一知智能算法團隊：去摘遙不可及的星

如果你問一知人最喜歡聽到的話是什么，那一定會是“你們的機器人也太像真人了吧！”。

從一句話通知到平均對話時長超過一分鐘，從“人工智障”到“金牌客服”，底層核心能力逐漸成熟，語音識別準確率穩(wěn)步提升，一點一滴的進步讓人工智能電話通道的有效觸達成為可能。而在對話體驗不斷提升的背后，站著的，是一群敢于摘星的人，他們就是一知智能算法團隊。

這是一個碩博率達到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)大獎的牛人，有薛弘揚博士等人工智能科學(xué)家，也有畢業(yè)于東京大學(xué)、美國加州大學(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)等國內(nèi)外頂尖院校的精英。

作為技術(shù)驅(qū)動型公司，一知智能始終保持對技術(shù)先進性的追求。一知智能算法團隊核心成員來自浙江大學(xué)人工智能研究所和國家重點實驗室，擁有強大的高校研發(fā)背景。創(chuàng)始團隊在校期間屢次在國際大賽中獲獎。2016年知識圖譜構(gòu)建競賽（Knowledge Base Population，簡稱 KBP）領(lǐng)先IBM、科大訊飛、CMU等研究機構(gòu)獲實體檢測任務(wù)（Mention Detection）國際綜合排名第一；2017年在機器閱讀理解大賽(Stanford Question Answering Dataset，簡稱SQuAD)中，領(lǐng)先谷歌、微軟、BAT、科大訊飛等名企，榮獲國際單模型組國際排名第二（國內(nèi)第一）、國際多模型組國際排名第三；2017年SNLI機器閱讀理解大賽打敗了斯坦福、MIT、UIUC、清華等國際頂尖知名高校位列國際排名第一。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)界最快實時性翻譯；FastLR唇語識別算法為目前世界上解碼速度最快的唇語識別系統(tǒng)，比第二名caseded算法快10倍。與此同時，算法團隊還擁有十余項自主研發(fā)的人機語音交互國家專利，語音人工智能領(lǐng)域國家專利數(shù)量在業(yè)內(nèi)遙遙領(lǐng)先，在核心算法技術(shù)上自研已達到行業(yè)頂尖和國際前沿水平。

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，再通過技術(shù)落地讓每一次人機交互的體驗變得更好。2022年，一知智能算法團隊實現(xiàn)了意圖識別系統(tǒng)全面升級，在電商、反電詐、游戲等場景下均實現(xiàn)了超過96%的準確率，與此同時，他們還完成了新一代自研ASR系統(tǒng)，識別準確率大幅提升，也進一步優(yōu)化了語音人機交互對話體驗。

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，為保護消費者隱私，各大電商平臺相繼推出虛擬號功能，將消費者的手機號碼改為虛擬號碼，現(xiàn)有的外呼手段無法觸達品牌相關(guān)用戶群體。而在短短一個月內(nèi)，一知智能就實現(xiàn)了基于虛擬號的完整外呼方案，也是當時市場上唯一實現(xiàn)該外呼方式的廠商。一知智能算法團隊研發(fā)的分機號接通時刻判斷算法也獲得了國家發(fā)明專利，分機號輸入判斷模型和接通狀態(tài)判斷模型能夠在毫秒級（20ms）的時間內(nèi)判斷何時輸入分機號以及用戶是否接起通話，準確率高達99%，在提升外呼效率的同時，也能確保運營商側(cè)能夠準確的接收分機號輸入。

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)意向等級自動判斷算法，平均可節(jié)約訓(xùn)練師配置話術(shù)約20%的時間，并針對行業(yè)首創(chuàng)的生成式話術(shù)自動化算法完成算法驗證，該項技術(shù)為探索需要大批量話術(shù)交付的業(yè)務(wù)場景提供了可能性。

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)

語音識別系統(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和語言模型rescore，能夠?qū)崟r快速獲得識別的中間結(jié)果，并確保最終預(yù)測結(jié)果的準確率。與此同時，算法團隊還根據(jù)具體業(yè)務(wù)場景的實際使用情況，增加了專有名詞糾錯模塊，提高了ASR系統(tǒng)在各個定制領(lǐng)域中的識別準確率。

意圖識別算法

一知智能的意圖識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。同時，一知智能算法團隊也長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，利用少樣本學(xué)習(xí)技術(shù)，用少量的標注數(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)下的垂直場景進行高效融合，賦予了多樣場景快速平鋪的能力。

