由中國人工智能學(xué)會(huì)主辦，廣州易間網(wǎng)絡(luò)科技有限公司承辦的2018第八屆中國智能產(chǎn)業(yè)高峰論壇11 月17-18日在成都完美收官，論壇在兩天的會(huì)議里帶來了多場(chǎng)精彩報(bào)告。

此次小編為大家整理的是來自上海樂言信息科技有限公司CTO王昊奮主題為《智能問答在企業(yè)計(jì)算中的機(jī)遇與挑戰(zhàn)》的精彩演講。

王昊奮

上海樂言信息科技有限公司CTO

以下內(nèi)容根據(jù)速記進(jìn)行整理

經(jīng)過王昊奮本人校對(duì)

企業(yè)計(jì)算是一個(gè)新名詞，它有四項(xiàng)優(yōu)勢(shì)：第一，降低成本；第二，提高效率；第三，增加營收；第四，保障安全。

從典型的應(yīng)用來說，首先是市場(chǎng)，企業(yè)計(jì)算在市場(chǎng)方面能增加潛在營收。市場(chǎng)比較關(guān)心的，一方面是受眾和渠道的獲取，即在客戶留存和增加黏度這些方面如何提升；另一方面是內(nèi)容的優(yōu)化，即如何刺激大家沖動(dòng)消費(fèi)，真正提升客單價(jià)。常見的如信息流中的頭條或者短視頻網(wǎng)站，它們會(huì)結(jié)合用戶本身足跡的數(shù)據(jù)，推薦一些熱門的或者用戶感興趣的內(nèi)容，這就是“猜你想”消費(fèi)。

另一個(gè)應(yīng)用是客戶服務(wù)，傳統(tǒng)方式的人工客服是一個(gè)勞動(dòng)密集型+知識(shí)密集型的工作，人工客服流動(dòng)性非常大，客戶滿意度不高。舉個(gè)例子，“雙十一”大家會(huì)問各種各樣的問題，其中很大一部分是機(jī)械重復(fù)的，還有很多沒有經(jīng)過充分培訓(xùn)很難給出準(zhǔn)確解答?，F(xiàn)在出現(xiàn)了越來越多的在線客服平臺(tái)，包括釘釘、旺旺、微信小程序等，傳統(tǒng)服務(wù)模式受到?jīng)_擊，新型服務(wù)向自助或者在線式轉(zhuǎn)型，企業(yè)計(jì)算在客服領(lǐng)域能降低成本、提高效率。

再就是風(fēng)險(xiǎn)管控方面的應(yīng)用，主要包括風(fēng)險(xiǎn)回避和損失控制等；也涉及一些反欺詐的識(shí)別，比如信用評(píng)級(jí)和評(píng)估，如芝麻信用就是作為互聯(lián)網(wǎng)的指針，衡量用戶信用情況的應(yīng)用。

企業(yè)計(jì)算應(yīng)用廣泛，市場(chǎng)潛力巨大。對(duì)比中國2B市場(chǎng)和美國2B市場(chǎng)：占比方面，美國2B公司密度和營收情況接近40%，而中國僅有10%；公司方面，2C巨頭美國有FAANG，中國有BAT，2B巨頭美國有估值和市值百億美金以上的IBM、MICROSOFT，但中國沒有。2B是一個(gè)巨大的市場(chǎng)，這其中既有很大的機(jī)遇，也面臨不小的挑戰(zhàn)。

我們覺得有很多事情可以去做，搭建了一套智能咨詢服務(wù)平臺(tái)。我們不把它稱之為問答平臺(tái)，問答是偏技術(shù)的說法，業(yè)務(wù)人員不懂什么叫問答，我們叫做智能咨詢平臺(tái)，咨詢是服務(wù)層面的。這個(gè)平臺(tái)面向外部用戶和內(nèi)部用戶，是一個(gè)2B結(jié)合2C的模式。通過賦能B端用戶，提高C端服務(wù)質(zhì)量。

面向外部用戶，比如這個(gè)東西賣給誰？目標(biāo)用戶是誰？面向內(nèi)部用戶，比如，銷售人員需要關(guān)心市場(chǎng)動(dòng)態(tài)和發(fā)展趨勢(shì)，業(yè)務(wù)人員需要知識(shí)采編審閱用于內(nèi)部培訓(xùn)和交流，運(yùn)營人員需要收集反饋和優(yōu)化操作，我們都可以提供相應(yīng)的輔助。為了實(shí)現(xiàn)這樣的2B結(jié)合2C的模式，需要建立相應(yīng)的知識(shí)庫，主要從用戶端、行業(yè)理解、企業(yè)內(nèi)部業(yè)務(wù)系統(tǒng)三個(gè)方面對(duì)接輸入，而后進(jìn)行知識(shí)的獲取，以及動(dòng)態(tài)的跟蹤和監(jiān)控，這個(gè)過程中內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)要綜合使用。

