以下是演講全文
大家晚上好！我是網易七魚的產品總監段毓錚，非常高興有機會與大家分享關于人工智能的話題。我本人對人工智能領域非常關注，一方面是我個人從小就對這個領域感興趣，高中的時候就會讀一些模式識別、遺傳算法等方面的書，興趣驅使，就會長期關注這個領域的事情；另一方面，也是和現在的工作有關，網易七魚產品里有大量人工智能技術的思考與實踐，所以也迫使我關注這個領域的發展與動態。
今天我們的話題是人工智能的商業化。我認為現在來談人工智能的商業化是個非常好的時機。大家應該能感受到，近些年人工智能非?；穑诟鱾€領域都被頻繁的提到。那是不是因為它火，我們就來關注它的商業化呢？并不是這個邏輯。人工智能火，是因為相關技術本身發展到了一個新的高度。而商業化的前提是，新的技術、或者理念，發展到了可以真正解決實際問題、產生價值、賺到錢的水平。
人工智能的發展階段
我們可以透過人工智能本身的發展歷程，來看它商業化的契機。人工智能的發展，經歷了幾波大起大落。人工智能從學術上講，它并不是一個新的學科。從上個世紀五六十年代開始，學界就提出了人工智能模擬人類智慧這樣大膽的目標。隨后便是一波浪潮，大量的研究投入。
但是那個時候的成果非常有限，處于剛起步階段的算法還很簡單，機器只能處理一些邏輯性較強的問題，比如解微積分、證明定理等等。對于適應人類處理問題的不確定性環境來說，能力還很差。由于期望與現實的差異，導致上世紀七十年代人工智能進入了一個低谷時期。
但是很快，不久后到了八十年代，人工智能便重新回到了公眾的視野，迎來了新一輪的發展。這個階段產生了大量的“專家系統”，并且得到了一定應用。但是專家系統仍然具有很多局限性，比如無法模擬真正人類專家所掌握的隱性知識、缺乏通用的常識等等，以及維護好一個大型系統的復雜性和成本，都導致人工智能在這波浪潮過后，又是一段時間的寂靜。
到了九十年代，是個很有意思的時期。表面看來波瀾不驚，但實際上是暗潮涌動。那個時候我上高中了，已經開始接觸人工智能相關的知識，但是并沒有條件進行系統化的學習。在了解了當時人工智能發展水平和一些基本技術實現方法之后，我也有直觀的感覺，人工智能好難啊，到底出路在哪里。
算法、硬件和大數據助推人工智能
過往的算法都是把人工的規則告訴機器，讓機器依照規則來計算出結果。這些規則可能會非常復雜。要想讓計算機有更高的智能化水準，規則就要更加復雜。當時呢我就突發奇想，我們是不是應該換個思路，不是把我們知道的規則直接告訴計算機去執行，因為規則維護非常困難；而是賦予計算機像人腦一樣學習、思考的能力，讓計算機真正具備解決問題的能力。那這個前提就是需要我們特別清楚人腦的工作機制，并找到一種電腦模擬人腦的模式。
我甚至為了這個看似荒誕的想法，決定大學的時候去學醫，目的就是為了能更好的認識人類自己的大腦。不過后來因為保送的原因，認慫了，還是選了計算機專業。不過，我內心還蠻驕傲的，有兩方面。一是在當時，已經有科學家初步驗證了這個想法，這是我后來才了解到的。比較典型的就是“稀疏編碼矩陣”算法。Bruno Olshausen 與 David Field兩位學者設計了算法，讓計算機自主的去尋找圖片當中的特征。最終的結果是，構成這些圖片最基本的元素都是一些物體的邊緣，看起來都是一些相似的線段，只是他們的方向有一些區別。這與David Hubel 與 TorstenWiesel的生物試驗的結果不謀而合?。―avid Hubel 與 Torsten Wiesel是1981年諾貝爾醫學獎的兩位得主）這也意味著，人類第一次在計算機視覺方面，找到了與生物視覺類似的特征提取、分類、識別的過程與方法二是到現在為止，人工智能領域的發展的確在朝著這個方向前進。特別是2006年，深度學習被正式提出來之后，人工智能與人類智慧站的越來越近。隨著深度學習技術的成熟，它逐漸變成了人工智能領域里的大殺器。過往很多難以解決、或者效果不佳的問題，現在都可以通過深度學習技術，得到很好的效果，極大地推動了人工智能領域的發展，以及應用的普及。最典型的例子，就是自然語言處理、語音識別、圖像識別等這些認知技術，在用深度模型替換掉以前的方法后，一切都變得簡單而高效。
