“任何足夠先進的技術(shù)，初看起來都與魔法無異”——這是著名科幻作家克拉克總結(jié)的第三定律。

今年以來ChatGPT掀起的智能交互變革，大語言模型的智能涌現(xiàn)能力，在很多人眼里，真的就像魔法一樣。

當(dāng)然，大家心知肚明，技術(shù)世界里哪有什么秘訣和魔法，還不是一行行代碼、一個個日日夜夜、一次次的bug調(diào)優(yōu)迭代，最終讓技術(shù)創(chuàng)新像魔法一樣出現(xiàn)，驚艷世人。

所以，在如火如荼“大煉模型”的時間節(jié)點上，比起技術(shù)的玄妙，我們更關(guān)心那些“高大上”的技術(shù)，究竟是如何被打磨出來的，又會怎樣改變我們的生活與工作？

要弄懂這一點，就需要了解技術(shù)的真實進展與發(fā)展脈絡(luò)。于是，我們想到了“吳文俊獎”。

如果你關(guān)注AI領(lǐng)域的硬核技術(shù)，一定對“吳文俊獎”不陌生。

2011年，中國人工智能學(xué)會發(fā)起設(shè)立的“吳文俊人工智能科學(xué)技術(shù)獎”，是我國智能科學(xué)技術(shù)領(lǐng)域唯一依托社會力量設(shè)立的科學(xué)技術(shù)獎，也被譽為“中國智能科技最高獎”。

十二年來，吳文俊獎激勵著扎扎實實的個人、技術(shù)和項目，同時作為一扇窗口也展現(xiàn)著中國AI的發(fā)展方向和探索成果。

在“吳文俊獎”科技進步獎的名單中，我們看到了一個與類ChatGPT技術(shù)同出一源（NLP）、又獨辟蹊徑的項目——任務(wù)型智能對話交互關(guān)鍵技術(shù)及大規(guī)模產(chǎn)業(yè)應(yīng)用，由京東的何曉冬博士團隊研發(fā)。

簡單來說，這是一個由語言模型、圖像生成、數(shù)字人等多種能力構(gòu)成的技術(shù)群落，并實現(xiàn)了從學(xué)術(shù)界到產(chǎn)業(yè)界的落地。

如果我們想了解智能對話的“魔法”，以及正在真實發(fā)生的產(chǎn)業(yè)變局，這些具體而真實的場景、人、技術(shù)和創(chuàng)新，是一個非常好的切面。

登上吳獎獎臺的技術(shù)，也是你我身邊的“魔法”

吳文俊人工智能科技進步獎是頒給底層技術(shù)的，而相比復(fù)雜艱深的學(xué)術(shù)名詞、函數(shù)公式，普通讀者更關(guān)心的是，這些底層技術(shù)究竟是怎樣從吳獎獎臺，來到你我身邊，變成日常生活中的“AI魔法”的？

這一次，京東何曉冬博士團隊，告訴了我們答案。

在訪談現(xiàn)場播放了一段枸杞帶貨的視頻，視頻中人物的形象、腳本、語音和動作全部都是AI生成的。

這種高真人還原度的AI應(yīng)用，正是基于獲得吳文俊獎的京東云智能交互技術(shù)體系打造的。

何曉冬博士透露，京東一直持續(xù)技術(shù)投入，在AI領(lǐng)域沉淀出的綜合性應(yīng)用平臺就是“言犀”。

開放式閑聊，用戶對技術(shù)的包容度很高，即便系統(tǒng)犯錯，用戶也可能會覺得有趣。但在言犀面對的任務(wù)型對話場景中，用戶都會帶著解決復(fù)雜問題的明確目的。以應(yīng)用最廣的零售場景為例，他們需要智能客服精準(zhǔn)解答售前咨詢、退換貨、配送等各環(huán)節(jié)的問題，這時候系統(tǒng)犯錯，就是“火上澆油”。

所以，“言犀”的語音生成、情緒感知、多輪對話決策推理等核心技術(shù)，必須滿足真實場景的嚴苛需求。

（京東云“數(shù)字人”）

為此，京東云在技術(shù)上進行了大量創(chuàng)新：

1. 知識指導(dǎo)的多模態(tài)可控對話生成。就拿數(shù)字人直播來說，要還原真人的表現(xiàn)力，做到惟妙惟肖的語氣、口音，對技術(shù)的先進性要求很高。京東云言犀團隊提出了多顆粒度韻律增強的語音合成技術(shù)，提高語音的韻律豐富度和可控性。同時，提出了知識融合的預(yù)訓(xùn)練語言模型和多模態(tài)可控對話文本生成模型，提升生成文本的專業(yè)度豐富度。這樣，一個AI科學(xué)家也能在數(shù)字世界里，一秒化身“養(yǎng)生專家”，頭頭是道地提供相關(guān)領(lǐng)域知識。

