云栖TechDay活动第二十期中，蚂蚁金服人工智能部资深算法专家张家兴带来的分享是《金融服务中的智能机器人技术》。他首先介绍了蚂蚁金融中AI驱动的金融服务，详细讲解了人工智能产品“客服机器人”背后的原理和工作方式。分享中，张家兴谈到了自己对智能机器人的认识，并与在场的听众一起探讨了关于智能机器人技术方面的思考。
以下是现场分享观点整理。
AI驱动的金融服务
安全、普惠、绿色是蚂蚁金融的三大目标，也是蚂蚁金服的整个愿景。首先，对安全而言，金融行业必须要有足够的安全保障；其次，普惠是蚂蚁金服的一大特点，蚂蚁金服希望利用技术更广泛、低价让金融服务于大众；第三点是绿色，低碳环保是当今的主流。
人工智能所扮演的作用对安全和普惠来说至关重要。在安全方面，蚂蚁金服利用人工智能开发了人脸识别、蚁盾、风险检测等服务；在普惠方面，蚂蚁金服推出了智能客服、智能投顾、智能保险，如果这些服务采用人工的方法，成本一定会随之增高，就不可能使全部消费者都享受到高质量的服务。
金融服务行业在互联网时代衍生了很多独有的特点：首先客户年轻化，经调查显示，金融服务行业的客户以80后、90后甚至95后为主；第二呈现体验经济，用户很在意使用产品的体验；第三点无线互动，目前的趋势呈现移动化、碎片化场景和多媒体交互；第四点行为数据，数据收集之后如何利用是更为关键的，越大的公司在数据方面的优势越大。
蚂蚁金服的对应解决思路是以客户价值为中心，首先为客户创造价值，例如大家都可以感受到支付宝的存在；其次蚂蚁金服还有一个很好的渠道，将价值传递出来，客服服务就充当了传递过程中的载体。以往，将客服服务做的好的公司一般是需要大量的人力和物力的投入，例如一些偏服务的企业，客服人员相当多。蚂蚁金融希望利用人工智能技术在这个渠道内做减法，大幅度提升整体效率。
人工智能产品：我的客服
目前，蚂蚁金服推出了一款名为“我的客服”的人工智能产品。其中的猜你问题功能是利用的特征是用户在使用支付宝时留下的行为轨迹，通过采用深度神经网络模型，随着用户使用频率的加大，模型的准确率也会越来越高。
客服机器人
人工智能在智能客服多个产品中都有应用，本文的侧重点是智能机器人。与搜索引擎连接知识和用户相似，智能机器人在客服中的作用也是连接用户和知识。
客服机器人的逻辑如上图所示，图上最左边是大量的人工客服原始对话记录，我们对其进行数据挖掘。将挖掘出的问题和答案记载在知识库中，此外，还通过运营专家对挖掘的数据进行审核并补充一些新的知识点，生成较为完备的知识库。在图的右侧，用户与智能客服互动的过程十分简单，将用户的问题与知识库进行匹配，假设匹配到了就将答案返回，这里称之为知识消费。
从知识生产到知识库再到知识消费整个过程并非单向，而是形成一个闭环，用户与智能机器人对话时，会将反馈结果再一次返回到知识挖掘这部分，也就是如果用户的问题知识库无法匹配，则将这个问题挖出来，配上答案之后再放入知识库中。
问题匹配是在线机器人必须解决的问题，当用户提出问题时，如何匹配知识库中的某一问题呢？实际上这个过程需要多个模型融合，每个模型从某一方面计算一种文本的相似度，例如在智能机器人中用到了N-gram距离模型、神经网络模型、词向量语义模型以及语义模型。
什么是智能机器人？
目前对机器人的理解处于盲人摸象状态，每个人心中的机器人其实都不一样。
我对机器人的大致理解是这样的：首先智能机器人是一个多目标的系统，但在具体场景中，可能只是选取一些目标，并非要实现所有目标。要实现一个较好的智能机器人，首先一点要做到拟人化，即聊天时用户聊天时感到不是在和机器聊天而是和人聊天的感觉；第二点通用知识问答，通用知识问答可以体现出智能机器人的“智商”高低；第三点产品知识问答，关于业务方面的问题，必须要能够解决；第四点完成任务，能够完成诸如订机票、酒店等任务；最后一点是金融服务，可以为大众提供普惠的服务，包括在校大学生、上班白领等，智能机器人应该能给出与职业对应的金融服务。
实现这些目标的背后涉及到多种人工智能技术，首当其冲的是深度学习技术，但深度学习并非唯一的技术，其他诸如起到整个过程的支撑作用数据挖掘技术、信息检索、自然语言处理、知识表示以及金融服务对应的金融模型。因此人工智能本身不是一个学科或者领域，它是一个大的框架，里面包含各种领域。
案例分析
案例一：聊天
