“第22屆科博會主題報告會暨中國科技創新論壇”于10月24日在北京舉行。主題為：推動科技創新中心建設 引領產業高質量發展。寧波薄言信息技術有限公司聯合創始人兼CEO熊琨出席并發表演講。

熊琨表示，ai企業服務的難題，人工智能技術對于企業客戶來講有一個教育的過程，實際上很難。大家也會覺得，語言解析技術和AI技術是有局限的，可能覺得交匯也不夠自然，甚至賣給我是一個黑盒系統，升級很困難。積累數據難以利用，怎么去理解，都是問題。我們認為現在AI企業服務最大問題是服務不夠好，我們怎么做？創造一個機器人只是提供了核心工具，我們需要用ai升級整個流程的服務，首先是需求階段，了解企業需要什么，有什么難題。

寧波薄言信息技術有限公司聯合創始人兼CEO熊琨

以下為文字實錄：

熊琨：

非常高興今天跟大家分享這個話題。薄言雖然不是很出名，但是我們有很多很有趣的場景跟大家分享一下。我是公司的CEO，今天我們主要聊聊深度學習NLP在場景下的應用。我們是什么樣的一家公司？我們這家公司2013年成立在加拿大，到現在成立6年，專注于文本語義的理解，早期接觸中國市場，包括從2016年開始，我們跟小米電視，崔博士的小米大腦團隊進行合作，后面和華為多個bu深入合作，今年也拿到了華為深創投的投資，現在全面發展中國市場。

現在我們研究院在加拿大，中國在北京、深圳、寧波有三個辦公室。我們的團隊技術力量比較強，基本上大家都是一流學校畢業，擁有一線互聯網公司的研發經驗。公司董事長李明，加拿大皇家科學院院士，獲得加拿大科學最高獎基廉獎，首席科學家JIMMY LIN博士，滑鐵盧大學教授，TWITTEr數據科學家。其它幾位創始人都是中國人，我們有清華大學，也有隔壁北大的同學。

我們做什么，我們想做什么？盡管這個領域比較小，但是我們認為在人工智能最難的是自然語言問題。一代機器人是基于關鍵詞技術，在客服領域大家經常會體驗到。二代技術，慢慢可以做更深語義的理解，包括做多輪的交互，當然這個也分為前語義和深語義，跟在加拿大做的比較相關…孕育深度學習這樣的技術我們通過深度學習技術，能讓機器對人的語言把握的更精準，甚至讓交互體驗做的更好。三代機器人，是我們最關心的，也是我們花了大量力氣做的事情，我們起來了一個名字，MR·Y，我們想讓新的機器人，能不能自己解釋我做出的角色是什么判斷的，能不能夠在這個領域做到學習。比如銀行里面，關心企業風險控制，包括信貸的風險，有沒有欺詐的行為。我們期待未來的下一代機器人能夠幫助我們解決這些問題。我們關注是未來下一代的智能。

路徑是什么？2016年推出兒童的聊天機器人，效果不錯的。放了很多深入學習技術在里面，做了很多實驗，看到很多現象，非常有意思，盡管它很小，很蠢萌，它可以自動寫詩，包括做多領域多狀態的管理，甚至做多模式，視覺和語言一起的，都是我們自己開發的。這是我們和小米電視四合作的云電視第一款。這是我們在發布會上做的一個案例，比較復雜的語言，大概50毫秒所有的時間給你一個正確的結果。從1到10的過程當中，我們開始和開始賦能企業，非常感謝中國的科技企業對我們的幫助。在這個過程當中，把一個實驗室原型變成互聯網的產品，和小米電視合作是電影查詢的語言解析。后面也跟百度的dueos合作，對我們的性能提升有很大幫助，最后當然要感謝華為，和他們不同的業務線合作中間，讓我們的技術變得更加成熟。

從1到100，今年年初發布了這么一個平臺，內測階段有三四十家企業試用，百萬人左右在上面聊天，企業在上面很方便的創建自己的聊天機器人，并且未來用更多訓練的技術讓它變得更好。例如客服場景，微信機器人處理客戶請求，金融和保險，可以完成詢價和復雜的咨詢，餐飲行業語音點單，營銷調查場景，通過語音完成多輪的復雜的調表工作。