2. 極簡條件下智能行為感知與數(shù)字外觀重建。說實話，數(shù)字人帶貨的視頻很難分辨出是AIGC，其中一個原因就是生成的動作自然、合理，“不像假的，再看看”。這源于言犀團隊與清華大學(xué)等一起提出的一系列高精度人體外觀感知與重建方法，達到國際領(lǐng)先水平，算法效率提升了1個數(shù)量級，可以在極簡條件下進行人體重構(gòu)，應(yīng)用于數(shù)字人交互服務(wù)場景。

3. 多輪對話決策推理。在實際場景中，數(shù)字人主播可以跟真人消費者進行復(fù)雜的互動和講解，那么問題來了，現(xiàn)實中的人會有口語化、不規(guī)律停頓等情況，如果AI在用戶思考的時候就盲目打斷，把對話接過來，很可能讓用戶不高興，這就不夠智能了。何曉冬博士介紹到，智能對話的本質(zhì)是決策，AI要能夠以毫秒為單位，進行綜合性、多模態(tài)的判斷，然后決定什么時候切進去、什么時候繼續(xù)等待。針對人/機話語權(quán)決策等問題，言犀團隊提出了多輪對話決策推理等技術(shù)，打造了國際領(lǐng)先的解決方案，此前還曾獲得國際競賽Wikihop、HotpotQA冠軍。

登上吳文俊獎領(lǐng)獎臺的“技術(shù)魔法”，背后是一件件源于扎實應(yīng)用場景，具體而真實的創(chuàng)新，也在2022年7月通過了中國人工智能學(xué)會組織的科技成果鑒定，組委會做出了“該項目技術(shù)復(fù)雜，研制難度大，創(chuàng)新性強，項目成果整體處于國際先進水平”的評價。

京東魔術(shù)師：一群AI人的“側(cè)寫”

在訪談現(xiàn)場，我們見到了言犀團隊的多位成員，一番對話后，我愿稱他們?yōu)椤〇|“魔術(shù)師天團”。

為什么這么說？其實，在國際賽事上刷榜的國內(nèi)團隊很多，但能讓技術(shù)真正創(chuàng)造產(chǎn)業(yè)價值與社會效益的團隊，真是鳳毛麟角。

在吳文俊獎的最終答辯環(huán)節(jié)，面對院士專家組成的評審團，何曉冬博士分享了一個現(xiàn)實案例：去年北京市有2600萬通“96010”電話，是借助言犀的人工智能對話技術(shù)打出去的。而這些工作，如果沒有用AI，需要1萬名社區(qū)人員不停地打好幾個月。

技術(shù)成果的規(guī)?；瘧?yīng)用，產(chǎn)生了重大的經(jīng)濟和社會效益，也是評委們認可的要點。

這種將技術(shù)價值與產(chǎn)業(yè)價值“合二為一”的能力，正是源自京東云言犀團隊的全員“魔術(shù)師”，看似神奇的成果背后，是日復(fù)一日的苦練鉆研，以及想用技術(shù)創(chuàng)新推動產(chǎn)業(yè)躍遷那份心意，最終點亮了AI魔法。

“學(xué)術(shù)”與“產(chǎn)業(yè)”是“兩層皮”，這個問題一直困擾著全球?qū)W術(shù)界和工業(yè)界的眾多研究者。即學(xué)術(shù)成果和落地應(yīng)用之間，很難達到一體化，要么學(xué)術(shù)成果難以落地，要么落地之后效果不好，成了“買家秀”和“賣家秀”的區(qū)別。但在京東，好像這個問題并不存在。

我們訪問了幾位團隊成員，從他們口中找到了技術(shù)的產(chǎn)業(yè)落地“之所以是京東”的答案。

1.嚴謹態(tài)度。技術(shù)創(chuàng)新必須經(jīng)由實踐效果的檢驗。何曉冬博士透露，今年言犀要發(fā)布一個千億級大模型，但內(nèi)部非常嚴肅看待這次技術(shù)革命，做大模型不是為了好玩，也不是發(fā)個產(chǎn)品就可以了，而要在京東核心關(guān)鍵的場景上有比較好的實踐效果后，才能讓合作伙伴落地使用。

