行業(yè)認知智能

我們知道認知智能相對于以上語音圖像等感知智能其實難度更大。在過去幾年，訊飛在向教育、醫(yī)療、政法等行業(yè)的認知智能取得了不錯的進展。以醫(yī)療認知為例，我們在2017年11月份，醫(yī)考機器人以456的高分通過了國家職業(yè)醫(yī)師資格考試。

在接下來的時間里面，我們基于領(lǐng)先的核心技術(shù)，深入到醫(yī)療輔診的各個核心的剛需場景，去解決實際問題，推出了我們的智醫(yī)助理的產(chǎn)品，并結(jié)合我們的各個場景、各個的數(shù)據(jù)去進行迭代的優(yōu)化，花了大概兩年左右的時間，實現(xiàn)了從核心技術(shù)到應(yīng)用落地、再到大規(guī)模價值兌現(xiàn)的過程。

具體來看，我們可以看到在智能分診、病歷、質(zhì)檢等醫(yī)生看病的核心場景，我們的核心指標(biāo)有了大幅度的進步。我們針對基層醫(yī)療機構(gòu)的復(fù)診合理率從70%提高到90%以上。同時我們相應(yīng)的產(chǎn)品成果也在全國11個多省100多個區(qū)縣，形成了大規(guī)模落地的根據(jù)地和案例，相關(guān)的復(fù)診次數(shù)使用超過8000萬次。

同時，我們還在多個行業(yè)持續(xù)取得新的進展，例如在教育，我們今年全面升級了面向多個學(xué)科的以人推題的方案，滿意率超過95%。我們在政法行業(yè)的刑事輔助判案系統(tǒng)，也向民商事去拓展，節(jié)省了20%以上的人力。我們面向金融領(lǐng)域的要素審核，準(zhǔn)確率達到95%以上，審核效率提高30%。

我想行業(yè)認知智能之所以能持續(xù)的突破，既依賴于我們核心技術(shù)的持續(xù)提升，也依賴于我們對行業(yè)理解，以及在此過程當(dāng)中經(jīng)驗和數(shù)據(jù)的積累。

通用知識技術(shù)提升方面，我們除了機器閱讀理解的權(quán)威評測SQUAD任務(wù)當(dāng)中持續(xù)取得突破，今年也在難度更大的多部推理機器閱讀理解和綜合評測能力的GLUE任務(wù)上取得了突破。

今年8月27日，訊飛哈工大聯(lián)合實驗室以我們自主研發(fā)的MacALBERT模型，在這個任務(wù)上取得了綜合第一，這一成績代表訊飛在認知智能的通用技術(shù)上，持續(xù)保持業(yè)界一流的水平。

我們也基于這樣的技術(shù)，針對中文領(lǐng)域，訓(xùn)練了業(yè)界效果領(lǐng)先的中文模型，并開放給業(yè)界，給研究人員提供相關(guān)的服務(wù)，目前這也是最受歡迎的中文預(yù)測的模型之一。

但是，我們看到認知智能的落地和感知智能還是有很大區(qū)別的。例如在語音識別當(dāng)中，如果我有一個好的算法，我可能通過API（Application Programming Interface，應(yīng)用程序接口——觀察者網(wǎng)注）的方式，很快的就可以讓大家體驗到。但是認知智能，如果要是實現(xiàn)大規(guī)模真正應(yīng)用落地。核心技術(shù)只是其中一環(huán)。問題定義和持續(xù)的迭代優(yōu)化的方式都至關(guān)重要。例如在問題定義當(dāng)中，場景的定義非常重要，我們需要在熟悉行業(yè)的流程，對行業(yè)知識非常了解的情況下，做好場景分析，做好整個方案的選擇，再設(shè)定合理的技術(shù)方法。

舉個例子，當(dāng)我們要做一個作文評分的時候，我到底是應(yīng)該把整篇作文一起輸進去，用一個端到端模型的方案來解決，還是分別針對每一個評分點，先評了之后再結(jié)合在一起，這些都會影響最終的效果。對行業(yè)的認識淺，流程設(shè)計不合理，以及技術(shù)方案選擇不對，都會影響最終的認知智能的效果。