無疑，算法的進步極大地推動了人工智能商業化的進程。新的算法提高了機器學習的能力與效率，讓問題解決的更快。但是還有兩個非常重要的因素，分別是硬件的發展，和大數據時代的來臨。硬件的發展帶來的是計算能力的飛速提升。機器學習、神經網絡這些概念早就有了，為什么深度學習最近10年才提出來？也有硬件的原因，過去根本沒有與之匹配的計算能力，來支撐更深層次的特征提取與學習。
隨著互聯網的發展，各式各樣的互聯網應用以及移動終端產生的數據量急劇增加。這些數據都可能是推動人工智能發展的推進劑。這讓機器學習所依賴的數據量更大，而且更容易獲得。
算法演進、硬件運算能力提升、大數據的發展，都是推動人工智能商業化的重要因素。這里提一下，我們網易在人工智能商業化實踐上，也注重這三個方面同時推進。我們在2008年開始就投入到深度學習領域的研究，算是國內投入很早的，我們有一流的研究團隊。經過這8年的技術積累，也形成了一套自有的深度模型。八年間我們把深度模型應用在了不同的領域，比如人臉識別、音樂識別、語音識別，還有現在的智能客服領域。同時，我們在不斷加強基礎設施的建設，現在已經有一套超大規模高性能高可用的計算集群，為深度模型的密集運算作支撐。此外，在網易19年的互聯網服務開展過程中產生的大量專業的數據，都成為我們訓練這個深度模型的最佳素材，這使得我們深度模型更加專業，更能解決實際問題。
人工智能根本性改變客服機器人
回過頭來看人工智能商業化的問題。人工智能發展到今天，是否真能為我們解決實際問題？答案是肯定的。對于個人來講，人工智能已經可以為我們生活帶來很多便利，或者全新不同的體驗。對于特定產業來講，人工智能在不同領域的應用，可以釋放人力，帶來效率提升以及產生價值。人工智能已經在以極快的速度改變著人們的生活方式和生產方式。人工智能領域有一本非常有趣的“課外書”——《奇點臨近》，它在10年前就準確預測、描繪了這一景象。
人工智能商業化例子有很多，我們身邊就有很多。蘋果手機里的Siri，手機淘寶里的“我的小蜜”，郵箱里的垃圾郵件過濾，眾多社交產品里的語音輸入，等等。這些都是人工智能商業化的例子。這里面都許多不同的技術，他們或直接、或間接的產生商業價值，并且能很好地解決用戶實際的問題。
今天這些不展開聊，主要以客服領域為例來看看人工智能商業化實踐。就像一開始說的，我會關注人工智能能為客服領域解決什么問題。那就不妨先看看客服領域有什么問題，也就是我們做產品時所關心的需求。
客服領域最直接的一個問題，就是人力成本的問題。我在很多場合都分享過一組數據。我們不久前，對網易公司十余年的服務數據進行了一次整理統計與分析，發現在服務過程中，來自用戶的類似“你好、在嗎”這種善意但又無意義的信息占到了總體信息的47%，將近一半。另外有意義的信息里面，又有78%的問題，可以歸類、合并為一些簡單重復的問題。
這很直觀，這些事情由人來做，非常浪費資源。由此引發的還有一個更嚴重的問題，那就是客服行業的從業人員的職業成長問題。一線客服長期在做一些簡單重復性工作，枯燥乏味，沒有提升，這也直接導致了整個客服行業在社會中的地位不被認可。其實這是個很可怕的問題，不是個人的問題或者團隊的問題，而是行業性的問題，這對整個行業的發展產生了很大束縛。
當然了，我們有辦法解決這個問題。那就是通過客服機器人來做這些簡單重復的事情。最早期的第一代客服機器人，只能稱之為機器人，是沒有智能的一個簡單的關鍵字應答系統，比如電話的IVR，又如回復短信查詢信息等。這代機器人簡單到幾乎沒什么技術可言，工作方式也很機械，但他的確第一次將人從簡單重復的業務中解脫出來。
隨后的第二代客服機器人有了一定的進步，它是一個關鍵詞檢索系統，有了檢索能力，也有一定的模糊匹配的能力。這就讓這個機器人能處理更多的問題。但是又帶來了新的問題，那就是隨著業務的快速發展，我們要維護的關鍵詞表會非常龐大，而且每個詞條可能會有多個詞，詞的順序都可能影響到匹配結果。這就讓機器又回到了依賴人的精力與經驗的老路上，明顯是不靠譜的。隨后出現的第三代智能客服機器人，注意它是智能機器人了，引入了NLP（自然語言處理）技術。這首次讓客服機器人可以處理句子，而不是孤立的詞。這個變化讓人機交互變得自然了。然而單一的NLP技術給機器人帶來的智能化水準非常有限，它仍舊是依靠人工設定的規則（分詞、詞性標注、句法、文法等）在工作，還是早期人工智能解決問題的思路。所以第三代客服機器人在實際業務場景中表現出來的處理問題的能力，雖然有很大提升，但還不夠理想。