2.深入業(yè)務(wù)。吳友政博士在自然語言處理、人機對話、語音識別、機器翻譯等前沿技術(shù)研究和產(chǎn)品研發(fā)方面成果斐然，他介紹到，京東云言犀團隊做的很多技術(shù)攻關(guān)，目標(biāo)就是解決京東復(fù)雜的、真實的、大規(guī)模場景中的問題，要求算法同學(xué)們都要深入業(yè)務(wù)，而不是在實驗室做模型。所以，2018年產(chǎn)業(yè)互聯(lián)網(wǎng)還沒有那么火熱的時候，言犀就已經(jīng)在B端智能領(lǐng)域進行了探索，了解每個業(yè)務(wù)的痛點，和業(yè)務(wù)同學(xué)梳理出真正的問題是什么，用最終的業(yè)務(wù)指標(biāo)去衡量技術(shù)先進性。

3.擁抱用戶。在交流中，幾位技術(shù)人員都提到了一個“人”——用戶。

語音合成領(lǐng)域的張政臣博士說，技術(shù)攻堅中最大的困難，就是用戶明顯感覺到“你這個技術(shù)不行啊”，最開心的時候，是聽到大家說，“我跟何博士很熟，剛才那段生成對話居然沒有聽出來”。

陳蒙博士負責(zé)人機對話，最典型的落地場景就是智能客服，京東零售有幾千個品類，每個店鋪賣的東西不一樣，智能客服要針對不同品類來回答用戶的售前售后問題，陳蒙博士說：“實際應(yīng)用時，不是每家企業(yè)都有GPU卡，還要考慮不增加企業(yè)的成本，還能有比較好的初始效果，這就要求我們提高模型的泛化能力。”

語音識別方向的范璐博士，一個核心任務(wù)就是理解用戶說話的情緒，來理解客戶到底在什么階段有什么需求，從而做出更準(zhǔn)確的決策判斷，來提供更好的服務(wù)。他直言：“做技術(shù)的人要理解用戶的問題，去找解決問題的錘子，而不是拿著錘子找釘子……當(dāng)用戶反饋說，我們的一些產(chǎn)品真的幫助到了他，感到了關(guān)懷和溫暖，我感覺加過的班都值了?！?/p>

魔術(shù)師的帽子里，有抽不盡的彩帶，飛翔的白鴿，只為了讓觀眾驚艷、笑出聲來。對于用戶來說，京東云的技術(shù)人員，正是在產(chǎn)業(yè)里制造神奇的魔術(shù)師，讓艱澀的技術(shù)和枯燥的代碼，轉(zhuǎn)變成產(chǎn)業(yè)應(yīng)用的繁花似錦、用戶指尖的靈機一現(xiàn)。

產(chǎn)業(yè)AI：一個關(guān)乎中國的遠大前程

狄更斯在《遠大前程》中，展現(xiàn)了時代轟然向前對個人的成長和經(jīng)歷，會產(chǎn)生巨大影響。這與我們當(dāng)下所處的時代變遷，何其相似？

今年以來，交互方式的變革，讓絕大多數(shù)人都感受到了人工智能洶涌澎湃的力量。沒有人會懷疑，智能技術(shù)正在快速重構(gòu)一切，關(guān)乎一個人、一家企業(yè)乃至一個國家的遠大前程。

何曉冬博士坦言，AI正在帶來新的生產(chǎn)力，幫助商業(yè)效率進一步提升。

而在這個確定的未來中，一家企業(yè)需要具備怎樣的基礎(chǔ)能力？

何曉冬博士覺得，答案是“產(chǎn)業(yè)AI”。

何曉冬博士很清楚，一項新技術(shù)要從學(xué)術(shù)界抵達產(chǎn)業(yè)，真正發(fā)揮效用，中間存在無數(shù)限制和困局。

他說：“人的終極三問——我是誰，從哪來，要到哪去，放在AI這就是要思考，智能是什么，智能的脈絡(luò)和智能體能為現(xiàn)實世界帶來什么?！笨茖W(xué)家做研究，解決第一個問題很容易，造出一個“智能機器”，但落地到物理世界的時候，未必能解決每個具體場景和從業(yè)者的痛點。何曉冬博士說到：“我最近五年在京東做‘產(chǎn)業(yè)AI’，覺得這個路子是值得持續(xù)挖掘的，技術(shù)能深入到社會和經(jīng)濟領(lǐng)域，真正減輕客服等工作人員的負擔(dān)，提高生產(chǎn)效率?！?/p>

