受訪者 | 簡仁賢，竹間智能創始人&CEO
記者 | 鄧曉娟
隨著技術的發展，大數據、雲計算、人工智慧、區塊鏈都慢慢地為人熟知。2016 年 Google 推出 AlphaGo，讓人工智慧走進了大眾的視線，市場熱度也被推向了一個小高潮。
而就在 AlphaGo 推出的前一年，前微軟（亞洲）網際網路工程院副院長簡仁賢，回國創辦了竹間智能並推出一站式的企業服務的情感人工智慧開放平臺——Bot Factory。
而在今年，竹間智能自研的Bot Factory再度升級，於 5 月 29 日正式發布。據了解，Bot Factory 賦能於全行業，適用於多場景多渠道，旨在打造更易用、更多功能多場景的對話式機器人的機器人工廠，主要為企業解決人力成本、客戶服務、企業數據及效率等問題。
竹間智能創始人& CEO 簡仁賢於 2006 年加入了微軟，主要負責的工作內容更偏向於自然語言理解、搜索、算法和品牌研發。而在微軟最後的幾年主要負責整個亞太地區的搜索技術、合作生態以及全球移動研發，主要賦能於企業。在微軟工作的經歷，使得簡仁賢對於全世界企業的需求及解決企業需求中遇到的問題接觸比較多，對於 to B 企業、軟體與 to B 服務的經驗十分豐富。
竹間智能創始人&CEO 簡仁賢
在人工智慧領域的時間算起來已經有 20 多年經驗的簡仁賢，對於行業的看法與國內市場現狀都有著獨到的見解。令筆者欣喜的是，簡仁賢非常友善且健談，從人工智慧行業的理解，到自然語言處理技術的應用，再到國內 AI 企業的發展方向，相關問題都一一做出詳盡的回答。
「服務經濟時代，打鐵還需自身硬」
2015 年，從微軟離開後，簡仁賢回國創辦了竹間智能，在人工智慧領域已經有 20 多年的經驗的簡仁賢，創辦竹間智能對於他來說是一件水到渠成的事情。「把人工智慧普及在生活和企業上」——這個想法已經在腦海裡沉澱了很多年。
簡仁賢談到，人工智慧已經在美國發展得比較久了，但國內還在起步中。直到 2015 年，無論從資源、人才、資本、市場接受度來說，時機才算比較成熟。隨後的 2016 年，AlphaGo 的橫空出世將市場的熱度推向一個小小的高潮，讓更多人認識了人工智慧，也算是人工智慧打開國內市場的第一步。
但國內大的企業對於人工智慧的拓展速度比較慢，加上人工智慧項目落地的時間也比較久，所以直到 2020 年，經過疫情和新基建推動，才能說市場已經完全接受了人工智慧。
從竹間智能的主要業務上來看，簡仁賢一直堅持做自主底層平臺，致力於 AI 底層技術開發。而他們以 6 大技術為核心：自然語言處理、知識工程、深度學習&AutoML、文本數據中臺、視覺計算、語音辨識，研發出 4 個成熟的平臺型產品和6大行業解決方案，也擁有了多個標杆客戶的業務落地。
這給了簡仁賢深耕自然語言處理、並且聚焦在底層平臺的自信。
自然語言處理，也就是 NLP，是未來所有人工智慧技術的基礎和根本，所以有人稱 NLP 是人工智慧科技的一個掌上明珠。在此，簡仁賢藉助了其老上司的一句話：「懂語言者得天下」。在他看來，語言能幫助進化所有 IT 業務，可以說是未來 IT 的基礎。
中國從製造業走到網際網路，再發展到移動端，未來要走的就是以人為本的服務經濟路線。而企業的服務在發展的過程中，唯一不變的追求的是「降本增效」與「提質」。
舉例來說：在這次的疫情中，企業要考慮如何降低人力壓力、減少接觸、還要保證服務質量。而為「人」服務一定會產生交互，如今的交互多數來源於網際網路 App 的點擊、發送指令等方式，但人最原始的交互方式是言語交流，最後無論是服務還是技術，也是會追求和回歸到這個本質上。
而想要理解人的交互，必須要懂得人講話的意圖與情緒/情感。不理解意圖和情緒/情感，就無法理解言語的真正含義，在自然語言處理上就無法達到流暢。所以這時候企業需要的，是可以在降低成本的同時還能把服務做到位的解決方案和工具，來達到「降本增效」的作用，這些都要靠 NLP 來做。這也是未來服務經濟需要優化現狀的部分。
「科技公司的底氣是技術自研」
談到堅持做底層技術的研究與開發，簡仁賢表示，在過去 20 年，國內大部分 to B 的企業服務公司都著重於工具系統集成，如 OA 系統，ERP 系統，工具型的產品可以幫助企業優化一些固有的工作方式和流程，但受制於技術的不足，天花板較低，很難去不斷往前優化、進化和迭代。
