2019年10月月31日，在中國信通院主辦的2019（第二屆）中國金融科技產(chǎn)業(yè)峰會主論壇上，北京融匯金信信息技術(shù)有限公司CEO羅彤發(fā)表了《智能助手賦能金融服務(wù)》的演講。會后中國IDC圈就智能助手的一些問題，對羅總進(jìn)行了采訪。
北京融匯金信信息技術(shù)有限公司CEO羅彤
融匯金信致力于把人工智能和自然語言處理技術(shù)應(yīng)用于產(chǎn)業(yè)智能服務(wù)。其中包括，產(chǎn)業(yè)知識圖譜的自動構(gòu)建、智能問答機器人和智能報告等諸多方面。曾領(lǐng)導(dǎo)研發(fā)國內(nèi)首個自動生成的財經(jīng)全部細(xì)分領(lǐng)域的知識圖譜，并應(yīng)用于新華08證券資訊終端和金融機構(gòu)營銷與投顧服務(wù)。作為CEO的羅彤博士，畢業(yè)于美國University of South Florida, 計算機科學(xué)機器學(xué)習(xí)方向博士，之前在清華大學(xué)和中科院自動化所獲得學(xué)士和碩士學(xué)位。
從工具到人，賦能對象變化是行業(yè)發(fā)展必然
羅彤博士認(rèn)為，傳統(tǒng)上所說的賦能，主要體現(xiàn)在工具方面。比如寫作的Word或者WPS，都是使用特定工具來完成特定的單一任務(wù)。但是現(xiàn)在隨著產(chǎn)業(yè)的發(fā)展，需要解決的問題并不是在一個事先制定的任務(wù)，沒有一個軟件能幫我們完成新的任務(wù)。所以現(xiàn)在知識賦能開始興起，其核心點在于給人進(jìn)行知識賦能，輔助人們進(jìn)行產(chǎn)業(yè)活動。這也是行業(yè)發(fā)展的一種必然趨勢。
金融行業(yè)的特點在于代服務(wù)群體龐大，且產(chǎn)業(yè)知識源眾多。比如從產(chǎn)業(yè)角度講，分為互聯(lián)網(wǎng)金融、區(qū)塊鏈，傳統(tǒng)的像醫(yī)藥、制造等。一個人很難同時理解這么多領(lǐng)域的專業(yè)知識。但是在服務(wù)客戶的時候，往往又會涉足到非常細(xì)分的行業(yè)。我們的智能助手服務(wù)，就是通過建設(shè)完善的知識圖譜，賦能于金融行業(yè)的從業(yè)者，在遇到上述問題時應(yīng)該如何解決。
新技術(shù)發(fā)展促進(jìn)工具進(jìn)步
在談到人工智能學(xué)習(xí)近些年來的發(fā)展和技術(shù)變化時，羅彤博士認(rèn)為，該領(lǐng)域近些年來取得了不少技術(shù)進(jìn)步。以知識圖譜為例，行業(yè)內(nèi)在2016年還沒有太多公司涉足。主要難點在于要將上百萬的知識圖譜通過機器學(xué)習(xí)自動化完成，其工作量和難度都十分巨大。除此之外，不僅需要整合的產(chǎn)業(yè)數(shù)量龐大，且每個產(chǎn)業(yè)細(xì)分領(lǐng)域眾多。但在當(dāng)時，做機器學(xué)習(xí)的模型，主要依靠大量標(biāo)注數(shù)據(jù)，但產(chǎn)業(yè)端如此復(fù)雜的環(huán)境，使這項工作推進(jìn)艱難。雖然有類似于百度，谷歌這樣具備眾多數(shù)據(jù)積累和標(biāo)簽的公司，但由于他們更關(guān)注的是娛樂和生活化知識分析，所以對產(chǎn)業(yè)的深度知識的貢獻(xiàn)有限。為了解決這個問題，我們采用了大量弱監(jiān)督的學(xué)習(xí)模式。籍此，人們不再需要標(biāo)注過多數(shù)據(jù)，也能學(xué)出知識圖譜和模型。這在近些年來，應(yīng)該算是一個進(jìn)步。
除此以外，語義分析也是技術(shù)進(jìn)步之一。其難點在于一方面需要考量知識庫的儲備水平，另一方面就是對用戶詞語的理解?，F(xiàn)在大部分企業(yè)靠的都是分析相似度的方法。也就是把用戶提問的詞語強行和數(shù)據(jù)庫進(jìn)行匹配，而完全不對這個詞在這句話當(dāng)中的語意進(jìn)行分析。導(dǎo)致大部分對話機器人的回答，準(zhǔn)確度在90%以下。目前我們通過加入語義分析的概念，基本可以把回復(fù)準(zhǔn)確率提升到90%以上。這些都是近些年來比較重大的技術(shù)改進(jìn)。
羅彤博士強調(diào)，任何人工智能回答，都存在準(zhǔn)確率的問題。設(shè)定完善的衡量標(biāo)準(zhǔn)很重要。關(guān)于這一點，智能助手運用了大量數(shù)據(jù)來做分析。如果有些回答用戶反饋不好，或者沒有答案，后臺會定期重新審核。目前主要存在兩種現(xiàn)象，一種是準(zhǔn)確理解了用戶的表述，但是數(shù)據(jù)庫當(dāng)中沒有答案。還有一種是直接理解失誤，導(dǎo)致無法回答。此類問題可以通過用戶的行為反饋，基于機器學(xué)習(xí)進(jìn)行優(yōu)化。
最后，在談到關(guān)于產(chǎn)品應(yīng)用的話題時，羅彤博士表示，目前智能助手已經(jīng)應(yīng)用到了很多金融和財經(jīng)企業(yè)的APP當(dāng)中，客戶反饋的結(jié)果來看，比較不錯。
熱門專題
