思必驰副总裁、北京研发院院长初敏：人机的语音交互的目的——提高和用户沟通的效率，降低成本 | 2019 WISE 超级进化者大会

7月9-10日，36氪在北京和上海同步举办“2019WISE超级进化者”大会，活动设有七大会场，关注企业发展变革路径、行业风向把握、零售行业的进击与蜕变、万亿企业服务市场的崛起、产业创新机会、全球化趋势与差异化需求的爆发逻辑等议题，邀请超百位行业领袖，聚焦那些引领行业变革的超级进化者的崛起之路。

在人工智能领域，语音交互一直是各个企业争先试水的技术。随着科技的不断进步，人机的语音交互也日趋成熟。但我们今天在和机器对话时，仍然能感觉到机器在很多时候表现的不够自然、不够聪明。

思必驰副总裁、北京研发院院长初敏认为，人机语音交互本身不是目的，交互的目的是获取信息，所以一定包含了知识服务。我问了个问题，能得到答案，把传统的各种形式存在的知识变成可服务的，通过对话来获取数据，不断提升对话的智能。最终人机的语音交互要实现的是提高和用户沟通的效率，降低成本。

以下为嘉宾演讲实录：

首先感谢36氪给我这个机会，跟大家交流。前面的分享非常有意思，从不同的行业、不同的视角进行了分享。今天的题目超级进化者，我们希望在进化过程中，起到的是个催化剂作用，我们专门做某一项AI技术。希望它能成为企业成为智能化过程中的催化剂。

做个介绍，我自己的前半截职业生涯做语音相关的研究，在微软研究院做了很多年。后面做大数据方面的应用，2014年以后又回到这个行业。这个过程中非常深的感触，像语音交互、智能对话技术，在今天会得到非常好的应用，起到很大的应用价值。我后来离开阿里，我们有非常好的团队，到思必驰。希望特别专注把人机对话这件事做透、做好，能应用到各处。

今天的题目两个关键词，对话智能。人和机器的对话，今天大家会感觉到很多不够自然、不够聪明的状况，所以我们希望不断通过提升对话的智能，来帮助企业做信息的服务。每个企业都有非常多的信息，需要跟自己的客户、跟自己的伙伴来进行沟通，我们希望通过对话的形式帮助企业提升这样的能力。

介绍一下思必驰。思必驰是一家专注在人工智能领域的专家，我们做的是全链路语音交互。就是从信号、声音到语音合成、对话、自然语言理解、知识的管理、知识的挖掘和知识服务等一系列，完成一个完成对话链路上的技术。我们相对不那么擅长的是行业知识，所以和很多行业伙伴，把这样的技术落地在行业之中。为什么信息服务很重要呢？今天每个企业，像很多会议有纸质媒体、有呼叫中心、官微、官方APP，都是为了达到和用户沟通。这个过程中很不方便，要去看、点、打电话，很多客服中心来接，成本很高，沟通效率不高。我们认为最终人机的语音交互，在这个地方能大大提升效率。

这里面比较常见的场景，今天相当于市场已经认可度最大的是呼叫中心，是一个人力密集型的工作，有非常多的坐席，很多接打电话的工作。这个过程机器能大幅节省人力成本，同时缩短很多用户的等待时间。另外一个场景，就是运营。今天有很多场景，要给用户发个信息，保险公司的核保，需要主动发起，这也是大量的工作。用人工做成本非常高，机器自动做也会非常有效。

左边这些都偏的是人力密集型。还存在大量的政府机构、酒店、物业小区，规模不大，但是这些的机构存在很多，每一家都是小规模，从量上讲也是大规模的，个性化的。今天这样的企业不可能有自己的客服系统，通常是几个人听听电话，服务好或者不好不好保证。以后通过人机自动对话，可以带来很多价值。企业内部也是的，明略的同事讲，HR也在讲，都是帮助企业提升自己的信息交流。里面人机获取信息，包括HR标准，像我们公司给自己做了一个标准，最常见的问题是发票报销的抬头。以前用各种手段对，今天公司同事抬头一忘了，就问一下机器人，公司报销抬头是多少。公司有很多这样的信息，包括培训。很多信息的汇聚，但是获取起来很难，它散步在各处。通过人机的对话，可以大幅提升这样的效率。

整个过程，以这样的图来看，中间这两个部分是最核心的。一部分是核心技术的基础能力，比如交互链路从合成、识别、对话、管理。交互本身不是目的，交互最终是需要获取信息的，所以一定包含了一个知识服务。我问了个问题，能得到答案，答案在哪，把传统的各种形式存在的知识变成可服务，以服务形式获取的数据，通过对话来获取它。还有交互过程中数据够不够、有没有缺失、应用情况哪些热门、哪些缺失，这样的数据信息来帮助我们不断提升服务。

今天的应用场景有两个特别明显的方向，一个是围绕呼叫中心。今天中国的呼叫中心是个非常大的市场，有几百万的坐席每天在接打电话。这里面我们计算过，如果把这样的效率提升1倍，或者人员在业务规模不变的情况下，能节省1倍的市场规模就非常大了。

