溝通是社會存在與進步的基礎。從智能音箱到機器人、數字人，這些使用AI技術和人進行溝通的基礎都是NLP(自然語言處理技術)。商業場景中人機AI溝通已經非常普遍，例如你要維修電器，企業的售后服務電話首先由機器人接聽，人機對話會圍繞著你需要維修電器的種類、型號、出現什么故障、你的聯系方式和地址等信息展開。

　　這樣的AI機器人幾乎每個大企業都在用。“按照2021年招行年報，招行在AI模擬人、輔助人、替代人方面成效顯著，在智能客服、語音質檢和智能審核、流程智能化這些方面實現超過6000人的人力替代。”招商銀行人工智能實驗室負責人李金龍表示，“人工智能的工具箱越來越豐富，而大數據、大模型和大算力驅動了人工智能的新一輪發展，大幅提升了AI的適用環境，催生出更多實際應用。”

　　目前國內已經出現多個AI大模型，騰訊混元大模型、百度文心大模型、鵬城實驗室推出的盤古大模型、中國科學院自動化研究所研發的紫東.太初大模型、阿里AI預訓練模型M6等。

　　“超大規模預訓練模型的出現，很可能改變信息產業格局。繼基于數據的互聯網時代、基于算力的云計算時代之后，接下來可能將進入基于模型的AI 時代。”清華大學計算機科學與技術系教授唐杰說。

　　零樣本建模

　　去年4月份，由循環智能和華為聯合開發，鵬城實驗室提供算力支持的盤古NLP大模型正式在業界亮相，它是業界首個千億參數的中文大模型。今年6月中旬，在時隔一年之后，盤古NLP大模型的零樣本平臺推出，支持零樣本或少樣本訓練AI建模，進一步增強了適應的場景、降低了企業使用AI的門檻。

　　AI建模是AI應用的關鍵一環，要推動AI規模化、普適化應用，縮短建模時間、降低建模成本、提高模型效率是AI產業化過程中主要的推進目標。對模型做預訓練是近兩三年興起的技術，如BERT預訓練技術在產業中取得了巨大的進步，之后的GPT3技術也受到業界追捧。

　　但在實現更大規模的建模、匹配更多類商用場景的過程中，這些技術面臨一個巨大的挑戰：需要大量的手工調優和標注數據，在處理新場景、新任務時識別準確率低，使得這些技術的建模周期長、普適化應用能力差，無法為業務提供精準支撐。

　　預訓練模型技術在盤古大模型上出現明顯提升，基于盤古NLP大模型的零樣本建模平臺開始商用。

　　去年推出的盤古NLP大模型擁有 1100 億密集參數，為了訓練這個模型，華為云人工智能首席科技家田奇與循環智能聯合創始人楊植麟聯合帶領研究團隊花了近半年的時間，給模型喂了40TB的行業文本數據和超過400萬小時的行業語音數據。一年之后的盤古NLP零樣本平臺，已進化為僅需15億參數就能實現性能更強、在真實場景得到廣泛驗證并具備強大工程化支持的大模型平臺。

　　“在NLP這條賽道上，只有實現NLP技術的規模化生產，才能有規模化的商業模式，因此，我們需要一場技術變革。”楊植麟表示。

　　“零樣本意味著無需標注樣本，只需提供指令即可完成一個新語義建模，和原來標注幾百條樣本的效果相當，建模時間從3天降至3分鐘;準確率比當前的主流模型提升15%。” 楊植麟稱，“該平臺現在已經完成超過200個場景的落地驗證，通過極致的算法和工程優化，在平臺上利用一個普通的2080TiGPU抽取1萬小時錄音數據，僅需要16分鐘。”

　　盤古零樣本平臺不僅支持零樣本學習，也能支持模型的持續調優和進化。據楊植麟分析，零樣本技術目前大概能覆蓋70%的客戶經營場景，對剩下30%的場景，可以用少樣本微調技術進行優化，準確率相比第一代和第二代預訓練系統可以有15%的提升，目前在客戶畫像、客戶異議、銷售執行、情緒識別、閱讀理解等任務的執行中，這種提升幅度都得到了驗證。

　　銀行業落地

　　隨著智慧金融、智慧政務、虛擬數字人、數字文旅、在線教育等行業的不斷孵化，各行業對NLP技術所帶來的智能決策和自主交互能力的需求日益增長。

　　2021年，招商銀行的零售AUM(管理客戶總資產)已經達到了約10萬億，在招行的“十四五”規劃中，目標是做到20萬億。招行提出，要讓人工智能和數字化技術向一線人員賦能，其中提升大量財富管理人員的營銷能力、服務能力，就是核心的業務目標之一。

　　“招行AI實驗室和循環智能在語音識別、自然語義理解的研究方向上進行了比較長期的探索和共創，有非常有應用價值的場景上線，例如智能坐席助手，這個項目是用AI的能力幫助坐席人員判斷客戶的意圖，屏幕上能夠提示他怎么更好地回復客戶的問題，還可以推薦話術。”李金龍說，“這只是項目之一，以后會在人機結合、客戶服務、提升效率等其他場景中進行更多的探索和合作。”

　　循環智能聯合創始人、CEO陳麒聰表示：“在推出盤古零樣本NLP平臺的同時，我們還提出了整體產品方案，可以貼近企業上百種業務場景、支持零樣本或少樣本訓練AI建模及線上線下全渠道采集和分析;不僅為企業對外溝通提供更好用的工具，還可獨家提供內容和增長服務，滿足不同團隊的個性化分析管理需求。”

　　“在一線賦能方面，循環智能可為金融企業提供所需的AI實時輔助助手和智能工具。”循環智能聯合創始人、COO揭發說，“在業務中臺能力提升方面，我們專注于提升客戶意圖洞察力，有效挖掘客戶交互信息中的商機，打通各渠道非結構化數據孤島，并助力企業實現全渠道合規和質檢智能化能力升級;在底層AI能力優化方面，我們建議企業構建統一智能化NLP分析平臺，以降低人力投入及運營風險，提升運營效率。”

　　打開溝通 “黑盒”

　　“我們要對溝通數據進行深度挖掘、精準分析，打開溝通數據的黑盒，讓銷售和客戶經營不再是一門屬于頂尖銷售顧問的藝術，而是一門可以被量化管理，可以規模化復制的科學。”楊植麟說。

　　循環智能的整體方案為這些痛點和問題給出了系統性的科學解法。包括“會話分析洞察 Insight”“智能銷售助手 Expert”“會話挖掘引擎 Discovery”;包括合規型提升產品 “智能合規質檢 Compliance”和“智慧雙錄助手 Compliance Now”;包括AI能力平臺產品“企業級NLP平臺”和“企業級ASR自訓練平臺”。

　　循環智能的AI產品矩陣在企業的部署實踐中體現出“有跡可循”的降本增效價值，可使人均產能提升22%，業務策略執行率提升100%，合規成本降低40%。

　　隨著標注數據需求大幅降低，AI 生產效率將會明顯提升，擺脫原來依靠大量樣本的落后生產方式，進入規模化量產時代。盤古NLP大模型零樣本平臺的推出，是AI 預訓練技術的一次突破，可以解鎖很多新應用、新場景。而找到合適的商用場景，創造預訓練模型的商業價值，則是使大模型平臺正向滾動發展的推手。

來源：中國電子報、電子信息產業網　作者：劉晶