簡仁賢指出，如今很多人開始用開源，但開源沒辦法做到「最優化」和「最佳化」，擁有自己的底層技術，可以針對一個大的問題進行最優化，直接改底層技術，從根本去優化，不會出現底層技術限制而導致上層功能無法優化的情況。簡仁賢堅定地表示，從一開始，竹間智能就堅持從底層到上層全部自研，包括訓練數據製造、算法等都是從 0 開始做的，因為他要做的是科技公司，不是 IT 集成商。
不僅如此，簡仁賢還告訴我們，微軟雖然對外宣稱支持開源，可微軟賣的 Soft產品裡面原始碼也是自研。 再如Google ，所有的原始碼都是從 0 開始寫的，但會開源出來。實際上包括Facebook、百度、華為也一樣。竹間智能受到眾多投資者青睞，也是因為國內除了竹間智能外，少有的 NLP 公司能擁有百分之百自研底層技術的能力。
談到自研的重要性，簡仁賢給出了一個很實際的解釋：企業軟體做小了，沒有人理，等做大了就會有人看中你的智慧財產權。如果沒有自己的底層技術，本身的產品和平臺的擴展力就會非常小，天花板會很快崩掉，企業的競爭力就很低了。擁有可控的底層技術，擁有專業領域的專利，擁有端到端的優化能力，才能達到未來解決方案的最大化和最佳解，在競爭當中才能做出整體解決方案，這就是科技企業的底氣與壁壘所在。
深扎 NLP ，在自己的領域做到獨當一面
簡仁賢告訴我，竹間智能的自然語言處理主要用於解決人與人的交互問題、企業的交互問題、硬體與人的交互問題。而文本數據中臺技術，結合了自然語言處理、深度學習等技術，具有處理多個不同來源的異構數據，如音頻、文字、圖像等，都可以做文本審核、比對、提取、分析、解讀、預測、糾錯、檢索等。這些功能可以幫助人把業務做了。作為竹間智能的客戶，新華社也使用 NLP 去做校正、查重、比對、校對文檔的工作，並且藉助 NLP 功能，可以檢測到整篇文章的情感語境，判斷這篇文章讀起來的感受是正面還是負面等等。
那麼，「情感智能」到底發揮哪些具體的作用？
舉個例子，在網上購物時我們對於服務的滿意度、對商品的喜歡度，才是情感。在這些場景中，人工智慧可以通過動作、反應、表情來判斷顧客的緊張程度。
此外，情感智能還可以應用在文字交互、語言交互等場景中。目前，竹間智能可以判斷 25 種細分的情緒。
在所有應用場景中，簡仁賢認為人工智慧只有應用到以下三種模式中，才可以真正幫助企業創造價值。
提高用戶體驗。如提高客戶滿意度、提升交互體驗、包括幫助企業更好地洞察客戶的需求與情緒情感等；提高效率。如縮短業務流程、業務自動化（審核文檔、校正、發郵件審理等）；降低運營成本。包括減低獲客成本、人工成本等。
「AI技術落地，沒有彎道超車可言」
20多年在人工智慧領域的經驗，簡仁賢深知技術之路的修煉並非易事。他表示，在這件事情上，沒有捷徑，也沒有彎道超車，所有的經驗和成功必須基於一步一個腳印的嘗試，通過不斷地嘗試和不斷地優化的出來的。
沒有任何成功的大企業是和別人一樣的，無論從創始人、到團隊、到商業模式、技術研發、甚至到方法論和經驗，都沒有一樣的。
竹間智能從 2015 年開始以 to C業務起步，之後調整轉型落地to B業務，一直到現在已經發展了200多家大客戶。所謂的轉型也是亦步亦趨，每一年都會推出新的不同的策略和產品，根據企業發展而去制定的，制定好後就會去執行，大概每一年都會經過不一樣的蛻變。
這當中最大的經驗就是：不用去Copy 別人，不用管別人在做什麼，關鍵是自己能否在不斷地嘗試當中找出自己的一條路，避開跟別人直接碰撞的局面。自己要去找到藍海在哪裡，不是由別人畫出藍海的領域你就闖進去，得自己找。
藍海找到後，要看自己的基本功是否紮實，這取決於你是否會被後來者居上。竹間智能堅持做NLP 、情感計算，底層技術紮實，所以競爭對手從來不是入局的創業公司，而是大型的 to B 服務企業。這當中，其他的一些企業可能已經從 做NLP 、知識圖譜轉到RPA的領域，RPA 是按鍵精靈的工具，並不是正真意義上的人工智慧。
歸結起來就是：找到一個細分領域深扎，在自己的領域裡堅守，做到最好。
人工智慧未來還有更大的空間
通過這次疫情，大眾對於人工智慧接受度有所增加。原本持觀望態度的企業，也向人工智慧的應用領域邁進了一步。對於企業來說，這是一個契機，也是一個挑戰。
隨著復工復產的推進，未來還會有很多新的大行業出現，無論是新舊結合、還是從這次疫情中崛起的新型行業，都值得我們拭目以待！