究其原因，其一是聊天機器人背后的語(yǔ)義識別的技術(shù)難度本來(lái)就大；其二是聊天機器人應用的具體細分領(lǐng)域，各自領(lǐng)域的行業(yè)壁壘并不低，沒(méi)有一定的行業(yè)積累和時(shí)間投入，對手很難在短時(shí)間內追上。但是聊天機器人接下來(lái)要在學(xué)術(shù)會(huì )議中具體要學(xué)習到什么？實(shí)際應用場(chǎng)景中受技術(shù)影響的因素有多大？具體應用時(shí)要注意些什么？在聊天機器人進(jìn)入深耕應用場(chǎng)景的時(shí)候，又怎么通過(guò)學(xué)術(shù)會(huì )議更上一層樓？就此雷鋒網(wǎng)在IJCAI上特意訪(fǎng)問(wèn)了小i機器人CEO朱頻頻。
關(guān)于IJCAI采訪(fǎng)IJCAI澳洲主席的時(shí)候，他提到小i是國內第一個(gè)來(lái)贊助這個(gè)大會(huì )的，包括之前小i也出現在諸多人工智能大會(huì )的白金，黃金贊助商名單上，小i贊助學(xué)術(shù)大會(huì )的標準是什么？需求是什么？
中文自然語(yǔ)言處理在上個(gè)世紀年代已相對成熟，我們做的主要工作是在以前的NLP的基礎上把它工程化，以及解決在行業(yè)，領(lǐng)域實(shí)踐中的數據問(wèn)題，去做一些整合工作，再不斷地迭代，形成自己在數據層面、引擎層面的壁壘。
我們來(lái)學(xué)術(shù)會(huì )議，會(huì )重點(diǎn)關(guān)注是不是有一些比較顛覆性的技術(shù)，可能會(huì )重新定義或改變以前的圖像識別，聲音處理，自然語(yǔ)言處理的方法。雖然目前DL已經(jīng)極大地改變了圖像識別的方法，但在自然語(yǔ)言處理方面還不是那么的明顯，在學(xué)術(shù)上也有很多探索，但在實(shí)際應用中還沒(méi)有收到一個(gè)比較好的反饋，IJCAI作為世界頂尖的學(xué)術(shù)會(huì )議，里面有許多不錯的學(xué)生，最新的一些技術(shù)，以及跟世界最前沿的一些研究的對接。還有一點(diǎn)，最近國內發(fā)布的一些人工智能報告說(shuō)的挺客觀(guān)的一個(gè)事實(shí)，其提到國內的人工智能并不落后，甚至在某些應用層面屬于領(lǐng)先，不過(guò)在原創(chuàng )和相對基礎的技術(shù)上，中國相對比較落后，這是我們要去關(guān)注最前沿會(huì )議的一個(gè)關(guān)鍵原因。
總的來(lái)說(shuō)，我們參加學(xué)術(shù)會(huì )議的標準可以歸納為3點(diǎn)：向工業(yè)化靠近；跟語(yǔ)言語(yǔ)義比較相關(guān)的；相關(guān)會(huì )議中的國際頂會(huì )。
這次小i在IJCA Iindustry day的演講主題是《聊天機器人的產(chǎn)業(yè)應用實(shí)踐》，為什么選這個(gè)？您自己去聽(tīng)了哪些演講，主要想學(xué)習或者了解到什么？哪些學(xué)術(shù)論文和討論讓您受到了啟發(fā)？
學(xué)術(shù)工作很多時(shí)候會(huì )關(guān)注在非常細的一些點(diǎn)，比如某個(gè)算法上可能會(huì )提升多少個(gè)百分點(diǎn)，這在工業(yè)應用上并非最關(guān)鍵的部分，最關(guān)鍵的部分其實(shí)是看這個(gè)算法的綜合效果，對數據的要求，或者基于數據的工作對整個(gè)系統的提升。