這五年，也是京東云成長的五年，已經(jīng)探索出了一條產(chǎn)業(yè)AI的路線圖：

以技術(shù)為起點，建立完善可用的技術(shù)底座。

一方面，解耦京東技術(shù)與服務(wù)能力，京東云將數(shù)智供應(yīng)鏈場景中成長出的AI能力，服務(wù)千行百業(yè)。此外，始終搶先布局，針對大模型等新技術(shù)一直在布局，比如百億級模型Vega，在全球機器翻譯比賽上獲得了多個第一名，體現(xiàn)了京東在大模型方面的技術(shù)積累和技術(shù)實力。

以產(chǎn)業(yè)為終點，服務(wù)傳統(tǒng)實體行業(yè)。

何曉冬博士提到，技術(shù)落地最大的困難就是，很多科學(xué)家覺得有價值的事情，對行業(yè)來說沒有解決內(nèi)部痛點。自己前20年做技術(shù)，能消除學(xué)術(shù)和產(chǎn)業(yè)的鴻溝，是他加入京東后非常欣慰的事。

比如對消費者來和對用戶來說，直接使用智能交互技術(shù)，是很難的，而京東憑借自身零售、物流、產(chǎn)銷等業(yè)務(wù)能力，可以將整個業(yè)務(wù)系統(tǒng)串聯(lián)起來，同時將京東內(nèi)部實踐錘煉出的AI能力，進行成本、效率、體驗的再優(yōu)化，然后對外賦能。

言犀智能人機交互平臺，就是技術(shù)規(guī)模化賦能實體行業(yè)的載體，整合了過往產(chǎn)業(yè)實踐和技術(shù)積累，在每天上千萬人次多輪對話交互服務(wù)中持續(xù)迭代，產(chǎn)業(yè)服務(wù)能力突出。

比如政務(wù)領(lǐng)域，京東云將言犀的新一代人機協(xié)同技術(shù)全面注入政務(wù)熱線服務(wù)，幫助東莞12345熱線，進行了智能化升級。東莞12345熱線2022年全年話務(wù)受理量從270萬通升至581萬通，在工單自動轉(zhuǎn)寫、精準(zhǔn)派單、智能知識庫聯(lián)想等能力的加持下，接通率由40%升至超90%，等候時長由80秒壓至30秒，工單平均辦理時長由12.6天壓至4.3天，滿意率升至96.8%。在保定，借助京東云的對話分析技術(shù)，保定12345實時預(yù)警研判出多起覆蓋升學(xué)、食品安全、營商環(huán)境等方面潛在群體事件……

企業(yè)服務(wù)領(lǐng)域，直播已經(jīng)成為各大企業(yè)觸達潛在消費者、擴展品牌知名度的重要渠道，某頭部3C品牌就借助言犀數(shù)字人產(chǎn)品，定制了自己的IP形象，實現(xiàn)了非真人時間段的快速開播。目前，數(shù)字人主播的每日成交金額最高達到真人主播的2.3倍，每小時成交金額占真人45%，但成本不到真人的十分之一，幫助品牌服務(wù)好消費者，同時降本增效。

AI的技術(shù)起點與產(chǎn)業(yè)終點之間，需要深度應(yīng)用、不斷打磨，京東云有一群將AI學(xué)術(shù)與產(chǎn)業(yè)緊密結(jié)合的技術(shù)人，愿意深耕每一片產(chǎn)業(yè)熱土。

不斷聆聽來自產(chǎn)業(yè)和用戶的聲音，徹底改變那些沉淀已久的頑疴，這是京東云能持續(xù)讓技術(shù)在產(chǎn)業(yè)領(lǐng)域中產(chǎn)生價值的重要原因。

今天，AI+產(chǎn)業(yè)已經(jīng)上升為國家戰(zhàn)略和社會的共同期待，但想讓AI真正為行業(yè)帶來價值，惠及千家萬戶，僅僅有宏大的愿景與美好的希冀遠遠不夠，將學(xué)術(shù)圣殿與產(chǎn)業(yè)土壤鏈接到一起，才有完整的“產(chǎn)業(yè)AI”，才能回答人生的“終極三問”。

從京東云言犀團隊的獎杯里，我們可以讀到產(chǎn)業(yè)AI的春華秋實，理解技術(shù)走向物理世界的因果。

每一個神奇時刻的背后，其實沒有“銀彈”，沒有奇跡，只有踏踏實實深入AI世界深處的人與故事。