【51CTO.com原創(chuàng)稿件】近幾年，諸多互聯(lián)網(wǎng)公司紛紛搭建數(shù)據(jù)、技術(shù)、AI、組織等各種中臺，我們耳邊也充斥著五花八門的中臺概念。然萬變不離其宗，中臺化核心目的是降本增效，大多分為兩方面，一方面是合并業(yè)務(wù)之間重復(fù)部分，另一方面是為新老業(yè)務(wù)賦能。

近日，人工智能創(chuàng)業(yè)公司循環(huán)智能Recurrent的兩位聯(lián)合創(chuàng)始人，CMU計算機(jī)博士楊植麟和清華大學(xué)計算機(jī)博士張宇韜接受了51CTO專訪，他們學(xué)有所成，學(xué)以致用，運(yùn)用自然語言理解、語音識別，語義理解，數(shù)據(jù)分析與挖掘等前沿技術(shù)將模型算法、人、 數(shù)據(jù)進(jìn)行打通，旨在助力企業(yè)，打造以服務(wù)過程和轉(zhuǎn)化結(jié)果為核心的AI銷售中臺。

學(xué)有所成 把技術(shù)運(yùn)用到實(shí)際場景

2016年，楊植麟和張宇韜本科時期在同一個實(shí)驗室，一起研究數(shù)據(jù)挖掘、處理相關(guān)技術(shù)，當(dāng)時就想把所研技術(shù)落地到現(xiàn)實(shí)場景中，故成立了循環(huán)智能，鎖定方向為企業(yè)服務(wù)領(lǐng)域，為銷售以及服務(wù)行業(yè)的溝通過程，提供基于AI技術(shù)的優(yōu)化升級。

當(dāng)問及為何選擇銷售場景，他們說，銷售離商業(yè)模式更近些，銷售和客戶之間溝通過程中，會產(chǎn)生大量存量非結(jié)構(gòu)化數(shù)據(jù)，這些本來沒有價值的數(shù)據(jù)，可以通過一系列技術(shù)變成有參考價值的解決方案，提升銷售效率或轉(zhuǎn)化質(zhì)量。如果從更大的角度講，是想用技術(shù)去賦能溝通，溝通包含很多種，如企業(yè)與客戶、企業(yè)與企業(yè)、C端消費(fèi)者之間、線下場景等。

兩人在技術(shù)領(lǐng)域各有所長。楊植麟成為自回歸預(yù)訓(xùn)練模型 XLNet的第一作者，XLNet 在二十個任務(wù)上超過了BERT的表現(xiàn)，并在十八個任務(wù)上取得當(dāng)前最佳效果（state-of-the-art），包括機(jī)器問答、自然語言推斷、情感分析和文檔排序。而張宇韜曾作為核心開發(fā)者研發(fā)了全球知名的科技大數(shù)據(jù)分析平臺AMiner，產(chǎn)品服務(wù)于BATH等科技巨頭及國家科技部等政府科研管理機(jī)構(gòu)。

學(xué)以致用 打造AI銷售中臺

時至今日，循環(huán)智能完成了由真格基金領(lǐng)投，金沙江創(chuàng)投、靖亞資本、華山資本跟投的A輪融資，此前獲得金沙江創(chuàng)投、靖亞資本、華山資本的PreA輪融資，半年融資總額達(dá)千萬美元，依然專注于銷售和客戶之間的溝通，但已有了成熟產(chǎn)品組成的的閉環(huán)解決方案。

如下圖，為循環(huán)智能落地案例，AI銷售中臺于銷售端，可以銷匹配最佳線索，于客戶端，可以做畫像分析和挖掘，同時也可以做全量、全渠道的銷售質(zhì)檢。

那么，這樣一個落地案例背后都需要哪些技術(shù)支持呢？自然少不了NLP，自然語言理解、語義、語氣、聲紋等識別，以及推薦系統(tǒng)等等。

下面介紹一下循環(huán)智能自研的語音產(chǎn)品和架構(gòu)，如下圖所示，為自研端到端識別引擎架構(gòu)圖。

銷售與客戶之間的溝通語音，可通過識別引擎得到原始識別結(jié)果，通過持續(xù)試錯，最終得到正確結(jié)果。

下圖為基于上下文的語義理解畫像模型。

楊植麟和張宇韜表示，針對基于關(guān)鍵詞的質(zhì)檢模型和畫像抽取模型在很多質(zhì)檢項下會有大量錯報漏的現(xiàn)象， 循環(huán)智能的質(zhì)檢模型將種子關(guān)鍵詞放入基于tfidf和詞向量的語音搜索引擎找到詞義和語義的相近提法(Mention)，同時通過高頻詞分析獲得與質(zhì)檢項相近的提法，降低漏報率?？梢杂靡?guī)則引擎總結(jié)表示的提法，將這些提法總結(jié)成規(guī)則引擎;對于不可以用規(guī)則窮盡的提法，利用基于深度學(xué)習(xí)的文本分類，通過理解上下文語義判斷是否命中質(zhì)檢項，降低錯報率。

如下圖所示，為易擴(kuò)展的分布式AI架構(gòu)。

采用語音分析任務(wù)的優(yōu)先級調(diào)度機(jī)制，確保高優(yōu)先級任務(wù)處理的實(shí)時性。采用分布式語音、語義分析引擎，可實(shí)現(xiàn)計算資源的彈性擴(kuò)展，數(shù)據(jù)處理能力隨計算資源線性提升。采用智能化任務(wù)調(diào)度管理，實(shí)現(xiàn)語音識別任務(wù)的最優(yōu)化組裝，最大程度利用GPU的計算資源。這樣一來，語音識別速度可以提升三倍。