如何操作？先創建一個聊天機器人，起一個名字叫喬峰，給他一個降龍十八掌的技能，接下來在平臺可以填寫它的名字、屬性、生產、年月。客戶行業最熟悉的是問答知識庫，把問題輸進去，我們也兼容各種知識庫類型，我們的算法能力和精度都做的非常不錯，大家可以去體驗一下。

錄入之后可以做發布，支持微信公眾號和微信小程序，我們也會提供API和開放的SDK，方便接入你們的系統。上線之后會看到各種各樣的日志，包括使用情況，我們也可以用平臺上面的訓練師的功能讓機器人變的更好。大家可能會問薄言體的平臺優勢是什么，面對更多的大廠和客服行業都推出了自己的對話機器人平，我們的優勢是什么？首先，我們是中英文雙語的，如果大家有海外需求的，甚至有法語需求的可以優先使用我們，中英文混合的情況，我們也理解的很好。

輕語平臺有什么優勢呢？相比于眾多巨頭的對話平臺

面向業務場景，讓企業錄入的數據更少，精度更高。比如餐飲行業上傳一張菜單生成機器人，面向技術開發者，我們開放完整的API，開放多種的技能，可以自己創造技能。面向服務來講，我們用ai技術升級整個服務流程，從數據整理到部署實施。更多的開發者可以更多高級功能包括，自定義意圖和任務驅動對話，更復雜的對話場景支持圖編程。在京東每天百萬的客服聊天對話當中，我們的機器人沒有主動跟客戶聊天，但是我們在監控每個客戶和客服聊天當有沒有不滿意情況，產品出現問題的情況，訂單狀態如何。上線效果非常好，極大提高了滿意度。

技術構架上在，從最底層到上層都有自研技術

核心技術，語言理解引擎，無監督的設定下，我們普遍好于友商的語義相似度計算精度。通用語義理解，監督的情況下可以做到96%精度，時間在100ms之內，這是小米給我們的反饋。最新引擎甚至比友商高10%，我司學術方面成果更多，2018年底的時候發了一篇自然雜志的子期刊，把自然語言技術運用在生物序列上面，2019年4月MS MARCO排第一，我們在SquARD1.1上面開放問答達到學界最好效果。右邊這個圖是我們SIGIR最佳短文提名，今年的文章有10來篇。

聊一聊ai企業服務的難題，人工智能技術對于企業客戶來講有一個教育的過程，實際上很難。大家也會覺得，語言解析技術和AI技術是有局限的，可能覺得交匯也不夠自然，甚至賣給我是一個黑盒系統，升級很困難。積累數據難以利用，怎么去理解，都是問題。我們認為現在AI企業服務最大問題是服務不夠好，我們怎么做？創造一個機器人只是提供了核心工具，我們需要用ai升級整個流程的服務，首先是需求階段，了解企業需要什么，有什么難題。第二，個友商做對比，在同樣的其他下跟線性系統對比有多大空間。協作階段是AI服務特有的，傳統軟件賣給企業就能用了，但是AI產品需要給企業輸入數據，需要標注，需要告訴你這個模型好不好，最后實施階段也有很多難題，因為企業已經采用大量的系統，新的機器人如何與原有系統集成。在需求階段，因為很多企業已經有智能客服，我們就需要直觀的給出他們目前方案存在的問題，可以提升的能力等。

在對比階段，我們提供對話評測方案，這個技術也作為了今年nlpcc開放對話評測的評價標準。協作階段有沒有辦法幫企業整理他們數據，有企業想要上線一款聊天機器人，只有客服中心的粗糙數據，甚至沒有數據，我們就需要通過聚類和生成技術來幫助企業度過冷啟動的階段。

企業錄入數據的時候，比如傳統知識庫，提供問題希望你能提供更多相似問題來增加知識庫匹配。我們用了生成的方法生成相似的問題，增加匹配度，節省大量時間。

實施過程當中，我們將nlp和RPA結合。右邊是一個客服輔助的系統，一個客服聊天，料過程當中會推薦話術，自動填寫訂單，而訂單系統是一套原有的從美國采購的系統，我們可以通過nlp技術從一個系統的對話，提取關鍵信息，姓名，電話，住址和事件等，送到另一個工單系統里完成自動化提交，這個流程自動化ai機器人可以設計的非常復雜，節省大量重復的人工操作。