人工智能已經(jīng)歷了五六十年的跌宕起伏，如今已經(jīng)迎來了大發(fā)展時期，目前我國針對人工智能未來發(fā)展也制定了相關(guān)規(guī)劃。我認為人工智能在未來5至20年的發(fā)展過程中，將在市場上取得非常大的進步。如今的智能機器人發(fā)展，可以從兩個市場角度進行分析：第一，針對相應(yīng)的消費群體。目前在市場中針對兒童教育和聊天機器人的種類非常廣泛。第二，針對專業(yè)領(lǐng)域群體。服務(wù)型機器人，無論在服務(wù)行業(yè)、企業(yè)、公共事務(wù)和公檢法等領(lǐng)域，也都有很大的發(fā)展空間。而專業(yè)領(lǐng)域服務(wù)型機器人，普遍采用的技術(shù)手段包括機器學(xué)習(xí)、深度學(xué)習(xí)和增強學(xué)習(xí)等。

為什么要強調(diào)專業(yè)領(lǐng)域？因為專業(yè)領(lǐng)域與消費領(lǐng)域相比，最大的區(qū)別在于，專業(yè)領(lǐng)域的服務(wù)型機器人語料并不豐富，不像聊天機器人可以獲取大量的語料，并利用計算能力、CPU、GPU和算法等技術(shù)手段，形成語言智能機器人。但是在專業(yè)服務(wù)領(lǐng)域，對應(yīng)答的精準(zhǔn)度要求較高，同時專業(yè)服務(wù)領(lǐng)域機器人也存在語料匱乏等情況，雖然我們廣泛地采用了深度學(xué)習(xí)等方法，也取得了一些成果，但對于開發(fā)專業(yè)服務(wù)領(lǐng)域機器人，我們還有很長的路要走。

專業(yè)服務(wù)領(lǐng)域機器人不僅面臨準(zhǔn)確率的挑戰(zhàn)，同時還面臨應(yīng)用場景單一化的挑戰(zhàn)。目前在市場中充斥著很多客服機器人，作為一個企業(yè)，我們?yōu)榭蛻籼峁┓?wù)的同時，希望通過智能服務(wù)機器人主動進行外呼功能，來獲取新的銷售機會。但是由于外呼業(yè)務(wù)場景和傳統(tǒng)客服業(yè)務(wù)場景的差別較大，如果運用機器人在傳統(tǒng)的客服場景中進行外呼，很難滿足企業(yè)需求。

無論是消費領(lǐng)域的機器人還是專業(yè)服務(wù)領(lǐng)域的機器人，面臨的最重要問題是知識加工。知識加工是一個非常核心的工作，針對專業(yè)服務(wù)機器人而言，知識加工很大程度上依賴人工的問答方式，這使得維護機器人的代價高昂，同時隨著業(yè)務(wù)的發(fā)展和新產(chǎn)品的推出，也使得知識加工過程非常艱難。

如何解決此類問題？目前神州泰岳除采用深度學(xué)習(xí)等方法外，還引入專有中文信息處理理論基礎(chǔ)，二者合一同時對語義進行處理，我們將此項技術(shù)稱之為“智慧語義”。語言存在歧義性，同一個詞可能表達不同的概念，而同一個語言含義也存在多種表達方式，這都給自然語言處理帶來極大困難。針對這些方面的問題，我們在底層進行了很多基礎(chǔ)工作，我們將一些常用詞匯，在不同的領(lǐng)域中所表達的概念進行機器編碼，并把相同的詞匯在不同的應(yīng)用場景所表達的含義進行區(qū)分，最后我們針對編碼進行語義概念計算，得出不同場景中相應(yīng)的語義。

用傳統(tǒng)的自然語言處理的方法，對語義進行處理，會得到不同的句法分析，而不同的句法分析也會得出不同的語義，這就給語言處理帶來了語言歧義問題。我們通過底層概念，使每個語義形成一個網(wǎng)絡(luò)，并使不同的語義表達方式形成不同的網(wǎng)絡(luò)，通過語義算法把語義進行統(tǒng)一，這樣就可以甄別在不同環(huán)境下的語義，所表達的含義是是否一樣。

我們基于對市場的研究和現(xiàn)有的技術(shù)儲備，在設(shè)計機器人時，第一采用了場景化設(shè)計。使機器人在上線部署之后，可以支持客服、外呼以及營銷等場景的應(yīng)用，使用戶在一次性投入后可直接應(yīng)對不同的服務(wù)場景，來滿足企業(yè)用戶需求。第二我們在設(shè)計機器人時的側(cè)重點是知識加工，知識的自動加工一直是我們努力的方向，目前雖然不是所有知識都可以通過技術(shù)手段進行加工，但是一些較為基本的知識，完全可以進行自動加工。我們將不同的場景進行關(guān)聯(lián)，當(dāng)客戶進行咨詢和投訴時，會通過客服等手段進行聯(lián)系，在咨詢和投訴的情況下，企業(yè)可能會在其中發(fā)現(xiàn)潛在的銷售機會，這時我們需要在營銷場景中，為企業(yè)用戶推出相應(yīng)的營銷資料。

而且同一個語義的表達方式非常之多，在諸多的表達方式中，很多情況下只是在闡述同一個問題。過傳統(tǒng)的方式，是把可能發(fā)生的語義全部羅列出來，然后進行匹配。當(dāng)我們提出問題后，機器人會尋找相應(yīng)的答案進行回復(fù)，但通過概念計算的方式，直接提取語言中的概念，機器人不用進行相應(yīng)的語言匹配操作，就會直接推出答案給我們。

目前我們在語言智能機器人方面，取得了三個方面的進步。第一，準(zhǔn)確率方面，由于我們采用概念計算的語義認知技術(shù)，相對傳統(tǒng)語義分析的準(zhǔn)確率要高。第二，在實施企業(yè)專業(yè)服務(wù)機器人時，我們不需要運用人工知識加工技術(shù)進行維護。第三，機器人的一次性實施可以支持多個場景應(yīng)用，在增加了實施效率的同時，降低了運營成本，這是我們的優(yōu)勢。

雖然在語言智能機器人方面我們?nèi)〉昧艘恍┏煽?，但我們也對自己的后續(xù)發(fā)展進行了規(guī)劃。第一，我們希望運用“多模態(tài)”的場景對技術(shù)進行支持。所謂多模態(tài)，就是在支持文字的情況下，還要支持語音、圖像、視頻等。第二，我們現(xiàn)在雖然滿足了客服、營銷、外呼等場景的應(yīng)用，同時我們也在積極開發(fā)其他領(lǐng)域的場景應(yīng)用。endprint