡坐票還是臥鋪，這些是我們要給用戶畫像的能力。這要結(jié)合起來。列表型知識(shí)，我們通過對(duì)列表型知識(shí)進(jìn)行加工的時(shí)候，我們可以把機(jī)器人的人機(jī)回答變化一下，例如仿真槍能不能帶上飛機(jī)，這里說某某違禁品是違禁品，不可以帶上飛機(jī)。這是從列表知識(shí)里面提取的答案，仿真槍能不能帶上飛機(jī)？他告訴你仿真槍是違禁品，不能帶上飛機(jī)。比如度秘搜索，他會(huì)回答整個(gè)公約，這不是客服想要的答案。

　　語義技術(shù)在這方面進(jìn)行增強(qiáng)，一是場(chǎng)景化。二是業(yè)務(wù)建模。三是知識(shí)不同表示和知識(shí)加工。四是持續(xù)化的優(yōu)化和服務(wù)的能力。

　　我們用了深度學(xué)習(xí)的算法，一是信息抽取和信息發(fā)現(xiàn)，主要是用在問題的識(shí)別上。現(xiàn)在的算法主要是兩種，CNN的方式和LSTM的方式，在機(jī)器學(xué)習(xí)上學(xué)習(xí)情感表達(dá)和多輪會(huì)話的能力，這是用LSTM的算法來進(jìn)行提取，它也用在答案自動(dòng)生成和提取上，也用在實(shí)體提取和標(biāo)注上，實(shí)體標(biāo)注上我們對(duì)應(yīng)的CRF等等，還有其他算法的組合。這樣一些算法的提取，包括答案生成，我們用對(duì)抗學(xué)習(xí)的機(jī)制來自動(dòng)模擬人類自然語言生成答案，這樣的算法機(jī)制使我們完成了什么呢？我們說一個(gè)和以前的對(duì)比，以前我們?cè)谧稣Z義標(biāo)簽的時(shí)候，我們自己的引擎是通過傳統(tǒng)的機(jī)器學(xué)習(xí)算法構(gòu)成的，我們做擴(kuò)展的時(shí)候，我們?cè)趺炊甲霾混`活，我們?cè)谏虾ｃy行實(shí)際測(cè)試的時(shí)候，我們用這樣的算法替掉原來的引擎，做兩種引擎的對(duì)比，在沒有擴(kuò)展論的時(shí)候，機(jī)器應(yīng)答的準(zhǔn)確率和召回效果，和以前維護(hù)標(biāo)準(zhǔn)兩百條擴(kuò)展論問答效果差不多。

　　這是學(xué)習(xí)流程，結(jié)合用戶畫像當(dāng)前提問和用戶的歷史提問，把這三個(gè)作為我們判別的數(shù)據(jù)源，通過我們對(duì)問題的處理，包括對(duì)概念的規(guī)劃處理，對(duì)問題的分類，對(duì)信息的識(shí)別，最后拿出一個(gè)結(jié)構(gòu)化的用戶意圖，是用JASON表示的，意味著我們的系統(tǒng)可以開放給所有人，只要用JSON進(jìn)行編程的人，我們可以把引擎的意圖開放給所有咱們?cè)谧�的系統(tǒng)。語義識(shí)別的例子，幫我訂一張明天從北京到上海的機(jī)票，最好不經(jīng)常晚點(diǎn)的。我們得出的結(jié)論，這個(gè)人是高大偉，男，36歲，商務(wù)人士，經(jīng)常拜訪客戶，經(jīng)常攜帶藏刀、佛像等禮品。這就是他歷史的畫像，這是我們的數(shù)據(jù)鏈。加上他的問題，我們就輸出這樣的JSON格式，他要做機(jī)票預(yù)定從北京到上海，名字叫高大偉，36歲，商務(wù)認(rèn)識(shí)，對(duì)航班準(zhǔn)確率要求高，他要攜帶禮品。我們會(huì)把完整的JSON數(shù)據(jù)發(fā)放出來，可以結(jié)合數(shù)據(jù)源讓機(jī)器人做后臺(tái)的自動(dòng)分析架構(gòu)結(jié)合語義。

