人工智能的發(fā)展階段

我們可以透過人工智能本身的發(fā)展歷程，來看它商業(yè)化的契機(jī)。人工智能的發(fā)展，經(jīng)歷了幾波大起大落。人工智能從學(xué)術(shù)上講，它并不是一個(gè)新的學(xué)科。從上個(gè)世紀(jì)五六十年代開始，學(xué)界就提出了人工智能模擬人類智慧這樣大膽的目標(biāo)。隨后便是一波浪潮，大量的研究投入。

但是那個(gè)時(shí)候的成果非常有限，處于剛起步階段的算法還很簡(jiǎn)單，機(jī)器只能處理一些邏輯性較強(qiáng)的問題，比如解微積分、證明定理等等。對(duì)于適應(yīng)人類處理問題的不確定性環(huán)境來說，能力還很差。由于期望與現(xiàn)實(shí)的差異，導(dǎo)致上世紀(jì)七十年代人工智能進(jìn)入了一個(gè)低谷時(shí)期。

但是很快，不久后到了八十年代，人工智能便重新回到了公眾的視野，迎來了新一輪的發(fā)展。這個(gè)階段產(chǎn)生了大量的“專家系統(tǒng)”，并且得到了一定應(yīng)用。但是專家系統(tǒng)仍然具有很多局限性，比如無法模擬真正人類專家所掌握的隱性知識(shí)、缺乏通用的常識(shí)等等，以及維護(hù)好一個(gè)大型系統(tǒng)的復(fù)雜性和成本，都導(dǎo)致人工智能在這波浪潮過后，又是一段時(shí)間的寂靜。

到了九十年代，是個(gè)很有意思的時(shí)期。表面看來波瀾不驚，但實(shí)際上是暗潮涌動(dòng)。那個(gè)時(shí)候我上高中了，已經(jīng)開始接觸人工智能相關(guān)的知識(shí)，但是并沒有條件進(jìn)行系統(tǒng)化的學(xué)習(xí)。在了解了當(dāng)時(shí)人工智能發(fā)展水平和一些基本技術(shù)實(shí)現(xiàn)方法之后，我也有直觀的感覺，人工智能好難啊，到底出路在哪里。

算法、硬件和大數(shù)據(jù)助推人工智能

過往的算法都是把人工的規(guī)則告訴機(jī)器，讓機(jī)器依照規(guī)則來計(jì)算出結(jié)果。這些規(guī)則可能會(huì)非常復(fù)雜。要想讓計(jì)算機(jī)有更高的智能化水準(zhǔn)，規(guī)則就要更加復(fù)雜。當(dāng)時(shí)呢我就突發(fā)奇想，我們是不是應(yīng)該換個(gè)思路，不是把我們知道的規(guī)則直接告訴計(jì)算機(jī)去執(zhí)行，因?yàn)橐?guī)則維護(hù)非常困難；而是賦予計(jì)算機(jī)像人腦一樣學(xué)習(xí)、思考的能力，讓計(jì)算機(jī)真正具備解決問題的能力。那這個(gè)前提就是需要我們特別清楚人腦的工作機(jī)制，并找到一種電腦模擬人腦的模式。