雖然這套自主知識產(chǎn)權(quán)的語音識別引擎，是基于原創(chuàng)的Transformer-XL網(wǎng)絡(luò)架構(gòu)，可以實(shí)現(xiàn)語音至文本的端到端學(xué)習(xí)。但怎么去壓縮硬件成本，特別是在實(shí)時語音識別產(chǎn)品壓縮硬件成本，還是技術(shù)上的挑戰(zhàn)。如果能夠把成本壓縮下來，很多場景都能解鎖需求 ，當(dāng)下也可以做實(shí)時但是成本過高，很少有客戶能夠接受。

AI銷售中臺核心競爭力：模型算法、人、 數(shù)據(jù)進(jìn)行打通 

當(dāng)問及行業(yè)定制化的問題，他們這樣說，從原始數(shù)據(jù)到最終的價值整個鏈條是一個生產(chǎn)線，這個生產(chǎn)線可以根據(jù)新行業(yè)批量生產(chǎn)標(biāo)準(zhǔn)，之后再導(dǎo)入新行業(yè)的數(shù)據(jù)，及一些對這個行業(yè)理解放在系統(tǒng)中，再有標(biāo)準(zhǔn)的人員參與到這個過程中，就可以自動去完成從數(shù)據(jù)到價值。

本質(zhì)上是最底層把非結(jié)構(gòu)化的數(shù)據(jù)去做結(jié)構(gòu)化，實(shí)現(xiàn)整個生產(chǎn)線最核心的價值，也就是提供一套生產(chǎn)線，把從非結(jié)構(gòu)化的數(shù)據(jù)無論是語音還是文本，最終變成一個結(jié)構(gòu)化可以被分析的數(shù)據(jù)。

如下圖，人也是生產(chǎn)流程中非常重要的節(jié)點(diǎn)。

所有知識都是通過人輸入，把人整合到標(biāo)準(zhǔn)流程中，人通過調(diào)整這個系統(tǒng)去對每個行業(yè)去做定制化，把人包含在系統(tǒng)里面，故沒有定制化這種說法。

他們還介紹了，在自然語言理解方面，應(yīng)用了世界領(lǐng)先的自然語言理解算法XLNet，實(shí)現(xiàn)了精準(zhǔn)自然語言理解，對溝通對話數(shù)據(jù)進(jìn)行精確畫像挖掘和心聲分析，準(zhǔn)確率遠(yuǎn)在傳統(tǒng)方法方法之上?；谏疃葘W(xué)習(xí)的自研推薦系統(tǒng)，從溝通數(shù)據(jù)中提取豐富的結(jié)構(gòu)化畫像，并和XLNet等深度學(xué)習(xí)方法進(jìn)行有效融合。在傳統(tǒng)行為數(shù)據(jù)之外又引入了溝通數(shù)據(jù)，信息密度更大，表現(xiàn)更好。

寫在最后：

當(dāng)問及把AI技術(shù)真正落地到現(xiàn)實(shí)產(chǎn)品中會遇到哪些難點(diǎn)，楊植麟和張宇韜表示，AI模型主要關(guān)注效果層面，如何實(shí)現(xiàn)較高準(zhǔn)確率或召回率是個問題，在落地時，如何得到工程化系統(tǒng)中更高的考慮性能方面，如成本，服務(wù)器，高并發(fā)，高吞吐量等也是個問題。如何把非結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化，把海量文本數(shù)據(jù)過濾中間噪音和真正業(yè)務(wù)結(jié)構(gòu)進(jìn)行關(guān)聯(lián)，也是個問題。

當(dāng)問及有哪些競爭對手，楊植麟和張宇韜表示，競爭對手主要來源于三類：可以提供標(biāo)準(zhǔn)化API接口的大廠，傳統(tǒng)行業(yè)做營銷的2B公司以及轉(zhuǎn)型做AI銷售中臺項目的機(jī)器人公司。

《被訪者簡介》

楊植麟：循環(huán)智能聯(lián)合創(chuàng)始人，產(chǎn)品和AI負(fù)責(zé)人，曾效力于Facebook AI Research和Google Brain，與多名圖靈獎得主合作發(fā)表論文，其發(fā)明的算法在三十余項AI標(biāo)準(zhǔn)任務(wù)上取得世界第一，是XLNet第一作者，獲阿里巴巴天池推薦系統(tǒng)競賽全球第二名、Nvidia先鋒研究獎，是連續(xù)入選2017-2018NLP一作排行榜的全球三人之一。楊植麟2015年本科畢業(yè)于清華大學(xué)，2019年博士畢業(yè)于卡內(nèi)基梅隆大學(xué)，師從蘋果AI負(fù)責(zé)人Ruslan。

張宇韜：循環(huán)智能 聯(lián)合創(chuàng)始人、CTO。清華大學(xué)計算機(jī)博士，師從清華大學(xué)計算機(jī)系副系主任、數(shù)據(jù)挖掘頂級專家唐杰教授，曾作為核心開發(fā)者研發(fā)了全球知名的科技大數(shù)據(jù)分析平臺AMiner，產(chǎn)品服務(wù)于BATH等科技巨頭及國家科技部等政府科研管理機(jī)構(gòu)。

【51CTO原創(chuàng)稿件，合作站點(diǎn)轉(zhuǎn)載請注明原文作者和出處為51CTO.com】