网易七鱼段毓铮：人工智能商业化在客服领域凸显

大家晚上好！我是网易七鱼的产品总监段毓铮，非常高兴有机会与大家分享关于人工智能的话题。我本人对人工智能领域非常关注，一方面是我个人从小就对这个领域感兴趣，高中的时候就会读一些模式识别、遗传算法等方面的书，兴趣驱使，就会长期关注这个领域的事情；另一方面，也是和现在的工作有关，网易七鱼产品里有大量人工智能技术的思考与实践，所以也迫使我关注这个领域的发展与动态。

今天我们的话题是人工智能的商业化。我认为现在来谈人工智能的商业化是个非常好的时机。大家应该能感受到，近些年人工智能非常火，在各个领域都被频繁的提到。那是不是因为它火，我们就来关注它的商业化呢？并不是这个逻辑。人工智能火，是因为相关技术本身发展到了一个新的高度。而商业化的前提是，新的技术、或者理念，发展到了可以真正解决实际问题、产生价值、赚到钱的水平。

人工智能的发展阶段

我们可以透过人工智能本身的发展历程，来看它商业化的契机。人工智能的发展，经历了几波大起大落。人工智能从学术上讲，它并不是一个新的学科。从上个世纪五六十年代开始，学界就提出了人工智能模拟人类智慧这样大胆的目标。随后便是一波浪潮，大量的研究投入。

但是那个时候的成果非常有限，处于刚起步阶段的算法还很简单，机器只能处理一些逻辑性较强的问题，比如解微积分、证明定理等等。对于适应人类处理问题的不确定性环境来说，能力还很差。由于期望与现实的差异，导致上世纪七十年代人工智能进入了一个低谷时期。

但是很快，不久后到了八十年代，人工智能便重新回到了公众的视野，迎来了新一轮的发展。这个阶段产生了大量的“专家系统”，并且得到了一定应用。但是专家系统仍然具有很多局限性，比如无法模拟真正人类专家所掌握的隐性知识、缺乏通用的常识等等，以及维护好一个大型系统的复杂性和成本，都导致人工智能在这波浪潮过后，又是一段时间的寂静。

到了九十年代，是个很有意思的时期。表面看来波澜不惊，但实际上是暗潮涌动。那个时候我上高中了，已经开始接触人工智能相关的知识，但是并没有条件进行系统化的学习。在了解了当时人工智能发展水平和一些基本技术实现方法之后，我也有直观的感觉，人工智能好难啊，到底出路在哪里。

算法、硬件和大数据助推人工智能

过往的算法都是把人工的规则告诉机器，让机器依照规则来计算出结果。这些规则可能会非常复杂。要想让计算机有更高的智能化水准，规则就要更加复杂。当时呢我就突发奇想，我们是不是应该换个思路，不是把我们知道的规则直接告诉计算机去执行，因为规则维护非常困难；而是赋予计算机像人脑一样学习、思考的能力，让计算机真正具备解决问题的能力。那这个前提就是需要我们特别清楚人脑的工作机制，并找到一种电脑模拟人脑的模式。

我甚至为了这个看似荒诞的想法，决定大学的时候去学医，目的就是为了能更好的认识人类自己的大脑。不过后来因为保送的原因，认怂了，还是选了计算机专业。不过，我内心还蛮骄傲的，有两方面。一是在当时，已经有科学家初步验证了这个想法，这是我后来才了解到的。比较典型的就是“稀疏编码矩阵”算法。Bruno Olshausen 与 David Field两位学者设计了算法，让计算机自主的去寻找图片当中的特征。最终的结果是，构成这些图片最基本的元素都是一些物体的边缘，看起来都是一些相似的线段，只是他们的方向有一些区别。这与David Hubel 与 Torsten Wiesel的生物试验的结果不谋而合！（David Hubel 与 Torsten Wiesel是1981年诺贝尔医学奖的两位得主）这也意味着，人类第一次在计算机视觉方面，找到了与生物视觉类似的特征提取、分类、识别的过程与方法二是到现在为止，人工智能领域的发展的确在朝着这个方向前进。特别是2006年，深度学习被正式提出来之后，人工智能与人类智慧站的越来越近。随着深度学习技术的成熟，它逐渐变成了人工智能领域里的大杀器。过往很多难以解决、或者效果不佳的问题，现在都可以通过深度学习技术，得到很好的效果，极大地推动了人工智能领域的发展，以及应用的普及。最典型的例子，就是自然语言处理、语音识别、图像识别等这些认知技术，在用深度模型替换掉以前的方法后，一切都变得简单而高效。