我甚至為了這個(gè)看似荒誕的想法，決定大學(xué)的時(shí)候去學(xué)醫(yī)，目的就是為了能更好的認(rèn)識(shí)人類自己的大腦。不過后來因?yàn)楸Ｋ偷脑颍J(rèn)慫了，還是選了計(jì)算機(jī)專業(yè)。不過，我內(nèi)心還蠻驕傲的，有兩方面。一是在當(dāng)時(shí)，已經(jīng)有科學(xué)家初步驗(yàn)證了這個(gè)想法，這是我后來才了解到的。比較典型的就是“稀疏編碼矩陣”算法。Bruno Olshausen 與 David Field兩位學(xué)者設(shè)計(jì)了算法，讓計(jì)算機(jī)自主的去尋找圖片當(dāng)中的特征。最終的結(jié)果是，構(gòu)成這些圖片最基本的元素都是一些物體的邊緣，看起來都是一些相似的線段，只是他們的方向有一些區(qū)別。這與David Hubel 與 TorstenWiesel的生物試驗(yàn)的結(jié)果不謀而合?。―avid Hubel 與 Torsten Wiesel是1981年諾貝爾醫(yī)學(xué)獎(jiǎng)的兩位得主）這也意味著，人類第一次在計(jì)算機(jī)視覺方面，找到了與生物視覺類似的特征提取、分類、識(shí)別的過程與方法二是到現(xiàn)在為止，人工智能領(lǐng)域的發(fā)展的確在朝著這個(gè)方向前進(jìn)。特別是2006年，深度學(xué)習(xí)被正式提出來之后，人工智能與人類智慧站的越來越近。隨著深度學(xué)習(xí)技術(shù)的成熟，它逐漸變成了人工智能領(lǐng)域里的大殺器。過往很多難以解決、或者效果不佳的問題，現(xiàn)在都可以通過深度學(xué)習(xí)技術(shù)，得到很好的效果，極大地推動(dòng)了人工智能領(lǐng)域的發(fā)展，以及應(yīng)用的普及。最典型的例子，就是自然語(yǔ)言處理、語(yǔ)音識(shí)別、圖像識(shí)別等這些認(rèn)知技術(shù)，在用深度模型替換掉以前的方法后，一切都變得簡(jiǎn)單而高效。

 無疑，算法的進(jìn)步極大地推動(dòng)了人工智能商業(yè)化的進(jìn)程。新的算法提高了機(jī)器學(xué)習(xí)的能力與效率，讓問題解決的更快。但是還有兩個(gè)非常重要的因素，分別是硬件的發(fā)展，和大數(shù)據(jù)時(shí)代的來臨。硬件的發(fā)展帶來的是計(jì)算能力的飛速提升。機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)這些概念早就有了，為什么深度學(xué)習(xí)最近10年才提出來？也有硬件的原因，過去根本沒有與之匹配的計(jì)算能力，來支撐更深層次的特征提取與學(xué)習(xí)。

隨著互聯(lián)網(wǎng)的發(fā)展，各式各樣的互聯(lián)網(wǎng)應(yīng)用以及移動(dòng)終端產(chǎn)生的數(shù)據(jù)量急劇增加。這些數(shù)據(jù)都可能是推動(dòng)人工智能發(fā)展的推進(jìn)劑。這讓機(jī)器學(xué)習(xí)所依賴的數(shù)據(jù)量更大，而且更容易獲得。

算法演進(jìn)、硬件運(yùn)算能力提升、大數(shù)據(jù)的發(fā)展，都是推動(dòng)人工智能商業(yè)化的重要因素。這里提一下，我們網(wǎng)易在人工智能商業(yè)化實(shí)踐上，也注重這三個(gè)方面同時(shí)推進(jìn)。我們?cè)?008年開始就投入到深度學(xué)習(xí)領(lǐng)域的研究，算是國(guó)內(nèi)投入很早的，我們有一流的研究團(tuán)隊(duì)。經(jīng)過這8年的技術(shù)積累，也形成了一套自有的深度模型。八年間我們把深度模型應(yīng)用在了不同的領(lǐng)域，比如人臉識(shí)別、音樂識(shí)別、語(yǔ)音識(shí)別，還有現(xiàn)在的智能客服領(lǐng)域。同時(shí)，我們?cè)诓粩嗉訌?qiáng)基礎(chǔ)設(shè)施的建設(shè)，現(xiàn)在已經(jīng)有一套超大規(guī)模高性能高可用的計(jì)算集群，為深度模型的密集運(yùn)算作支撐。此外，在網(wǎng)易19年的互聯(lián)網(wǎng)服務(wù)開展過程中產(chǎn)生的大量專業(yè)的數(shù)據(jù)，都成為我們訓(xùn)練這個(gè)深度模型的最佳素材，這使得我們深度模型更加專業(yè)，更能解決實(shí)際問題。

