夢晨 發自 凹非寺
量子位 | 公眾號 QbitAI
不知不覺間，接打快遞、銀行等電話時，遇到AI的情況越來越多了。
目前和這些AI溝通，還得講究一個技巧：
要保持你一句我一句的標準節奏，不然難免變成「人工智障」。
比如話說一半卡殼停頓了，AI會以為你說完了，對著半句話給出莫名其妙的回覆。
如果在一句話中間打斷它，也很少有AI能反應得過來。
要是投訴時情緒比較激動，對著話筒一頓輸出，AI可能只回復了第一句，甚至不聽你的，跟你「搶話」。
谷歌在今年的I/O大會上終於提到這個問題，給出的初步解決方案演示還獲得滿場掌聲。
不過，國內其實有人關注這個問題比谷歌更早，那就是擁有複雜場景的京東，早就在實際業務遇到類似的問題。
在京東集團副總裁、IEEE Fellow何曉冬博士看來，這既不屬於語音識別問題，也不屬於語義理解問題，學術研究中往往關注度不高。
只有在落地實踐中，這樣的問題才會暴露出來，進而有機會解決。
2018年，何曉冬離開工作了十餘年的微軟雷蒙德研究院，也是自然語言處理、語言與視覺多模態智慧等領域的領軍人物之一，選擇回國加盟京東。
這其中也是有擁抱場景、離實踐更近方面的考量。
在京東，何曉冬帶領團隊融合聲學、語義、時間等多模態特徵，開發了一系列人機互動場景的「話語權決策「（Turn taking）技術。
△多模態融合的話語權決策（Turning Taking）
如今，這套技術在京東智慧客服系統上每天有百萬到千萬級的諮詢量，就相當於每天要做上千萬次圖靈測試，已經日趨成熟。
而像這樣的問題，何曉冬加入京東以來遇到的還有不少。
對話的本質是推理與決策
在AI發展的上一個階段首先解決了高頻場景，但使用者多了難免出現邊緣案例（edge case）。
隨著京東言犀在全國業務的推廣，識別各地方言的需求開始凸顯，遇到情緒有波動的客戶也更多了。
極端情況下，偶爾會遇到使用者諮詢要買一整瓶安眠藥，言語間帶有輕生傾向。
後來京東做了一個生命通道項目，專門檢測識別這樣少見但重大的情況。檢測到之後一方面可以在言語上安撫客戶、通知物流先不發貨，另一方面聯繫當地的警方或社區人員介入。
從技術上說，除了識別語音，解決這些問題還需要識別使用者意圖、感知使用者情緒以及多輪對話管理。
對此，何曉冬進一步提出「對話的本質是推理與決策」，語言只是其中一種表現形式。
圍棋在過去又叫「手談」，代表這種博弈遊戲就像是用手去交談對話。如果反過來，對話也是一種推理與決策，你需要了解整個棋局，並能夠完美執行。
在京東的智慧客服領域，決策推理能力還體現在如果遇到退換貨、或者其他問題，言犀可以結合對業務場景深度的理解，以及RPA（機器人流程自動化）能力，特別情況下還通過優惠券等多種方式來補償客戶，或遇到複雜問題自動轉接給人工客服處理。
通過解決客戶服務實踐中遇到的種種問題，一套語音語義技術被打磨得更實用，也更以人為本。
情感識別上，有業界首個大規模商用的情感系統，能識別生氣、失望、憤怒、焦慮等7種情緒。
方言識別上，專門開發口音適配模型和演算法，結合語音識別和語義理解聯合建模保證精確性，已能識別粵語、四川話等多地方言。
另外何曉冬認為，在業務實踐中除了能打磨完善單個技術，還能促進多技術的融合。不僅可以提升了技術應用的穩定性，令其有更好的適應性。例如前端的一個指令，背後往往是一套多協同的演算法在「並肩作戰」。
如從商品文案生成的需求出發，語言模型結合領域知識圖譜的AI演算法已實現3000種品類的文案，總計「種草」30億字。
同時，京東上有著5.8億活躍使用者、1000萬個自營SKU和數十萬商家，智慧客服每天處理1000萬次服務，每月產生200萬小時脫敏通話資料。
再加上每年的618、雙11的峰值負載考驗，這一套智慧客服技術在工程上也沉澱出了最佳實踐。
現在技術和工程實踐在京東內部已經跑通，能不能讓它們去解決更多問題？
何曉冬認為，這樣一套端到端的能力可以開放出來給更多第三方使用。
