今天的報(bào)告主要分為四個(gè)部分，第一部分是呼叫中心面臨的挑戰(zhàn)和趨勢(shì)，第二部分是自然語言處理的重要性，第三部分是深度語義理解核心技術(shù)，第四部分是深度語義理解的應(yīng)用。
首先來看呼叫中心面臨的挑戰(zhàn)，我認(rèn)為呼叫中心的挑戰(zhàn)主要是關(guān)于人的三個(gè)矛盾，第一個(gè)矛盾是，我們知道呼叫中心的投入和規(guī)模每年都在持續(xù)的增長(zhǎng)，這樣的話就需要招聘更多的人，但是我國的勞動(dòng)力人口已經(jīng)在逐年下降越來越少，這樣就構(gòu)成第一個(gè)矛盾；第二個(gè)矛盾是，我們希望呼叫中心的人工座席團(tuán)隊(duì)盡可能的保持穩(wěn)定，但是事實(shí)上呼叫中心的離職率相對(duì)于別的行業(yè)來說始終處于一個(gè)比較高的水平；第三個(gè)矛盾，根據(jù)統(tǒng)計(jì)顯示呼叫中心的人力成本占到了總成本的82%，我們呼叫中心預(yù)算的增長(zhǎng)的速度低于人力成本的增長(zhǎng)速度，這樣就構(gòu)成了第三個(gè)矛盾。
這三個(gè)矛盾就使得智能化成為呼叫中心發(fā)展的一個(gè)必然趨勢(shì)，這里面我們可以從兩個(gè)角度來看。第一個(gè)角度就是機(jī)器可以替代人，也就是說我們不需要招更多的話務(wù)員。比如說智能客服、智能IVR、智能營業(yè)廳、智能外呼的應(yīng)用。Garter有一個(gè)報(bào)告，2020年智能機(jī)器人的座席能夠滿足40%的客服市場(chǎng)的需求，中國到時(shí)候就會(huì)有一千萬的智能機(jī)器人的座席；第二個(gè)角度來講的話就是說機(jī)器也可以輔助人、協(xié)助人，比如智能坐席助手和智能知識(shí)庫，我們可以提高座席人員的工作效率，讓同樣一個(gè)坐席人員可以去做更多的工作、去有更多的產(chǎn)出。
同時(shí)我們今天很高興的看到，就是說越來越多的用戶已經(jīng)開始適應(yīng)和習(xí)慣智能化的服務(wù)方式。國外報(bào)告是說在過去的2017年，已經(jīng)有超過15%的用戶有了跟智能機(jī)器人對(duì)話的經(jīng)歷，雖然說傳統(tǒng)的一些渠道，比如說電話、郵件的比例仍然遠(yuǎn)遠(yuǎn)高于對(duì)話機(jī)器人的比例，但是我們可以看到從趨勢(shì)上來講，就是智能服務(wù)的比例會(huì)占的越來越高。
在呼叫中心這個(gè)領(lǐng)域里面，智能服務(wù)、智能技術(shù)起作用的一個(gè)主要著力點(diǎn)就是語言的處理。語言的形式可能有語音、有文本。對(duì)于語音來講，通過語音識(shí)別的技術(shù)，我們可以把它轉(zhuǎn)換成文本，所以說歸根到底可能主要還是一個(gè)文本處理的問題。這里面主要用到的就是自然語言處理的技術(shù)，也就是NLP的技術(shù)。
我們可以看一看NLP在人工智能中的位置。人工智能可以劃分為三個(gè)層次，第一個(gè)就是計(jì)算智能，就是讓計(jì)算機(jī)具備能存會(huì)算的能力。第二個(gè)層次是感知智能，讓計(jì)算機(jī)能聽會(huì)說、能看會(huì)認(rèn)，比如說語音識(shí)別、語音合成、人臉識(shí)別都屬于感知智能的范疇。第三個(gè)層次就是認(rèn)知智能，讓計(jì)算機(jī)具備能理解會(huì)思考的能力，NLP就是在研究如何讓機(jī)器人像人一樣去理解人類的語言，屬于認(rèn)知智能的范疇，著名的圖靈測(cè)試主要就是基于NLP的技術(shù)提出的。
在NLP的處理里面其實(shí)是面臨四個(gè)非常大的挑戰(zhàn)和困難。第一個(gè)是表達(dá)方式是非常靈活的，第二個(gè)是我們?cè)谡Z言當(dāng)中其實(shí)是普遍存在很多的不確定性，第三個(gè)是語言知識(shí)處理本身非常復(fù)雜，第四個(gè)是輸入可能是存在不規(guī)范性。比如講一個(gè)智能回訪的場(chǎng)景，我們都知道機(jī)器人做回訪，或者我們?nèi)斯ぷ龌卦L，往往第一個(gè)問題是身份的核對(duì)，比如“您好，請(qǐng)問你是張三先生嗎？”可能我們期望用戶說我是或者說我不是，這是非常簡(jiǎn)單非常容易處理的；但是我們分析實(shí)際的錄音數(shù)據(jù)，針對(duì)用戶表明自己就是張三，從表述上我們可以分為四類，第一類就是我剛才講的最簡(jiǎn)單一個(gè)情況，第二類比如說用戶會(huì)說“有事趕緊說”，第三類他可能反問你，“你為什么午休時(shí)間給我打電話”，第四類，他甚至?xí)芙^你，“我現(xiàn)在不方便接電話”，但是后面這三類他都在變相的承認(rèn)自己是張三。我們就可以看到，其實(shí)對(duì)于一個(gè)簡(jiǎn)單的身份核對(duì)，用戶就會(huì)有各種各樣非常靈活、非常多變的表達(dá)方式，要求我們能夠通過NLP的技術(shù)能夠去處理。
