以下内容根據演講PPT及現場分享整理：
<b>正在發生的變革：人工智能正在重構B-C的關系模式</b>
<b></b>
第一代企業與消費者關系模式是銷售。其商業模式是生産出産品後直接銷售。銷售後，企業與消費者之間的連接配接就截斷了。
第二代企業與消費者關系模式是單向連接配接。商品從企業銷售到消費者手中，企業會想辦法保持與消費者的連接配接，如企業公衆号。問題是企業與消費者之間關系是單向的，沒有自然語言的雙向互動。
第三代的企業與消費者關系模式是雙向互動。互動平台需要為企業提供自然互動式的準确、全鍊條服務平台。為消費者打造7*24h、自然互動服務體驗。
第三代B-C模式優勢在于：全鍊條服務平台，智能化客戶體驗，通過營銷創收；并且有多輪互動。智能客服強在售後服務，節約成本，可以簡單回答問題。
小蜜家族已經武裝了阿裡内外平台。
<b>雲小蜜開放平台及其核心引擎</b>
雲小蜜定位為包含對話機器人開放平台和機器人+人協同工作台的面向企業或組織的新一代智能服務整體解決方案。
雲小蜜開放平台和核心技術展現在語言了解引擎、Task對話引擎和智能問答引擎。
<b>語言了解引擎</b>
其中語言了解引擎的設計痛點考慮為啟動簡單、了解準确和越用越智能。通過内置豐富意圖和實體、挂鍊推薦實體和例句實作多内置多推薦；通過基于規則算法、傳統機器學習、深度學習算法實作強大學習算法；通過資料閉環流動和Active learning來實作持續學習閉環。
上圖為各種常用内置意圖。
通過内置100+實體和與之相連的對應規則貫穿知識基礎。
通過内置符主義與神經網絡融合的意圖識别算法去實作深度學習的意圖識别。
通過Bi-LSTM+CRF的slot filing算法實作深度學習的Slot屬性抽取。
客戶自定義意圖的識别主要通過冷啟動similarity matching技術和grammar技術來實作。
通過提煉資料中關鍵詞，經過資料預處理達到語義比對，去重後設定回流樣本并标注，達到模型訓練後進行模型驗證，得出新模型。通過這種方式實作持續學習和進化能力。
<b>Task對話引擎</b>
客戶期待業務領域擴充快一些；使用者對話自由一點；能支援稍微複雜一些的業務流程。但是設定系統的時候面對各行業各業務都有自己的業務邏輯，擴充難度大；當使用者不嚴格按照流程對話時，容易異常跳出，導緻業務無法順利完成；一個Task通常存在多種分支和跳轉邏輯，簡單的slot filling難以應對。
目前通過核心引擎和業務邏輯分離，友善在不同企業、不同行業、不同Task擴充實作可擴充性；通過支援Task之間的跳轉與恢複，支援各種異常處理和驗證來實作魯棒性；通過以Graph為出發點建構對話流程，支援複雜業務對話邏輯的自由流轉，同時支援客自定義功能來實作可定制性。
在對話的可擴充性方面，核心引擎設計思路為解析和執行Task Flow，以狀态機的形式，控制每一輪對話互動。業務邏輯設計思路為Task Flow描述具體任務的執行步驟以及流轉關系。
在對話的魯棒性方面，業務方設計思路為自定義Task内部邏輯。平台設計思路為支援Task之間的跳轉與恢複。
對話的可定制性的業務流程圖和細化圖如上圖。
Bot Framework架構的流轉示意圖如上。
<b>智能問答引擎</b>
KB-QA是知識庫問答（knowledge base question answering）即給定自然語言問題，通過對問題進行語義了解和解析，進而利用知識庫進行查詢、推理得出答案。劃分為精準回答、多輪回答和支援推理。
行業知識圖譜執行個體如上。
問題經過3種限制條件識别問題，确定問題是否在模型以内，在模型内的問題，進過問題曲線标記，推薦出最符合的問題曲線，執行查詢并回答；不在曲線内的問題，進行反問。以上是KBQA架構的基本原理。
傳統方案，對話和問答是割裂的；雲小蜜中對話和問答有機而統一地緊密連接配接。
雲小蜜的平台的核心價值在于通過整合行業結構化知識啟動成本更低；通過自主制定能力使業務更靈活；通過持續學習進化使體驗更智能。
<b>雲小蜜未來的思考</b>
雲小蜜将以開放、共赢和生态的角度進行發展，未來将擴散到各行各業。
<b>本文由雲栖社群志願者小組王曉慧整理，丁勻泰審校。編輯：郭雪梅。</b>