AI专家：谈企业级如何会话人工智能？

希腊哲学家亚里士多德认为技术是大自然的延伸：建筑起重机延伸了人的双手，而汽车取代了马车。人类的祖先如同先知和预言家，不断寻找在不可预知的世界中前进的线索。

但在全天候在线的世界中，超级计算机取代了人类的神谕 - 逻辑合理的机器，其目的是帮助人类做出决定，提供选择或解决方案。

亚里士多德可能是对的。人工智能正在成为我们大脑100万亿神经连接的延伸。如果创造有效的人工智能是一项极其复杂的，即使不是几乎不可能完成的任务，它也反映了现代人希望人工智能能够解决他无限的疑问和困境的复杂真相。

人类用户越来越希望人工智能拥有类似人类的智能来揭露和解码他的周围环境。因此，AI必须破译和解释人类无限的思想，以满足他迷宫般的要求和追求。

采访思科的AI专家

Vijay Ramakrishnan是思科机器学习/人工智能虚拟卓越中心的研究员，他谈到了为企业会话应用开发机器的学习模型与对话系统。

会话AI意味着什么？

Vijay Ramakrishnan：会话AI是一组以机器学习，自然语言处理和对话系统开发为中心的工程学科，用于创建能够智能地与人类交互的AI代理。输入方法传统上是语音通过自动语音识别（ASR）技术以及通过智能手机和键盘的文本。然而，我们看到视觉的出现（作为一种输入方法）可以提高AI代理人的智能。这种系统的输出可以从助理的自然语言响应到屏幕上的显示而变化。

企业的会话AI应用程序如何与消费者或学术环境有何不同？

Ramakrishnan：企业应用程序与消费者和学术应用程序会避免多个业务知识库深度联系。

2018年，亚马逊的Alexa Prize为参与者提供了一个目标，即建立一个可以与人类聊天天气或体育等随机主题的代理。

在学术环境中，目标是在阅读理解中超越斯坦福大学的问题/答案数据集等基准数据集。该数据集是通过将维基百科的数据提供给众包工作者进行标签而构建的。

对于企业，AI应用程序必须非常好地完成窄域任务，例如预订机票。此类任务需要与客户和业务数据的深层链接，这些数据往往是适当的，并且尺寸小于公共数据集。

因此，通过信息检索技术解决用户语音/文本到业务目标是垂直领域的关键。其次，专门研究较小数据集合的机器学习模型，对于构建准确的企业级会话应用非常重要。

在为企业设计语音助手时，开发者将面临哪些挑战？

Ramakrishnan：一个巨大的挑战是如何从自动语音识别（ASR）系统的错误转录中恢复过来。企业拥有公司特定的代词，如员工姓名，产品缩写和其他从未在ASR系统上接受过培训的专有名词。

另一个挑战是在企业环境中缺乏高质量的标签数据。企业需要尽早投资数据收集，以获得增量语言理解用户的好处。此外，企业可以使用更大的公共数据集来增加其私有数据集，以便机器学习模型可以学习一般模式以及公司特定的文献。

最后，企业需要使用更简单的机器学习模型来训导应用程序，例如在他们的小数据集上进行逻辑回归。这些模型可以为大多数用例提供足够的预测能力。随着产品的成熟和培训数据量的增加，深度学习方法可用于获得人类语言理解的准确性和精确性。

企业AI对有哪些障碍？

Ramakrishnan：将企业AI应用程序国际化是推动增长的关键能力。

但是，如果团队不熟悉需要的语言，那么支持不同的语言是一项挑战。在将应用程序推广到特定地理区域之前，企业需要制定如何支持每种语言的运营计划，包括招聘国外的语言专家。

人工智能代理需要与人类交互，使用语音，文本和视觉作为输入方法等智能。比如亚马逊和其他大企业正在引导未来。Jeff Bezos正在激励创新者开发可以与人类谈论随机主题的AI代理。

但是对于企业而言，能够开发出垂直的，面向业务的任务的应用程序至关重要，也无需那么非常完美。

当会话式AI可以帮助客户预订机票或酒店时，公司可以看到他们的机器学习的投资回报率。

企业会话AI倾向于使用较小的数据集，因为要保护相关的专有信息。

在商业中完善AI的另一个挑战是克服专有名词，公司特定缩写，产品和类似术语的错误转译。开发者可用各种方法准确评估用户的查询，例如利用上下文信息。翻译是另一项挑战。公司应该利用外语专家向开发人员告之非母语的细微差别。