人工智能根本性改變客服機(jī)器人

回過頭來看人工智能商業(yè)化的問題。人工智能發(fā)展到今天，是否真能為我們解決實(shí)際問題？答案是肯定的。對(duì)于個(gè)人來講，人工智能已經(jīng)可以為我們生活帶來很多便利，或者全新不同的體驗(yàn)。對(duì)于特定產(chǎn)業(yè)來講，人工智能在不同領(lǐng)域的應(yīng)用，可以釋放人力，帶來效率提升以及產(chǎn)生價(jià)值。人工智能已經(jīng)在以極快的速度改變著人們的生活方式和生產(chǎn)方式。人工智能領(lǐng)域有一本非常有趣的“課外書”——《奇點(diǎn)臨近》，它在10年前就準(zhǔn)確預(yù)測(cè)、描繪了這一景象。

人工智能商業(yè)化例子有很多，我們身邊就有很多。蘋果手機(jī)里的Siri，手機(jī)淘寶里的“我的小蜜”，郵箱里的垃圾郵件過濾，眾多社交產(chǎn)品里的語(yǔ)音輸入，等等。這些都是人工智能商業(yè)化的例子。這里面都許多不同的技術(shù)，他們或直接、或間接的產(chǎn)生商業(yè)價(jià)值，并且能很好地解決用戶實(shí)際的問題。

今天這些不展開聊，主要以客服領(lǐng)域?yàn)槔齺砜纯慈斯ぶ悄苌虡I(yè)化實(shí)踐。就像一開始說的，我會(huì)關(guān)注人工智能能為客服領(lǐng)域解決什么問題。那就不妨先看看客服領(lǐng)域有什么問題，也就是我們做產(chǎn)品時(shí)所關(guān)心的需求。

客服領(lǐng)域最直接的一個(gè)問題，就是人力成本的問題。我在很多場(chǎng)合都分享過一組數(shù)據(jù)。我們不久前，對(duì)網(wǎng)易公司十余年的服務(wù)數(shù)據(jù)進(jìn)行了一次整理統(tǒng)計(jì)與分析，發(fā)現(xiàn)在服務(wù)過程中，來自用戶的類似“你好、在嗎”這種善意但又無意義的信息占到了總體信息的47%，將近一半。另外有意義的信息里面，又有78%的問題，可以歸類、合并為一些簡(jiǎn)單重復(fù)的問題。

這很直觀，這些事情由人來做，非常浪費(fèi)資源。由此引發(fā)的還有一個(gè)更嚴(yán)重的問題，那就是客服行業(yè)的從業(yè)人員的職業(yè)成長(zhǎng)問題。一線客服長(zhǎng)期在做一些簡(jiǎn)單重復(fù)性工作，枯燥乏味，沒有提升，這也直接導(dǎo)致了整個(gè)客服行業(yè)在社會(huì)中的地位不被認(rèn)可。其實(shí)這是個(gè)很可怕的問題，不是個(gè)人的問題或者團(tuán)隊(duì)的問題，而是行業(yè)性的問題，這對(duì)整個(gè)行業(yè)的發(fā)展產(chǎn)生了很大束縛。

當(dāng)然了，我們有辦法解決這個(gè)問題。那就是通過客服機(jī)器人來做這些簡(jiǎn)單重復(fù)的事情。最早期的第一代客服機(jī)器人，只能稱之為機(jī)器人，是沒有智能的一個(gè)簡(jiǎn)單的關(guān)鍵字應(yīng)答系統(tǒng)，比如電話的IVR，又如回復(fù)短信查詢信息等。這代機(jī)器人簡(jiǎn)單到幾乎沒什么技術(shù)可言，工作方式也很機(jī)械，但他的確第一次將人從簡(jiǎn)單重復(fù)的業(yè)務(wù)中解脫出來。

