從京東 618 導購機器人說起,機器如何更理解人類?

今年6月，京東一年一度的618店慶拉開帷幕。許多京東用戶發現，在今年的618中，京東上線了全新的AI導購機器人JOY，它沿用了京東經典的機器狗形象，可以為用戶解答618店慶相關問題。

面對京東用戶們提出的各種各樣的問題，JOY大多能給出令人滿意的回答，甚至可以和用戶閒聊扯家常。此外，JOY也強化了自己的多輪對話能力，以便應對用戶的反覆追問。

在京東JOY強大的對話能力中，基於開放域目標驅動的生成式對話服務來自於人工智慧企業「深思考人工智慧」（iDeepWise.ai）。其在多模態深度語義理解、人機對話等核心AI技術上已不斷突破創新。這些新技術的不斷迭代，也在一步步推動AI實現商業化落地。

AI對話機器人背後的黑科技究竟是什麼？

AI人機對話在商業化落地中有很多場景，如智能客服、服務機器人、智能外呼、智能終端的交互、智能家居的交互、電視機語音交互遙控器等等。而這些人機互動場景背後的基礎技術，就是人機對話技術，其中最核心，則是語義理解技術。

智能客服，可能是眼下最常見的人機對話場景。許多人對於AI對話能力的體驗，也是從智能客服開始的。然而，如果智能客服欠缺語義理解技術，或者語義理解技術不夠好，就會出現如下現象：

某平臺的「智能客服」，無法理解用戶的自然語言

以往，人機對話產品的回答策略大多基於「規則」，即在系統內提前錄入指定關鍵詞，一旦用戶觸發指定關鍵詞，智能客服便會給出對應回復。

例如，在智能客服領域，當系統監測到用戶的提問涉及「查快遞」一詞，就會自動給出物流信息。但面對「幫我看看我的快遞到哪了」一類的複雜提問方式，智能客服便無能為力。

甚至，當用戶詢問「需要檢查快遞員身份嗎」等問題時，同樣會觸發「查快遞」一詞。這時，系統甚至會給出南轅北轍的回答。

相比較上述人機對話的糟糕表現和體驗，使用深思考深度語義理解與人機對話技術的產品，則體驗和表現就相當優異，如下截圖：

深思考機器人：可以了解用戶的喜好個性化對話

深思考智慧營銷機器人：根據歷史上文信息，給出推薦

深思考AI問好醫：AI學習醫生知識後自動對健康諮詢上下文回復

深思考iDeepwise將數據和AI模型驅動的深度語義理解及MRC技術作為人機對話產品的核心。其自研的多模態深度語義理解引擎依賴在NLG（自然語言生成）、MRC（機器閱讀理解）以及DM（對話管理）等任務上的原理性創新，讓AI能夠讀懂用戶自然語言，並給出針對性的回覆。

在精準理解用戶意圖的同時，深思考的多模態深度語義理解引擎還可以在對話中不斷了解用戶，了解用戶的畫像及個性化需求及興趣，並基於用戶畫像與客戶展開個性化的對話與推薦。

此外，它還可以根據場景，給予對話機器人不同的性格「人設」，讓用戶感覺到AI對話機器人服務獨有的情感體驗。這項黑科技可以賦予IP形象以「生命「，使IP形象成為虛擬世界裡擁有不同「鮮活性格」的「AI虛擬人」，並體貼、關懷用戶。

深度的多模態語義理解技術，也讓深思考在AI人機對話領域形成了領先優勢。據了解，2020年6月在中國中文信息學會（CIPS）和中國計算機學會（CCF）主辦的中文語言理解的全球權威賽事「2020語言與智能技術競賽」上，深思考在全球1000多家參與單位中脫穎而出，在機器評測指標和人工評估指標中均登頂榜首，獲得全球冠軍。

