从架构、API到应用，华为云如何全局践行AI落地

AI从 2012 年开始热度一直居高不下，俨然成为IT行业的新宠，与各行各业的结合也成为AI落地进程中的主流方向。AI技术如今已经成为IT行业的新宠，与各行各业的结合也成为AI落地进程中的主流方向，智慧城市的最新发展和现状是怎样的？如何更好的实现云上强大AI能力的价值落地？NLP和对话机器人有哪些典型落地场景和未来趋势？

12 月 21 日上午，在AICon全球人工智能与机器学习技术大会「华为云AI技术应用和实践专场」上，来自华为云三位技术专家分别就“华为云自然语言和对话机器人技术详解和应用场景”、“AI+城市智能体：聚焦新一代智慧城市的PISC架构”、“华为云HiLens:端云协同AI平台，助力企业快速智能化转型”主题详解了相关技术与应用。InfoQ对本专场的精华内容做了部分梳理和总结，相关的PPT下载和视频将在本文中以链接的形式分享给大家。

自然语言、对话机器人技术详解及应用场景

随着智能助理、对话机器人、智能音箱等产品的兴起，NLP的风口正在到来，NLP领域突破不断，预训练模型的出现，迁移学习和多模态被越来越多的普遍使用，企业市场也涌现出丰富的应用场景。语言理解成为人工智能皇冠上的明珠。在华为云Andy Yao的演讲中，他整体梳理了华为云自然语言、对话机器人技术详解及应用场景。

1. 语音语义技术发展历程

人类使用自然语言沟通的逻辑是：听到——>理解——>回答，而从计算机的角度，要想实现语音语义识别，需要 4 项技术与之对应：语音识别ASR、语言理解NLU、语言生成NLG和语音合成TTS。

语音识别的发展：1952~ 1990 年是模板匹配阶段，主要针对小词汇量、孤立词识别；1990~ 2010 年，开始用统计模型做语音的识别；到了 2010 年以后，基于神经网络的模型如CTC出现，让语音识别的模型变得非常清晰简单；最近几年出现的attention demo，效果可以达到商业化应用标准。

语音语义技术在行业的应用：一方面是虚拟的个人助手，另一项重要应用是智能客服，三是公司内部IT热线。

2. 智能语言和对话机器人的应用

Andy Yao介绍道，华为EI语音语义团队基本上覆盖了三方面的线上服务，一是自然语言处理服务，包括NLP基础能力如分词，文本相似度等，也包括语言生成、语言理解、知识图谱、机器翻译等高阶能力；二是语音交互服务，包括语音识别，语音合成、语音扩展的能力；三是更加智能的交互技术，包括多轮问答、电话机器人等。

对话式智能在企业场景中的应用

对话式智能在企业中的应用，包括售前引导、售后服务以及智能外呼。其中，售前引导通过智能导购多轮对话，增加商业机会并减少运营成本；售后服务通过故障问答、售后咨询等提高客服效率，提升服务体验；而智能外呼由机器人自动执行外呼电话任务，例如营销、满意度回访，预约等，并自动生成呼叫语义报告，提升企业运营效率和客户满意度。

在构建整个解决方案时，迁移学习在NLP领域可以解决很多场景的问题，这一点被越来越看好。比如开发者训练了某一个特定领域的模型，并积累了大量数据，但是当进入新领域时必然面临到现有数据少的难题，而通过迁移学习则可以把训练好的模型迁移到新的场景上，用现有的、较少的数据训练出好的模型，从而解决客户的问题。

智能对话分析/质检

在呼叫中心里，尤其是呼叫量比较大的时候，需要分析客服与客户的互动是否符合规范，以前都由专门的质检人员监听录音反馈信息。现在可以用机器替代人工，用自然语言理解和语音识别去做全量质检，不仅可以得到质检的结果，还可以得到商业的分析，用客户提供的反馈优化产品。

自然语言的情感分析

华为VMALL商城里面有大量的用户评价，对于一个公司来说，了解用户真实的反馈是非常有价值的，对商品评论自动过滤，负面评论供人工审核解决问题；对于属性级别的情感分析，辅助细粒度商业分析和决策。

3. 语音语义未来发展趋势

NLP会迎来黄金 10 年。华为云致力于把学术界最前沿的技术应用到商业场景里面，解决客户的具体问题。

Voice UI会成为下一个趋势，聊天机器人将无处不在。现在越来越多的应用场景，各种不同的垂直领域都会有聊天机器人代替人工做一些工作，无论是售前咨询、售后服务、辅助购买等都会有机器人去引导你，辅助你把这个流程走完。所以习惯与机器人互动是接下来每个人要做的事。

未来五到十年，机器人会具备分析大量文本的能力。从阅读、分析、理解到最后生成一个总结报告，所有的内容都是由机器人去完成。

情感化、个性化的定制成为流行。高德地图中，使用明星语音引导就是例子，未来会有越来越多定制化的语音需求，满足不同场景的应用。

AI+城市智能体：聚焦新一代智慧城市的PISC架构

第二位嘉宾是华为美国研究所技术副总裁、城市智能体首席科学家齐国君从城市智能体的角度，以智能交通为例，系统地介绍了基于人工智能技术的PISC架构在交通态势感知（Perception)、推理(Inference) 到决策（Strategy)和控制(Control)上的应用。此外，他还详细讲解了基于胶囊投影的深度学习算法(Capsule Projection Networks)、交通图计算（Graph Computing)以及各种交通策略以及控制算法的实现。

1.  智慧城市发展现状

智慧城市最早起源于 2008 年 11 月RBM提出的智慧星球，直到 2012 年，RBM陆续从智慧星球概念中推出智慧城市。也是在 2012 年深度学习技术在计算机视觉取得非常大的成果后，智慧城市的落地应用才变得可行起来。

有一个最经典的智慧城市解决方案——PC，P就是感知，C就是控制。通过对交通路网上的交通流进行实时分析，对交通流在不同的入口，甚至精确到不同的车道上的情况都有一个精确的感知结果。根据感知分析的结果，对路口的红绿灯进行流量控制，比如通过调节感应率的时间，实现最小化等待时间，防止出现二次排队的现象，从而制定合适的红绿灯方案。

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!