竹间智能创始人简仁贤：挖掘人机交互背后的商业价值

全球机器智能峰会（ GMIS 2017 ），是全球人工智能产业信息服务平台机器之心举办的首届大会，邀请了来自美国、欧洲、加拿大及国内的众多顶级专家参会演讲。本次大会共计 47 位嘉宾、5 个 Session、32 场演讲、4 场圆桌论坛、1 场人机大战，兼顾学界与产业、科技巨头与创业公司，以专业化、全球化的视角为人工智能从业者和爱好者奉上一场机器智能盛宴。

在 5 月 28 日下午的「人工智能产品与应用」Session 中，竹间智能科技创始人、CEO简仁贤先生分享了《人机对话：从猜测、概率到理解》的主题演讲。

整理 | 编辑部

演讲嘉宾 | 简仁贤

核心要点：

• 人工智能最大的使命是，产生对商业有用的应用，将技术转化成商业价值，获得经济回报，有了经济回报，再将资本投入研究界、技术界。

• 我们通常说语音交互，其实语音不是交互，语言才是交互，没有语言不是交互，没有表情不是交互，没有肢体不是交互。

• 通过对话可以理解用户，建立用户画像，洞察用户需求和行业趋势。

以下是该演讲的主要内容：

在我看来，人工智能最大的使命是，产生对商业有用的应用，将技术转化成商业价值，获得经济回报，有了经济回报，再将资本投入研究界、技术界。

我们公司做人机交互，不是问答系统，也不是聊天机器人，更不是搜索式问答。那么，我们的人机交互技术如何突破，产生高价值的商业，从而落地？

我想探讨的第一点：语义理解。从概率模型、NLP ，再到今天的深度学习，我们是如何突破的呢？

首先，大家看到很多人工智能在作诗，作诗的过程是一个 one way communication 的过程。现在有 NLP、概率模型，只要数据够、算法对肯定可以作诗。但问题是语义理解有什么不同呢？我把它分解成三个层次。

层次一：关键词，对词的理解和匹配，找出来语意是什么意思，这是最浅层次的。

层次二：结合上下文（所谓的语境还有情境），把上下文贯穿起来，让整个对话流畅、有意义。

层次三：能够理解对话时候的言外之意。什么叫言外之意？比如，我问人民广场怎么走？北京东城怎么走？这些是信息提问。问我今天帅不帅？这是观点提问。这些能不能理解呢？更上层的语义能不能理解？还有现在我讲这句话的情感。如果我对你骂了几句话，通常人是不会记得文字的内容，他只记得你在骂我，你对我不满了。

所以情感、情绪的理解在交互过程当中是相当重要的，无情感就不智能。

自然语言理解是整个交互过程、对话过程当中最重要的，自然语言理解应该要避免的是两个坑：

第一个坑：具有概率性的对话（众多的语料、大量的数据），根据词跟词之间出现的频率，以及根据句跟句之间出现的频率，来做概率的猜测。语言学的结构是无法迁移到这样的模型的。

第二个坑：不懂语意的模式识别。我们很久以前就用模块、模组等，这是不讲语意的，应该避免。

如何做到呢？我觉得方向有四个：

第一个方向：符号主义和连接主义的合作统一。

如何把两个不同的技术方式结合，才能够达到语意理解的最佳的、最合格的状态呢？以前在 NLP 的时代，通常会有语言学领域的人，认为不需要深度学习，你一定要了解语言结构。等我们有了数据、运算力、算法之后，我们已经排除语言学的结构和语法结构，只专注于深度学习这个大黑盒子。

第二个方向：从静态分析走向交互。

语言理解跟语言处理、图象处理不太一样，图象本身是静态的。对话是动态的对话，这个是无法在黑盒子里面就可以找出共通率的。有一些聊天机器人用概率式的方法来产生一种对话，很好玩儿。这都是一些惊喜，但如果是商业的应用，这是不可靠的，是没有商业价值的。

