申請試用

手機號
姓名
驗證碼
我們收到您的消息后,會立刻與您取得聯系。

專注于深度語義理解 紫平方股份占領智能交互機器人入口

2018年12月11日

語言是思維的載體,從“聽清”到“聽懂”,人工智能語義理解技術實現了讓機器人讀懂人類。

北京紫平方信息技術股份有限公司(以下簡稱紫平方股份)基于語義理解技術研發的智能交互機器人,為不同垂直場景中的合作方提供智能交互、情感問答的對話功能,有效滿足用戶多元化對話需求,解決傳統企業客服“低轉化率、高離職率”的痛點。

聚焦智能交互打破語義理解技術高壁壘

作為人工智能直接應用的場景之一,人工智能客服被廣泛應用于商業領域。但從目前的落地現狀來看,市面上大多數智能語音產品只能滿足單點、程式化的一對一簡單對話,離真正意義上的“智能”客服還有段距離。

實現人工智能客服與用戶自由對答的核心技術在于語義理解。語義理解的核心除了理解文本詞匯的含義,還要理解這個詞語在語句、篇章中所代表的意思,需要關于外在世界的廣泛知識以及運用操作這些知識的能力,但礙于人類語言的復雜性與多變性,實現深度語義理解的技術壁壘十分高。

這一制約傳統客服升級的難題,也是人工智能企業攻克的命題。為實現真正意義上的人機自由對話,成立于2012年的紫平方股份基于NLP自然語義理解技術,自主研發智能交互機器人——小紫機器人。作為一種由計算機高度模擬人工自然順暢交流溝通、以打電話或者在線交流的形式向客戶銷售商品和服務的一種人工智能軟件系統,小紫機器人基于GPU集群訓練技術,訓練模型能讓各種機器像人一樣“能聽懂會思考還會開口回答”,其核心技術NLP自然語義理解被認為是紫平方股份的“王牌”,該技術有效打破語義理解技術的高壁壘,突破傳統技術的局限。

據紫平方股份的技術人員介紹,整個NLP發展分為四個階段。第一階段是關鍵詞匹配,第二階段是模糊匹配,第三階段是語法結構,第四階段是大數據+統計語言模型+深度學習。紫平方股份現在采用的是第四階段的方法進行語義分析,NLP技術基于大數據海量訓練樣本的分詞、詞性標注、命名實體識別,定位基本語言元素,消除歧義,支撐自然語言的準確理解,實現生產環境下語義理解的高準確率。從而提高模型在復雜多變的應用場景下的效果穩定性和適配性,應對不同行業的客服場景需求。

提升服務體驗全面落地商業化應用

分析人士指出,人工智能語義理解技術壁壘高的原因,除了NLP技術本身存在難度外,也要求智能交互機器人具備應對不同個體的自我學習與迭代能力,擁有思考的“大腦”,即應有具備深度學習能力的“知識圖譜”。

知識圖譜是基于現有數據的再加工,包括關系數據庫中的結構化數據、文本或XML中的非結構化或半結構化數據、客戶數據、領域本體知識以及外部知識,通過各種數據挖掘、信息抽取和知識融合技術形成一個統一的全局的知識庫。

簡而言之,知識圖譜就是把所有不同種類的信息連接在一起而得到的一個關系網絡。要對行業建立起深厚的認知,需要長時間的行業積淀,這是知識圖譜垂直應用少的另外一個原因。目前能將知識圖譜實現行業垂直應用的企業鳳毛麟角。

作為語義理解技術的鉆研者,紫平方股份早已構建不同細分行業的知識圖譜。在實際應用中積累了大量的數據,然后基于用戶不斷提出的問題,最終按統計方法得出一個命中率比較高的問題。隨著問題不斷增多,機器人又具備自主提升意圖判斷的學習能力,從而設置的自動引導問題的準確率也會越高。

隨著智能客服的不斷發展,人們也不滿足于單一的問答式服務,情感陪伴式對話成為用戶服務的新訴求。基于對客戶需求的深刻洞察,紫平方股份深度應用TTS文本轉語音技術,并為此付出了諸多心血。比如為模擬真人語音,紫平方股份聘請專業人士錄音并付費買斷了上百萬句,選用真人錄音進行割裂后重組,以實現紫平方股份的全變量TTS。TTS可以模擬真人發音,讓對答發音更加擬人化和趣味化,全方位提升服務體驗。據悉,未來紫平方股份還將針對此模塊添加語氣助詞,更大限度的提升機器人發音功能的擬人化。

在產品的商業化方面,紫平方股份目前聚焦于企業服務領域,與合作方共同打造產品交互體驗。據統計,企業級服務的市場規模在2020年將達到上萬億元,其中降低企業人力成本的垂直細分市場智能客服,對應的是千億規模。目前,紫平方股份已經與中國聯通、中國電信、航天科工集團等行業標桿企業達成合作,服務過的企業超過1000多家。小紫機器人客服應用覆蓋到金融、運營商、房地產、電商、汽車、保險等十幾個行業領域。

當下,人工智能深刻變革客服行業,提升服務的便捷性與可得性。隨著可應用的場景不斷擴大,智能客服不只局限于傳統的在線、移動端等多媒體或者新渠道的自助和智能化,而是從多媒體到電話等全渠道智能化,并實現進一步打通。而未來,人工智能或可實現人與機器人的“無感知”對話,在這一過程中,紫平方股份無疑走在了前列。