只不過這些技術在內部使用時是高度定製化的，開放出來就需要做解耦出來，在更廣泛的場景做到複用。
在剛剛舉辦的京東雲峰會上，何曉冬發佈了全新升級的人工智慧應用平臺言犀2.0。
這一次，言犀2.0特別強調的關鍵詞是應用平臺，而不是一個開發平臺。
這是因為AI能力要服務於生產製造、倉儲物流、中小賣家等供應鏈上下游離技術更遠的企業時，就不能只是做個跑分高的演算法模型、提供個API接口了事。
而是需要把技術和最佳實踐一起沉澱到產品裡，端到端的交付。
京東零售業務經過19年發展，已經構建起一套完整的供應鏈基礎設施，覆蓋商品的製造、流通、消費和服務的全週期。
進一步，可以把零售行業的價值鏈分為創意、設計、研發、製造、定價、營銷、交易、倉儲、配送、售後等十個環節，這便京東從14年開始提的「十節甘蔗」理論。
當前，在數字化升級、智慧化轉型的大趨勢下，京東又提出「數智供應鏈」。
也就是將京東在供應鏈上沉澱的技術能力解放出來，服務更多實體產業。
這裡面既是京東在技術服務上的差異化競爭優勢，也是不得不做，這是因為——
數智化靠單點突破走到頭了
在AI落地早期階段的特點是「單點應用」，如簡單的問答、臉部辨識等。
下一步則是在某些高頻場景的大規模、全鏈條應用，如零售、金融等場景。
再往後就進入了產業AI的「深水區」，不可避免要遇到低頻、長尾場景，新的困難也隨之出現。
這些場景的資料樣本少、資料分佈不均，對技術來說研發成本更高，同時定製化程度高、難以複製。
要解決這些困難，過去的單點突破則走不通了，那麼，接下來又該怎麼走？
此前從京東內部的經驗可以看出，技術必須要在真實場景下實踐才能暴露出問題，多種技術之間也是在真實場景下實踐才能更好的融合。
在供應鏈視角下，這裡的多技術已不僅指AI內部的各個分支，還要算上雲端運算、大資料、物聯網、5G、區塊鏈等更廣義的技術。
同時，供應鏈所有環節都需要數智化轉型才能最大化效率，帶來上下游之間的協同效應。
由此京東雲提出，產業數字化的下一站便是數智供應鏈。
而京東作為一家既懂技術又懂供應鏈的公司，在這之中要扮演的是用技術連接起產業網際網路和消費網際網路，同時在商品的製造、流通、消費和服務環節推進數智化轉型。
而京東本身就是一個複雜、嚴苛的「場景」，對成本、體驗、效率有著極致的要求。
向這些環節提供智慧服務創造價值的同時，又能通過反饋進一步迭代技術，最終走入正向循環。
總的來說，就是從京東複雜業務場景深度解耦出來的AI能力，歷經多年的考驗和驗證，平臺技術能力可用性強，複用度高，遷移成本低，可以不斷地複製到其他行業。
這樣就解決了AI規模化落地的問題，面對一些低頻、長尾的場景，也更容易遷移。
在今年的京東雲峰會上，基於言犀2.0應用平臺還發布了政務、金融、數字人等技術產品。
政務方面的產品是「京東政務大腦」，以人機互動能力為核心，結合多種技術提供了政務諮詢一網通、疫情防控與排查、智慧養老等一系列解決方案，服務市政民生。
金融方面則是結合對話、決策能力與金融領域專業知識，推出金融全鏈路智慧營服銷一體化解決方案。
最後還有言犀多模態數字人平臺，與市面上的數字人相比，京東數字人更注重產業服務，同時強調AI驅動的多模態互動能力，目前已走進直播帶貨、銀行業務辦理、政務服務等多個場景。
△數字人言小希與京東總部合影
為什麼首先選擇這幾個領域？
何曉冬也給出了他對數智供應鏈應如何推進上的思考。
從AI技術公司，到泛網際網路行業，再到更傳統的行業，離技術越遠則數智化的需求和機會越大，但同時推進數智化的難度也更大。
這其中，金融、政務這些行業數字化基礎設施已初步建設完善，與大眾關係又緊密。
先從這些領域入手去推進智慧化，可以迅速打開局面，再一步步深入滲透進能源、製造業等更傳統的行業。
選擇做數字人平臺也是類似的思路，數字人當下產業需求非常龐大，又是人機互動技術最佳的表現載體，可以一邊創造價值，一邊進一步檢驗和完善技術。