我自己聽(tīng)了一個(gè)關(guān)于對文章標題的辨識（相符，有歧義，不符合）的相關(guān)論文報告，這個(gè)論文主要講通過(guò)機器學(xué)習，把提取關(guān)系的方法轉化成語(yǔ)義排序的方法，但這就是一種新的方法，效果好不好后面有待驗證。據我的了解，當它采用人工標注的方式去對主流門(mén)戶(hù)網(wǎng)站的媒體文章標題進(jìn)行符合度辨識時(shí)，論文的調查結果很有意思。其中發(fā)現新浪搜狐文章標題的百分比顯示正常，今日頭條文章標題的misleading（不符合）的比例則達到了30%，我自己對此的理解就是，這個(gè)地方是個(gè)標題黨。另外還聯(lián)想到一個(gè)點(diǎn)就是知識圖譜，目前它的初始關(guān)系圖大都是人幫建的，然后要去做好本體，以及各個(gè)內在關(guān)系在語(yǔ)義上的描述，但我想目前這塊除了人工標注的方法，有沒(méi)有自動(dòng)的方法？
接著(zhù)說(shuō)上面關(guān)于對文章標題黨的辨識論文的實(shí)際價(jià)值，同樣的工作，還有互聯(lián)網(wǎng)上非結構化的數據去尋找這樣的關(guān)系，我們更看重其可能可應用于幫助我們去發(fā)現和搜集規則，上面論文提到的排序法可能會(huì )出現一些噪音，不過(guò)通過(guò)這些噪音分析會(huì )不會(huì )反而會(huì )通向真正的解決辦法？答案當然是智者見(jiàn)智，主要看人怎么去參與，根據我們的實(shí)際經(jīng)驗，最好的系統常常是用戶(hù)邊使用邊升級，所以可以嘗試用在數據挖掘中而非生產(chǎn)系統中，這是我暫時(shí)能想到的。
小i在學(xué)術(shù)研究上的合作院校有哪些？
目前有復旦，華東師范，中科院軟件所，中科院計算所，中科大（這個(gè)跟很多公司在合作）。另外我們在貴陽(yáng)成立一個(gè)子公司，幫助他們建立大數據的人工智能平臺。今年聯(lián)合復旦實(shí)驗室投了論文，但沒(méi)做重點(diǎn)宣傳，換句話(huà)說(shuō)，今年我們公司重心在做產(chǎn)業(yè)化，如果要定一個(gè)目標的話(huà)，希望稅后收入希望達到2億，去年是9000萬(wàn)。
請總結一下您眼里小i本身在IJCAI的幾個(gè)亮點(diǎn)？
我認為主要有三點(diǎn)：
贊助位置比較靠前（排在中國8家贊助商中的第二），呵呵。
中國軍團抱團來(lái)參加（一定程度上說(shuō)明中國的人工智能正處在全球領(lǐng)先的位置）。
在參展的8家中國公司中，我們體量不算大，但我們是一家純粹的人工智能公司，我們所有的收入都來(lái)自人工智能，并不是讓人工智能助力它原本的其它業(yè)務(wù)，人工智能對于他們來(lái)說(shuō)或許只是一種工具或手段，但對我們來(lái)說(shuō)是全部，這在國內并不常見(jiàn)，可能科大訊飛是屬于這一類(lèi)的。
關(guān)于行業(yè)應用
語(yǔ)義識別，現在大公司百度DuerOS、騰訊小微，后起公司有科大訊飛，思必馳、三角獸，小i如何跟這些竟品差異化的？
人工智能技術(shù)是一系列技術(shù)，其它技術(shù)都呈現出這樣的狀態(tài)，門(mén)檻降低，現在大家不在乎你能不能做，而是能不能發(fā)揮價(jià)值，在一些細分應用場(chǎng)景，各自的創(chuàng )業(yè)公司都在涉足，比如用在電話(huà)里的callunderstanding跟用在手機里的語(yǔ)音轉寫(xiě)是兩回事，遠場(chǎng)喚醒和語(yǔ)音降噪又是一回事。但我們現在更看重其要產(chǎn)生商業(yè)價(jià)值。