也正是因為這個原因，目前業(yè)界相關(guān)的能力一般只能以單點的API能力來提供一些的服務(wù)。而我們在各個行業(yè)持續(xù)落地的過程中也一直在想，能用什么樣的方式可以讓我們的開發(fā)者和合作伙伴可以更好地享用到認知智能落地的一些成果。

在認知智能落地當(dāng)中，我們從行業(yè)場景化應(yīng)用，到核心技術(shù)研發(fā)，按專門的定義的過程分為了像通用的產(chǎn)品能力、定制應(yīng)用研究、基礎(chǔ)研究等能力。在這樣的定義之下，訊飛在多個行業(yè)落地應(yīng)用過程中積累沉淀下來的一些共性的通用產(chǎn)品和能力，就可以在不同行業(yè)當(dāng)中的相似場景當(dāng)中使用。

同時我們也提供了一套相關(guān)的工具，讓我們整個互動的門檻變得更低、效率更高。這就是我們今天重磅推出的認知中臺。認知中臺不僅包含了科大訊飛領(lǐng)先的技術(shù)能力，匯聚了我們在各個行業(yè)的經(jīng)驗來降低我們問題定義的難度，可以大幅度提升場景定制的效率。

尾聲

今天的技術(shù)分享已經(jīng)接近尾聲了，訊飛科技樹的全景已經(jīng)展現(xiàn)在大家的眼前，我想從原始的一顆種子發(fā)展到參天大樹，科技樹的每一片枝葉、每一個技術(shù)背后都蘊含了大量的付出和努力。同時我們也要用科學(xué)的方法，合理有序地進行科技樹的構(gòu)建，這樣才可以既保證科技樹的根基穩(wěn)固，又保證多個技術(shù)職業(yè)之間高效協(xié)同。

在這里面既有來自于業(yè)務(wù)場景的實際的技術(shù)需求，我們需要快速驗證、持續(xù)迭代，也有一些可能暫時在實際場景無法使用的技術(shù)。我們要根據(jù)技術(shù)發(fā)展的趨勢和數(shù)據(jù)的趨勢做出預(yù)判，設(shè)立合理的臺階，提前布局，一旦試用，就有可能在產(chǎn)品當(dāng)中實現(xiàn)差異化的優(yōu)勢。同樣還有一些方向，需要我們數(shù)年不懈的努力，不斷的試錯，可能在短期看不到回報的一些前瞻基礎(chǔ)性研究，但是一旦成功，就有可能對數(shù)據(jù)迭代多個方向，甚至整個科技處產(chǎn)生深遠的影響。

我想就像劉總上午說的，核心技術(shù)驅(qū)動是AI長期發(fā)展的原動力。未來我們也會一如既往的讓科技樹更加茂盛，并通過行業(yè)應(yīng)用反哺，持續(xù)的發(fā)揮價值。同時我們也一直相信生態(tài)的力量，我們一直秉承開放合作、生態(tài)共享的原則，一直給我們的開發(fā)者提供最好最全的AI服務(wù)能力，包括我們科技樹當(dāng)中一些最新的成果，在技術(shù)成熟的時候，我們也會開放給我們的開發(fā)者共創(chuàng)筑生態(tài)。

不僅如此，我們還希望跟開發(fā)者一起共同培育我們的生態(tài)科技樹，共同拓展AI能力和方案，并在更多的行業(yè)落地應(yīng)用。這也是我們剛才去開放認知中臺這樣一些平臺的初衷。

我們期待著在這樣一個行業(yè)全面數(shù)字化、全面AI化的時代在科技樹還有非常多想象空間的時代，可以和大家一起深入各行各業(yè)，打造更多有價值的產(chǎn)品和方案，解決更多有意義的社會剛需問題。共創(chuàng)更加蓬勃的筑生態(tài)，讓我們一起用人工智能煥新美好生活，一起用人工智能建設(shè)美好世界，謝謝。

本文系觀察者網(wǎng)獨家稿件，文章內(nèi)容純屬作者個人觀點，不代表平臺觀點，未經(jīng)授權(quán)，不得轉(zhuǎn)載，否則將追究法律責(zé)任。關(guān)注觀察者網(wǎng)微信guanchacn，每日閱讀趣味文章。