張瑞飛

我們在2014年與中國工商銀行做了一項實際測試，嘗試用深度學習的方法對工商銀行的電話咨詢原因進行分析，通過學術(shù)算法應(yīng)用到實際中，我們發(fā)現(xiàn)所產(chǎn)生的結(jié)果并不一致。機器很難識別同義和反義詞，并且對于評價對象和評價內(nèi)容的區(qū)分等問題在實際應(yīng)用當中一直存在。

解決此項問題的基礎(chǔ)，首先要解決的是計算機處理語言符號和語義的認知技術(shù)，能夠?qū)⑵胀ㄈ丝吹降脑~語分成概念符號和定義，通過這樣的分解我們定義了在深度學習中非常重要的概念—語言理解的最深度數(shù)據(jù)結(jié)構(gòu)是什么？是語言本體加語言范疇加語言表述。以這個為基礎(chǔ)我們在深度學習中嘗試增加了一些理解漢語歧義的能力，如果在兩種以上的場景里使用，能否為多種歧義語言增加應(yīng)用空間？通過這樣的理解我們進行了與傳統(tǒng)自然語言處理不同的方式，把傳統(tǒng)的符號化作為基本單元理解成為語義網(wǎng)絡(luò)的計算方式并進行改革。

人工智能同樣沒有免費的午餐，在智能語言識別中還需要更多的積累，目前我們積累了83000個語言庫概念單元，在句法上總結(jié)了8類基本句類和3192個混合句類，根據(jù)語境單元標注標簽，根據(jù)語言篇章進行記憶表述，可以求出更準確的中英文翻譯結(jié)果。神州泰岳在人工智能發(fā)展中的特色是什么？第一，我們用三種不同的語義挖掘方法進行概念計算、統(tǒng)計計算、關(guān)聯(lián)計算。概念計算是把語義符號轉(zhuǎn)換成概念，統(tǒng)計計算是深度學習和機器學習的方法，關(guān)聯(lián)計算是關(guān)系圖譜的計算，同時調(diào)用了兩種資源，一是建立8萬個多個語義、語言基礎(chǔ)庫資源，二是增加了算法資源，以實時、批量、可流通等三種方式進行調(diào)換。在這個過程中我們意識到，人工智能的發(fā)展不能依靠一家企業(yè)來完成人推廣。我們希望用生態(tài)取代平臺概念，我們開發(fā)了很多系統(tǒng)，包括大數(shù)據(jù)管理平臺、大數(shù)據(jù)應(yīng)用模板、大數(shù)據(jù)挖掘模型等，我們希望生態(tài)是任何企業(yè)或個人都能進入到系統(tǒng)中，隨時隨地與我們產(chǎn)生合作。

目前只有一種方法能實現(xiàn)這樣的愿景，把我們所開發(fā)的產(chǎn)品變成服務(wù)來標準化應(yīng)用到服務(wù)接口上，方便每一個合作伙伴去利用，這樣就形成了生態(tài)的第一個概念。

第二個概念，當進行行業(yè)應(yīng)用時，行業(yè)的優(yōu)秀經(jīng)驗需要被分享。但是需要給該行業(yè)什么工具，怎么把該行業(yè)的數(shù)據(jù)、技術(shù)能力和業(yè)務(wù)能力一起分享？這是我們?nèi)〈鷳B(tài)平臺，所進行的研究方向。

第三個概念，用數(shù)據(jù)消費取代數(shù)據(jù)管理。當企業(yè)進行數(shù)據(jù)表、數(shù)據(jù)試點、數(shù)據(jù)視圖等大量基礎(chǔ)工作時，生成一個報表需要一個月的時間?，F(xiàn)在大數(shù)據(jù)的狀態(tài)是倡導(dǎo)數(shù)據(jù)的時效性，我們希望在新的系統(tǒng)設(shè)計里，運用數(shù)據(jù)消費去取代數(shù)據(jù)管理。

第四個概念，打通所有的信息孤島。我們與企業(yè)合作當中，有三種信息孤島類型。第一，結(jié)構(gòu)化與非結(jié)構(gòu)化信息孤島；第二，外部互聯(lián)網(wǎng)數(shù)據(jù)和企業(yè)內(nèi)部信息孤島；第三，企業(yè)交易數(shù)據(jù)和第三方交易數(shù)據(jù)。

第五個概念，在業(yè)務(wù)創(chuàng)新平臺的開發(fā)中，我們希望業(yè)務(wù)人員能夠主動參與進來，在平臺應(yīng)用的孵化器中不斷進行創(chuàng)新。2016年8月，我們在平臺上進行了五個應(yīng)用的開發(fā)，每三個月都會開發(fā)一款新型產(chǎn)品，應(yīng)用到企業(yè)中，方便企業(yè)使用。

結(jié)合平臺設(shè)計理念，我們嘗試把機器學習、語義分析和互聯(lián)網(wǎng)大數(shù)據(jù)，以及數(shù)據(jù)模型統(tǒng)一起來，建立共享生態(tài)圈，以數(shù)據(jù)采集、業(yè)務(wù)流程和業(yè)務(wù)邏輯、數(shù)據(jù)挖掘、數(shù)據(jù)分析、數(shù)據(jù)可視化，將多層API全部打開，來滿足基礎(chǔ)調(diào)用能力，形成整個社區(qū)生態(tài)圈，提供不同的工具給社區(qū)技術(shù)人員或業(yè)務(wù)人員以及增值服務(wù)商。

2014年Google提出大數(shù)據(jù)流水線概念，使用加工算法，在數(shù)據(jù)采集、清洗加工、融合利用、數(shù)據(jù)供給四個領(lǐng)域做到實時處理，雖然這種概念與傳統(tǒng)數(shù)據(jù)相似，但是用于實際應(yīng)用領(lǐng)域卻非常陌生，怎么進行實時數(shù)據(jù)供給和融合？實時流水線幾乎涵蓋一切數(shù)據(jù)，從工控到文件，全部以毫秒級處理。

基于這個能力我們與亞馬遜合作，把數(shù)據(jù)流水線開發(fā)成可視化數(shù)據(jù)，取代傳統(tǒng)的API調(diào)用方式。在取得數(shù)據(jù)以后，則需要更快更強的數(shù)據(jù)處理方式，通過對spark底層進行實時優(yōu)化，包括數(shù)據(jù)緩存中上、下文的兼容、序列器、操作等，將spark性能提升20倍，在這個基礎(chǔ)上，能夠利用大數(shù)據(jù)集群同時完成流水處理所有的數(shù)據(jù)任務(wù)。

為了開發(fā)人工智能數(shù)據(jù)分析引擎，我們開發(fā)了算法工程，包括數(shù)據(jù)處理、特征工程、特征學習、特征比對、自動調(diào)參、模型優(yōu)化、模型部署以及整個人工智能模型建模的工程開發(fā)。而智能語言業(yè)務(wù)有很多流程，我們具備高速的流程引擎，可同時在機器學習算法上添加實時操作應(yīng)用來實現(xiàn)機器人客服。

而機器人需要支持多輪對話，我們重新編寫了機器人底層的知識結(jié)構(gòu)，把知識分成普通的問答知識、要素型知識、列表型知識、矩陣型知識，形成機器人的本能反應(yīng)，這樣機器人就可以從事客服工作。

（根據(jù)演講內(nèi)容整理，未經(jīng)本人審核）endprint