无疑，算法的进步极大地推动了人工智能商业化的进程。新的算法提高了机器学习的能力与效率，让问题解决的更快。但是还有两个非常重要的因素，分别是硬件的发展，和大数据时代的来临。硬件的发展带来的是计算能力的飞速提升。机器学习、神经网络这些概念早就有了，为什么深度学习最近10年才提出来？也有硬件的原因，过去根本没有与之匹配的计算能力，来支撑更深层次的特征提取与学习。

随着互联网的发展，各式各样的互联网应用以及移动终端产生的数据量急剧增加。这些数据都可能是推动人工智能发展的推进剂。这让机器学习所依赖的数据量更大，而且更容易获得。

算法演进、硬件运算能力提升、大数据的发展，都是推动人工智能商业化的重要因素。这里提一下，我们网易在人工智能商业化实践上，也注重这三个方面同时推进。我们在2008年开始就投入到深度学习领域的研究，算是国内投入很早的，我们有一流的研究团队。经过这8年的技术积累，也形成了一套自有的深度模型。八年间我们把深度模型应用在了不同的领域，比如人脸识别、音乐识别、语音识别，还有现在的智能客服领域。同时，我们在不断加强基础设施的建设，现在已经有一套超大规模高性能高可用的计算集群，为深度模型的密集运算作支撑。此外，在网易19年的互联网服务开展过程中产生的大量专业的数据，都成为我们训练这个深度模型的最佳素材，这使得我们深度模型更加专业，更能解决实际问题。

人工智能根本性改变客服机器人

回过头来看人工智能商业化的问题。人工智能发展到今天，是否真能为我们解决实际问题？答案是肯定的。对于个人来讲，人工智能已经可以为我们生活带来很多便利，或者全新不同的体验。对于特定产业来讲，人工智能在不同领域的应用，可以释放人力，带来效率提升以及产生价值。人工智能已经在以极快的速度改变着人们的生活方式和生产方式。人工智能领域有一本非常有趣的“课外书”——《奇点临近》，它在10年前就准确预测、描绘了这一景象。

当然还有另外一种解读，业内也有专家曾经举例表达过这种观点：商业化就是看人工智能是否已经深入到“黄赌毒”这种人类最基本的诉求中。其实是有的，在国外，VR很大的一个应用就是在色情产业里，大家可以想象一下……不过这个事情在中国不成立。在国内是反过来的，有一些产品通过智能化的手段来做鉴黄、反垃圾的事情。这其实也很有意思，要让机器来鉴黄，就要给他输入大量的黄色的东西，图片或者视频，来训练它，让他学习。看起来也是个很辛苦的学习过程。要让机器反垃圾，也是要喂给他垃圾，让他知道哪些是垃圾哪些不是。

人工智能商业化例子有很多，我们身边就有很多。苹果手机里的Siri，手机淘宝里的“我的小蜜”，邮箱里的垃圾邮件过滤，众多社交产品里的语音输入，等等。这些都是人工智能商业化的例子。这里面都许多不同的技术，他们或直接、或间接的产生商业价值，并且能很好地解决用户实际的问题。

今天这些不展开聊，主要以客服领域为例来看看人工智能商业化实践。就像一开始说的，我会关注人工智能能为客服领域解决什么问题。那就不妨先看看客服领域有什么问题，也就是我们做产品时所关心的需求。

客服领域最直接的一个问题，就是人力成本的问题。我在很多场合都分享过一组数据。我们不久前，对网易公司十余年的服务数据进行了一次整理统计与分析，发现在服务过程中，来自用户的类似“你好、在吗”这种善意但又无意义的信息占到了总体信息的47%，将近一半。另外有意义的信息里面，又有78%的问题，可以归类、合并为一些简单重复的问题。

这很直观，这些事情由人来做，非常浪费资源。由此引发的还有一个更严重的问题，那就是客服行业的从业人员的职业成长问题。一线客服长期在做一些简单重复性工作，枯燥乏味，没有提升，这也直接导致了整个客服行业在社会中的地位不被认可。其实这是个很可怕的问题，不是个人的问题或者团队的问题，而是行业性的问题，这对整个行业的发展产生了很大束缚。

当然了，我们有办法解决这个问题。

那就是通过客服机器人来做这些简单重复的事情。最早期的第一代客服机器人，只能称之为机器人，是没有智能的一个简单的关键字应答系统，比如电话的IVR，又如回复短信查询信息等。这代机器人简单到几乎没什么技术可言，工作方式也很机械，但他的确第一次将人从简单重复的业务中解脱出来。

