企业服务机器人未来大趋势:将更注重交互

2018 世界人工智能大会于 9 月 17 日在上海召开,多位大咖在大会上都传递出一个观点—— 企业离不开 AI,AI 正在改变人们的生活。作为典型的 AI 产品,机器人在助力企业智能化的过程中,扮演着越来越重要的角色。从谷歌 AlphaGo 实现围棋 60 连胜,到医疗上对恶性肿瘤的检测概率提升,再到各种对话机器人上,各个领域都有机器人的身影。很多人都很好奇:服务型机器人是如何运作的,如何理解字词句段并对此作出回应?

追一科技联合创始人 & CTO、TGO 鲲鹏会会员刘云峰博士

为此,我们邀请了追一科技联合创始人 &CTO、TGO 鲲鹏会会员刘云峰博士,在 TGO 鲲鹏会深圳分会走进名企活动中,分享追一科技 AI 机器人在企业服务中的实践。

以下内容来自刘云峰博士现场分享,在不改变原意的基础上有部分删减:

人工智能有三大领域:视觉、语音、语义。其中,图像和语音算法成熟度已经很高,且要远远高于语义。在中文机器阅读理解比赛中,人的准确率大概是 95%,机器做到的最高水平只有 80%,还有 15% 的差距,这是一个挑战,也是一个机会。

具体应用上,目前来看,比较多的人工智能公司,首先需要在企业服务方面落脚,这是最容易看到的商业模式,也是 AI 技术最容易被认可的一个商业模式。

企业服务机器人 VS 聊天机器人,差别在哪?

今天主要针对企业服务机器人展开介绍。

首先说下企业服务机器人和聊天机器人的差别。第一,聊天机器人一般是虚拟形象,说话不要求很严谨,反而是比较风趣,这种机器人一般叫情感陪护型机器人。而企业服务机器人代表企业形象,代表企业去服务顾客,表达和对话都比较严谨,说话要负责,不能随便回答。

第二,两种机器人的技术路径也不一样,企业服务机器人是一个垂直领域,在专业领域和用户对话,而不是开放的聊天,从这个角度来看技术难度变轻了;但是和通用机器人相比,它对准确率要求更高。

然后接下来,我们来探讨怎么做好企业服务机器人。

想做一个客服机器人,核心要把语义理解、意图理解做好。举个例子,一个电商产品不同用户有不同的反馈,比如“要买的裙子怎么没有腰带?”或者“充电器为什么没有一起寄过来?”这些问题看起来很杂,但背后语义都是同一个,就是商品零配件少发了。

在解决意图理解上,技术路线上经历了好几轮变迁。2000 年左右就已经有企业服务机器人这种产品形态,只是当时解决意图理解的技术比较简陋。早期是用本体 + 句法模板的方式来实现,比如用本体完成理解词的问题,用句法模板完成理解对句的问题。

随后像百度、Google 等公司兴起以后,搜索技术也被用在客服机器人里。在这个阶段,一般用同义词的方式解决词关系的问题,用词权重解决抽象核心语义的问题,用文本相关性解决匹配的问题。

再后来深度学习技术出现,在语义理解上,深度学习相比之前的技术有很大提升。

基于深度学习的语义理解

那么深度学习,又是如何解决语义理解?

在计算机里面,用文本方式表示的语言,比如汉语和英文,是一种符号,但这不是计算机能理解的符号。计算机可以理解的是向量和矩阵,无论是语音、图像还是语言,深度学习都是把这些原始信号转换成计算机能理解的向量和矩阵,才能更好地做计算。

首先完成将语言当中的词转换为向量,然后通过一个深度神经网络转化成句的向量,再通过句的向量进行更丰富的计算。

这个过程中,会用到注意力模型,注意力模型最早来源于图像理解。举个例子,人进入到会议室,首先不会去注意有多少板凳,虽然板凳这些信息占据面挺大,但人首先会挑选自己注意的东西去看,比如说注意来了哪些人,因为人在触摸信号时会选择性地去挑选。语言也是这样,用户说了很长一段话,注意力模型能够在很长的文本中,发现用户主要表达的信号。比如一个用户说“昨天刚收到货,今天天气不错,和朋友一起出去玩,一劈腿裤子开衩了”,前面的话都没有意义,他最想表达的意思是裤子开缝了,是想退货或换货。对于一个客服机器人来说,这是它要抓住的重点。

