机器之心原创
作者：张倩
前几年 ， 有一类话题非常火：「在 xx 行业 ， AI 正在取代人类」 。 但随着人们对现阶段 AI 发展的认识逐渐趋于理性 ， 这类话题正变得越来越少 。 取而代之的是：「AI 能增强或延伸人哪方面的能力？」「AI 和人一起能解决哪些问题？」
这种期望的下调是必然的 ， 毕竟凭借当前的弱人工智能是不太可能造出《西部世界》里那种高度智能化的「接待员」的 。 《深度学习》一书作者、被称为「世界 AI 之父」的特伦斯 · 谢诺夫斯基（Terry Sejnowski）也早在 2019 年就说过 ， 「在未来 ， 人类与机器将是合作而非竞争关系」 。

文章图片

美剧《西部世界》中的接待员（机器人）形象 。
如今 ， 这种观点正在被越来越多的业内人士所接受 ， 「协作智能（Collaborative Intelligence）」的概念也开始受到更多关注 。 澳大利亚最大的国家级科研机构——CSIRO 首席研究科学家 Cécile Paris 甚至指出 ， 「（协作智能）将成为数字化转型的下一个科学前沿」 。

文章图片

Cécile Paris 等人认为 ， 要想更好地发展「协作智能」 ， 我们必须重新思考工作流程和过程 ， 以确保人类和机器相互补充 。 此外 ， 探索机器如何帮助人们开发新的技能也是一个重要方向 ， 这些技能可能在各个领域的劳动力中都有用 。
在国内 ， 这种思考其实也早就已经开始了 ， 尤其是金融、保险等直接服务于人的行业 。 这些行业在 AI 的应用上走过一些弯路 。 比如 ， 对外 ， 智能客服、智能投顾曾经风靡一时 ， 但无论是从客户满意度还是业务深度来看 ， 这些工具都无法满足企业的需要；对内 ， 每个企业可能都有专门的数据分析师 ， 他们直接和企业的数据中台（机器）打交道 。 但业务线一多 ， 「机器 - 数据分析师 - 业务人员」的管道就会因数据分析师不够而堵塞 。 这就显示出了优化人机合作流程和过程以及帮助普通业务人员开发新技能的重要性 。 而这件事 ， 其实已经有很多企业在做了 。
在前段时间的一个发布会上 ， 国内首家互联网保险公司众安保险展示了两款旨在解决此类问题的新产品 。 这两款产品的背后浓缩了该公司多年以来对变革人机合作方式、赋能普通业务人员的思考 。
【在有关人与AI的议题中，「西部世界」并非当务之急】重新思考人与机器的排兵布阵
如果把企业的资源配置比喻成排兵布阵 ， 那人与机器可能是两种完全不同的兵种 。 骑兵可以在辽阔的草原上所向披靡 ， 但一旦进入丛林就不如步兵显得灵活 。 同理 ， 机器可以 24 小时不间断工作 ， 处理海量的数据 ， 但并不善于直接与人沟通 。 因此 ， 在引入机器之前 ， 先弄清楚哪些环节最适合机器才是当务之急 。
在自身的客服、外呼等场景中 ， 众安把这个问题梳理了一下：先前很多的智能客服之所以并不成功 ， 是因为过分夸大了机器的作用而忽略了人的灵活性和创造性 。 于是 ， 这次 ， 他们把人和机器的位置重新安排了一下：机器负责 24 小时「站岗」 ， 源源不断地从文本、语音交互数据中挖掘客户意图、情绪等信息 ， 然后把发现的问题交给人去解决 。
这就是众安此次推出的用户交互挖掘平台——鲸探的核心思想 。
和之前的很多交互机器不同 ， 鲸探的任务主要在于「发现」 ， 就像鲸在海洋中搜寻猎物一样 。 它会试图弄清楚几个问题 ， 比如客户是什么人？想办什么业务？问题有没有得到解决？有没有负面情绪产生？会不会投诉？需不需要向其介绍新产品？这些都浓缩成了一个名为 CIREO 的分析框架 。 为了弄清楚这些问题 ， 鲸探的背后综合了深度语义理解、多模态机器学习、大规模预训练、知识蒸馏、图优化、模型压缩等 AI 领域的各种流行技术 。