第三个方向：从前层语意走向深层语意。

没有理解意图、没有情绪情感是无法理解的。

第四个方向：从功能主义走向认知和情感体验。

我们太专注于概率的计算，而没有去真正理解语境跟情境、上下文之间的关系，这种对话效果，无法产生高价值。

我们在过去一年半，探索、突破了这些方面：

认知智能和情感智能。大家都在说认知智能，我们如何实现，必须要用众多的不同方法和理论，还有加上实际的应用与实际的商业数据才有办法落实。

那为什么理解这么难呢？比如这句话：我深深地爱着我妈，再比如这句话：我有一些担心。这两句话看起来很容易理解，却是不可控的，要可控就是必须把语言结构学、语言学、认知学，再加上深度学习、机器学习各个不同的模型，做成可控式的对话，并把所有的对话串联起来，而不是套路式、模板式、随机式的对话。

我们一些算法的模型是这样的，人脑是一个大的黑盒子，拆成众多个、数十个不同的小的黑盒子，每一个小的黑盒子再做正确的、适合的计算方式和方法，无论是机器学习还是深度学习，语音学还是结构学，才能够产生出真正的效果，运用到合适的深度学习的方法，而不是一味地为了做深度学习而深度学习，为了做机器学习而做机器学习。

数据越大、越多当然越好，但是数据如果不适合，跟算法不配合，效果也不是最好的。所以根据不同的效果，我们如何能够把这个算法做到最好，这就是我们一直在探讨的方向。

人机交互要做到双向，必须要有三个结构。

第一，理解。

第二，决策。

第三，反馈。

理解是最重要的，如果不理解，决策一定会错，决策如果对了，那是撞到了运气的，如果不理解，反馈也会错。要怎么理解呢？两个非常重大的因素。

第一，意图的理解。

第二，情感程序的理解。

这是非常重要的一个理解，没有办法理解，决策和反馈一定做不好。

然后是反馈，如果没有办法理解意图，反馈就是错了。我问到北京车站的方向，还是我在问北京车站今天堵不堵，我的意图是什么？你要在某一种场景给我不同的意图，这才是真的能够做到意图。所以意图是根据场景而不定的。同样是吃，吃饭、吃闭门羹、吃午餐、吃亏，都是吃，如果说按照模式匹配或者是一般的关键词匹配的话，了解不出来语义。

我们讲到情感，其实是希望学界、业界，大家都在做多模式的情感辨识，这是非常重要的。一句话，它可能代表不同的意思、情感，你如何去理解？比如说，你好讨厌，谁在跟谁说你好讨厌？是在商业的场景还是男女朋友的场景？不同的话用不同的语气和表情说出来也是不一样的。所以不同的情感有很大的不同。

我们先在文字上做了 22 种不同情绪的识别，为什么要做这么细呢？因为不同的场景、情境、语境出来的情绪、情感就不一样，如何能够做到最合理化，才有办法达到最好的应用和商业价值，这是我们一直在努力的方向。

其次，如何把交互做到可商业化、有价值？要让它可控，但要基于一个对语言非常好的理解基础上，才可以做到可控的对话。

情感识别、深度学习、机器学习、语言学结合，才能产生可控的对话，那么，如何将可控的对话落地呢？没有落地，这个技术就没有办法往前演进。

可控的对话商业价值在哪里？可以增加用户体验，减少人工成本，更能够开发出各式各样商业的场景。如果说一个商家、商业、服务在跟用户对话的时候，连语义都无法预测，无法知道下一句话讲什么，这就很危险，商业就会受到影响，商业的价值就会受到影响。所以理想的人机对话系统必须要有记忆。

