曾经，我对着AI客服喷了两分钟，它只回复了我的第一句话

梦晨 2022-07-14 18:50:25 来源：量子位

梦晨 发自 凹非寺
量子位 | 公众号 QbitAI

不知不觉间，接打快递、银行等电话时，遇到AI的情况越来越多了。

目前和这些AI沟通，还得讲究一个技巧：

要保持你一句我一句的标准节奏，不然难免变成“人工智障”。

比如话说一半卡壳停顿了，AI会以为你说完了，对着半句话给出莫名其妙的回复。

如果在一句话中间打断它，也很少有AI能反应得过来。

要是投诉时情绪比较激动，对着话筒一顿输出，AI可能只回复了第一句，甚至不听你的，跟你“抢话”。

谷歌在今年的I/O大会上终于提到这个问题，给出的初步解决方案演示还获得满场掌声。

不过，国内其实有人关注这个问题比谷歌更早，那就是拥有复杂场景的京东，早就在实际业务遇到类似的问题。

在京东集团副总裁、IEEE Fellow何晓冬博士看来，这既不属于语音识别问题，也不属于语义理解问题，学术研究中往往关注度不高。

只有在落地实践中，这样的问题才会暴露出来，进而有机会解决。

2018年，何晓冬离开工作了十余年的微软雷蒙德研究院，也是自然语言处理、语言与视觉多模态智能等领域的领军人物之一，选择回国加盟京东。

这其中也是有拥抱场景、离实践更近方面的考量。

在京东，何晓冬带领团队融合声学、语义、时间等多模态特征，开发了一系列人机交互场景的“话语权决策“（Turn taking）技术。

△多模态融合的话语权决策（Turning Taking）

如今，这套技术在京东智能客服系统上每天有百万到千万级的咨询量，就相当于每天要做上千万次图灵测试，已经日趋成熟。

而像这样的问题，何晓冬加入京东以来遇到的还有不少。

对话的本质是推理与决策

在AI发展的上一个阶段首先解决了高频场景，但用户多了难免出现边缘案例（edge case）。

随着京东言犀在全国业务的推广，识别各地方言的需求开始凸显，遇到情绪有波动的客户也更多了。

极端情况下，偶尔会遇到用户咨询要买一整瓶安眠药，言语间带有轻生倾向。

后来京东做了一个生命通道项目，专门检测识别这样少见但重大的情况。检测到之后一方面可以在言语上安抚客户、通知物流先不发货，另一方面联系当地的警方或社区人员介入。

从技术上说，除了识别语音，解决这些问题还需要识别用户意图、感知用户情绪以及多轮对话管理。

对此，何晓冬进一步提出“对话的本质是推理与决策”，语言只是其中一种表现形式。

围棋在过去又叫“手谈”，代表这种博弈游戏就像是用手去交谈对话。如果反过来，对话也是一种推理与决策，你需要了解整个棋局，并能够完美执行。

在京东的智能客服领域，决策推理能力还体现在如果遇到退换货、或者其他问题，言犀可以结合对业务场景深度的理解，以及RPA（机器人流程自动化）能力，特别情况下还通过优惠券等多种方式来补偿客户，或遇到复杂问题自动转接给人工客服处理。

通过解决客户服务实践中遇到的种种问题，一套语音语义技术被打磨得更实用，也更以人为本。

情感识别上，有业界首个大规模商用的情感系统，能识别生气、失望、愤怒、焦虑等7种情绪。

方言识别上，专门开发口音适配模型和算法，结合语音识别和语义理解联合建模保证精确性，已能识别粤语、四川话等多地方言。

另外何晓冬认为，在业务实践中除了能打磨完善单个技术，还能促进多技术的融合。不仅可以提升了技术应用的稳定性，令其有更好的适应性。例如前端的一个指令，背后往往是一套多协同的算法在“并肩作战”。

