一知智能算法團(tuán)隊(duì)：去摘遙不可及的星

如果你問(wèn)一知人最喜歡聽(tīng)到的話是什么，那一定會(huì)是“你們的機(jī)器人也太像真人了吧！”。

從一句話通知到平均對(duì)話時(shí)長(zhǎng)超過(guò)一分鐘，從“人工智障”到“金牌客服”，底層核心能力逐漸成熟，語(yǔ)音識(shí)別準(zhǔn)確率穩(wěn)步提升，一點(diǎn)一滴的進(jìn)步讓人工智能電話通道的有效觸達(dá)成為可能。而在對(duì)話體驗(yàn)不斷提升的背后，站著的，是一群敢于摘星的人，他們就是一知智能算法團(tuán)隊(duì)。

這是一個(gè)碩博率達(dá)到100%的部門，匯集了眾多業(yè)內(nèi)頂尖的技術(shù)人才。其中有AI Lab主任姜興華等屢獲行業(yè)大獎(jiǎng)的牛人，有薛弘揚(yáng)博士等人工智能科學(xué)家，也有畢業(yè)于東京大學(xué)、美國(guó)加州大學(xué)洛杉磯分校、南安普頓大學(xué)、瑞典皇家理工學(xué)院、利物浦大學(xué)，浙江大學(xué)、中國(guó)科學(xué)技術(shù)大學(xué)、西安交通大學(xué)、華中科技大學(xué)等國(guó)內(nèi)外頂尖院校的精英。

作為技術(shù)驅(qū)動(dòng)型公司，一知智能始終保持對(duì)技術(shù)先進(jìn)性的追求。一知智能算法團(tuán)隊(duì)核心成員來(lái)自浙江大學(xué)人工智能研究所和國(guó)家重點(diǎn)實(shí)驗(yàn)室，擁有強(qiáng)大的高校研發(fā)背景。創(chuàng)始團(tuán)隊(duì)在校期間屢次在國(guó)際大賽中獲獎(jiǎng)。2016年知識(shí)圖譜構(gòu)建競(jìng)賽（Knowledge Base Population，簡(jiǎn)稱 KBP）領(lǐng)先IBM、科大訊飛、CMU等研究機(jī)構(gòu)獲實(shí)體檢測(cè)任務(wù)（Mention Detection）國(guó)際綜合排名第一；2017年在機(jī)器閱讀理解大賽(Stanford Question Answering Dataset，簡(jiǎn)稱SQuAD)中，領(lǐng)先谷歌、微軟、BAT、科大訊飛等名企，榮獲國(guó)際單模型組國(guó)際排名第二（國(guó)內(nèi)第一）、國(guó)際多模型組國(guó)際排名第三；2017年SNLI機(jī)器閱讀理解大賽打敗了斯坦福、MIT、UIUC、清華等國(guó)際頂尖知名高校位列國(guó)際排名第一。2019年2月，一知智能與浙江大學(xué)聯(lián)合成立了浙大·一知人工智能研究中心。其中，與微軟亞研院聯(lián)合研發(fā)的FastSpeech算法合成速度比谷歌快260倍；SimulSpeech同聲傳譯算法為同等翻譯效果下業(yè)界最快實(shí)時(shí)性翻譯；FastLR唇語(yǔ)識(shí)別算法為目前世界上解碼速度最快的唇語(yǔ)識(shí)別系統(tǒng)，比第二名caseded算法快10倍。與此同時(shí)，算法團(tuán)隊(duì)還擁有十余項(xiàng)自主研發(fā)的人機(jī)語(yǔ)音交互國(guó)家專利，語(yǔ)音人工智能領(lǐng)域國(guó)家專利數(shù)量在業(yè)內(nèi)遙遙領(lǐng)先，在核心算法技術(shù)上自研已達(dá)到行業(yè)頂尖和國(guó)際前沿水平。