随后的第二代客服机器人有了一定的进步，它是一个关键词检索系统，有了检索能力，也有一定的模糊匹配的能力。这就让这个机器人能处理更多的问题。但是又带来了新的问题，那就是随着业务的快速发展，我们要维护的关键词表会非常庞大，而且每个词条可能会有多个词，词的顺序都可能影响到匹配结果。这就让机器又回到了依赖人的精力与经验的老路上，明显是不靠谱的。随后出现的第三代智能客服机器人，注意它是智能机器人了，引入了NLP（自然语言处理）技术。这首次让客服机器人可以处理句子，而不是孤立的词。这个变化让人机交互变得自然了。然而单一的NLP技术给机器人带来的智能化水准非常有限，它仍旧是依靠人工设定的规则（分词、词性标注、句法、文法等）在工作，还是早期人工智能解决问题的思路。所以第三代客服机器人在实际业务场景中表现出来的处理问题的能力，虽然有很大提升，但还不够理想。

我们希望机器人能处理更多的问题，同时希望对他的维护成本进一步降低，说白了就是要求智能客服机器人更加聪明。这时人工智能领域最新的技术就派上用场了，也就是前面提到的深度学习技术。第四代智能客服机器人主要就是基于深度学习技术打造的。

深度学习的确是个大杀器，他打破了过去所有技术都依赖人工规则的束缚，让机器暴露在数据中去学习、训练，自主的发现规律，学术上称之为“特征”。然后依据学习到的特征去做分类或者预测。放到客服领域，深度学习带来的好处是，机器可以更好地适应用户口语化、而且多变的问法。与此同时，我们也不必去维护大量的相似问法。这种人工规则已经不需要了，机器可以处理绝大多数的问题。

客服机器人从第一代到第四代发展的过程，是一个非常自然的过程：业务不断发展；人力压力不断增大；我们对技术的要求越来越高；促使新技术不断地来解决更多的问题。这就是典型的商业化的进程。

人工智能全面应用于网易七鱼

网易七鱼也是个很好的例子。我们过去有很扎实的人工智能技术积累，有丰富的深度学习技术应用、调优的经验。今天我们把这些技术应用在了客服领域，为企业优雅地解决服务问题。

网易七鱼正是提供了第四代智能客服机器人，帮助我们的客户企业解决86%以上的简单重复的问题。这时客服团队大量的人力释放出来，但是并不必恐慌，这不是对客服行业产生冲击，而是正向的推进。释放出来的人力，逐步走向更高级的服务岗位，或者进入到生产过程中的不同环节，去从事更有挑战，更应该由人来完成的工作。网易七鱼就是一个通过人工智能技术，解决实际问题、创造价值的例子。

然而网易七鱼在人工智能商业化方面的工作不止于此，我们还做了很多的事情。网易七鱼是云时代智能客服专家，我们基于人工智能技术提出了全智能服务闭环的概念。

也就是说，在整个服务的闭环当中，从沟通开始，到智能服务、服务管理、以至于推动智能商业决策、再将决策带来的影响反馈给客户，这整一个闭环的每个环节，我们都适当地加入了我们所擅长的人工智能技术，以解决不同的问题。比如服务沟通环节，我们充分考虑到移动时代用户输入的便利性，提供了语音识别技术，让用户可以与智能客服机器人实现真正的对话。比如客服管理环节，我们提供智能绩效、智能质检、风险预警的功能，这极大的解放了一线客服主管的生产力，并且还可以提高服务的质量。

值得一提的是，网易七鱼的第四代智能客服机器人，他不是一个孤立的机器人。我们通过数据，将高性能机器、高智慧算法、以及客服和访客的行为关联在一起。这样就打造了我们全新的智能座席，使得我们的机器人在拥有很高的智能化水准的前提下，越用越好；而且可以在人机互助、分析用户行为、为商业决策做支撑等方面提供更多的帮助。

网易七鱼在人工智能商业化的道路上从来不是堆功能、炫技术，而是真正的为企业解决问题、创造价值。这也是我一开始提的商业化观点的一次成功实践。我还想说，在人工智能商业化方面还有一个非常重要的事情，从网易七鱼身上也能看出来，那就是特定的技术从来不是单打独斗的。我们在产品中运用了大量不同的智能技术，来打造一个真正智能的客服专家。技术融合、应用创新的理念非常重要。而且就在上个月，2016年的5月，网易七鱼凭借在人工智能领域的努力一举拿下第八届云计算大会的创新大奖，这也是学术界对我们在多技术融合、创新方面工作的认可。

从客服这里跳出来，我们回来看整个人工智能领域。我认为人工智能的商业化是必然的，而且会越来越快、面越来越宽。他带来的冲击，会像是工业革命那样，是颠覆式的。回想人工智能发展历程的几次起落，很快，我相信人工智能这个概念会再次淡出人们的视野。但这次不是被遗忘，而是人工智能已经变得像用水用电一样自然，深入到我们的生活。

最后，我想用那本非常崇拜的书名结束今天的分享：奇点临近——准备拥抱这令人欣喜的变化吧！