隨后的第二代客服機(jī)器人有了一定的進(jìn)步，它是一個(gè)關(guān)鍵詞檢索系統(tǒng)，有了檢索能力，也有一定的模糊匹配的能力。這就讓這個(gè)機(jī)器人能處理更多的問題。但是又帶來了新的問題，那就是隨著業(yè)務(wù)的快速發(fā)展，我們要維護(hù)的關(guān)鍵詞表會(huì)非常龐大，而且每個(gè)詞條可能會(huì)有多個(gè)詞，詞的順序都可能影響到匹配結(jié)果。這就讓機(jī)器又回到了依賴人的精力與經(jīng)驗(yàn)的老路上，明顯是不靠譜的。隨后出現(xiàn)的第三代智能客服機(jī)器人，注意它是智能機(jī)器人了，引入了NLP（自然語(yǔ)言處理）技術(shù)。這首次讓客服機(jī)器人可以處理句子，而不是孤立的詞。這個(gè)變化讓人機(jī)交互變得自然了。然而單一的NLP技術(shù)給機(jī)器人帶來的智能化水準(zhǔn)非常有限，它仍舊是依靠人工設(shè)定的規(guī)則（分詞、詞性標(biāo)注、句法、文法等）在工作，還是早期人工智能解決問題的思路。所以第三代客服機(jī)器人在實(shí)際業(yè)務(wù)場(chǎng)景中表現(xiàn)出來的處理問題的能力，雖然有很大提升，但還不夠理想。

我們希望機(jī)器人能處理更多的問題，同時(shí)希望對(duì)他的維護(hù)成本進(jìn)一步降低，說白了就是要求智能客服機(jī)器人更加聰明。這時(shí)人工智能領(lǐng)域最新的技術(shù)就派上用場(chǎng)了，也就是前面提到的深度學(xué)習(xí)技術(shù)。第四代智能客服機(jī)器人主要就是基于深度學(xué)習(xí)技術(shù)打造的。

深度學(xué)習(xí)的確是個(gè)大殺器，他打破了過去所有技術(shù)都依賴人工規(guī)則的束縛，讓機(jī)器暴露在數(shù)據(jù)中去學(xué)習(xí)、訓(xùn)練，自主的發(fā)現(xiàn)規(guī)律，學(xué)術(shù)上稱之為“特征”。然后依據(jù)學(xué)習(xí)到的特征去做分類或者預(yù)測(cè)。放到客服領(lǐng)域，深度學(xué)習(xí)帶來的好處是，機(jī)器可以更好地適應(yīng)用戶口語(yǔ)化、而且多變的問法。與此同時(shí)，我們也不必去維護(hù)大量的相似問法。這種人工規(guī)則已經(jīng)不需要了，機(jī)器可以處理絕大多數(shù)的問題。

客服機(jī)器人從第一代到第四代發(fā)展的過程，是一個(gè)非常自然的過程：業(yè)務(wù)不斷發(fā)展；人力壓力不斷增大；我們對(duì)技術(shù)的要求越來越高；促使新技術(shù)不斷地來解決更多的問題。這就是典型的商業(yè)化的進(jìn)程。

人工智能全面應(yīng)用于網(wǎng)易七魚

網(wǎng)易七魚也是個(gè)很好的例子。我們過去有很扎實(shí)的人工智能技術(shù)積累，有豐富的深度學(xué)習(xí)技術(shù)應(yīng)用、調(diào)優(yōu)的經(jīng)驗(yàn)。今天我們把這些技術(shù)應(yīng)用在了客服領(lǐng)域，為企業(yè)優(yōu)雅地解決服務(wù)問題。

網(wǎng)易七魚正是提供了第四代智能客服機(jī)器人，幫助我們的客戶企業(yè)解決86%以上的簡(jiǎn)單重復(fù)的問題。這時(shí)客服團(tuán)隊(duì)大量的人力釋放出來，但是并不必恐慌，這不是對(duì)客服行業(yè)產(chǎn)生沖擊，而是正向的推進(jìn)。釋放出來的人力，逐步走向更高級(jí)的服務(wù)崗位，或者進(jìn)入到生產(chǎn)過程中的不同環(huán)節(jié)，去從事更有挑戰(zhàn)，更應(yīng)該由人來完成的工作。網(wǎng)易七魚就是一個(gè)通過人工智能技術(shù)，解決實(shí)際問題、創(chuàng)造價(jià)值的例子。

