??
歷經幾十年的探索，人機對弈、對話機器人、自動駕駛等AI成功案例紛紛出現，更多AI應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的王世帥分別發表主題演講，展現了人工智能在多個領域的最新實踐。
加大推力
身處人工智能的黃金時代，我們如何看待AI在半個世紀中的跌宕起伏 ，又是什么原因讓該技術實現突飛猛進?
沒有數據，機器就無法學習。信息技術的快速發展與普遍應用，為AI發展積累了寶貴的海量數據，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。云計算是大數據分析的前提，降低數據提取過程中的成本。
對于擁有數百萬用戶的企業聯絡中心，每天會產生海量的語音數據，長久以來缺少有效挖掘這些沉睡寶藏的工具。“要分析這些語音，首先要把非結構性的語音數據轉成結構性的文本數據，這其中就會用到人工智能的語音識別技術，但因為對計算處理效率的要求特別高，語音數據的挖掘與利用一直未能成熟”，天潤融通人工智能產品經理程鋒分析說，“直到2015年云計算的出現，提供了強大的算力支撐，語音數據的聚類分析才有所發展。”
“算力的提升確實能夠幫助我們訓練更復雜的模型”，愛因互動的王守崑對此深有感觸，在清華大學就讀期間，做一個神經網絡模型最多只能做三層，再增加層數會降低運算效率，模型難以訓練。當時整個實驗室20臺機器加在一起訓練，也無法保證特別好的訓練效果。但現在一款售價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1000萬張圖片進行模型訓練，最終以識別準確率評獎。2014年，有人用15層的神經網絡模型一舉奪得桂冠。到今天，已經有人訓練出150層的神經網絡模型。云計算的廣泛應用，讓超級算力的獲取變得更加容易，不需要像過去那樣，先集成一批機器設備，為算力做很多復雜的前期準備。
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域，因為不涉及實體交互，金融是一個由數據往來構成的行業，銀行業的數據化和信息化發展程度相對領先，數據資源多，具備AI落地的基礎。
在聯絡中心領域，AI作用更加突出，成為提取分析語音數據的必不可少工具。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來優化運營管理，持續提升企業對外服務能力。
主要的場景應有有：智能IVR、智能知識庫
智能IVR：相信我們都有過給企業客戶熱線打電話打經歷，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，接著業務選擇，再接著業務細分選擇，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，并通過該公司業務系統的智能知識庫，進行關鍵詞檢索，鎖定該業務的答案，并通過TTS、系統錄音或者最原始的短信將當前業務的答案發送或者觸達給你。
在呼出場景下，實現智能營銷，通過轉寫分析語音數據，充分挖掘潛藏的客戶需求。包括營銷過程中的話術推薦，這些都是建立在智能質檢和智能知識庫的基礎之上的。天潤融通的人工智能系統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，提高座席產出效率。
未來AI還會在哪些行業有所突破。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，或在替代人工基礎重復的工作場景下發揮作用。
AI已經可以察“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
“在聯絡中心行業，AI的應用越多，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，從事人工智能相關行業的人，或多或少都會被問到“AI是否會代替人工”的問題。
但AI的應用不會讓人變得懶惰，反而會愈加勤快。以聯絡中心為例，AI更多起到監督管理的作用，幾個質檢員要監管幾千座席規模的聯絡中心，問題難以精準定位，但有了AI的輔助，很多基礎繁復的質檢工作都可以由機器快速完成，人能夠更專注于管理優化，而非質檢過程本身。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人之間的中等規模呼叫中心，一般公司需要安排2-5個質檢人員，從大數據來看，一天的質檢數據其實也就是話務量的3%-5%，而且這是建立在理論基礎之下的，如果在實際中，效率可見是非常低的。在這種情況之下，大多數的公司都是采用抽檢的方式，無法做到100%全量質檢。
而人工智能技術就可以很好的解決這個問題。具體是先通過技術轉成文本，然后依托大數據進行關鍵詞匹配，這樣就能夠清楚的知道整個呼叫中心現場的話務質量統計和趨勢，同樣這樣可適用于單個話務員的話務質量分析。而天潤融通的智能質檢系統更優一步，可通過關鍵詞快速定位需檢錄音，一方面節省了質檢的時間，另一方面也節省了質檢的費用。
當然了，人工智能的成效還不盡人意，AI當前實現的能力與企業的期望還存在差距。以程鋒的智能質檢項目為例，語音識別率是亟待解決的問題。通過雙軌錄音標注系統、人工標注、機器學習、行業建模等方式，持續優化語音轉寫精準度。效果肯定是越來越好的，成本也會越來越低，據第三方權威機構GARTER的評估，到2020年止，全球85%的呼叫中心將會進行數字化變革。智能機器人將依托于強大的技術力進入到另外一個更成熟的階段。
“我們所看到的是技術能快速彌補業務所需。長遠來看，AI這條技術曲線是不是足夠高，是不是能快速達到客戶預期，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產品，真正意義上的為客戶創收!