根據我們的觀(guān)察，basicAI很多公司都能提供，但能做得好的并不多，包括2012，2013年我們跟訊飛有很多競爭，現在沒(méi)啥競爭了，因為各自有各自的產(chǎn)業(yè)方向，現在正確的說(shuō)法應該是稍微交叉。另外，想做這個(gè)方向的公司不少，但現在能形成氣候的公司不多，在產(chǎn)業(yè)里能形成威脅的不多，不少人在走我們之前走過(guò)的路，很多初創(chuàng )公司在語(yǔ)義層面去做。
另外，有時(shí)候我們發(fā)現，目前95%的語(yǔ)義識別公司都在做2B業(yè)務(wù)，但語(yǔ)義識別里面能夠落地的目前就只有智能客戶(hù)等這些相對成熟的場(chǎng)景，一些初創(chuàng )公司一開(kāi)始可以靠有趣的技術(shù)拿到天使投資，但要往A輪B輪靠的話(huà)，它就只能找到落地的商業(yè)模式了，這時(shí)候就需要找典型的客戶(hù)代表，所以我們會(huì )碰到一些創(chuàng )業(yè)公司以非常低的價(jià)格在跟客戶(hù)談，因為他們現階段急需案例和客戶(hù)。
你如何看待小i應用基因行程的關(guān)鍵折點(diǎn)？
嗯，我印象中比較深刻的幾個(gè)節點(diǎn)：
06年開(kāi)始做智能客服2B的嘗試。
09年全面轉到2B的方式（當然到現在還沒(méi)到爆發(fā)階段）。
11年下半年中國運營(yíng)商開(kāi)始采用智能客服機器人（當時(shí)運營(yíng)商開(kāi)始增長(cháng)之前，我們正好已經(jīng)形成了我們產(chǎn)品化的套路，iBot6.0已經(jīng)成型了）。
11年10月份，蘋(píng)果Siri的發(fā)布，很大程度上把語(yǔ)音語(yǔ)義能力呈獻給消費者和人工智能從業(yè)者的眼中。
13年上半年，我們給招商銀行做了微信上客服機器人，這個(gè)之后影響非常大，其它銀行紛紛把微信的客服當作一種標配。
關(guān)于深度語(yǔ)義平臺深度學(xué)習甚至增強學(xué)習的沖擊，有沒(méi)有對小i語(yǔ)義識別技術(shù)提升產(chǎn)生很大的影響？
根據我們的實(shí)際經(jīng)驗，這兩類(lèi)新的技術(shù)更多起作用的地方，是在數據挖掘，以及整個(gè)學(xué)習體系方面能起到不錯的效果，實(shí)際應用中的作用比預期要差很多。如果一定要說(shuō)沖擊，很多AI創(chuàng )業(yè)者一開(kāi)始的時(shí)候，會(huì )講其系統是用DL（深度學(xué)習）做的，用了最新的什么算法，以此來(lái)助力PR。
之前我們分析過(guò)國內所有做Customer Service的系統，大家的確都用了一些深度學(xué)習的技術(shù)，但在其中占的比例非常之小，但感覺(jué)大部分是用來(lái)做幌子做包裝的成分更大，在自然語(yǔ)音領(lǐng)域使用DL的有效度遠比在CV和云服務(wù)中用的要少。通常做自然語(yǔ)言理解方向又分為兩類(lèi)：
一類(lèi)是百度那種面對巨大data開(kāi)放的；
一類(lèi)是用在data儲備沒(méi)有那么大的商業(yè)領(lǐng)域。前者可能深度語(yǔ)音識別的用處比較大（機器學(xué)習從非結構化的數據中提取結構化的數據，再進(jìn)行一定的人工智能判斷，開(kāi)放型的這類(lèi)平臺可能更傾向于從龐大的數據里挖掘出來(lái)潛在的某種關(guān)系，譬如知識圖譜關(guān)系的自動(dòng)搜取就很有潛力）。
