人工智能ai技术应用(人工智能应用技术专业)
第一集，三部微电影让我们看到了小明在三个行业的应用场景，第二集，明略人杨威从行业AI产品的设计策略角度，为大家进行了详尽的介绍，第三集，明略人孟嘉为我们展示了行业知识图谱的强大力量。
今天，《明略人·第二季》收官之作，终于轮到“小明”了！小明真正做到面向AI的人机交互，需要使用自然语言与人类进行交互。作为企业级应用的人工智能，除了流畅的交互外，还涉及到行业中专业知识的调用和操作，这中间面临着许多技术难题。其中重要难题之一就是让AI听懂涉及到行业知识的特殊指令。小明如何“懂”行话？
今天，明略数据技术合伙人，“小明”产品负责人邵蓥侠压轴出场，和我们聊聊小明如何在用户体验上改变企业级智能应用。
视频加载中...
邵蓥侠 明略数据技术合伙人，小明产品技术经理，北京大学博士后，主要研究方向包括大规模图计算优化、图挖掘应用以及知识图谱管理等。目前作为明略数据SCOPA技术顾问，主要参与图挖掘、图分析、知识工程等相关工作。
人与机器最友好的交互方式
什么是交互？
用了一个简单的词来解释：你来我往。简而言之，交互是指两个对象间的“你来我往”，所谓你来就是指“输入”，“我往”则是“反馈或输出”。
在人与人进行交互时，自然语言是一种最友好的媒介。如果人与机器交互也能通过自然语言，那么显然这是一种对于人类来说最友好的方式。
例如，小明问小红我今天星期几，小红回答今天星期一。这算一次交互。在人与人之间交互时，自然语言是一种最友好的媒介。因此，所有人都期望人与机器之间交互方式也是通过自然语言。
基于这一理念的产品，有我们所熟知的Siri，以及其他众多的智能语音设备。只要说一声，就能让他们帮你设个闹钟或者唱一首歌，Siri等智能助手就是你的手机管家。
而明略的小明，则重新定义了企业级智能应用的交互方式，小明通过自然语言理解技术为众多智能应用提供一个统一且友好的智能交互入口。通过这个入口，用户可以以自然语言的形式从企业的不同智能服务方便的获取洞察。
挑战自然语言理解技术
长期以来传统行业由于其复杂而庞大的业务体系，一次简单的数据查询访问往往都会涉及多个后台子系统。
以公安业务应用场景为例，一个人的全息档案的生成，可能涉及诸如社会基本属性、社保信息、出行记录等多个系统，需要专业的技术人员编写复杂的查询代码(如SQL)，从上述系统中取得完整的结果。整个查询的编写可能花费专业的技术人员几十分钟到几小时不等的时间。
通过小明，普通的业务人员可以用简洁的自然语言表达其查询意图，系统自动地根据获得的自然语言输入进行理解分析，根据理解结果从多个数据库系统中取得完整的内容并返回给用户。期间，如果小明存在任何疑问，可以以自主询问的交互方式，与用户一起迭代，找到满意的答案。这种以自然语言为载体的革命性交互方式，极大地降低了用户使用企业智能应用的难度，提升了信息获取的效率。
为了实现这样一个远大的目标，最核心的挑战在于自然语言理解技术的突破。
面对这样的挑战，我们通过集成多项前沿的AI技术让小明真正具有智能去理解自然语言。其中涉及的技术有深度学习、基于强化学习的状态管理、语义理解、知识图谱等。
下面以意图识别模型为例进行简单介绍。比如用户说查询张三，意图则是需要根据姓名找到人。从模型上看，它可能是一个简单的分类问题。然而面对实际的应用，我们遇到的理解难题是，用户输入文本口语化，同时还有大量的专业术语，以及文本短小，缺乏上下文等。我们的研发人员通过融合规则模型、语法分析模型、机器学习模型、深度模型、词嵌入等多项技术，最终保证在冷启动时得到一个精度在85%-90%之间的可用模型。当然意图识别模型仅是整个自然语言理解模型中的一个重要功能模块。我们还大量研究了上下文管理、属性抽取、关系抽取等技术。
经过深入的研发，明略数据通过集成多项前沿的AI技术，已经让小明真正地具备了智能去理解自然语言。其中涉及的技术有深度学习、基于强化学习的状态管理、语义理解、知识图谱等等。
小明和聊天机器人的区别
第一，小明的自然语言理解更具有专业性和准确性。
例如，当用户查询“去年10月份坐火车来北京的中年男性”，小明不仅要理解出用户的查询意图是通过火车事件的行为来查找满足特定特征的人，同时要细粒度地解析出该意图下包含的属性有时间，去年10月份，方式，火车，地点，北京，年龄，中年，性别，男等。
从中我们也可以发现，上述属性描述中含有大量的概念模糊表述，这里需要结合常识进一步推理。例如，北京这个地点信息应该推理为北京站、北京南站、北京西站、北京北站等四大站。为了实现自动推理，我们引入常识知识图谱对自然语言中的模糊表达进行深度的语义分析。
第二，在保证专业性的同时，小明的自然语言理解模型得支持灵活的定制开发进而实现跨领域的快速复制。
传统的理解模型开发更主要的是针对某个具体的场景，利用海量的数据得到一个专用的模型，使得其在不同行业间复用性较低。而小明所包含的自然语言理解模型则是通过模块化和流水线等机制，专注于理解模型的学习框架进行构建。在落地过程中，用户只要专注于领域语料的编辑，系统就能通过框架快速训练出一个可用的理解模型。
第三，小明能够根据使用日志或反馈，自动地迭代更新，降低运维成本。
随着小明在某一行业长期应用，大量新的知识会不断涌现。为了应对这样的变化，小明能利用主动学习和强化学习等技术从使用反馈中提取有效信息，不断地升级和优化模型，进而实现从行业AI“小鲜肉”到“行业AI军师”的华丽转变。
前面我主要谈了交互的基本概念、小明对企业级智能应用的意义以及我们设计开发一款革命性交互产品的技术思路和技术特色。
最后，我想强调的一点是自然语言是人与机器之间最友好的交互方式，而小明正是致力于通过自然语言理解的方式为企业智能应用提供统一的交互入口，最终极大化地提升企业智能应用的使用体验，方便用户获取知识。
明略人，用科技延伸人类智慧
对于明略人来说，人工智能从来都不是一句口号，而是使命。作为“行业人工智能”的推动者，凭借着自身强大的数据处理能力、学习能力，他们整合大数据与人工智能全栈技术资源，结合各行业知识，进行面向AI的数据治理，深入大数据智能挖掘，在人工智能的行业应用已经取得了显著的成就。
明略人一直与客户并肩，在数字经济时代，为传统行业做好面向AI，面向未来，未来智能的“在线化”，时刻奋斗着。
本文由woniu于2021-06-28发表在中国AI网，如有疑问，请联系我们。
本文链接：https://www.chinaai.com/baike/12388.html