　　同時(shí)我們考慮對(duì)話棧的技術(shù)，像人一樣，人是有記憶的，機(jī)器人回答問題的時(shí)候，最方便的回答是你帶著機(jī)器人和人回答，比如我說，幫我推薦個(gè)信用卡？這個(gè)問題入棧，你問什么幣種、什么職業(yè)。他又說，我想再問一下保險(xiǎn)，他把你的問題打斷了，說了一個(gè)其他的問題，機(jī)器人還是可以自動(dòng)問答，你要什么險(xiǎn)種、額度是什么，這個(gè)是話題的入棧，我把話題推到棧里面去。什么時(shí)候話題會(huì)出棧？一是話題中斷。二是話題徹底解決完了。三是話題異常終止或者完美解決。如果不想買，他就知道。接著回到信用卡，他說，請(qǐng)問你什么職業(yè)？這是不是比較接近客服的自然響應(yīng)。我們把話束記憶也加入機(jī)器人的多輪會(huì)話里面去。通過這個(gè)也可以做所謂的引擎算法熱切換，第一種，傳統(tǒng)語義標(biāo)簽的方式，通過語義標(biāo)簽的方式去減少機(jī)器人在語義和句式變化上對(duì)人需求的維護(hù)，減少這樣的需求。二是基于深度學(xué)習(xí)的方式，基于深度學(xué)習(xí)的匹配，對(duì)兩類內(nèi)容進(jìn)行匹配，一個(gè)是問題到問題，哪些問題是標(biāo)準(zhǔn)問，哪些是擴(kuò)展問，問題到問題的自動(dòng)匹配。二個(gè)是問題到答案，問題到答案的生成很新，我們正在做這方面的努力，也正在跟招商銀行聯(lián)合做這方面的研究，我們?cè)趺磸膯栴}里面生成答案，這樣我們既希望于最后能夠脫離所有的擴(kuò)展問。

　　我們看一個(gè)例子，傳統(tǒng)語義標(biāo)簽的匹配方式，這個(gè)匹配方式做了語義優(yōu)化。比我們以前看到的機(jī)器人好很多，大家可以看到幾年前的機(jī)器人效果比這個(gè)還差。比如我說微信密碼不記得，他回答的方式是我回答不了，小滬功力不足。微信密碼丟了，微信密碼不記得，其實(shí)是一回事。滬是上海銀行實(shí)測(cè)的機(jī)器人，我們把語義標(biāo)簽去掉，換一個(gè)方式，熱切換深度語義，這時(shí)候召回的問題，微信密碼不記得，他會(huì)回答如果忘了微信密碼，我可以推薦知識(shí)。最神奇的是說到微信密碼丟的時(shí)候，還會(huì)推薦相關(guān)的其他類型的知識(shí)。這時(shí)候我們發(fā)現(xiàn)通過深度學(xué)習(xí)可以極大的提升機(jī)器人問題的維護(hù)和回答的能力。

　　場(chǎng)景應(yīng)用，語音質(zhì)檢，語義質(zhì)檢，通過聲音質(zhì)檢可能比較常見，語義質(zhì)檢大家可能看到的比較少，但是可以通過文字內(nèi)容理解這個(gè)人的思維，判斷他回答問題的合規(guī)性。潛客挖掘，貴金屬結(jié)算卡在基金理財(cái)上，分別挖掘出不同的潛在的營(yíng)銷客戶。這使呼叫中心從成本中心變成有可能盈利的利潤(rùn)中心。智能投訴管理的場(chǎng)景化應(yīng)用，我們把投訴分成三類76級(jí)別，把它的機(jī)構(gòu)來自于上級(jí)機(jī)構(gòu)的投訴還是有哪些投訴的升級(jí)，把投訴分類進(jìn)行劃分。我們把整個(gè)客戶中心的投訴看得非常清楚，我通過一張表，我們叫三元組云圖，可以看到所有投訴里面最真實(shí)的投訴內(nèi)容是什么，而不只是關(guān)鍵字。這是我們有些項(xiàng)目投標(biāo)的時(shí)候正在做的，越來越多的銀行提智能IVR語音導(dǎo)航，我們不再使用關(guān)鍵字，以前的方法是關(guān)鍵字，你可以說關(guān)鍵字，用戶很多時(shí)候不說關(guān)鍵字，他直接希望智能客服來問他，請(qǐng)問有什么可以幫你？他直接說我信用卡丟了怎么掛失，然后你直接跳到菜單里面。這是我們倡導(dǎo)的，我們現(xiàn)在也在投一些銀行的項(xiàng)目，我們也覺得越來越多的銀行用戶直接跟我們講，到底機(jī)器人能替掉人工工作多少的比例，我們?cè)谶@個(gè)方向上一直努力。