但就我們智能語(yǔ)音客服里邊用處比較小，2B業(yè)務(wù)更強調業(yè)務(wù)上的邏輯，比如多輪對話(huà)，動(dòng)態(tài)交互，我們更看重做一些scam架構提前預知，幫到用戶(hù)使用的時(shí)候快速把場(chǎng)景建立起來(lái)，這個(gè)過(guò)程有一些商業(yè)價(jià)值。目前一些創(chuàng )業(yè)公司做這個(gè)做得還不錯，通過(guò)把一些bigdata的分析，把機器學(xué)習和某些算法把一些常見(jiàn)的場(chǎng)景定義清楚，再變成一個(gè)圖形化的操作界面，使得用戶(hù)覺(jué)得非常方便，這樣用戶(hù)就不用關(guān)心底層技術(shù)，只要知道我已經(jīng)預知了某些模型，模型只要定義一些具體的參數，導進(jìn)來(lái)一些數據，結果就會(huì )自動(dòng)出來(lái)。
總的來(lái)說(shuō)，我們需要預知商業(yè)客戶(hù)的常見(jiàn)需求，建立模型，然后方便它不斷激烈商業(yè)邏輯上的數據。案例見(jiàn)多了，預測和洞察能力就會(huì )建立起來(lái)。
2016年小i機器人發(fā)布最強大腦2.0平臺；2017年小i機器人發(fā)布小i中文深度語(yǔ)義開(kāi)放平臺VS Machine Mind OS，這個(gè)迭代之間，應用了什么新的技術(shù)？
我們今年的主要目標是深度語(yǔ)義，之前我們做智能客服的時(shí)候沒(méi)人做，現在這個(gè)已變成一種剛需，使用比較久的客戶(hù)，它會(huì )關(guān)注解決一系更深入的需求；
中小客戶(hù)和剛剛創(chuàng )業(yè)的客戶(hù)更關(guān)注FAQ的搜索。
基于這樣的大前提，也是為了兼顧我們的產(chǎn)品定位，我們分成了basic AI和deep AI，主要通過(guò)云服務(wù)和標準版服務(wù)往外輸出，（在有標注的前提下，能讓用戶(hù)快速上手；deepAI很多能力是小i獨家的能力，知識圖譜的推理不少研究機構就有，我們的方法更容易獲得有效的擴展，多意圖的理解，我們找到了一種非常有效的方法來(lái)解決這一類(lèi)問(wèn)題）。
舉個(gè)例子，比如“上海的天氣怎么樣，上海的特產(chǎn)是什么？”——“上海的天氣”是個(gè)問(wèn)題，“上海的特產(chǎn)”是個(gè)問(wèn)題，但你不可能求做個(gè)新問(wèn)題就是“上海的天氣和特產(chǎn)是什么”，其實(shí)你在背后做組合，兩個(gè)問(wèn)題組合成一個(gè)問(wèn)題，這種情況下背后在做很多推理工作。深度神經(jīng)網(wǎng)絡(luò )很大的一個(gè)問(wèn)題是，它本身對于自然語(yǔ)義是不理解的，它只是基于一定特征的基礎上做一個(gè)映射，一旦情況有些變化，它需要對整個(gè)句子進(jìn)行學(xué)習和構建。所以現在大家常用的方法，是如何用DL對針對比較大的數據，結合以前的先驗知識，共建一個(gè)效果最好的方法。譬如我們對話(huà)引擎中會(huì )用到一個(gè)主引擎，一個(gè)副引擎，副引擎在特殊情況下啟動(dòng)的。
另設計一個(gè)好的DL架構也不容易，好比AlpaGo做的圍棋系統，FB也在做，但前者一開(kāi)始的架構設計比較好，包括它自己幾千萬(wàn)盤(pán)的自我對弈，之前人類(lèi)棋局中都沒(méi)出現過(guò)。
小i的中文深度語(yǔ)義開(kāi)放平臺能夠應用于智能客服、智能知識庫、智能IVR、實(shí)體機器人、智能硬件等多種場(chǎng)景。我想問(wèn)基于一個(gè)平臺，應用于多個(gè)場(chǎng)景，這其中技術(shù)上，不變的地方是哪部分？要變的地方是哪部分？
