【.com原稿】近年来，众多互联网公司搭建了数据、技术、AI、组织等各类中台，而我们的耳边充斥着中台的各种概念。但是，一切都保持不变。中台化的核心目的是降本增效。其中大部分分为两个方面。一是合并业务重叠部分，二是赋能新老业务。近日，人工智能创业公司Recurrent的两位联合创始人CMU计算机博士杨志林和清华大学计算机博士张玉涛接受了专访。、数据分析与挖掘等前沿技术连接模型算法、人与数据，旨在帮助企业打造以服务流程和转化结果为中心的AI销售中心。学习技术并将其应用到实际场景中2016年，杨志林和张玉涛本科期间在同一个实验室研究数据挖掘和处理相关技术。当时他们想把研究出来的技术应用到实际场景中，所以他们建立了循环智能，为企业服务领域锁定方向，为销售和服务的沟通过程提供基于AI技术的优化升级行业。当被问及为什么选择销售场景时，他们表示销售更贴近商业模式。在销售与客户沟通的过程中，会产生大量的库存非结构化数据。这些原本毫无价值的数据，可以通过一系列的技术变革来改变。转化为具有参考价值的解决方案，以提高销售效率或转化质量。从更大的角度，我想用技术来赋能沟通，这包括企业与客户之间、企业与企业之间、C端消费者之间、线下场景等多种类型的沟通。两人在技术领域各有所长。杨志林成为自回归预训练模型XLNet的第一作者。XLNet在20个任务上超越了BERT的性能，在18个任务上取得了当前最好的结果（state-of-the-art），包括机器问答、自然语言推理、情感分析和文档排名。作为核心开发者，张玉涛开发了享誉全球的科技大数据分析平台AMiner，产品服务于BATH等科技巨头和科技部等政府科研管理机构。学以致用，打造AI营销中心今日，循环智能完成A轮融资，真格基金领投，金沙江创投、景雅资本、华山资本跟投。此前，金沙江创投、景雅资本、华山资本的PreA轮融资，半年融资总额达数千万美元，仍以销售与客户的沟通为主，但已经具备由以下组成的闭环解决方案：成熟的产品。如下图所示，是一个循环智能实现的案例。AI销售中心在销售端，可以销售和匹配最佳线索，在客户端，可以做画像分析和挖掘，也可以做全量全渠道的销售质检。那么，这样的落地案例背后需要什么样的技术支持呢？自然少不了NLP、自然语言理解、语义、声调、声纹等识别、推荐系统。下面介绍CircularIntelligent自研的语音产品及架构，如下图所示，是自研的端到端识别引擎架构图。对于销售与客户的语音沟通，可以通过识别引擎得到原始的识别结果，通过不断的试错，最终得到正确的结果。下图展示了基于上下文的语义理解画像模型。杨志林和张玉涛表示，对于基于关键词的质检模型和图像抽取模型，很多质检项目下都会存在大量的误报和漏报。循环智能质检模型将种子关键词放入语音搜索引擎中，在词义和语义上找到相似的mention（提及），同时通过高频词分析得到与质检项相似的mention，减少漏报速度。可以使用规则引擎对公式进行归纳表达，将这些公式归纳为规则引擎；对于规则无法穷尽的提法，采用基于深度学习的文本分类，通过理解上下文语义判断是否命中质检项，减少错误。速度。如下图所示，它是一个易于扩展的分布式人工智能架构。采用语音分析任务优先级调度机制，保证高优先级任务的实时处理。使用分布式语音和语义分析引擎可以实现计算资源的弹性扩展，数据处理能力随计算资源线性增长。采用智能任务调度管理，实现语音识别任务的优化组装，最大化利用GPU计算资源。这样，语音识别速度可以提高三倍。这款具有自主知识产权的语音识别引擎虽然基于原有的Transformer-XL网络架构，但可以实现从语音到文本的端到端学习。但如何压缩硬件成本，尤其是在实时语音识别产品中，仍然是一个技术挑战。如果能降低成本，很多场景都可以解锁需求，目前也可以做到实时，但成本太高，很少有客户能接受。AI销售中心核心竞争力：模型算法、人、数据相连。当被问及行业定制时，他们表示从原始数据到最终价值的整个链条就是一条生产线，可以根据新行业进行量产。标准，然后导入新行业的数据，把对这个行业的一些了解放到系统里，然后标准人员参与这个过程，就可以自动完成数据到价值的转化。本质上，底层是将非结构化数据结构化，实现整条产线的核心价值，即提供一套产线，将非结构化数据，无论是语音还是文本，转化为结构化数据，可以加以分析。如下图所示，人也是生产过程中非常重要的节点。所有的知识都由人输入，人融入标准流程。人调整这个系统，定制每个行业，把人纳入系统，所以没有定制这回事。他们还介绍，在自然语言理解方面，应用了全球领先的自然语言理解算法XLNet，实现了自然语言的精准理解，对通信对话数据进行了精准的人像挖掘和语音分析，准确率远超比传统方法。.自主研发的基于深度学习的推荐系统，从通讯数据中提取丰富的结构化画像，并与XLNet等深度学习方法有效融合。除了传统的行为数据外，还引入了通信数据，信息密度更高，性能更好。写在最后：当被问及AI技术落地到实际产品中遇到的困难时，杨志林和张玉涛表示，AI模型主要关注的是效果层面，如何做到更高的准确率或召回率是一个问题。在实现的时候，如何在工程系统中得到更高的性能考虑，比如成本、服务器、高并发、高吞吐等也是一个问题。如何将非结构化数据结构化，如何将海量文本数据过滤中间噪声与真实业务结构关联起来也是一个问题。当被问及竞争对手时，杨志林和张玉涛表示，竞争对手主要来自三类：能够提供标准化API接口的大型厂商、传统行业做营销的2B公司、转型为AI销售中台项目的机器人公司。《被访者简介》杨志林：LoopIntelligence联合创始人，产品与AI负责人，曾就职于FacebookAIResearch和GoogleBrain，与多位图灵奖获得者一起发表论文。发明算法应用于30多项AI标准任务，XLNet第一作者，阿里巴巴天池推荐系统大赛第二名，英伟达先锋研究奖。杨志林2015年毕业于清华大学，获学士学位，2019年毕业于卡耐基梅隆大学，获博士学位，师从苹果AI负责人Ruslan。张玉涛：循环智能联合创始人兼CTO。博士清华大学计算机专业博士，师从清华大学计算机系副主任、数据挖掘领域顶级专家唐杰教授。作为核心开发者，开发了享誉全球的科技大数据分析平台AMiner，产品服务于BATH等科技巨头及国家科技公司。部等政府科研管理机构。【原创稿件，合作网站转载请注明原作者和出处为.com】