據了解，取得這一成績，是因為深思考團隊提出的「多源整合的解碼器」的深度神經網絡模型技術。該技術在AI人機對話上能流暢地引導用戶交流，主動溝通，並和MRC機器閱讀理解、用戶畫像、目標規劃深度結合，適配多場景應用，可以迅速遷移多個場景。

深思考創始人楊志明博士表示，「腹有詩書氣自華」，讓系統不停地博覽群書、閱讀理解大量信息，才能使機器對內容「能理解會思考」，並實現自然流暢的人機互動。深思考多模態深度語義理解引擎iDeepwise.ai 5.0目前也正式發布應用，5.0版本引擎能夠閱讀理解非結構化語音、視頻、文本，試想讓機器時刻不停地閱讀理解網際網路上的語音、視頻和文本後，機器就會變得更「聰明博學」，相信機器更理解人類的日子已經不遠了。

深思考多模態深度語義理解與人機對話引擎iDeepwise.ai 5.0可以應用於諸多落地場景：比如電商、銀行、保險、智能終端（音箱、手機、車機、智慧屏）、遊戲、虛擬偶像中。

AI——從感知走向認知

「現在，感知階段的人工智慧走向認知人工智慧是人工智慧發展的必然階段，多模態的深度語義理解是認知人工智慧階段中的關鍵核心。」深思考人工智慧創始人楊志明博士對36氪表示。

何為多模態語義理解？簡而言之，通俗化來講就是讓機器可以「看懂、聽懂、讀懂」。而深思考的人工智慧多模態深度語義理解，就是讓機器可以看懂視頻圖像，可以聽懂語音，讀懂文本等多模態非結構化信息背後的含義。

如何讓機器能夠閱讀理解？這就依賴機器閱讀理解技術（MRC），在MRC領域，深思考同樣成果斐然。在2019年的中文機器閱讀理解競賽中，深思考憑藉著自研的BMANet2.0模型，在2502家知名學術科研機構和企業團隊中脫穎而出，刷新了SOTA記錄，並在兩項評測指標中均登頂榜首，獲得全球冠軍。

例如，在電商場景，傳統的電商智能客服，需要系統開發商人工整理大量問答對、知識圖譜、知識庫或規則，並通過問答對匹配、規則匹配，實現人機對話。使用MRC技術後，系統就可以直接閱讀理解商品的說明書，極大地提高了效率，減少了人力成本，並大大提高了智能客服的「智商」。

AI商業化新基建——多模態語義理解

目前，產業界普遍認為，多模態語義理解將會成為AI在各行各業實現大規模商業落地的重要基礎設施。這一邏輯背後的原因非常簡單——現實世界本身就是多模態的。「就像你去醫院看病，醫生要望聞問切，對患者各種模態的狀況進行檢查（比如血、尿，體溫，MR，詳細諮詢病情等），不能只憑線上聊天的幾行文字就做出診斷。」

多模態語義理解具備了同時多種模態信息進行深度理解的能力，所以適配的應用場景就更廣泛，因為現實中的場景都是多模態的。例如，在醫療場景，醫生會對就診病人「望聞問切」；電商場景，用戶會在諮詢時發來語音或圖片或文本；在線教育場景，學生總是期待老師能夠通過視頻、音頻和解說文字來教學，通過圖文並茂實現更好的教學效果。就連人類的社交場景也是多模態的，人們總是期望能見面詳談，能面對面看到對方的樣子、姿態、表情、聲音，並通過對話、聲音、視覺等多種模態信息，理解對方的意圖。

人工智慧多模態語義理解存在著廣闊的商業前景，並有望成為AI行業的新基建。

憑藉著在人機對話、機器閱讀理解、多模態語義理解領域的技術積累，深思考已在智慧醫療、智慧生活、智慧商業三大AI場景成熟應用落地，並基於其iDeepWise5.0 多模態深度語義理解引擎的技術優勢，不斷快速適配更多應用場景，在虛擬偶像、二次元平臺、遊戲等領域不斷開疆拓土。讓機器更理解人類，未來可期，也是深思考的未來不斷探尋之路。