——沃倫·巴菲特

　　人工智能成功的五大標(biāo)準(zhǔn)：大數(shù)據(jù)、受限性、反饋性、計(jì)算力與智能程度。

　　——楊強(qiáng)教授

　　“科技已經(jīng)摧毀了許多傳統(tǒng)制造業(yè)和藍(lán)領(lǐng)崗位，下一步可能給中產(chǎn)階級(jí)帶來(lái)類(lèi)似災(zāi)難。”

　　——史蒂芬·霍金

　　面對(duì)AI的快速發(fā)展，各路人馬褒貶不一。科技進(jìn)化史、人類(lèi)勞動(dòng)解放史、機(jī)器人威脅論觀點(diǎn)也十分精彩。然而毋庸置疑的是，人工智能是成功的。

　　智能機(jī)器人從簡(jiǎn)單學(xué)習(xí)到深度學(xué)習(xí)，至無(wú)監(jiān)督地強(qiáng)化性自主學(xué)習(xí)。機(jī)器閱讀（machine reading）、大數(shù)據(jù)（Big Date）匯總分析再到具有高含金量的小數(shù)據(jù)（Small  Date），AI到底能發(fā)展到什么程度，至今也沒(méi)有具體的定論。

　　那么聰明的智能機(jī)器人能做到什么程度呢，機(jī)器人又是如何滿(mǎn)足訪(fǎng)客業(yè)務(wù)咨詢(xún)、數(shù)據(jù)查詢(xún)、功能調(diào)用等需求的呢？

　　所謂語(yǔ)言中樞不外乎一問(wèn)一答的知識(shí)型匹配。AI的智能性本質(zhì)上是有區(qū)分于人類(lèi)思維的，所以涉及到NLP工程師們對(duì)于機(jī)器學(xué)習(xí)中自然語(yǔ)言的句法分析、語(yǔ)義理解、信息抽取以及信息檢索研究，使深度學(xué)習(xí)算法在文本挖掘中得以應(yīng)用開(kāi)發(fā)。

　　機(jī)器人智能問(wèn)答涵括寒暄聊天、第三方信息等智能聊天，也有側(cè)重于語(yǔ)義理解、知識(shí)匹配的業(yè)務(wù)應(yīng)答，還有符合用戶(hù)需要的相關(guān)智能推薦，業(yè)務(wù)覆蓋性問(wèn)題的長(zhǎng)尾問(wèn)檢索、文檔及全網(wǎng)性查找。

　　機(jī)械的問(wèn)答模式已經(jīng)給不了訪(fǎng)客體驗(yàn)滿(mǎn)足感，所以AI機(jī)器人發(fā)展需要能觸發(fā)多重任務(wù)的完成。抽取多輪會(huì)話(huà)信息，組合理解訪(fǎng)客意圖。

　　訪(fǎng)客智能查詢(xún)是根據(jù)問(wèn)題在業(yè)務(wù)數(shù)據(jù)系統(tǒng)中進(jìn)行抽調(diào)查詢(xún)，可以多重?cái)?shù)據(jù)交叉調(diào)用，獲取訪(fǎng)客真正需要的信息。智能機(jī)器人抽取出用戶(hù)想要表達(dá)的各類(lèi)信息實(shí)體，篩選匹配到多條件組合信息。

　　智能問(wèn)答機(jī)器人從感知到訪(fǎng)客的行為，經(jīng)過(guò)“神經(jīng)傳輸”到做出反饋的過(guò)程，正是機(jī)器人行為表現(xiàn)的過(guò)程。根據(jù)用戶(hù)的頁(yè)面點(diǎn)擊行為進(jìn)行預(yù)測(cè)推薦，更快一步實(shí)現(xiàn)有效地人機(jī)互動(dòng)。

　　機(jī)器人自動(dòng)聚類(lèi)發(fā)現(xiàn)工單、客服記錄服務(wù)熱點(diǎn)，結(jié)合結(jié)構(gòu)化數(shù)據(jù)信息對(duì)用戶(hù)自動(dòng)分組，從而對(duì)訪(fǎng)客進(jìn)行畫(huà)像，以便用戶(hù)多維度分析業(yè)務(wù)問(wèn)答數(shù)據(jù)，有針對(duì)性訪(fǎng)客回答。

　　AI純文字識(shí)別的時(shí)代已然過(guò)去，語(yǔ)音、圖片、視頻、音頻、人臉的識(shí)別都成為必然的發(fā)展方向。

　　智能機(jī)器人發(fā)展已經(jīng)到達(dá)能進(jìn)行語(yǔ)音輸入識(shí)別，輸出反饋、插入多種識(shí)別模塊的階段。更多的智能實(shí)體也展現(xiàn)在用戶(hù)面前，I，Robot中的場(chǎng)景會(huì)不會(huì)在現(xiàn)實(shí)中出現(xiàn)呢，相信不遠(yuǎn)的將來(lái)就有答案了。