　　我們希望實(shí)現(xiàn)虛擬座席，我們通過客戶的問題轉(zhuǎn)接到虛擬座席，這個(gè)座席是給他普通座席和權(quán)限的，給他普通數(shù)據(jù)庫(kù)的操作權(quán)限和訪問權(quán)限，以及知識(shí)庫(kù)的訪問權(quán)限。首先它通過小滬機(jī)器人的引擎來做用戶的意圖理解和智能處理，實(shí)時(shí)去辨別知識(shí)類型和場(chǎng)景，同時(shí)也顯示在我們?nèi)说目头�的屏幕上，人類客服可以通過關(guān)鍵字做相應(yīng)的跳轉(zhuǎn)，進(jìn)知識(shí)庫(kù)和頁(yè)面。我們把虛擬座席做成人的助理，而且某些情況下對(duì)固定流程、煩瑣的流程、固定的問答方式，虛擬座席可以完全輔助人類化解，而且他們之間可以一鍵進(jìn)行切換，機(jī)器人可以呼叫人，人也可以呼叫機(jī)器人，進(jìn)行場(chǎng)景切換。

　　渠道是咱們講的全渠道，不用通過任何渠道，網(wǎng)絡(luò)、短信各種方式。我們最近研究一個(gè)有意思的渠道，通過VR的方式來實(shí)現(xiàn)一個(gè)機(jī)器人的渠道，這里面的場(chǎng)景我通過虛擬座席可以做什么，可以咨詢銀行的業(yè)務(wù)，可以進(jìn)行意圖的識(shí)別，做多輪會(huì)話。我可以進(jìn)行營(yíng)銷的主動(dòng)推送，或者推地圖過去告訴你地點(diǎn)在哪里，我可以進(jìn)行各種寒喧、聊天，大家可以在線上找我們的小滬試試，昨天有合作伙伴測(cè)試效果不錯(cuò)。我覺得電影不好看，小滬說我理解您很憤怒。說了一些很有意思的話，這不是你的錯(cuò)什么的。他們寒喧的能力比較強(qiáng)。它也可以做一些超時(shí)的處理，比如時(shí)間過長(zhǎng)的時(shí)候，他可以知道提示電話要斷掉，也可以做無縫轉(zhuǎn)人工和人工和虛擬座席的互轉(zhuǎn)，也可以做沒聽清楚問題的提示，也可以做一些幫助。包括用戶的個(gè)人畫像，我們的畫像以前都是在大數(shù)據(jù)平臺(tái)下打數(shù)據(jù)標(biāo)簽做出來的，這里面講的是用戶和實(shí)時(shí)繪畫過程中自然加工出來的，完全不一樣。我們做精準(zhǔn)營(yíng)銷的畫像，大部分來自歷史畫像，但是時(shí)間已經(jīng)過去了，不是現(xiàn)在的用戶行為。今天的用戶行為是正在講話的時(shí)候的畫像，價(jià)值是不一樣的。包括他的知識(shí)點(diǎn)建設(shè)。

　　虛擬座席的知識(shí)學(xué)習(xí)怎么做的？你怎么進(jìn)一個(gè)人類知識(shí)告訴他？一是對(duì)現(xiàn)有學(xué)習(xí)知識(shí)學(xué)習(xí)、現(xiàn)有知識(shí)強(qiáng)化、新知識(shí)的發(fā)現(xiàn)。以前的機(jī)器人沒有彈出過界面，我們現(xiàn)在把這個(gè)知識(shí)點(diǎn)可以做到普通人就可以加工和維護(hù)的場(chǎng)景，不需要懂人工智能的專業(yè)知識(shí)。知識(shí)特征我們可以做運(yùn)維統(tǒng)計(jì)。系統(tǒng)的實(shí)施團(tuán)隊(duì)，技術(shù)上有三個(gè)團(tuán)隊(duì)負(fù)責(zé)，語義建模是張笑然領(lǐng)6個(gè)人的團(tuán)隊(duì)，語音訓(xùn)練是劉雪蓮領(lǐng)10個(gè)木團(tuán)隊(duì)，接口開發(fā)是張青領(lǐng)20多人團(tuán)隊(duì)來做開發(fā)，這是技術(shù)支持和服務(wù)隊(duì)伍。整個(gè)實(shí)施周期如果并行起來，在4-5個(gè)月可以把無人值守的客戶中心建起來。大家看到這里面有些售后，從業(yè)務(wù)調(diào)研開始，然后到知識(shí)庫(kù)的建立，一直到語義理解的系統(tǒng)功能，到鏈條測(cè)試到整體上線，大概是4-5個(gè)月時(shí)間就可以建立整個(gè)系統(tǒng)。這是實(shí)時(shí)服務(wù)體系，我們做的7×24小時(shí)保障。

