专注于深度语义理解 紫平方股份占领智能交互机器人入口
2018-12-11 15:52:32   来源：未知   评论：0 点击：

语言是思维的载体，从“听清”到“听懂”，人工智能语义理解技术实现了让机器人读懂人类。

　　北京紫平方信息技术股份有限公司(以下简称紫平方股份)基于语义理解技术研发的智能交互机器人，为不同垂直场景中的合作方提供智能交互、情感问答的对话功能，有效满足用户多元化对话需求，解决传统企业客服“低转化率、高离职率”的痛点。

　　聚焦智能交互打破语义理解技术高壁垒

　　作为人工智能直接应用的场景之一，人工智能客服被广泛应用于商业领域。但从目前的落地现状来看，市面上大多数智能语音产品只能满足单点、程式化的一对一简单对话，离真正意义上的“智能”客服还有段距离。

　　实现人工智能客服与用户自由对答的核心技术在于语义理解。语义理解的核心除了理解文本词汇的含义，还要理解这个词语在语句、篇章中所代表的意思，需要关于外在世界的广泛知识以及运用操作这些知识的能力，但碍于人类语言的复杂性与多变性，实现深度语义理解的技术壁垒十分高。

　　这一制约传统客服升级的难题，也是人工智能企业攻克的命题。为实现真正意义上的人机自由对话，成立于2012年的紫平方股份基于NLP自然语义理解技术，自主研发智能交互机器人——小紫机器人。作为一种由计算机高度模拟人工自然顺畅交流沟通、以打电话或者在线交流的形式向客户销售商品和服务的一种人工智能软件系统，小紫机器人基于GPU集群训练技术，训练模型能让各种机器像人一样“能听懂会思考还会开口回答”，其核心技术NLP自然语义理解被认为是紫平方股份的“王牌”，该技术有效打破语义理解技术的高壁垒，突破传统技术的局限。

　　据紫平方股份的技术人员介绍，整个NLP发展分为四个阶段。第一阶段是关键词匹配，第二阶段是模糊匹配，第三阶段是语法结构，第四阶段是大数据+统计语言模型+深度学习。紫平方股份现在采用的是第四阶段的方法进行语义分析，NLP技术基于大数据海量训练样本的分词、词性标注、命名实体识别，定位基本语言元素，消除歧义，支撑自然语言的准确理解，实现生产环境下语义理解的高准确率。从而提高模型在复杂多变的应用场景下的效果稳定性和适配性，应对不同行业的客服场景需求。

　　提升服务体验全面落地商业化应用

　　分析人士指出，人工智能语义理解技术壁垒高的原因，除了NLP技术本身存在难度外，也要求智能交互机器人具备应对不同个体的自我学习与迭代能力，拥有思考的“大脑”，即应有具备深度学习能力的“知识图谱”。

　　知识图谱是基于现有数据的再加工，包括关系数据库中的结构化数据、文本或XML中的非结构化或半结构化数据、客户数据、领域本体知识以及外部知识，通过各种数据挖掘、信息抽取和知识融合技术形成一个统一的全局的知识库。

　　简而言之，知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络。要对行业建立起深厚的认知，需要长时间的行业积淀，这是知识图谱垂直应用少的另外一个原因。目前能将知识图谱实现行业垂直应用的企业凤毛麟角。

　　作为语义理解技术的钻研者，紫平方股份早已构建不同细分行业的知识图谱。在实际应用中积累了大量的数据，然后基于用户不断提出的问题，最终按统计方法得出一个命中率比较高的问题。随着问题不断增多，机器人又具备自主提升意图判断的学习能力，从而设置的自动引导问题的准确率也会越高。

　　随着智能客服的不断发展，人们也不满足于单一的问答式服务，情感陪伴式对话成为用户服务的新诉求。基于对客户需求的深刻洞察，紫平方股份深度应用TTS文本转语音技术，并为此付出了诸多心血。比如为模拟真人语音，紫平方股份聘请专业人士录音并付费买断了上百万句，选用真人录音进行割裂后重组，以实现紫平方股份的全变量TTS。TTS可以模拟真人发音，让对答发音更加拟人化和趣味化，全方位提升服务体验。据悉，未来紫平方股份还将针对此模块添加语气助词，更大限度的提升机器人发音功能的拟人化。

　　在产品的商业化方面，紫平方股份目前聚焦于企业服务领域，与合作方共同打造产品交互体验。据统计，企业级服务的市场规模在2020年将达到上万亿元，其中降低企业人力成本的垂直细分市场智能客服，对应的是千亿规模。目前，紫平方股份已经与中国联通、中国电信、航天科工集团等行业标杆企业达成合作，服务过的企业超过1000多家。小紫机器人客服应用覆盖到金融、运营商、房地产、电商、汽车、保险等十几个行业领域。

　　当下，人工智能深刻变革客服行业，提升服务的便捷性与可得性。随着可应用的场景不断扩大，智能客服不只局限于传统的在线、移动端等多媒体或者新渠道的自助和智能化，而是从多媒体到电话等全渠道智能化，并实现进一步打通。而未来，人工智能或可实现人与机器人的“无感知”对话，在这一过程中，紫平方股份无疑走在了前列。