然而網(wǎng)易七魚在人工智能商業(yè)化方面的工作不止于此，我們還做了很多的事情。網(wǎng)易七魚是云時(shí)代智能客服專家，我們基于人工智能技術(shù)提出了全智能服務(wù)閉環(huán)的概念。

也就是說，在整個(gè)服務(wù)的閉環(huán)當(dāng)中，從溝通開始，到智能服務(wù)、服務(wù)管理、以至于推動(dòng)智能商業(yè)決策、再將決策帶來的影響反饋給客戶，這整一個(gè)閉環(huán)的每個(gè)環(huán)節(jié)，我們都適當(dāng)?shù)丶尤肓宋覀兯瞄L(zhǎng)的人工智能技術(shù)，以解決不同的問題。比如服務(wù)溝通環(huán)節(jié)，我們充分考慮到移動(dòng)時(shí)代用戶輸入的便利性，提供了語(yǔ)音識(shí)別技術(shù)，讓用戶可以與智能客服機(jī)器人實(shí)現(xiàn)真正的對(duì)話。比如客服管理環(huán)節(jié)，我們提供智能績(jī)效、智能質(zhì)檢、風(fēng)險(xiǎn)預(yù)警的功能，這極大的解放了一線客服主管的生產(chǎn)力，并且還可以提高服務(wù)的質(zhì)量。

值得一提的是，網(wǎng)易七魚的第四代智能客服機(jī)器人，他不是一個(gè)孤立的機(jī)器人。我們通過數(shù)據(jù)，將高性能機(jī)器、高智慧算法、以及客服和訪客的行為關(guān)聯(lián)在一起。這樣就打造了我們?nèi)碌闹悄茏?，使得我們的機(jī)器人在擁有很高的智能化水準(zhǔn)的前提下，越用越好；而且可以在人機(jī)互助、分析用戶行為、為商業(yè)決策做支撐等方面提供更多的幫助。

網(wǎng)易七魚在人工智能商業(yè)化的道路上從來不是堆功能、炫技術(shù)，而是真正的為企業(yè)解決問題、創(chuàng)造價(jià)值。這也是我一開始提的商業(yè)化觀點(diǎn)的一次成功實(shí)踐。我還想說，在人工智能商業(yè)化方面還有一個(gè)非常重要的事情，從網(wǎng)易七魚身上也能看出來，那就是特定的技術(shù)從來不是單打獨(dú)斗的。我們?cè)诋a(chǎn)品中運(yùn)用了大量不同的智能技術(shù)，來打造一個(gè)真正智能的客服專家。技術(shù)融合、應(yīng)用創(chuàng)新的理念非常重要。而且就在上個(gè)月，2016年的5月，網(wǎng)易七魚憑借在人工智能領(lǐng)域的努力一舉拿下第八屆云計(jì)算大會(huì)的創(chuàng)新大獎(jiǎng)，這也是學(xué)術(shù)界對(duì)我們?cè)诙嗉夹g(shù)融合、創(chuàng)新方面工作的認(rèn)可。

從客服這里跳出來，我們回來看整個(gè)人工智能領(lǐng)域。我認(rèn)為人工智能的商業(yè)化是必然的，而且會(huì)越來越快、面越來越寬。他帶來的沖擊，會(huì)像是工業(yè)革命那樣，是顛覆式的?；叵肴斯ぶ悄馨l(fā)展歷程的幾次起落，很快，我相信人工智能這個(gè)概念會(huì)再次淡出人們的視野。但這次不是被遺忘，而是人工智能已經(jīng)變得像用水用電一樣自然，深入到我們的生活。