我们希望把人工智能技术应用不同的产业中去，我们在做基础的创新和实践，今天带来一些分享，有一些分享也是第一次在对外的分享，希望给大家带来一些参考，一起可以携手去加快驱动人工智能在更多领域的产业化的落地，人工智能是分三个阶段，从最早的运算的智能到感知的智能到认知的智能。感知智能解决的是听、看这样的能力，认知智能是解决思考理解的能力。认知智能是人工智能发展最高的阶段，在工业革命的时候、信息化的时候解决的是人类的体力问题，在认知智能和人工智能是解决脑力的问题。在这个过程中面对可以理解、可以去推理归纳的能力，认知智能目前有很多路要走，这也是目前的难点所在。

　　如图，认知智能是相当于人类的大脑，解决的是听懂、看懂、读懂这样的问题，如何把人工智能跟产业相结合呢，简单的逻辑图，是把认知智能进行实名化变成实体机器人、虚拟的机器人，可以解决服务岗位、影像岗位、运营管理甚至生产岗位上的问题，再进行行业化，去放到各行各业的行业里边不同的相应的岗位里边去解决相关的服务，有些朋友也校称我们是一家人力资源的企业，只不过我们派驻的是机器人。

　　2009年的市场，在2000年成立到2004年的阶段，后来把2008年应用到了10086运营商领域，2010年应用到了交通银行这样的金融领域，时至今日，越来越多的传统产业开始逐步的加入到了人工智能序列中来，有一些做洁具马桶的传统制造业，包括底层的做养殖畜牧业农业，都会跟人工智能开始慢慢的相结合，过程中虽然人工智能发展了五六十年，但是现在处于拐点才刚刚开始，整个的变化也是非成熟、高速发展的，也有很多不确定性的市场，这个过程中大陆的市场走在了包括香港和台湾市场的前面。

　　我们面对媒体会被问到，你们如何把技术落地的，可以进行商业化是很重要的点，什么是商业化，就是有很多客户、很多领域、很多的应用场景愿意为这个服务或者解决方案进行买单，不仅要求有技术，而且更重要的是在过程中要有成熟的工程化、标准化的产品，依托这样的产品在上面适配各个行业应用解决方案，也要配合专业的实施方法论才能有效把最底层的技术跟实际业务场景结合，然后落地到很多产业领域中去。

　　支撑商业化很重要的特点是货币化，时至今日人工智能领域中应用最广泛、最大量的应用市场就是在客服，智能客服概念大家已经不陌生了，AI+智能客服的体系，基本上回顾近七八年走过的路，几乎都是围绕这个体系在发声的，也有大量数据去证明在这种模式下给企业带来很多的价值，2015年为一家银行解决了节省六千名坐席人员、2017年可以节省九千人的坐席量，比比皆是。支撑这个体系的背后是这个平台，如图，围绕自然语音理解驱动平台这个最核心的部分，也要依赖于底层积累大量行业领域的知识库，依托大数据学习层相应的能力，配合多模态的识别能力，去链接植入到企业方方面面来产生服务。从2001到2004年做MSN机器人，就是解决聊天问题，北京今天天气降温了、北京有雾霾吗、我们有吃烤鸭的地方吗？就是最早的聊天，就是解决人与人之间最自然的寒喧。再往下应用到企业级市场上，就是提出了FAQBot，解决了很简单的基于标准化基础性的问答方式。再往后面是服务过程中很多时候有很多比较难的场景，也是比较复杂的场景，后来产生了DeepBot，解决上下文、多意义理解的问题，再往后是探索的是下一代要做的产品，现在五大Bot的融合。

　　机器人到底用什么技术，智能服务到底应用了什么技术，实际上很难说某一个单一的技术组成的，在每个Bot中应用的技术都不一样。CHatting Bot应用了深度学习的技术，发展到了深度学习第三层，这是目前的阶段。再望下面，就会把被动支持和记忆机制引入，当用户在交互的时候，不仅仅是标准化的问答，更重要的是来自于什么领域的，来自于什么用户的，历史上发生过什么行为，结合这样的诉求我的回答并不一样，这是在做记忆机制和背景机制的结合。再下一代是深度对话模型下面的，可以让两个机器人聊天，补充聊天和对话库。在2B的市场上应用不多，更重要的是在2C市场上，类人的聊天、教育陪聊是有应用之地。

　　FAQ Bot就是深度学习的模型+自然语言理解处理的模型相结合，历史过往实践中发现，完全依赖于深度学习模型来做会发现很多时候答案不可控，这是业界都公认的问题，如何解决呢？把依托于自然语言理解的模型、精准化模型和深度模型结合，两个模型相互制约，来实现服务更精准的目的。这里面有六大类能力，已经应用了七八年了。很多人中文理解会很复杂，也有一些反意的，语音表达有一语双关的意思，这是中文处理起来很复杂的地方。多种问法的识别，很多种问法语义是一样的，所以给的服务是一致的，余额查询有几百种问法，自动上下文模拟人与人间的交互来进行上下文的结合，根据上下文的对话自动的生成相应的流程，根据流程去得到相应的答案，这是自动上下文的能力，非常类似于人与人的交互。你问一句不是可以得到的，要经过多轮的交互来提取诉求，来补充相应的参数，根据不同的参数锁定不同客户的意图，根据意图再给相应的反馈，这是多轮对话的能力。深度推理能力，根据在多次问题里面进行类比，通过引擎推理出来的结果给到用户。人与人沟通经常换好几个问题一起在问，人与机器沟通也有这样的问题，然后再进行答案的理解和渲染。