另外是今天没有呼叫中心，甚至没有客服电话，中小企业两三百人不会有专职的客服电话，但是这个需求是有的。未来可以通过一个机器人来跟客户沟通、员工沟通，这样潜在的市场增量非常大。当我们有一个很方便的机器人为企业提供这样服务的时候，就会有很多。举一些例子，不管是会务、招聘、OA系统。

所有这些场景，今天在AI技术落地的时候，会碰到一个非常大的困难，每家的场景不一样、数据不一样。A场景里面很好的效果，到了B可能不好用了。这时候很重要的一点是，我们一直在思考，也致力于做的，就是需要快速规模化定制。顶层的系统能力根据客户的场景和数据快速定制优化到用户场景里，在那个场景里获取最好的效果。这样的东西变成标准化了，变成产品形式的输出，AI技术才真正快速普及出去。要不然做一两个项目可以非常好，但是不是能做100个呢？按百倍的复制，就会有问题，形成产业规模就会有困难。

今天看到产业规模最大的瓶颈，不光是技术本身，还有技术的规模化生产和推广能力，其实是规模化的定制能力。刚刚优必选介绍的是一个真正的人形机器人。我们的也叫机器人，这个机器人是软件形态的，是代替脑子部分的机器人进行对话的。在软件平台上形成的机器人，和客户的接触点很多。今天看到最多的是呼叫中心，像思必驰过去若干年在智能硬件落地上做得非常多，今天是具备把这样的对话能力，快速落地到各种智能硬件，让手机系统、车载所有智能设备上，这些设备就变成了企业和客户进行信息沟通的触点。

刚刚讲的是大环境，以及需要通过人机语言交互来提升企业和客户的信息沟通的效果。这里面最主要的是对话能力，刚才屏幕里面也会讲，对话上的智能，必须对话足够聪明了，才能完成很好的任务。这三块东西，语义的理解，过去侧重在语义理解。真正要完成任务，还有对场景的理解，以及对当时交互的用户是什么状态。同样一句话，在音乐APP里说刘德华，是要听歌。一个视频APP里面用这句话，就是要看视频。这句话的语义，不完全决定用途，跟场景有关，今天的系统要尽量多的吸收场景的能力。

在对话管理过程中，对话过程很复杂，在于它很多时候是个业务流程。跟客户沟通的时候，客户说这个对话想长这个样。往往真的按他对话流程实现一个对话系统的时候，效果非常不好。因为机器和人对话过程中，轮数越多，流失率越高，所以这是一个调整和优化过程。今天大部分机器人在等客户问我，是被动型的。特别是做企业服务的时候，当客户跑到机器人跟前，往往不知道你问什么问题，也不知道你会什么问题。所以往往有些困惑，就问一些你是男孩、女孩的问题。所以现在强调更启发式问题，用户问了一个问题以后，提示他可以沟通什么，引导客户。

过去做对话研究，在一个领域定个票怎样更好的优化。我们真正碰到的是业务场景里面，用户不知道，只要完成一件事，都是跨领域的。比如出差要订票、订酒店、打车，还要查一下目的地的参观信息，诸如此类一系列的事情，在整个对话里面怎样做得非常好。今天大家的做法，把每一个垂直场景做一个技能，我们怎样调查所有的东西。在规划过程中，想象比较容易，但是做起来非常难，有很多技术，也是现在专注地去优化。包括底下数据的支撑，建立一个平台，优化所有的对话场景。

去年我们开始推广会话精灵的平台，可以自己定制机器人，里面的知识是自己的，需要输入，我们会提供很多支持。这是两个电话服务场景：一个是快递下单。电话上完全可以形成完整的对话流，不管是完成下单的任务还是做信息咨询，还是企业主给它发起一个邀约。还有一些场景，可以给国美群做的营销，每个门店有自己的用户群，有很多门店。可以增加群活跃度，同时处理一些信息。包括在教育机构，除了老师上课，线下助教有很多工作都可以通过机器人完成了。

跟智能硬件结合，也是可以做出更多的延伸。跟顺丰合作时，我们给快递小哥做一个耳机连接，通过语音可以操作手机上的APP，包括公司可以下发信息，直接在耳朵里听到。碰到危险天气，给他提示。

右边这个是苏州建行有很大的展厅，有一块很大的屏幕。屏幕上展示什么，以前要手工在机器上做复杂的操作，现在可以用语音来操控，需要看什么内容，就调到屏上面。背后的内容都是可以通过各式各样的智能硬件放在桌面上、放在办公室，方便大家去触达，或者营业厅这样的场景，问出背后的信息，形成跟用户的触点。

我们和央视合作的案例，它的每一首歌，很多人唱得不好，但是可以读歌词，读完歌词可以用你的声音唱出这首歌。这是我的声音录的，我是一个从来不唱歌的人，所以很喜欢这个游戏，只要读几句词，最后就变成我唱歌——《读诗成曲》。

谢谢大家！