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、出海等各個行業(yè)，引入ChatGPT的強大能力，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，將ChatGPT納入真實對話體系，提升對話廣度和深度，最大限度減少“答非所問”。AIGC通用模型能力的持續(xù)發(fā)展必將催生一場內(nèi)容生成產(chǎn)業(yè)變革，也期待多模態(tài)人機交互能力能乘著這陣東風上更上一層樓。

快速響應(yīng)客戶需求和痛點

意向等級判斷算法

在AI外呼場景中，當我們的AI機器人結(jié)束與客戶的通話后，了解該客戶的意向等級（意向強烈、意向一般、意向弱等）是AI外呼公司一項不可避免的緊迫任務(wù)，企業(yè)客戶對于意向等級判斷的效率和質(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)鍵詞來判斷意向，該方式非常耗時且準確率也不高。

算法同學(xué)在分析該場景后發(fā)現(xiàn)，這一場景其實非常符合決策樹的邏輯，基于這一判斷，我們針對AI機器人話術(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)標簽后，依據(jù)話術(shù)標簽的轉(zhuǎn)換邏輯，從上至下遍歷整個話術(shù)，最終自動完成話術(shù)意向等級的判斷。這一算法的引入平均可節(jié)約訓(xùn)練師配置話術(shù)約20%的時間，同時也能大幅提升準確率。

話術(shù)自動化系統(tǒng)

一知智能最新研發(fā)的話術(shù)自動化系統(tǒng)能夠根據(jù)用戶輸入的數(shù)據(jù)直接生成準確、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)編輯的專家知識解構(gòu)成本體模型、語義推理規(guī)則體系、語用分類規(guī)則體系三個維度的數(shù)據(jù)；二是基于語義角色和語法規(guī)則的文本生成引擎。話術(shù)自動化系統(tǒng)能夠大大減少AI訓(xùn)練師的早期工作量，并使大批量精細化場景的話術(shù)高效交付成為可能。

分機號外呼算法

為了保護個人隱私，天貓、美團等主流電商平臺，不再直接提供客戶的手機號，而是通過虛擬號的方式提供客戶信息。

對于一知智能這類外號平臺來說，最大的困難在于我們無法在客戶拿起電話的那一刻獲得信號信息，這就導(dǎo)致我們的AI機器人不知從何時開始和客戶對話。因此，一知智能算法團隊針對這一問題，自研了一套分機號接通時刻點判斷系統(tǒng)，成為業(yè)內(nèi)最早支持此項技術(shù)的外呼廠商之一，同時該項技術(shù)也獲得了國家發(fā)明專利。分機號輸入判斷模型和接通狀態(tài)判斷模型均能在毫秒級（20ms）的時間內(nèi)判斷何時輸入分機號以及用戶是否接起通話，準確率高達99%，在提升外呼效率的同時，還可以確保運營商側(cè)能夠準確接收分機號碼輸入。

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)團隊最新推出的由文本和語音驅(qū)動的數(shù)字人口型合成算法，并基于自然語言理解、語音識別、意圖識別、語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)對話情境完成高度擬人化的對話交流，支持直播、人機交互大屏、終端機等多種交互場景。

利用口型合成算法，只需提前拍攝一個幾分鐘的視頻，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音，驅(qū)動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與新的講述內(nèi)容匹配一致，實現(xiàn)實時表情、音唇同步，如同重新拍攝的短視頻一般，具備極高的真實感；同時又省去了重新布置場景、拍攝真人短視頻的復(fù)雜工序和高昂成本。這項技術(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)化落地場景。

一知智能數(shù)字人研發(fā)團隊由多模態(tài)人機交互領(lǐng)域?qū)＜已霌P博士擔任負責人，薛弘揚博士在多模態(tài)可視化交互技術(shù)上的研發(fā)背景和應(yīng)用研究經(jīng)驗補上了一知智能全棧人機交互的最后一塊拼圖。數(shù)字人業(yè)務(wù)的開拓能夠補齊一知現(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)提供更多場景、更高水平的解決方案，幫助企業(yè)客戶在全域營銷擁有更多AI數(shù)字生產(chǎn)力。

2023年，一知智能算法團隊將持續(xù)研發(fā)語音、文本、圖像等多模態(tài)內(nèi)容理解和內(nèi)容生成算法，通過AI技術(shù)提升對話體驗，提升外呼機器人的實施效率。在深入研究多模態(tài)人機交互技術(shù)的同時，借助ChatGPT等大模型算法能力，構(gòu)建屬于一知的技術(shù)護城河。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據(jù)。

關(guān)鍵詞：