竹间智能简仁贤：以「竹间云」Cloud AI让企业更智能

日常日子离不开言语，自然言语作为一种最直接和简略的表达东西无处不在，而微软创始人比尔·盖茨从前表明，“言语了解是人工智能范畴皇冠上的明珠”。自然言语处理（NLP）让人与计算机之间以自然言语进行有用交流、通讯，是人与机器人交流的桥梁。

在曩昔几年间，NLP发展迅速，尽管仍旧面对应战，可是NLP从理论研究走向交互运用，从语法和浅层语义走向深层语义，从功用主义走向认知和情感体会是不可逆转的趋势。适逢国内深耕NLP、多模态人机交互技术的竹间智能完结1亿元人民币C+轮融资，本轮融资由申能诚毅、广发信德、朗玛峰本钱合投，老股东中华开发金控再次追投。这也是该公司仅隔半年的第二轮融资，累计3亿元人民币，故动点科技对前微软（亚洲）互联网工程院副院长、现竹间智能创始人&CEO简仁贤先生进行了采访。

“常识”让智能运用更精准

不论是智能对话仍是智能查找，有用的智能运用，都离不开对用户目的和语义的“真实了解”，不只仅停留在固定关键词的匹配。不同用户的运用习气有时分是随机且很难归纳定义的，简仁贤以为，“假如没有办法到达这两个，其实基本上它了解的程度就没做到”，也会白白丢失许多用户和事务商机。

在运用对话机器人的智能交互场景中，企业出于降本增效的考量，常常注重两个问题：机器人是否真的能够代替人工答复问题？机器人的问答是否够好够智能？“能否答复问题”由机器人常识规模决议，而“问题答复的是否够智能”由机器人把握的常识质量决议。

未来企业的价值取决于其具有的常识财物，而作为认知智能的重要技术，常识工程和常识图谱的质量决议了常识运用的作用。

拿物流场景来说，物流企业的用户经常会咨询“托寄物”的相关问题，例如：“西瓜能够寄吗?”假如遇到“听不懂人话”的机器人，只能了解用户在咨询寄件的相关问题，常常推送一个通用规矩卡片，敷衍了事，并没有直接处理用户关于西瓜这一详细物品的咨询。用户或许会对此答案不满意，从而要求转人工服务或许直接退出对话。

机器人不能供给令人满意的咨询服务，是由于在它的常识体系内短少关于“西瓜”的常识和常识，由于生鲜生果的寄送往往需求特别的包装，在传统的规矩匹配架构的问答体系中，需求装备许多类似问，重复练习后模型才或许给予正确答复，这种依托大规模数据标示的办法不只消耗人力，并且运营本钱高、功率低下。

而竹间Gemini的智能常识库中已具有与职业相关的先验常识，以此为基础树立智能问答机器人，就能够对西瓜这一实体进行精确辨认，并通过它的从属关系，“西瓜”→“生果”→“生鲜”，将其判别为生鲜类产品，再匹配物流职业常识中详细生鲜类产品的托寄规矩及方针，能够直接生成针对西瓜的精确回复，并进一步处理后续服务要求。

Gemini的优势就在于能够主动创立通用的职业的常识图谱，一同能够让事务人员将事务上要处理的非结构化文档主动发生常识并构成图谱。由Gemini主动构建成常识图谱，与竹间Bot Factory的智能机器人常识打通，就能够构成端到端的、从常识发生到运用的主动化全栈式闭环，让这些名贵的常识得到有价值的运用。

规范化产品上云，满意激增的AI需求

在曩昔的两年里，NLP范畴开端迸发，竹间成绩都有翻番，简仁贤告知动点科技，本年Q1竹间的商机有近400%的生长，包含头部企业复购率也很高，“竹间聚集在各行各业的头部企业，复购率简直每年都在70%以上”。

简仁贤坦承这来源于竹间对客户服务的注重。一个企业想要安身，“有好的产品并做好客户服务才能够”，由于产品“交给的部分会碰到许多的难题，比方运营方面的难题，咱们能不能给到客户一个简略易用的产品，这个是非常重要的”。并且竹间的服务形式也是与时俱进的，不只能够依照产品去交给，也能够依照服务去交给，企业能够依据本身需求决议本地化布置或许云端布置。

今天竹间在NLP的赛道上，主要是战胜技术和服务的规模化的难题，将竹间的技术才能以更规范的产品和服务的方法供给给到客户，比方“正在推出的云化渠道，其实一则是将咱们的产品更规范化，二是将咱们的服务形状从本地布置到私有云、公有云及混合云的布置形式等满意头部企业的各种需求。那么假如竹间能够在技术上和服务上抢先，那么将具有更多战胜困难的底气”。

在曩昔的一年里，许多企业现已无法满意现在简略的语音操控，他们期望有更强壮的语义处理后台，并构成企业自己个性化的对话才能。“在这样的需求下，竹间能够协助企业一同树立对话渠道和技术渠道，比方说一般的气候问询或许医疗问询等才能都转化为语音帮手，将其与企业对应的智能终端相整合，逐步构成必定的技术才能、和谐才能和对话才能。”

这样不只缩短了事务流程的时刻，更把整个端到端的事务流程简化。那么本来做这种机械式重复性的作业的企业职工，能够被相应解放。“这些人能够去做一些人性化服务的作业，或许是参加练习机器练习模型，就像现在现已有无人车，那么未来无人车遍及后，司机们就能够扩展做一些新的作业。许多人投入新的范畴，未来还会把这些新的东西再交给机器，那么人就会一向自我更新。”

竹间智能在目的了解的精确度以及长文本抽取精度都现已到达95%以上，竹间的对话机器人在零发动的时分就能够到达85%，通过在企业实践事务运用中不断练习、自学习，基本上能够到达92%~97%的精确度，乃至更高。

关于竹间的未来，简仁贤非常自傲，“竹间有这个实力，这份累计近6年的沉淀，便是这么多企业会挑选竹间的原因。”