注意力模型之后是映射层,相当于完成一个归一化,之后机器人才知道怎么去回复用户。

阅读理解

刚才讲的都是需要人事先把知识库整理好给机器人用,为在线机器人去解析、调用、推理。还有一类,可能所有的知识都是一些原始文档,它们没有形成知识库。比如一家银行有很多线下商家优惠活动的书面文档,这类活动经常更新替换,没有人可以完全记住这些文档内容,反而是机器比较擅长做这个事情。假设有一个用户问题,需要从文档当中找答案,首先机器要找到哪个文档可以解答,再找到文档当中哪一句话可以解答,这个过程叫阅读理解。

阅读理解在国外比赛已经做的挺久,国内才刚刚开始,这一块的技术还是比较新。

机器人知识库的运营

刚才讲了客服机器人在线处理用户的请求,理解用户的请求,其实客服机器人还做了很多离线的工作。一个机器人并不仅仅是一个在线的服务,它是一个离线服务和在线服务同时包含的系统工程。

机器人解答不了用户的问题,有时候并不是因为意图理解不够好,而是机器人没有知识去应对当前的回答。这就是知识库运营所要解决的问题,有几个方面:

一是新知识点的发现。有些热点的知识点用户已经在问,但是知识库里面是缺失的,这部分问题可以交给运营人员添加相应的问题回答。

二是知识点的细化。一开始机器人的知识点没有深入到用户的问题细节里面,这种情况可以细化,把一个知识点拆分成多个知识点。

三是知识点的优化。比如说客户看到了机器人回答,但是仍然转人工了,这是因为答案并没有解决问题,说明答案需要进一步优化。

机器人的产品能力

除了返回用户答案外,机器人还需要更多能力,优化产品和运营。

一是热点分析。比如在一个电商后台系统中,用户请求有集中性或爆发性,那很可能是产品上集中的事故,这种现象跟产品运营息息相关。

二是舆情分析,可以挖掘用户在客服渠道里面经常会问什么问题。举个电商的例子,用户在问到奶粉这个词时,最关注的正品、渠道商、产地,还有品牌。通过这个方法,可以判断用户在关注某个商品的时候更关注哪些点。

三是情感分析。用户在访问机器人时,是正向情感、中性情感还是负向情感?这些可以通过技术手段识别出来。我们做过某个客户的统计,在售后客服机器人场景,中性和负向的情感占比较高,那就说明售后来找客服都是吐槽的。可以把这些负向的情感反应细化处理,比如分几个档次,分别对应后续不同的处理。负向情感比较严重,就可以让机器人自动转人工。

最后是敏感分析,这一点对于客服机器人非常重要。我们发现,不同行业有不同敏感信息定义。比如外卖,比较敏感的信息就是食品健康。对于电商,假货就是比较敏感的信息。一般遇到这些敏感信息机器人会主动转人工,交给人工客服处理。

机器人大趋势:将来更注重交互

前面我们讲了企业服务机器人的特点、如何解决语义理解、背后依托知识库以及产品能力,最后我想讲下企业服务机器人趋势。

大家一开始认为企业服务机器人是客服机器人,主要是解决节省人工成本,后来发现,它其实是企业的虚拟助手。包括 Gartner 最近的报告,预测到 2020 年有 20% 的用户访问企业服务时,首选的是对话式的入口。

以前 PC 时代访问银行网站,网页每个菜单对应办理某个业务的入口。到移动手机时代,屏幕没有那么大,APP 能放的入口也没有那么多,客户都想快速找到业务入口。如果放搜索框放在 APP 最上面,通过搜索功能,搜索“修改密码”会出来十几条修改密码的入口,用户也不知道哪一条,体验并不好。

所以,将来可能更多会是对话交互的方式,这是未来的趋势。比如说修改密码,机器就会反问你想修改什么密码,再根据你提供的信息,给你具体操作页面。

通过用户和机器人的交互,把用户画像沉淀下来,跨越时间和空间把用户画像融合在一起,对营销、推荐和风控做一些数据上的支持。客服中心从一个成本中心转变为一个用户研究中心,这也是一个趋势。

以上是我今天分享的企业服务机器人内容,感谢聆听,谢谢大家!

Q&A
如何去判断一个人的情绪,然后根据他的情绪进行之后的问答操作?

这个就是刚才讲到的情感分析,它包括两个方面,一个是文本,一个是语音,文本里通过相关词语可以去识别,语音会包含一些声调、语速。对情感的判断是满意还是不满意,也是用深度学习的方法,相当于是文本分类来解决这个问题,每个人沟通表达的方式不一样,想识别出来还是有点难的。如果是用关键词的方法,这个问题确实是很难解决好,用深度学习的方法会好很多。

现在的语音识别的瓶颈?