另外，如果没有思想，就无法理解人，理解人、上下文、意图之后，才有办法达到任务达成使命。

做一个 AI ，一个人机交互的系统，做得好，那么你的技术基本上，AI 所有的问题都可以去解决。

我们是一家什么公司呢？做人机交互的公司，我们希望把情感智能加语义理解做到极致，我们希望把情感智能加语义理解对商业、生活能够产生最高的价值。

我们公司在各地都有研发中心，成立了一年半多以来，在技术、商业落地方面也有小小的成绩，但还在突破，还在接受各种挑战。每一次做到不同的应用，就发现更多的挑战和问题，在人机交互里面，它的问题还是很多的。但我们是如何做的呢？

第一，我们做图象识别，但是跟其他图象识别的公司不一样，我们只做情感、情绪的识别。

第二，做语音的部分只做语音的情感程序识别，为了理解情绪的计算，能够让人机交互达到情感理解的能力。

我们是唯一一家能够把三个情绪情感的识别做在同一个里面，让人机交互能够达到最合格、合理、可控的结果。

AI +行业的空间是无限的，每一个技术的突破都会有一个新形态的经济产生。互联网的突破把互联网经济带到另外一个层次；技术商业化的突破把移动经济又建立起来了。未来对话机器人也会产生巨大的价值，对话经济就会由此产生了。比如说像在线客服，客服机器人是非常容易的一个切入点，但是这个是比较简单的一个范畴。

最重要的是如何能够在各个应用上面把人机交互的技术语义、情感的理解，做成最好的应用呢？

第一，我们创造了第一个类脑的对话机器人，在这个平台上，迅速开发出各式各样不同的应用，在各个行业里面迅速落地。

第二，在技术的平台上开发出各式各样不同的应用，语音、图象的程序，都能有各式各样的应用。

对话经济的到来是巨大的、无穷的，这个利益、价值是远远超过App今天可以带给大家的价值。

对话经济产生的前提，我们必须要突破自然语言和语义的理解，突破对人的理解、人机交互的理解，这些还没有突破前，对话经济还没有办法做。

人机对话是推动商业变革的一股力量，2020年会有85%的职能都会由机器人辅助，各行各业也有很多创新，包括整个大的企业，还有国外、国内大家一起来推动这样的应用，慢慢就会做好，这个时间有可能很快。

但是大家要理解为什么对话很重要？它带来什么商业价值？为什么要谈这些？不就是对话吗？不是，透过对话可以提高用户体验，理解用户，建立用户画像，透过用户画像的理解才能够对行业和个人产生洞察，这比简单粗暴更加有用，价值更高。

其实对话只是一个开端，终点是能够用来服务用户、人群、商业。

对话在垂直领域其实有三个阶段，我们在做落地当中总结经验。

第一，集成。商业跟人的沟通是通过 App。

第二，对话交互。我们现在从第二个阶段出发，要往第三个阶段走。

第三，多任务处理阶段。除了交互之外，能不能有其他的方式，这是我们进步的方向。

我们一直探索，如何以拟人化的方式来挖掘对话中的商业机会，这就是我们每天、每人都在想的，如何从对话中挖掘商业的机会。巨大的机会仍然存在，但我们没有全部挖掘出来。所以我们必须要在这个技术的研究上更加坚持。

合格的商业应用需要可控式的对话。人机对话、语义理解、交互能够做到最好的情况下，应用是无穷的，重点还是语义的理解，意图的理解，情感的理解。

我们的愿景是什么？是未来任何一样东西背后都会有一个机器人。

在语义理解方面，希望我们在未来有一个单独的领域，叫做语义理解，理解是重要的，识别是必须，没有理解就无法做决策，没有办法理解就无法做反馈，理解是最重要的，语义理解、对话交互。

语音的部分，很多人讲语音交互，其实语音不是交互，语言才是交互，语音是感知、感官，语言才是交互，没有语言不叫交互，没有表情不叫交互，没有肢体不是交互，语言才是交互，语音不是交互。我希望从今天开始能够跟大家来共同推广这个认知，语言的交互、对话交互、语义的理解是一个产业。