如从商品文案生成的需求出发，语言模型结合领域知识图谱的AI算法已实现3000种品类的文案，总计“种草”30亿字。

同时，京东上有着5.8亿活跃用户、1000万个自营SKU和数十万商家，智能客服每天处理1000万次服务，每月产生200万小时脱敏通话数据。

再加上每年的618、双11的峰值负载考验，这一套智能客服技术在工程上也沉淀出了最佳实践。

现在技术和工程实践在京东内部已经跑通，能不能让它们去解决更多问题？

何晓冬认为，这样一套端到端的能力可以开放出来给更多第三方使用。

只不过这些技术在内部使用时是高度定制化的，开放出来就需要做解耦出来，在更广泛的场景做到复用。

在刚刚举办的京东云峰会上，何晓冬发布了全新升级的人工智能应用平台言犀2.0。

这一次，言犀2.0特别强调的关键词是应用平台，而不是一个开发平台。

这是因为AI能力要服务于生产制造、仓储物流、中小卖家等供应链上下游离技术更远的企业时，就不能只是做个跑分高的算法模型、提供个API接口了事。

而是需要把技术和最佳实践一起沉淀到产品里，端到端的交付。

京东零售业务经过19年发展，已经构建起一套完整的供应链基础设施，覆盖商品的制造、流通、消费和服务的全周期。

进一步，可以把零售行业的价值链分为创意、设计、研发、制造、定价、营销、交易、仓储、配送、售后等十个环节，这便京东从14年开始提的“十节甘蔗”理论。

当前，在数字化升级、智能化转型的大趋势下，京东又提出“数智供应链”。

也就是将京东在供应链上沉淀的技术能力解放出来，服务更多实体产业。

这里面既是京东在技术服务上的差异化竞争优势，也是不得不做，这是因为——

数智化靠单点突破走到头了

在AI落地早期阶段的特点是“单点应用”，如简单的问答、人脸识别等。

下一步则是在某些高频场景的大规模、全链条应用，如零售、金融等场景。

再往后就进入了产业AI的“深水区”，不可避免要遇到低频、长尾场景，新的困难也随之出现。

这些场景的数据样本少、数据分布不均，对技术来说研发成本更高，同时定制化程度高、难以复制。

要解决这些困难，过去的单点突破则走不通了，那么，接下来又该怎么走？

此前从京东内部的经验可以看出，技术必须要在真实场景下实践才能暴露出问题，多种技术之间也是在真实场景下实践才能更好的融合。

在供应链视角下，这里的多技术已不仅指AI内部的各个分支，还要算上云计算、大数据、物联网、5G、区块链等更广义的技术。

同时，供应链所有环节都需要数智化转型才能最大化效率，带来上下游之间的协同效应。

由此京东云提出，产业数字化的下一站便是数智供应链。

而京东作为一家既懂技术又懂供应链的公司，在这之中要扮演的是用技术连接起产业互联网和消费互联网，同时在商品的制造、流通、消费和服务环节推进数智化转型。

而京东本身就是一个复杂、严苛的“场景”，对成本、体验、效率有着极致的要求。

向这些环节提供智能服务创造价值的同时，又能通过反馈进一步迭代技术，最终走入正向循环。

总的来说，就是从京东复杂业务场景深度解耦出来的AI能力，历经多年的考验和验证，平台技术能力可用性强，复用度高，迁移成本低，可以不断地复制到其他行业。

这样就解决了AI规模化落地的问题，面对一些低频、长尾的场景，也更容易迁移。

在今年的京东云峰会上，基于言犀2.0应用平台还发布了政务、金融、数字人等技术产品。

政务方面的产品是“京东政务大脑”，以人机交互能力为核心，结合多种技术提供了政务咨询一网通、疫情防控与排查、智慧养老等一系列解决方案，服务市政民生。

金融方面则是结合对话、决策能力与金融领域专业知识，推出金融全链路智能营服销一体化解决方案。

最后还有言犀多模态数字人平台，与市面上的数字人相比，京东数字人更注重产业服务，同时强调AI驱动的多模态交互能力，目前已走进直播带货、银行业务办理、政务服务等多个场景。

△数字人言小希与京东总部合影

为什么首先选择这几个领域？

何晓冬也给出了他对数智供应链应如何推进上的思考。

从AI技术公司，到泛互联网行业，再到更传统的行业，离技术越远则数智化的需求和机会越大，但同时推进数智化的难度也更大。

这其中，金融、政务这些行业数字化基础设施已初步建设完善，与大众关系又紧密。

先从这些领域入手去推进智能化，可以迅速打开局面，再一步步深入渗透进能源、制造业等更传统的行业。

选择做数字人平台也是类似的思路，数字人当下产业需求非常庞大，又是人机交互技术最佳的表现载体，可以一边创造价值，一边进一步检验和完善技术。