如果你去做一套獨立系統的話(huà)，這件事情相對簡(jiǎn)單，但我們需要把AI的技術(shù)提供給我們客戶(hù)，不同客戶(hù)系統的版本都不一樣，這會(huì )對體系的架構擴展要求非常高，這樣我們會(huì )把我們的體系分成幾個(gè)不同的模塊，每個(gè)模塊之間用比較松散耦合的模塊在組合。不同領(lǐng)域的客戶(hù)，哪些是共通的，總結一下就是：
底層的，引擎的，邏輯，處理能力是共通的。
各個(gè)領(lǐng)域的語(yǔ)義庫，知識庫，上層應用是不同的，前面的交互渠道是不同的，開(kāi)發(fā)的時(shí)候要把一些共通的部分預知到里面去，并對一些基礎的API提供二次開(kāi)發(fā)的空間。
其中的語(yǔ)義和知識庫是最不同的，不同領(lǐng)域的語(yǔ)義其詞類(lèi)不同，句子的平行語(yǔ)料不同，詞和詞之間訓練的權重模型也不一樣，不同領(lǐng)域的詞類(lèi)不一樣。以銀行為例，不同的銀行客戶(hù)，銀行語(yǔ)料庫是可以共用的，但知識庫不一樣，70%，80%層面問(wèn)題是相同的，答案很不一樣，業(yè)務(wù)邏輯中，有的需要跟云和圖像結合起來(lái)，這些地方挑戰較大。還有一些客戶(hù)會(huì )要求這套系統部署到自己的私有云服務(wù)器里去，要多解決很多問(wèn)題，要適配不同的系統，中間層面的軟件，不同的數據庫，甚至不同的網(wǎng)絡(luò )安全策略。
通常我們的應對辦法就是，系統部署都要做好適應二次開(kāi)發(fā)的心理準備（用戶(hù)界面，動(dòng)態(tài)數據，第三方登錄用戶(hù)權限），對接多了后就會(huì )把這些定義成幾個(gè)基礎的接口。更重要的是知識層面的，分清哪幾個(gè)類(lèi)別，原始素材的地方和形式（FAQ還是文檔，在線(xiàn)人工智能客服的形式），開(kāi)始做之后有個(gè)測試的過(guò)程，80%ok后再上線(xiàn)，上線(xiàn)之后還有個(gè)運營(yíng)的過(guò)程，從自身網(wǎng)站怎么學(xué)習，從第三方網(wǎng)站來(lái)的怎么去學(xué)習。
小結：
常年在學(xué)產(chǎn)兩界“跑場(chǎng)”的人都知道，一般學(xué)術(shù)界做的東西會(huì )比產(chǎn)業(yè)界發(fā)現它提前3-5年，然后學(xué)術(shù)界比較成功的demo可能兩年后就能在產(chǎn)業(yè)界出現了，慢一點(diǎn)的5年也有可能。自2015年人工智能恢復火熱以來(lái)，中國產(chǎn)業(yè)界公司出現在各種國際頂會(huì )已經(jīng)成為學(xué)術(shù)會(huì )議的一道特殊風(fēng)景，它們不僅關(guān)心學(xué)術(shù)界的前沿研究，還從資金、數據和計算力上實(shí)打實(shí)地支持學(xué)術(shù)界的研究，雖然投入巨大，學(xué)術(shù)到產(chǎn)業(yè)之間的轉化周期也不算短暫，但各家公司都在研究和研發(fā)之間尋找合理的平衡，尋找學(xué)術(shù)學(xué)術(shù)投入和產(chǎn)業(yè)價(jià)值之間合理的轉化百分比。
雖然不能短時(shí)間內立竿見(jiàn)影，但大家對于學(xué)術(shù)的投入還是很熱衷，在學(xué)術(shù)方面的積累對于技術(shù)方面的壁壘建立，以及給予技術(shù)壁壘后續更多的想象空間，還是有長(cháng)遠意義的一件事，新加入的AI公司在踐行，早就深耕應用場(chǎng)景的小i機器人在踐行，不過(guò)后者以過(guò)來(lái)人的姿態(tài)參與，顯得更有借鑒意義一些。