我們希望機器人能處理更多的問題，同時希望對他的維護成本進一步降低，說白了就是要求智能客服機器人更加聰明。這時人工智能領域最新的技術就派上用場了，也就是前面提到的深度學習技術。第四代智能客服機器人主要就是基于深度學習技術打造的。
深度學習的確是個大殺器，他打破了過去所有技術都依賴人工規則的束縛，讓機器暴露在數據中去學習、訓練，自主的發現規律，學術上稱之為“特征”。然后依據學習到的特征去做分類或者預測。放到客服領域，深度學習帶來的好處是，機器可以更好地適應用戶口語化、而且多變的問法。與此同時，我們也不必去維護大量的相似問法。這種人工規則已經不需要了，機器可以處理絕大多數的問題。
客服機器人從第一代到第四代發展的過程，是一個非常自然的過程：業務不斷發展；人力壓力不斷增大；我們對技術的要求越來越高；促使新技術不斷地來解決更多的問題。這就是典型的商業化的進程。
人工智能全面應用于網易七魚
網易七魚也是個很好的例子。我們過去有很扎實的人工智能技術積累，有豐富的深度學習技術應用、調優的經驗。今天我們把這些技術應用在了客服領域，為企業優雅地解決服務問題。
網易七魚正是提供了第四代智能客服機器人，幫助我們的客戶企業解決86%以上的簡單重復的問題。這時客服團隊大量的人力釋放出來，但是并不必恐慌，這不是對客服行業產生沖擊，而是正向的推進。釋放出來的人力，逐步走向更高級的服務崗位，或者進入到生產過程中的不同環節，去從事更有挑戰，更應該由人來完成的工作。網易七魚就是一個通過人工智能技術，解決實際問題、創造價值的例子。
然而網易七魚在人工智能商業化方面的工作不止于此，我們還做了很多的事情。網易七魚是云時代智能客服專家，我們基于人工智能技術提出了全智能服務閉環的概念。
也就是說，在整個服務的閉環當中，從溝通開始，到智能服務、服務管理、以至于推動智能商業決策、再將決策帶來的影響反饋給客戶，這整一個閉環的每個環節，我們都適當地加入了我們所擅長的人工智能技術，以解決不同的問題。比如服務溝通環節，我們充分考慮到移動時代用戶輸入的便利性，提供了語音識別技術，讓用戶可以與智能客服機器人實現真正的對話。比如客服管理環節，我們提供智能績效、智能質檢、風險預警的功能，這極大的解放了一線客服主管的生產力，并且還可以提高服務的質量。
值得一提的是，網易七魚的第四代智能客服機器人，他不是一個孤立的機器人。我們通過數據，將高性能機器、高智慧算法、以及客服和訪客的行為關聯在一起。這樣就打造了我們全新的智能座席，使得我們的機器人在擁有很高的智能化水準的前提下，越用越好；而且可以在人機互助、分析用戶行為、為商業決策做支撐等方面提供更多的幫助。
網易七魚在人工智能商業化的道路上從來不是堆功能、炫技術，而是真正的為企業解決問題、創造價值。這也是我一開始提的商業化觀點的一次成功實踐。我還想說，在人工智能商業化方面還有一個非常重要的事情，從網易七魚身上也能看出來，那就是特定的技術從來不是單打獨斗的。我們在產品中運用了大量不同的智能技術，來打造一個真正智能的客服專家。技術融合、應用創新的理念非常重要。而且就在上個月，2016年的5月，網易七魚憑借在人工智能領域的努力一舉拿下第八屆云計算大會的創新大獎，這也是學術界對我們在多技術融合、創新方面工作的認可。
從客服這里跳出來，我們回來看整個人工智能領域。我認為人工智能的商業化是必然的，而且會越來越快、面越來越寬。他帶來的沖擊，會像是工業革命那樣，是顛覆式的?；叵肴斯ぶ悄馨l展歷程的幾次起落，很快，我相信人工智能這個概念會再次淡出人們的視野。但這次不是被遺忘，而是人工智能已經變得像用水用電一樣自然，深入到我們的生活。
最后，我想用那本非常崇拜的書名結束今天的分享：奇點臨近——準備擁抱這令人欣喜的變化吧！
