甲骨文黃冠輝：AI會(huì )話(huà)平臺的現狀、挑戰與未來(lái)

　　黃冠輝：我叫黃冠輝，是甲骨文亞太區的移動(dòng)化、數字化解決方案的技術(shù)顧問(wèn)，主要負責人工智能，聊天機器人這些領(lǐng)域的解決方案。

　　黃冠輝：我們甲骨文的AI會(huì )話(huà)平臺主要是由四個(gè)組件組成：第一個(gè)組件是渠道，渠道這塊主要是用來(lái)跟我們不同的客戶(hù)端集成，比方說(shuō)微信、Facebook，還有一些比如網(wǎng)頁(yè)的對話(huà)框等等不同的客戶(hù)端；

　　第二個(gè)組件是人工智能模塊，該模塊會(huì )幫我們做一些自然語(yǔ)言理解、語(yǔ)義識別，以及實(shí)體的提取；

　　第三個(gè)模塊是流程引擎，幫我們去做一些對話(huà)流程的設計，比如說(shuō)用戶(hù)跟機器人之間的對話(huà)應該是什么樣的內容、對話(huà)的分支的控制，還有一些要跟外部系統集成的接口；

　　最后一個(gè)模塊是外部系統集成模塊，幫我們能夠更好地跟企業(yè)的業(yè)務(wù)系統進(jìn)行集成，里面包括一些API定制、API治理、根連接器等等能力。

　　關(guān)于技術(shù)原理，舉例來(lái)說(shuō)，比如用戶(hù)輸入進(jìn)來(lái)一條消息，首先會(huì )通過(guò)渠道模塊進(jìn)行消息的理解和解析，然后通過(guò)人工智能模塊進(jìn)行意圖識別的理解，接著(zhù)到對話(huà)流程執行，最后，如果要用到外部的系統，會(huì )由最后一個(gè)模塊也就是外部系統集成模塊去集成外部，最后把消息返回到渠道。

　　至于應用場(chǎng)景，其實(shí)甲骨文有很多的聊天機器人的成功案例，從行業(yè)的角度看是跨行業(yè)的，包括金融、政府、通訊，以及公共事業(yè)等等，覆蓋了很多行業(yè)。我們面向的用戶(hù)有2C、2B和2E。比方說(shuō)針對消費者和合作伙伴的，這些業(yè)務(wù)可能是做人工客服這方面的工作；對于2E的業(yè)務(wù)，我們有一些員工的自治服務(wù)，例如預定會(huì )議室、打卡、請假，這些我們都交給機器人去處理。

　　黃冠輝：對于客戶(hù)來(lái)說(shuō)最大的一個(gè)好處，我們可以舉個(gè)例子來(lái)看。我們看到很多客戶(hù)用了我們的人工客服，現在很多企業(yè)都花了大量的成本在人工客服上，特別是一些跨國企業(yè)，員工需要三班倒，在各地有許多的人工客服中心，整個(gè)的運維成本是非常高的。但是，在我們的客戶(hù)中人工客服處理的問(wèn)題中有50%甚至70%的對話(huà)場(chǎng)景都是可以交給機器人去做的。我們讓機器人把這部分的任務(wù)接過(guò)來(lái)，讓真正的人類(lèi)，能夠去處理一些更復雜的、更有意義的事情。

　　黃冠輝：實(shí)施過(guò)程中，在技術(shù)難點(diǎn)，對于聊天機器人來(lái)說(shuō)，首先是語(yǔ)義識別。這一直是聊天機器人或者是自然語(yǔ)言理解里面比較大的一個(gè)技術(shù)難點(diǎn)。要提高語(yǔ)義的識別率，一般有兩種方法：第一種方法是用更好的語(yǔ)料庫來(lái)對機器人做訓練。一般我們會(huì )跟客戶(hù)一起去設計我們的語(yǔ)料應該怎么去定義會(huì )更好，而不是簡(jiǎn)單的把過(guò)往的一些對話(huà)記錄直接仍給機器人去做訓練。

　　第二種方式就是通過(guò)場(chǎng)景的設定。我們甲骨文更加專(zhuān)注于企業(yè)，而企業(yè)很少會(huì )去做一些開(kāi)放域的聊天機器人，也就是什么都懂的。企業(yè)大都是一些特定行業(yè)場(chǎng)景。我們把場(chǎng)景范圍縮小，能夠更好的提高整個(gè)語(yǔ)義識別的準確率。

　　黃冠輝：甲骨文一直在做企業(yè)軟件，我們做了幾十年，比方說(shuō)在用戶(hù)的企業(yè)資源計劃方面，我們有自己的ERP云；人力資源領(lǐng)域，我們有PeopleSoft；還有供應鏈等等的業(yè)務(wù)軟件，從業(yè)界來(lái)說(shuō)應該都是領(lǐng)先的。并且我們有中間件，比方說(shuō)大家一直用的WebLogic，還有流程引擎、身份管理等一些安全相關(guān)的中間件產(chǎn)品也是在業(yè)界領(lǐng)先的。

　　甲骨文把這些已有的積累，加入到了聊天機器人的平臺當中，因為企業(yè)的聊天機器人要真正發(fā)揮價(jià)值，不能只是簡(jiǎn)單的做一些問(wèn)答，而是要跟它最終的業(yè)務(wù)系統做集成。

　　在跟業(yè)務(wù)系統做集成的過(guò)程中，有很多企業(yè)系統可能是基于甲骨文的業(yè)務(wù)系統，哪怕不是基于甲骨文的業(yè)務(wù)系統，那我們的中間件產(chǎn)品，能去幫企業(yè)去做到跟不同的業(yè)務(wù)系統、不同廠(chǎng)商進(jìn)行集成。我們的流程引擎，剛剛說(shuō)到聊天機器人對話(huà)的一些流程，也是用企業(yè)化的流程引擎來(lái)支撐的。而不是像一些只做聊天機器人的廠(chǎng)商，他們的前端能力可能跟我們差不多，但是后端需要更多的積累才能提供更好的服務(wù)。

　　黃冠輝：肯定是一些大量使用人工客服的企業(yè)。因為我們看到有很多企業(yè)，尤其一些跨國企業(yè)，他們在美國、歐洲都有相應的客服網(wǎng)點(diǎn)，他們需要花大量的金錢(qián)去維護、運維這批員工。我們有一個(gè)客戶(hù)，在部署了聊天機器人以后，企業(yè)整個(gè)的運營(yíng)成本，尤其在人工客服這塊，聊天機器人都解決了，并且解決的還不錯。所以對企業(yè)來(lái)說(shuō)，這個(gè)場(chǎng)景肯定是效益很明顯的。

　　黃冠輝：從純技術(shù)角度來(lái)看，第一個(gè)還是語(yǔ)義識別的準確率。這一塊不論業(yè)界也好，還是科研領(lǐng)域也好，都是一個(gè)難點(diǎn)。科研領(lǐng)域做開(kāi)放域的NLP語(yǔ)義理解，也只能達到70%左右的準確率，而準確率需要95%以上才能真正去做商用。