首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

专访 | 追一科技首席科学家杨振宇:对话机器人里不能「耳闻目览」却又「无所不在」的 AI

机器之心原创 作者:邱陆陆 对话机器人是「怎样炼成的」。 相比于语音和图像,自然语言是一个有「更多需求」和「更少标准答案」的领域。扎根自然语言的公司通常也不是从技术和方法出发,而是选择一个具体的需求,然后用所有可能的方法解决它。追一就是这样的一家公司,它瞄准的是「对话机器人」这个领域,把问题分类、分解、逐个建立准确高效的机器人,再有序集成起来。三月,机器之心有幸在深圳追一科技总部对首席科学家杨振宇进行了采访,我们仔细聊了聊「对话机器人是怎样炼成的」,以及在他眼里,深度学习与自然语言最好的结合方式是怎样的。

09

竹间智能简仁贤:基于情绪识别打造对话式AI,推进机器人融入商业 | 镁客请讲

在简仁贤看来,开展情感对话式机器人的研究不仅是为了迎合技术的发展,更重要的是推动人工智能融入金融、电商、智能硬件等高价值商业场景。 在电影《Her》中,“Samantha”虽是基于人工智能技术的Chatbot(对话机器人),但是她的“知性和感性”还是感染了不少观众,让人们对于“懂情感的人工智能”有了一种期盼。 “从现在的技术发展看,机器人还无法模拟人类的情感。因为情感与创造力一样,是人工智能无法模仿和计算的。但这不妨碍人工智能通过语义理解、人脸识别、姿态识别、语音识别等方式识别判断人类情感情绪状态,并进行一

06

人工智能,应该如何测试?(七)大模型客服系统测试

我们在生活中应该多多少少接触过对话机器人,比如我们都知道很多客服其实都是机器人先档在前面回答用户问题的, 有些机器人有相当程度的知识储备, 比如你去买了一辆车, 然后想咨询客服这辆车的保险的细节。 你就会问: 请问车的每年的保险费是多少钱。 但很多时候不同的车型,年份等其他细节会决定了保险费的价格。这时候机器人要通过问询的形式收集这些信息(我们管这些信息叫词槽),所以机器人要先识别用户的意图, 然后识别为了回答这个问题还缺少的哪些关键词槽(就是信息),然后通过反复的询问和澄清收集这些信息后, 才能回答问题。 或者用户向机器人提一个很专业的问题, 比如询问《某个车型如何更换刹车油》,这就要求机器人有相当的知识储备, 很多时候它不能是随便一个搜索引擎搜出来的答案,而是根据客户企业内严格的操作手册提炼而来的。 所以大家知道了吧, 一个企业级的对话机器人不是说随便拿一个类似 GPT 这样的模型扔进去就可以的(GPT 只能当面向 C 端用户来用,企业的对话机器人或者客服机器人必须要有这个企业的专业知识), 所以我们需要有相当的专业领域的知识引擎的构建才可以。

01

人工智能,应该如何测试?(八)企业级智能客服测试大模型 RAG

接触过 GPT 这样的大模型产品的同学应该都知道大模型的强大之处, 很多人都应该调戏过 GPT,跟 GPT 聊很多的天。 作为一个面向大众的对话机器人,GPT 明显是鹤立鸡群,在世界范围内还没有看到有能跟 GPT 扳手腕的存在。 也许很多人都认为 GPT 是非常强大的对话机器人了, 它学时丰富,什么领域内的问题都能回答。但其实就如我上一篇帖子中说道的, 虽然这种大模型看似什么问题都能回答,但其实它无法在特定领域内给出专业且精准的回答。比如我们问大模型宝马 5 系的发动机的设计细节,这个是不可能得到正确的答案的。 甚至我们问一个大模型苹果今天的股价是多少,它也是回答不出来的。 如下图:

01

【金融客服AI新玩法】语言学运用、LSTM+DSSM算法、多模态情感交互

编辑:张乾 【新智元导读】目前,金融业智能客服创业公司大量涌现,一方面说明行业整体技术壁垒较低,另一方面,也说明智能客服的在金融领域的应用商业场景还有巨大的开发空间。如何在构建技术壁垒的同时开发更多的商业场景,是创业公司能够脱颖而出关键。 目前,人工智能已经在金融领域渗透:智能客服、智能投顾、人脸支付、智能安防等,已经进入商业化阶段。在这些应用场景中,智能客服属于获客机会最大的业务。 埃森哲(Accenture)去年的《全球消费者消费渠道与市场调研》显示,在银行、保险等金融行业,有七成的消费者愿意选择人工智

05
领券