正是這樣一群人聚在一起，解決行業(yè)頂尖的技術(shù)難題，試圖摘取人工智能皇冠上的明珠，再通過(guò)技術(shù)落地讓每一次人機(jī)交互的體驗(yàn)變得更好。2022年，一知智能算法團(tuán)隊(duì)實(shí)現(xiàn)了意圖識(shí)別系統(tǒng)全面升級(jí)，在電商、反電詐、游戲等場(chǎng)景下均實(shí)現(xiàn)了超過(guò)96%的準(zhǔn)確率，與此同時(shí)，他們還完成了新一代自研ASR系統(tǒng)，識(shí)別準(zhǔn)確率大幅提升，也進(jìn)一步優(yōu)化了語(yǔ)音人機(jī)交互對(duì)話體驗(yàn)。

他們不僅是一知底層技術(shù)的挖掘者，也是站在行業(yè)前沿的“弄潮兒”。自2022年8月以來(lái)，為保護(hù)消費(fèi)者隱私，各大電商平臺(tái)相繼推出虛擬號(hào)功能，將消費(fèi)者的手機(jī)號(hào)碼改為虛擬號(hào)碼，現(xiàn)有的外呼手段無(wú)法觸達(dá)品牌相關(guān)用戶群體。而在短短一個(gè)月內(nèi)，一知智能就實(shí)現(xiàn)了基于虛擬號(hào)的完整外呼方案，也是當(dāng)時(shí)市場(chǎng)上唯一實(shí)現(xiàn)該外呼方式的廠商。一知智能算法團(tuán)隊(duì)研發(fā)的分機(jī)號(hào)接通時(shí)刻判斷算法也獲得了國(guó)家發(fā)明專利，分機(jī)號(hào)輸入判斷模型和接通狀態(tài)判斷模型能夠在毫秒級(jí)（20ms）的時(shí)間內(nèi)判斷何時(shí)輸入分機(jī)號(hào)以及用戶是否接起通話，準(zhǔn)確率高達(dá)99%，在提升外呼效率的同時(shí)，也能確保運(yùn)營(yíng)商側(cè)能夠準(zhǔn)確的接收分機(jī)號(hào)輸入。

另一方面，算法的優(yōu)化也大幅提高了AI訓(xùn)練師的工作效率。目前，公司已研發(fā)意向等級(jí)自動(dòng)判斷算法，平均可節(jié)約訓(xùn)練師配置話術(shù)約20%的時(shí)間，并針對(duì)行業(yè)首創(chuàng)的生成式話術(shù)自動(dòng)化算法完成算法驗(yàn)證，該項(xiàng)技術(shù)為探索需要大批量話術(shù)交付的業(yè)務(wù)場(chǎng)景提供了可能性。

看看一知 Labs 的核心方向還有哪些！

持續(xù)突破底層核心技術(shù)

 語(yǔ)音識(shí)別系統(tǒng) 

一知智能自研ASR系統(tǒng)使用了最新的conformer模型，與之前版本的傳統(tǒng)模型相比，層數(shù)更多，效果更好。模型設(shè)計(jì)采用了U2++結(jié)構(gòu)，統(tǒng)一了流式和非流式的模式。在業(yè)務(wù)使用中，采用CTC流式解碼，結(jié)合attention和語(yǔ)言模型rescore，能夠?qū)崟r(shí)快速獲得識(shí)別的中間結(jié)果，并確保最終預(yù)測(cè)結(jié)果的準(zhǔn)確率。與此同時(shí)，算法團(tuán)隊(duì)還根據(jù)具體業(yè)務(wù)場(chǎng)景的實(shí)際使用情況，增加了專有名詞糾錯(cuò)模塊，提高了ASR系統(tǒng)在各個(gè)定制領(lǐng)域中的識(shí)別準(zhǔn)確率。

 意圖識(shí)別算法 

一知智能的意圖識(shí)別算法利用蒸餾算法，有效地減少了算法模型參數(shù)，在保持模型高識(shí)別率的前提下，大幅度提升算法模型的推理性能，有助于支撐一知業(yè)務(wù)量的增長(zhǎng)。同時(shí)，一知智能算法團(tuán)隊(duì)也長(zhǎng)期致力于模型能力的提升，研究并發(fā)表了相關(guān)技術(shù)的發(fā)明專利。與此同時(shí)，利用少樣本學(xué)習(xí)技術(shù)，用少量的標(biāo)注數(shù)據(jù)，訓(xùn)練出具有相同性能的算法模型，將模型的通用能力和特定行業(yè)下的垂直場(chǎng)景進(jìn)行高效融合，賦予了多樣場(chǎng)景快速平鋪的能力。