　　动态场景的交互问题，动态知识载入的问题，在人工客服处理过程中存在答案存在于多个系统中，后台中的数据库，在数据库结构领域要对应找到相应答案进行组合与分析推理。举例，之前经过查询系统的，用自然语言的理解把相应的推理过程用字库语句的方式进行实现，精准找到答案，再渲染出来。

　　Reconmmendation Bot，这个过程中有很多相关的推荐逻辑。比如用户相关的推荐，根据用户的问题在给出答案的同时进行相关的推荐，包括业务逻辑的推荐，知识相关的推荐，同样一条知识里面其实有语义的相似、知识图谱推理的相似，根据这个答案可以给到用户。

　　Discovery Bot很多时候答案或者是问题是存在于非结构化的素材里面的，比如在文档里面，在这个里面如何去大量的公文、大量的文档，如何去找到相应问题的答案，就是现在在研究的。是通过一些非结构化的处理手段在里面做相应的分析。当用户进入问题之后进行分析，匹配到一个预值相应的答案给到用户，当没有答案会用这个Bot进行分析，包括可以经过人工复核进行二次处理再给到用户，被找到的问题答案可以直接入库补充这个知识库，对以后知识库可以解决的问题会越来越多。语音上面做智能化的服务，不管是做智能化的呼入、语音导航、还是做智能化的外呼，客户回访满意度调查和金融领域上做的催收催款的业务。也可以应用到实体终端做线下的服务，智能化的终端，智能交互大屏，核心是基于自然语言处理和相关的人工智能技术包括绘画的能力来做到。人工智能也是智能人工，除了可以代替帮助用户去解决一些问题，也可以帮助人工更好的工作，这也是人工智能应用的一个方向，就是人机交互，可以在不同场景里面去进行使用，可以辅助客户服务、辅助企业的内部其他部门，比如财务部门、IT部门来做人机协作的方式。

　　人机交互里面，除了自然语音的处理，还有很重要的是知识体系、知识结构，在知识库中两种方式来进行匹配，第一是呼叫中心里面做的人工坐席使用的知识结构，第二种是变成可以分享的企业内部的知识库，可以让应用人员从客户服务人员延伸到企业的其他部门，变成企业级的知识库，可以依托学习、培训、考试、分享、记录等等能力来做知识传递和知识应用。

　　监督学习的能力，这是依托于智能的能力来把人机交互数据、领域积累数据、爬虫来的数据、人工客户服务数据进行半监督式的机器学习，然后实现知识库的优化，进行其他相应的决策指导。运营分析已经从客户服务的能力延伸到很多领域中，比如帮两会的人大政协的提案如何进行查重和分析，都是用了这种分析能力而做到的。

　　产业化推进过程中已经聚焦到了八大产业应用，第一是AI智能客户，第二是智慧城市跟政务问题、党务问题、民生问题，产业问题相结合提供城市大脑。包括民政局、财政局也有很多相应的智能化的服务，来跟业务进行结合。把综合化的大脑跟金融业务相结合，服务、营销、网点、展示、风控和其他的领域中去，包括管理、运营、生产部门都可以用，现在开始往企业级运转了。

　　智能制造、智慧医疗、智能办公其他领域积极的布局，目前聚焦在八大产业。在去年12月底的时候对外发布了一个品牌，新一代的Bot开放平台，这个平台是业界的创举，依托其他的底层技术能力，在提供了基于云端的开放平台，帮助很多中小企业包括和开发者提供现实服务，第一是免费，所有的智能化场景免费，第二会把在线的机器人和在线人工客服、人机协作系统整合在一起提供闭环式的服务，目前线上的是智能客服，后来会把智能营销、智能外呼、智能虚拟主持人等等场景会陆续的加入到开放平台中去，做的越来越好，也是往大的市场、往小的个人应用拓展重要的步骤。

　　我们在思考除了做商业化落地过程中还可以做什么，在去年去积极的推进了一件事，写了一本书《智能客户服务的技术与应用》这是讲实战经验的书，也是去年12月25日出版发布的。我们还积极做信息的推广、知识的普及，去年做了一件事小i大学，因为企业没有办大学的资格，所以做了智慧学堂，希望把多年技术的经验和产业化落地应用的经验全部拿进来，变成智力资源帮助很多政府单位、企业单位去做人才的培养，建立AI产业化的人才培养和发展的机制，所以有一系列专业化的课程可以进行深入的发展。

　　创新过程中也在往产业化方向走，除了有生态合作、智慧学堂的赋能，积极的创业和孵化相应的公司，甚至也在做产业化基金来推动整个产业持续化的进步。谢谢大家！