2018年11月14日，由CIO时代主办、CIO时代APP承办的"第73期CIO时代信息化大讲堂"活动在北京CIO时代学院报告厅顺利举行。竹间产品咨询顾问赵南作为本次活动的特邀讲师，发表了题为 《认知到实践--企业如何快速打造AI生产力》的主题演讲。业界相关CIO们在此欢聚一堂，围绕AI生产力等话题展开了深入的探讨。与此同时，本次讲堂活动也在CIO时代APP进行了直播。

　　竹间于2015年创立，时间点在人工智能刚刚发展之前，属于比较早的一家AI公司。　　其创始人简仁贤先生，Kenny，是前微软亚洲互联网工程院副院长，曾负责Bing搜索及全球移动应用产品研发，领导微软小冰及小娜(Cortana)、人工智能，主导微软开放式搜索平台在亚洲落地，垫立了小冰在中国人工智能领导者的地位，主导将小冰成功在日本落地并与LINE结盟。

　　公司的理念是想打造一个像人一样可以进行对话和提供服务的机器人。想做到这件事情，有两个重要的问题：一是自然语言理解，需要懂用户所说的话，知道意图；二是情感识别，作用是可以让意图更准确。不同的语言、声调、表情代表同样一句话，其意图是不一样的，所以竹间做的是多模态的情感识别，通过文字、表情、语音三种结合，去判断一个人的意图。

　　银行APP如何转账？网银如何转账？当客户在问标准问题的时候，系统是回答不了的。因为不知道匹配哪个问题反馈给客户。那竹间用多轮的方式，通过特定对话的方式，来提供答案。总共做了 20多个多轮，通过线上运行结果拦截率提升到了80%以上。做分析，公司专门有语言学家，负责这项内容。只要客户提供系统日志，去把这种信息整理出来，不需要客户再去应付同样的问题。

　　某一电商梳理了7000多个标准问题，通过分析最高频的 20个问题，占比超过 80%。那么竹间智能就把最高频的几个问题做成拆分成多轮，或者把最高频的几个问题，用图文方式显示答案，或者把最高频的几个问题，用教学步骤写好，其拦截率就会得到明显的提升。

　　关于智能电视或智能音响，主要应用是意图识别优势。比如说音量大小问题，命中传统的关键词或句式规则匹配。竹间通过深度学习和各种算法，对数据进行处理，刚开始时，意图准确率达到了85%，后来再对语料进行扩解，可以把准确率提高在94%左右。这时候再加上其他一些硬件模型，通过多种模型混合起来进行运算，最终达到97%。这种在智能硬件操控上是相当高了。

　　真正的难点在自然语言交互上，比如说银行移动终端的智能客服机器人，主要做的事情是查账、查积分等任务，现在一般人不愿意通过点击的方式操作，反而是对话的形式，文字对话、语音对话是主流。在“我上个月花了多少钱？”这句话中，有两个元素：一是上个月，是日期，二是多少钱，意图就是要查账，系统就给出上个月的账单。如果说“我上个月花了很多钱”这句话，只是一个陈述句。如果说“我上个月花了这么钱呀”，很有可能会通过分期付款。通过自然语言处理的话，需要系统自动识别意图，会让用户有不错的体验感。

　　技术优势

　　主要通过算法、标注、语义分析、知识图谱、中控、平台等技术来实现智能。通过技术手段可以实现多种业务场景，但如果想让功能更准确，效率更高，意图识别率更准确，很难通过一个技术手段去完成。竹间试遍了世界上主流的中文算法模型，专门进行了优化处理，并拿到了知识产权。通过这种手段，来保证信息的准确率。

（CIO时代网）