方言这一块大家都做的不太好,讯飞是做的比较好的一家。这需要数据的积累,没见过的方言仍然识别不出来,这是一个门槛。另一个门槛是垂直领域,如果语音识别系统,没有一个垂直行业的训练数据,也做不好。

现在人工智能对数据依赖还是比较高的,人工智能的竞争有时候就是数据竞争。

券商这一类的主要是应用到哪些场景?

券商对知识图谱要求比较高,希望通过机器人能够做到问股选股,比如查询“市盈率大于 20、小于 25 的股票”,比如查询“A 公司去年和今年相比市盈率变化多少”。在机器人的知识库没有现成的答案,需要通过推理才获得答案,再把它过滤出来。

另外是投资教育这一块比较多,经常会问港股通怎么收费等等。还有资料查询,主要是问某支股票的信息,比如说法人、去年的财报。

作者 | 刘云峰
整理 | Bella Wu
责编 | Rainie Liu
(0)

相关推荐

  • 干货 | 如何构建客户服务体系

    文/谢蕊蔚 同程旅行 客户服务中心是一个处理大量呼入和呼出电话并提供信息服务的场所.痛点明显:人力成本大.培训时间长.缺乏统一标准.工作效率低.难于精确营销.客户流失率高. 随着现代计算机技术.网络技 ...

  • 传统型企业智能化转型发展案例

    在智能化服务的发展进程中,由于每家企业的行业性质及业务不同,所以面临的智能服务转型难题也各不相同,作为一家专注于提供智能服务技术的供应商,也遇到过许许多多的企业智能转型案例,此次借助于<客户观察 ...

  • 2018年中国呼叫中心行业竞争格局与发展趋势分析,呼叫中心智能化是必然趋势「图」

    一.呼叫中心行业概况 呼叫中心就是在一个相对集中的场所,由一批服务人员组成的服务机构.通常利用计算机通信技术,处理来自企业.顾客的电话垂询,尤其具备同时处理大量来话的能力,还具备主叫号码显示,可将来电 ...

  • 智能客服将全面进军呼叫中心

    关键词:人工智能.智能客服.呼叫中心.大数据分析 [编者按]呼叫中心2.0时代的典型特征是人工智能的引进,在呼叫中心领域称之为智能客服,在国内已经有了不少的应用.他主要解决的问题包括:7x24小时(服 ...

  • 智能化时代下的客户体验(二)

    文/陈婳悦   合肥艺趣信息技术有限公司 点击文字阅读文章前文   智能化时代下的客户体验(一) 四.智能化:客服机器人细颗粒度知识库搭建 构建适合智能客服机器人检索的知识库是重要的一步,标准问答.多 ...

  • 一款好的智能机器人应该具备哪些功能?

    近年来,国家高度重视人工智能等新技术的发展,先后出台了多项政策,促进新技术在各个领域的广泛渗透.呼叫中心作为连接政府与民众.企业与客户的关键桥梁,也提出了创新.精准.便捷.数字化等诸多要求.持续的优惠 ...

  • 对话简仁贤:半年内连获两次融资,竹间智能做对了什么?

    在NLP赛道,当多年技术积累与暴增的市场需求相遇,再用标准化与云化的清晰战略去加速落地,可以预见的是,竹间智能将进一步扩大领先优势,成为NLP赛道的领头羊. 作者 | 小葳 出品 | 子弹财经 &qu ...

  • 侃柴 | 浅谈客户体验下的智能服务

    作为一名AI行业的工作人员,我也曾有幸体验过上海一家AI智能酒店,只要说出指令,就可以对房间里的窗帘.电视等设备进行操控,有种面向未来的既视感.尽管目前的AI技术所应用的范围很广,想要实现AI智能全面 ...

  • 智能客服机器人自主学习?

    智能客服机器人主要是通过智能语音识别与语义了解分析.NLP技术.ASR以及自主学习等技术形成,能够快速了解辨别用户意图,从而提高企业服务效率,减少企业人工成本. 除了语义了解分析等,关于智能客服机器人 ...

  • 客服机器人知识库的问题分为那几类

    根据常见的业务场景,在智能客服机器人的知识库中,问题主要被分成三类:一般问题.引导问题与寒暄问题. 一般问题 一般问题就是大多数情况下访客可能提出的问题,与用户业务息息相关,需要针对访客提出的问题进行 ...