　　案例，長(zhǎng)沙銀行的機(jī)器人在微信和Web客戶端進(jìn)行會(huì)話，這個(gè)機(jī)器人是我們前一個(gè)版本，沒有用深度學(xué)習(xí)的樣例，但是已經(jīng)用了語義標(biāo)簽的樣例，長(zhǎng)沙銀行整個(gè)維護(hù)的時(shí)間和維護(hù)周期非常短，整個(gè)實(shí)施周期控制在2個(gè)月左右的時(shí)間，整個(gè)機(jī)器人的知識(shí)建模已經(jīng)做好。招商銀行智能問答做的測(cè)試，這個(gè)測(cè)試是把小招85萬個(gè)匹配不到的問題做了第二次答案，原來匹配不到的問題，小招一鍵轉(zhuǎn)人工，這時(shí)候有大量人工工作量，后面又放一個(gè)機(jī)器人，發(fā)現(xiàn)85萬個(gè)問題，我們召回60萬個(gè)問題。棘輪是機(jī)器人無法回答的85萬個(gè)問題，通過智能匹配，有60萬個(gè)問題以90%+的準(zhǔn)確率找到了答案。

　　我們通過二次匹配進(jìn)行高知性運(yùn)作，通過語義加工和深度學(xué)習(xí)的能力，去減少用戶的人工維護(hù)。智能語音導(dǎo)航也要對(duì)接其他平臺(tái)，比如GeneSys、Avaya、華為、中興等等，這是我們做過的一些案例（見PPT）。廣發(fā)做了機(jī)器人的語音質(zhì)檢，大家看一下它的應(yīng)用，廣發(fā)銀行傳統(tǒng)的人工調(diào)取的方法是效率比較低，成本比較高，而且它也面臨很大的壓力，通過上線以后，制止三千個(gè)座席規(guī)模的客服在基于大數(shù)據(jù)的基礎(chǔ)上來實(shí)現(xiàn)自動(dòng)的語音質(zhì)檢。紅色體現(xiàn)出來客戶價(jià)值，我們的覆蓋率可以做到100%，對(duì)于業(yè)務(wù)熱詞可以自動(dòng)統(tǒng)計(jì)，自動(dòng)推送培訓(xùn)的內(nèi)容，有95%的合規(guī)內(nèi)容被發(fā)現(xiàn)，客服實(shí)時(shí)報(bào)檢是可以做一些分析。現(xiàn)在廣發(fā)也正在做一些關(guān)于語義質(zhì)檢和語義防欺詐的關(guān)聯(lián)分析。比如廣發(fā)辦信用卡的時(shí)候，有很多人寫地址是瞎寫的地址，這個(gè)地址有可能是信用卡的欺詐行為。用常規(guī)的方法很難理解哪個(gè)地址是正確的，哪個(gè)是錯(cuò)誤的，今天的威斯汀也有很多說法，可以說某路某號(hào)，也可以說威斯汀酒店，我們通過機(jī)器學(xué)習(xí)的方法來做地址歸一化的校驗(yàn)，提出錯(cuò)誤的地址，做防欺詐。重慶的案例，我們想做無人值守的客服中心，光有人工智能不夠。我們應(yīng)該用人工智能的能力連接一切。重慶交委做的例子，我們把數(shù)據(jù)用專門的數(shù)據(jù)平臺(tái)連起來，把業(yè)務(wù)平臺(tái)、開發(fā)平臺(tái)、數(shù)據(jù)平臺(tái)、運(yùn)維平臺(tái)、公共平臺(tái)做起來，整個(gè)做成應(yīng)用服務(wù)平臺(tái)，這才是無人值守的客服中心。今天我們重點(diǎn)展開語音和語義兩部分，后面只是給案例的方法給大家展示。

　　這是我們實(shí)際做的一些原子服務(wù)和原子組合，這是我們現(xiàn)場(chǎng)做的采訪，做成業(yè)務(wù)圖譜。

　　謝謝各位！