下面来讲一下聊天实例。一般的聊天做法是：用户问题进来之后，首先进行AIML模板匹配，如果模板匹配成功后，则返回给用户精确回答；如果匹配失败，下一步进行问题的语义匹配，支撑语义匹配的是问答库，该问答库是通过数据挖掘构造而成。将用户的问题与问答库中现有的问题进行语义相似度计算，匹配出问题的答案。大部分的对话系统只能完成这两个步骤。最近两年，随着神经网络的发展，神经网络产生式模型逐步进入大众视野，它不存在实现的模板库或知识库，而是根据用户的问句自动生成一句回复。神经网络产生式模型的训练好坏取决于训练的数据量的大小。
从模板匹配到文本相似度匹配再到神经网络产生模型，整个过程从精确到模糊、从已知到未知，前一部分结果准确但复杂度不够，最后的神经网络产生模型回答模糊但覆盖面广。
案例二：通用知识问答
第二个案例是通用知识问答。上图所示的例子是IBM问答机器人沃森的简化版本。当用户提问世界上最高的山峰是什么？第一步是问题分析，问题分析有两个目的第一个目的是产生一个Query提交给搜索引擎，这个问句中的“是什么”无需提交给搜索引擎，只需将“世界最高山峰”提交给搜索引擎即可，搜索引擎会返回一系列结果；另一个问题分析是答案的类型，知道用户问的是某个山峰，世界山峰是固定的，完全可以枚举出来，然后搜索引擎反馈结果即可。假定在结果页面，需要更深层次的挖掘，可以将结果页面中的每一个文本都提取出来，然后将搜索结果放到候选提取中，将结果从所有的山峰中挑选出来，形成候选集。
上图的例子中珠穆拉玛峰和乔戈里峰两个都筛选出来了。同时，我们还要将搜索结果放到证据提取中，它能够将支持的候选集中的句子挑选出来，如上图所示的句子一和句子二。当清楚候选集中的每一个结果时，根据它们的各个特征进行排序，例如珠穆拉玛峰离世界最高两个字近，因此最后结果输出珠穆拉玛峰。
关于智能机器人技术的思考
下面谈一下个人对智能机器人技术方面的思考。第一个思考是深度学习在其中究竟可以起到多大的作用。深度学习算法在逐渐代替之前的非深度学习算法，逐步成为对话系统中最为重要的一系列算法：问答产生式模型（sequence-to-sequence）、语义相似度计算（word/sentence embedding）、语言理解（LSTM实体标注）。但在未来可预见的几年内，深度学习不是对话系统的全部，其中核心困难在于知识很难存储在神经网络连结中，因为神经网络的参数和庞大的数据库或搜索引擎相比相差太多。
第二个是思考是为什么需要智能机器人？首先对话是一种自然人机交互界面，但人机交互界面并不是唯一的，例如鼠标、键盘、触摸屏等等。那么到底在什么场景下，对话比其他界面更有优势呢？首先是当你驾驶时，此时不方便操作其他设备，因此对话相对而言重要一些；其次一些残障人士、儿童以及无经验用户，这些用户无法描述清问题，对话可以一步步摸清楚用户的诉求；此外，对于需要情感关怀的用户，对话也具有其他人机交互界面所不具有的优势。在这些场景中，从投资和创业的角度来看，仍需要思考其中的商业价值真的大吗？当你下定决心去做机器人时，是否考虑过在这个行业内传统的人机交互界面就可以替代机器人了呢？
第三点人的智力活动包含众多的方面：聊天、情感、逻辑、通用知识、各领域专业知识、数学、音乐、审美等等。如果完全采用技术实现全部方面，这将是一个非常浩大的工程，可能是迄今为止最为伟大的工程。因此，我们要做的是实现有局限的智能机器人，但这必将意味着无法达到大众的期望。
最后一点最为深刻，对话实际是人类智能的最高形式。对话时语言、知识、逻辑、情感的结合，不是简单的模式匹配和暴力搜索，难度远远高于最近很火的阿法狗。因此做对话时，需要对人类思维的自省和研究，在人类对话中多反思，将会对对话技术的提高有重大的启发、甚至是必然的道路。
最后的终极问题：类人的智能可能脱离人的肉体吗？目前进行的人工智能的研究都是脱离肉体之上，但真的能脱离肉体吗？上升到哲学或认知科学层面，实际上思维和肉体是紧密相关的，肉体承载着快乐与痛苦，从而产生了需求和恐惧，进而生成情感，因此情感一定是建立在这些基础之上的。有了情感才能驱动人的智力活动，才能进行类人智能。如果类人智能不能脱离肉体而存在，当然可以人为的加入感觉，但这样会引出两个其他问题：一是模拟人类感觉的真实度；二是是否可以创造另一智能，与人情感完全相反的智能，这就意味着智能的无限可能性。因为，如果承认智能离不开肉体，那我们只能得到这样一个可悲的结论：人类是无法创造自己，我们只能创造一种新的智能——机器智能，当然机器智目前已经存在了，但是未来的发展形势是未知的。
关于分享者：
张家兴（深空），蚂蚁金服资深算法专家，将深度学习和自然语言处理等人工智能技术应用于金融服务。2006年北京大学博士毕业，曾任微软亚洲研究院研究员。在人工智能、分布式系统等领域有丰富的学术研究背景和工程经验。
