乐言科技CEO沈李斌：认知智能赋能企业计算 | 初心资本2019年会系列分享

2019年1月19日，初心资本2019年会在京隆重举行。初心系项目乐言科技CEO沈李斌博士也在下午论坛进行了“认知智能赋能企业计算”的演讲。

沈博士首先分别阐释了认知智能和企业计算的概念，相比于计算智能和感知智能，认知智能与人的常识高度相关，技术实现门槛更高，但和各行业实际业务能够形成紧密的关联。其次，他认为中国的企业计算包括市场、风险管控和客户服务三个方面，具有巨大的发展空间。乐言科技搭建了认知服务平台，在电商客服领域取得了突出的成绩，同时在教育、政务、金融等各领域也做了相关探索。

以下为乐言科技CEO沈李斌博士在初心资本四周年论坛中《认知智能赋能企业计算》主题演讲的实录：

乐言科技CEO沈李斌

很高兴能来初心参加年会，为大家分享乐言的进展，同时也和大家探讨我们能够用人工智能做些什么，在各个行业有哪些落地的场景。

乐言科技做的叫认知智能。人工智能领域大家比较熟悉大概是计算智能和感知智能。所谓计算智能的典型是AlphaGo，有一个非常明确的框架，相对来讲比较容易。第二类，比如图像识别、语音识别、人脸识别，替代人的感知器官，我们叫感知识别。随着深度学习这几年的进步，感知智能出现了很多的应用场景。最难的这一类是认知智能，它和人的常识密切相关。为什么说认知智能最难？大家看看手机的语音助手Siri，它现在的理解水平和五年前比，好像并没有一个质的飞跃。可见，要做一个通用的AI是非常困难的事情。

但认知的智能跟各行各业的业务能形成一个紧密的关联。现在白领知识工作，很多都是基于文本知识做出判断和行动，相对简单的就是客服，再深一点的律师、医生等偏后台的文本工作，需要对合同、条款有简单的理解。再往后比如自适应教育，辅助知识的理解，调整学生学习的内容。这些和认知智能是密切相关的。

在中国有一块特殊的电商客服市场，这是我们重点投入的，在产品化上做了大量的工作。除此之外，我们2018年在教育、政务等方面也做了一些标杆项目，待会儿我会为大家展开认知智能可以在这些行业做什么样的事情。

回到企业计算，我们怎么定义？首先来说，前台，即市场层面，包括受众、渠道获取，以及内容优化；第二块是风险管控，包括风险规避和损失控制；第三是客户服务，降低运营成本，促进企业营收。

下面我举两个简单的例子。第一，内容优化。大家知道最近一两年出来标题党很多，那怎么能够写出用户愿意点击的标题？这是一个非常简单的案例，后面我做内容，这方面做很多的事情。另外，做营销材料的优化，针对不同的人，展现不一样的界面，这些都有痛点。从认知智能的角度，能够为营销内容优化做很多工作。第二，客服服务。这是比较典型的场景，乐言科技在这个领域做了大量的工作。在线客服大量的回答是简单重复的，但需要大量的人力劳动。乐言在产品化方面非常领先，我们每天线上服务四五百万人，在这个垂直领域做到了类似图灵测试的效果。

再回到主题，为什么让认知智能赋能企业计算有很大的发展空间呢？一方面对于AI，很多领域还没有达到足够好的效果。另一方面，To B相对来说还是一个未被开垦的场景。对比看，美国在To B的销售、营销、企业数据这方面基于数据和AI做很多工作，在中国这块才刚刚起步。从上市公司看，中美To C领域头部的公司体量相当，而To B领域，中国还没有出现能够对标IBM、Oracle、SAP的公司。

在智能客服领域，我们拥有很多业内领先的技术。首先，我们基本是市面上唯一一家买家感受不到人机差别的客服机器人；其次，我们在售前做了很多人性化的工作，我们会模仿一名优秀的销售，提供穿搭的建议和其他商品的个性推荐。运用我们的产品，店家可以做到用户转化率5-10%的提升。

会务助理场景。去年在上海召开的人工智能大会，我们开发上线了会务智能助手，解决参会人员相对发散性的问题，比如，周围有什么地方可以吃饭、有什么场馆可以参观等等。和电商或其他行业不同的是，这个项目是完全冷启动的。也就是说，我们预先并不知道参会人员会问出什么样的问题，我们需要能过快速地响应，扩充知识的回答，做了这样的工作。

政务领域，乐言做了税务问答的系统。有很多企业来问税务怎么操作？其实很多一线热线税务服务人员是外包的，对税务没有太多的了解。我们提供一套辅助系统，可以根据系统完成税务方面的工作。

教育行业刚才很多嘉宾都提到，有很多切入点。对于乐言，我们能做的事情是回到教育学习的本质。老师都希望能在教学过程中形成正反馈，对于不同的学生，需要挑选相适应的材料，然后经过测试，知道这个学生在什么地方有欠缺，有针对性地布置作业练习。乐言在上海、北京部分学校已经进行了试点，包括教学知识图谱的搭建、教学闭环的搭建，在这个环节中用了大量的知识图谱和自动交互的技术，在使用过程中积累大量的数据，为未来自适应教学做积累。

刚才说的这些，说了从认知智能角度，赋能各个行业，可以做什么样的事儿。我们确实看到用人工智能的手段，能够切入到业务场景，看到良好的效果。

关于智能问答系统我再多说一些。智能问答系统包括两部分，其一是基于语义理解，你问个问题我要知道这个问题是什么意思，其二是知识学习的引擎，从你存量的知识、文档、网站上的资料做一个抽取，之后和知识图谱做一个增量的整合。我们有三种技术方案来做，一是基于知识图谱的问答，即KBQA（Knowledge-based Q&A）；二是基于信息检索的问答IRQA（Information retrieval-based Q&A），和信息检索的技术比较相近；三是基于阅读理解的回答（Machine Reading Comprehension），基于对文章的理解作问答。

我们现有的、能够掌握的认知技术，单一的技术是无法解决所有问题的。我们会同时尝试用IRQA、KBQA、MRC的方式去回答这些问题，有的回答这个问题准确度更高，有的回答那个问题准确度更高，最后作一个整合。基于不同问题的技术特点，对于高频场景IRQA比较好；如果是精准问答，我们用KBQA来做；对于颗粒度比较小的，我们用MRC，都会采用不同的方案。

最后我想把再回顾一遍刚才说的认知智能能够施展的空间市场。对我们乐言，从电商客户入手，形成持续的现金流，之后在金融、政务、教育、医疗各个方面做出一些探索。2019年，我们的压力是存在的。压力来自于我们不可能同时做各个行业，需要做出选择，什么是现有的技术能够落地，在行业中能形成先发优势。

谢谢大家！