而近期ChatGPT的出現(xiàn)和火熱意味著深度學(xué)習(xí)意圖識(shí)別算法能力有了全新突破，除了ChatGPT這類直接面向終端用戶的產(chǎn)品以外，生成式AI還有更為廣闊的技術(shù)應(yīng)用空間。ChatGPT及其相關(guān)的人工智能內(nèi)容生成技術(shù)也與一知智能現(xiàn)有業(yè)務(wù)息息相關(guān)。一知智能的AI外呼產(chǎn)品已廣泛應(yīng)用于電商、政企、出海等各個(gè)行業(yè)，引入ChatGPT的強(qiáng)大能力，協(xié)助AI訓(xùn)練師的編寫話術(shù)腳本，能夠顯著提升工作效率，與此同時(shí)，將ChatGPT納入真實(shí)對(duì)話體系，提升對(duì)話廣度和深度，最大限度減少“答非所問(wèn)”。AIGC通用模型能力的持續(xù)發(fā)展必將催生一場(chǎng)內(nèi)容生成產(chǎn)業(yè)變革，也期待多模態(tài)人機(jī)交互能力能乘著這陣東風(fēng)上更上一層樓。

快速響應(yīng)客戶需求和痛點(diǎn)

 意向等級(jí)判斷算法 

在AI外呼場(chǎng)景中，當(dāng)我們的AI機(jī)器人結(jié)束與客戶的通話后，了解該客戶的意向等級(jí)（意向強(qiáng)烈、意向一般、意向弱等）是AI外呼公司一項(xiàng)不可避免的緊迫任務(wù)，企業(yè)客戶對(duì)于意向等級(jí)判斷的效率和質(zhì)量有著極高的要求。在算法介入之前，AI訓(xùn)練師需要編寫大量的意向規(guī)則以匹配相關(guān)關(guān)鍵詞來(lái)判斷意向，該方式非常耗時(shí)且準(zhǔn)確率也不高。

算法同學(xué)在分析該場(chǎng)景后發(fā)現(xiàn)，這一場(chǎng)景其實(shí)非常符合決策樹(shù)的邏輯，基于這一判斷，我們針對(duì)AI機(jī)器人話術(shù)和客戶話術(shù)分別訓(xùn)練了分類算法模型，在拿到這些話術(shù)標(biāo)簽后，依據(jù)話術(shù)標(biāo)簽的轉(zhuǎn)換邏輯，從上至下遍歷整個(gè)話術(shù)，最終自動(dòng)完成話術(shù)意向等級(jí)的判斷。這一算法的引入平均可節(jié)約訓(xùn)練師配置話術(shù)約20%的時(shí)間，同時(shí)也能大幅提升準(zhǔn)確率。

 話術(shù)自動(dòng)化系統(tǒng) 

一知智能最新研發(fā)的話術(shù)自動(dòng)化系統(tǒng)能夠根據(jù)用戶輸入的數(shù)據(jù)直接生成準(zhǔn)確、通順的話術(shù)草稿。在算法層面，該系統(tǒng)分為兩部分：一是將話術(shù)編輯的專家知識(shí)解構(gòu)成本體模型、語(yǔ)義推理規(guī)則體系、語(yǔ)用分類規(guī)則體系三個(gè)維度的數(shù)據(jù)；二是基于語(yǔ)義角色和語(yǔ)法規(guī)則的文本生成引擎。話術(shù)自動(dòng)化系統(tǒng)能夠大大減少AI訓(xùn)練師的早期工作量，并使大批量精細(xì)化場(chǎng)景的話術(shù)高效交付成為可能。

 分機(jī)號(hào)外呼算法 

為了保護(hù)個(gè)人隱私，天貓、美團(tuán)等主流電商平臺(tái)，不再直接提供客戶的手機(jī)號(hào)，而是通過(guò)虛擬號(hào)的方式提供客戶信息。

