你是否對2016年雲栖大會現場直播的實時字幕好奇？是否想了解語言方面的智能化怎樣與客服相結合，怎樣在客服智能化上落地？其實，收集資料是我們面臨的最大挑戰，這是時間、人力成本等的核算的問題。技術上，任何一個語言，包括英語、漢語、方言等等，難度差别并不多，識别相對簡單，難點在資料。
阿裡最初開始做智能客服的時候是因為阿裡自己的客服團隊。公司業務規模很大，客服數量也非常大，到了一定的規模之後，就會發現整個客服的人力成本是高昂的。進一步說，很多時候靠增加人來解決問題已經變得不可能了，因為管理成本、教育訓練成本、人員流動性導緻客服服務已經不能夠通過增加人來實作更大的收益。此時，我們就得通過其他的手段，不通過人員的增加來支撐越來越大的服務規模。我們在切入的過程中，會遇到以下四個問題：團隊教育訓練難度大；服務品質無法把控；知識庫不完整、分散在各處，品質不好控制；溝通模式發生了變化。
上圖是去年雙十一阿裡嘗試的虛拟客服咨詢。在你打進去電話之後，機器人會進行判斷，其實他用了兩種資訊——你的行為以及你說的話來判斷你遇到哪些問題，隻有不是自助可以解答的問題才會轉到人工咨詢，而且會分到特定的技能群。
其實這些智能客服的背後是互動層。今天我們的客服是由所謂的熱線（通過電話），還有線上（通過各種即時通訊）來實作的，他們的入口可能是各方面。使用者進來的時候實際上遇到的就是機器人，這個機器人可以通過你的行為預測你遇到的問題，根據遇到的問題來判斷是否使用人工服務。是以，最開始的是問題的定位和分流。當電話打進來的時候，會有一個身份的判斷，這個判斷與過去你的行為息息相關。當資訊量不足時，虛拟客服會問一些問題讓你來澄清自己的問題，再此基礎上，最後會得到你所遇到的問題。這樣，之後的業務邏輯就會将問題轉給機器人或者人工回答。<b> </b>
服務機器人也是同樣的道理。我們輸入的是一些自然語言和一些行為。問答引擎的後面有不同形态的知識庫，另外的一種資料是知識圖譜，講的是各種東西之間的關系，還有一種是類似“小冰”這樣的開放式聊天。是以，機器人的背後會有不同的資料，不同的資料又會對應不同的模型。這個過程的難點在于：使用者說什麼話都得去了解，真正明确他的目标是什麼，然後把答案給他。
那麼知識庫從哪裡來呢？最初可能是由人工寫的。當公司做大之後，這種方式就變得不适合了，此時就會從公司的各種資料、各種文檔裡面去挖掘，或者從網際網路上去尋找、挖掘。比如說，自己産品的問題，當自己的客服還沒有總結出知識庫的時候，在網際網路上的某個論壇，大家已經談論過這個問題了。不難看出，在服務機器人的智能過程中，有兩點很重要：一是把人和我已有的知識關聯起來，二是背後要有足夠的知識庫來支撐。
另外一個很大的應用前景是我們做語音識别可以幫助挖掘以前對于大家可能認為沒有價值的資料。語音轉文本的過程中我們認識到兩點：一是語音技術是靠技術驅動的，如果我們想要識别得越來越準就意味着我們必須不斷地學習，人工智能的模型需要資料讓它轉起來。第二點，以前沒有利用價值的語音一旦變成文字之後，我們可以用于很多方面，比如質檢。以幾千人的服務團隊為例，其實很難把控每個人的服務品質，以過去的抽查方式，按1%的比例來看是杯水車薪的，現在我們可以通過智能語音轉文本做到100%的質檢。
此外，在這個過程中，使用者和我們的客服之間的讨論中會有很多關于産品體驗的問題，有了這些資訊之後，我們就會知道哪些産品在什麼地方有問題，或者什麼特征是大家喜歡的、哪兒問題是最多的，還有一些包括異常的監控，就像去年518的斷網導緻很多應用出現問題。發生這種情況的時候，第一時間會有很多客戶撥打客服電話，如果發現的快，就能及時解決這些問題。實際上，阿裡提供的是前面的基礎能力，每個業務會最終落地到自己的業務系統上，把資料的價值充分發揮出來。
以前的通話語音隻有1%被質檢。其實通話中會有很多的營銷機會，特别是對金融機構，使用者可能是咨詢一些投資、理财産品的資訊，如果我們能夠抓住這些資訊，那麼主動呼叫的業務會有很大的發展。使用者的各種産品回報，如果發掘到會有很高的利用價值。從圖中不難看出，智能語音識别隻需更少的人就能夠達到100%質檢的目标。當然，不能說100%的質檢都會準确，因為機器學習的算法不能保證是百分之百準确的，但是系統抽出來的都是最大嫌疑的，是以在關鍵問題上需要有專門人來稽核。
在支付寶錢包裡我的客服裡，可以通過語音來提問，很多标準化的問題都可以自助的解答。
這個與其他有些差別，最開始也是在做客服，逐漸的把服務推介、生活服務都打通，包括導購。顯然，這是挖掘資料價值的典型案例。
這個是今年三月份第一次做出來的，當時在阿裡雲的年會上做主題演講的轉寫。與第50屆世界速記大賽亞軍進行pk，最後的結果是機器稍微好了一點。現在的雲栖大會，都會用機器來打實時視訊字幕，相當于給所有的會議做了一個紀要。
阿裡智能客服第一個落地的是智蟻雲客服。其核心思想是：整個的智能客服是幫助人來解決問題，是以并不是要求完全排除掉人，而是機器能解決的話就解決，不能的話再交給人來處理。
語音互動所謂的智能化就是了解大家說的話，把我們的要求變成一個标準化的查詢。從某個角度，你可以認為是對資料資源的查詢，知識背後的資料資源可能是不一樣的。現在的支付寶可将應用進行快速的直達，就是說我們可以用語音的技術，包括自然語言的了解和人機的多輪對話快速的讓我們找到我們想要尋找的資訊。其實，這樣的系統，背後還是需要一個強大的資料支撐，如果了解到了，卻找不到資料，這樣是不行的。是以今天所謂的智能一定是要全線打通的。
今天是資料智能的時代，我們所看到的智能化都是大資料在驅動的。機器學習的重點就是深度學習。其實神經網絡和機器學習并不是一個新概念，今天與以前所不一樣的在于深度。核心的能力其實是計算能力的增長。你的層數越多意味着你要學習的參數越多，參數與你要訓練資料的規模是有關的。資料不夠，模型大了的話就會缺乏擴充性。今天機器學習能夠快速進展就是因為有資料。阿裡在背後花了很多的時間做并行的訓練，核心的過程是我們需要資料的滾動過程，不斷地收集資料、訓練模型、優化結果。
<b>本文根據阿裡巴巴</b><b>idst自然語言服務部總監</b><b>初敏博士在2016雲栖大會成都峰會演講整理。</b><b></b>