我們把這個(gè)平臺(tái)的技術(shù)概括成兩個(gè)引擎，第一，知識(shí)學(xué)習(xí)引擎；第二，語義理解的引擎。這其中人機(jī)協(xié)同也非常重要，2B行業(yè)的準(zhǔn)確率要求接近100%，純靠機(jī)器是做不到的，需要讓人能更有效地參與，更好地貢獻(xiàn)知識(shí)。阿里提出AI訓(xùn)練師，他與我們普通意義上的標(biāo)注人員又有什么區(qū)別？這需要好好思考。

我們?cè)谄髽I(yè)計(jì)算的切入點(diǎn)是智能咨詢，希望做的本質(zhì)的東西是智能問答。智能問答有很多范式，2011、2012年出現(xiàn)了很多開元的知識(shí)庫和吸引眼球的嘗試，現(xiàn)階段任何一項(xiàng)技術(shù)，都有其天花板及適用性，在一個(gè)技術(shù)不能打遍全場(chǎng)的情況下，需要有多引擎的問答，下面會(huì)具體講解IRQA、KBQA和MRCQA的問題。我們會(huì)有三種類型數(shù)據(jù)，第一，文本數(shù)據(jù)，包括很多政策、法規(guī)的數(shù)據(jù)；第二，問答對(duì)數(shù)據(jù)，這類數(shù)據(jù)是相對(duì)容易獲取的；第三，知識(shí)圖譜數(shù)據(jù)，這類數(shù)據(jù)比較結(jié)構(gòu)化。

問題生成本身非常零散，不是通過問答文本表述出來的，可以通過一定方式去生成所對(duì)應(yīng)的問題，因?yàn)樗拇鸢赶鄬?duì)固定。另外，在真正使用智能問答時(shí)，需要綜合考慮數(shù)據(jù)來源、數(shù)據(jù)規(guī)模和構(gòu)建成本等方面。

從技術(shù)形態(tài)來看，基于知識(shí)圖譜的問答就是KBQA，其中既包括傳統(tǒng)的靜態(tài)知識(shí)圖譜，也包括各種各樣事理圖譜，剩下就是IRQA的內(nèi)容，F(xiàn)AQ的部分是包含在IRQA里的。還有一些文本更適合MRC即機(jī)器閱讀理解的方式。我們希望做到精確回答垂直領(lǐng)域的問題，但是這需要在本身的準(zhǔn)確率、覆蓋率，以及用戶體驗(yàn)等很多方面做綜合考慮，所以數(shù)據(jù)的來源，或者知識(shí)本身的形態(tài)會(huì)多種多樣。我們希望更加友好的、直觀可以判斷的技術(shù)能夠更好嵌入，來滿足多引擎的需求。

以基金行業(yè)為例。IRQA的來源主要是業(yè)務(wù)人員積累的FAQ。例如，“申購基金什么時(shí)候確認(rèn)呢”，這個(gè)的標(biāo)準(zhǔn)問答是“基金申購何時(shí)能夠確認(rèn)”。KBQA，比如“你們公司有幾種貨幣型基金”，需要對(duì)用戶的查詢進(jìn)行語義解析，并在知識(shí)圖譜中查詢推理得到答案。MRC，比如“開放式基金價(jià)格由什么因素決定”。我們做的MRC與現(xiàn)在流行的閱讀理解比賽相比的區(qū)別是需要更往前一步，首先要知道用戶的問題對(duì)應(yīng)的是哪個(gè)或哪些文件；然后再進(jìn)行文檔檢索、段落檢索；最后是閱讀匹配。

各種問答形態(tài)和技術(shù)不是孤立的，多引擎的問答會(huì)進(jìn)行融合。IRQA擅長高頻問題，數(shù)據(jù)要求是FAQ數(shù)據(jù)中存在和用戶問題配對(duì)的FAQ，它的答案是靜態(tài)存儲(chǔ)的。KBQA需要非常正確的解析用戶本身的問題，需要知識(shí)庫里包含這些知識(shí)點(diǎn)。這些知識(shí)點(diǎn)不能是孤立的，需要有相應(yīng)關(guān)聯(lián)。MRC和IRQA的區(qū)別不是很大，它的好處在于減少了結(jié)構(gòu)化的成本，而且生成的答案是動(dòng)態(tài)的、粒度更加精細(xì)。