對(duì)于一知智能這類外號(hào)平臺(tái)來(lái)說(shuō)，最大的困難在于我們無(wú)法在客戶拿起電話的那一刻獲得信號(hào)信息，這就導(dǎo)致我們的AI機(jī)器人不知從何時(shí)開(kāi)始和客戶對(duì)話。因此，一知智能算法團(tuán)隊(duì)針對(duì)這一問(wèn)題，自研了一套分機(jī)號(hào)接通時(shí)刻點(diǎn)判斷系統(tǒng)，成為業(yè)內(nèi)最早支持此項(xiàng)技術(shù)的外呼廠商之一，同時(shí)該項(xiàng)技術(shù)也獲得了國(guó)家發(fā)明專利。分機(jī)號(hào)輸入判斷模型和接通狀態(tài)判斷模型均能在毫秒級(jí)（20ms）的時(shí)間內(nèi)判斷何時(shí)輸入分機(jī)號(hào)以及用戶是否接起通話，準(zhǔn)確率高達(dá)99%，在提升外呼效率的同時(shí)，還可以確保運(yùn)營(yíng)商側(cè)能夠準(zhǔn)確接收分機(jī)號(hào)碼輸入。

向前一步探索第二曲線

 數(shù)字人口型合成算法 

一知智能自主研發(fā)的數(shù)字人產(chǎn)品采用了一知智能數(shù)字人業(yè)務(wù)研發(fā)團(tuán)隊(duì)最新推出的由文本和語(yǔ)音驅(qū)動(dòng)的數(shù)字人口型合成算法，并基于自然語(yǔ)言理解、語(yǔ)音識(shí)別、意圖識(shí)別、語(yǔ)音合成等一知智能底層核心技術(shù)能力，集成于一知大腦“Yi Brain”，可根據(jù)對(duì)話情境完成高度擬人化的對(duì)話交流，支持直播、人機(jī)交互大屏、終端機(jī)等多種交互場(chǎng)景。

利用口型合成算法，只需提前拍攝一個(gè)幾分鐘的視頻，即可為視頻中的人物生成虛擬形象。此后就可以使用任意文本和語(yǔ)音，驅(qū)動(dòng)虛擬形象講述新的內(nèi)容。在生成的視頻中，虛擬形象的面部表情和口型會(huì)與新的講述內(nèi)容匹配一致，實(shí)現(xiàn)實(shí)時(shí)表情、音唇同步，如同重新拍攝的短視頻一般，具備極高的真實(shí)感；同時(shí)又省去了重新布置場(chǎng)景、拍攝真人短視頻的復(fù)雜工序和高昂成本。這項(xiàng)技術(shù)可廣泛應(yīng)用于虛擬人短視頻口播、直播等豐富的商業(yè)化落地場(chǎng)景。

一知智能數(shù)字人研發(fā)團(tuán)隊(duì)由多模態(tài)人機(jī)交互領(lǐng)域?qū)＜已霌P(yáng)博士擔(dān)任負(fù)責(zé)人，薛弘揚(yáng)博士在多模態(tài)可視化交互技術(shù)上的研發(fā)背景和應(yīng)用研究經(jīng)驗(yàn)補(bǔ)上了一知智能全棧人機(jī)交互的最后一塊拼圖。數(shù)字人業(yè)務(wù)的開(kāi)拓能夠補(bǔ)齊一知現(xiàn)有產(chǎn)品在公域獲客、提升品牌用戶心智的需求短板，為企業(yè)提供更多場(chǎng)景、更高水平的解決方案，幫助企業(yè)客戶在全域營(yíng)銷擁有更多AI數(shù)字生產(chǎn)力。

2023年，一知智能算法團(tuán)隊(duì)將持續(xù)研發(fā)語(yǔ)音、文本、圖像等多模態(tài)內(nèi)容理解和內(nèi)容生成算法，通過(guò)AI技術(shù)提升對(duì)話體驗(yàn)，提升外呼機(jī)器人的實(shí)施效率。在深入研究多模態(tài)人機(jī)交互技術(shù)的同時(shí)，借助ChatGPT等大模型算法能力，構(gòu)建屬于一知的技術(shù)護(hù)城河。