某種意義上來講就是一個(gè)問題它有多難，它就會(huì)有多重要。關(guān)于自然語言處理，微軟創(chuàng)始人比爾蓋茨很早之前就說過，自然語言處理是人工智能皇冠上的明珠。最近微軟的沈向洋博士提出了一個(gè)說法“懂語言者得天下”，就是強(qiáng)調(diào)人工智能接下來的突破就是在自然語言的理解。
我們看看NLP在實(shí)際中的應(yīng)用場(chǎng)景，可以劃分為三塊，第一塊就是通用領(lǐng)域，我們都知道搜索引擎、拼音輸入法，背后都是一些NLP的技術(shù)。第二塊是面對(duì)特定行業(yè)的應(yīng)用，比如說智能投顧、疾病診斷、還有教育、法律都有一些應(yīng)用場(chǎng)景，第三塊就是呼叫中心。
呼叫中心相對(duì)特殊，這個(gè)特殊性我認(rèn)為主要是因?yàn)樗膬蓚�(gè)特點(diǎn)決定，第一個(gè)就是說各行各業(yè)都有這方面的需求，市場(chǎng)空間非常大；第二個(gè)特點(diǎn)是針對(duì)具體的客戶具體的行業(yè)來講，其實(shí)解決的是特定封閉領(lǐng)域的問題，這樣的話使得技術(shù)難度相對(duì)來講比較低。
接下來就是深度語義理解的核心技術(shù)，對(duì)于NLP，從大的方面來看可以劃分為兩種技術(shù)路線，第一種是傳統(tǒng)的方法，基于符號(hào)的語義表示，在語義處理上是依賴于大量的規(guī)則還有淺層的分析，準(zhǔn)確率往往取決于你到底投入多少的人工，很難超過80%。第二種是深度語義理解的方法，基于分布式的語義表示，語義處理上是把傳統(tǒng)的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)去結(jié)合起來，另外在知識(shí)層面很好的利用知識(shí)圖譜作為支撐，準(zhǔn)確率可以做到95%以上。
深度語義理解有兩個(gè)要素，一個(gè)是關(guān)鍵算法，有語義相似度計(jì)算、語義復(fù)述、多意圖識(shí)別、自學(xué)習(xí)；第二個(gè)是知識(shí)圖譜，從知識(shí)圖譜技術(shù)上來看是五方面的問題，第一個(gè)是知識(shí)的體系和表示，第二個(gè)是知識(shí)的建模，第三個(gè)是知識(shí)的獲取，第四個(gè)是知識(shí)的集成，第五個(gè)是知識(shí)的存儲(chǔ)和服務(wù)。下面我分別仔細(xì)介紹。
最終的話把算法和知識(shí)的所有技術(shù)整合起來，就構(gòu)成了我們的深度語義理解引擎，大概涉及到二十多種技術(shù)。
最后介紹一下我們?cè)谏疃日Z義理解的具體的實(shí)踐和應(yīng)用。中興通訊的NGCC解決方案主要面向政企和運(yùn)營商市場(chǎng)，我們的解決方案具備三方面的特點(diǎn)，第一個(gè)就是智能化，第二個(gè)是純?cè)苹�、第三個(gè)是整體化。我們?cè)谥袊桨�、江蘇電信規(guī)模分別是15000座席和13400坐席，在建設(shè)銀行我們是兩地三中心12000坐席。這些案例都是呼叫中心少有的智能水平非常高、容量非常大，可靠性非常高的應(yīng)用案例，在這里面深度語義理解的技術(shù)，應(yīng)用到了系統(tǒng)的各個(gè)部分，使得人工座席和機(jī)器可以密切的配合，有一個(gè)非常好的人機(jī)協(xié)作的效果。
最后總結(jié)下，中興通訊的NGCC解決方案，我們將深度語義理解的技術(shù)應(yīng)用到了系統(tǒng)的各個(gè)部分，具體來講有智能客服、智能IVR、智能營業(yè)廳、智能知識(shí)庫和智能外呼，這些智能的方案跟對(duì)于呼叫中心傳統(tǒng)功能的完全支持，一起構(gòu)成我們完整化的解決方案，我們希望通過以深度語義理解為代表的智能化技術(shù)，把智能化與服務(wù)場(chǎng)景、接入渠道，還有業(yè)務(wù)系統(tǒng)做一個(gè)無縫的融合，希望在業(yè)務(wù)場(chǎng)景里面能夠給用戶提供舒適、無感、有效、快速的智能服務(wù)。謝謝大家。