問答引擎是針對(duì)一問一答，要最終實(shí)現(xiàn)多輪對(duì)話，還需要相應(yīng)的對(duì)話引擎。對(duì)話引擎主要涉及對(duì)話策略跟蹤、對(duì)話策略學(xué)習(xí)等方面。IRQA會(huì)分成在線部分和離線部分。在線部分會(huì)轉(zhuǎn)換多階段的問題，第一階段會(huì)使用搜索引擎做檢索，而后是精排和篩查。很多時(shí)候僅僅得到一個(gè)排名結(jié)果是不夠的，所以我們額外增加了一個(gè)部分篩查。離線部分需要對(duì)FAQ數(shù)據(jù)建立粗排索引，通過挖掘領(lǐng)域詞和句式，運(yùn)用生成方式，結(jié)合人工標(biāo)注，如加噪等方式建立精排和篩查模型。第一步粗排模型非常重要，略過粗排這個(gè)步驟直接進(jìn)行精排，結(jié)果往往不盡如人意。我們希望在更小的侯選空間里進(jìn)行建模，這可以有很多的手段。一種手段可以是完全利用深度學(xué)習(xí)的方法去做，但現(xiàn)在更多是用一些整合的方式?；贗RQA有幾種不同的模型，一種是面向表示的建模，這種端到端的建模比較簡單，它的問題主要在于對(duì)數(shù)據(jù)的要求比較高，不適合冷啟動(dòng)，可解釋性和可干預(yù)性也比較差。我們的創(chuàng)新在于從可解釋的角度做特征工程，知識(shí)特征包括領(lǐng)域詞之間上下位關(guān)系，還有對(duì)應(yīng)的句式的內(nèi)容，同時(shí)也會(huì)有通用領(lǐng)域訓(xùn)練、關(guān)系的遷移刻畫等。

KBQA也是分成在線部分和離線部分。在線部分主要是問題的理解，問題理解之后有語義解析和執(zhí)行回復(fù)生成。語義解析可以基于模板，通過語義理解可以轉(zhuǎn)換成所對(duì)應(yīng)的一些標(biāo)注內(nèi)容，將數(shù)據(jù)庫存儲(chǔ)的信息做轉(zhuǎn)化和加固。除了人工撰寫模板，也可以通過機(jī)器學(xué)習(xí)生成模板，然后人工進(jìn)行審核。我們需要設(shè)計(jì)規(guī)則來生成標(biāo)準(zhǔn)問法，這是拓?fù)浣Y(jié)構(gòu)上的問題。問題匹配不到，或者匹配到的回答過于抽象，結(jié)果都是不能執(zhí)行，都會(huì)影響召回率。亂回答會(huì)產(chǎn)生很多噪聲，機(jī)器基于侯選級(jí)去做相應(yīng)的計(jì)算，在這個(gè)過程中會(huì)用到單指令多數(shù)據(jù)的并行優(yōu)化。

MRC比較簡單。MRC是IRQA在最后一步精排和篩查里用了閱讀理解模型，前面很多步驟和IRQA一樣，只是具體匹配到的內(nèi)容存在差別。本身文檔或者段落的匹配，更像傳統(tǒng)IR的任務(wù)，后面比較復(fù)雜的精細(xì)化模型都是通過表示層、輸出層來做。MRC可以在反饋前對(duì)答案進(jìn)行一定精簡，給用戶一個(gè)更智能更友好的體驗(yàn)。

前面提到了很多次語義解析，語言理解包括實(shí)體識(shí)別和鏈接、答案類型判斷等，這里一個(gè)是意圖理解問題，一個(gè)是雙向序列標(biāo)注問題?；貜?fù)生成也會(huì)考慮很多內(nèi)容，它是生成和回答相結(jié)合的內(nèi)容。多輪對(duì)話的模式設(shè)計(jì)中，需要重視多用戶管理和分發(fā)的問題。

具體的工程實(shí)踐主要是四塊，第一是數(shù)據(jù)收集；第二是模型更新；第三是上線發(fā)布；第四是反饋收集。數(shù)據(jù)獲取通過技術(shù)層的領(lǐng)域詞挖掘、數(shù)據(jù)標(biāo)注和審核，針對(duì)不同類型的數(shù)據(jù)服務(wù)有不同的任務(wù)。模型更新包括領(lǐng)域的適配、索引的更新，以及數(shù)據(jù)的優(yōu)化。智能導(dǎo)航包括熱點(diǎn)問題推薦，另外還有一些相關(guān)實(shí)體問題推薦。反饋收集包括平臺(tái)訓(xùn)練模型更新、日志更新等問題。另外還會(huì)有交互設(shè)計(jì)，其中導(dǎo)航的點(diǎn)擊，以及對(duì)答案的采納程度等都需要關(guān)注。在此之外，我們還會(huì)去做請(qǐng)求負(fù)載均衡、數(shù)據(jù)存取分流、服務(wù)質(zhì)量控制等這些任務(wù)。

做智能問答，最希望做到擬人；第二是智能；第三是精準(zhǔn)，希望精準(zhǔn)度達(dá)到99%以上。我們的成效在于幫助企業(yè)節(jié)約人力，改善結(jié)果，提高轉(zhuǎn)化率。目前在電商客服領(lǐng)域，每天服務(wù)300~400萬人次，2018年“雙十一”當(dāng)天服務(wù)了2 366萬人，創(chuàng)造了新的高度。我們希望“引領(lǐng)認(rèn)知智能，躍升人類知識(shí)工作”不僅是一句口號(hào)，而是真正地去賦能企業(yè)，提升全人類。