由中國人工智能學會主辦，廣州易間網絡科技有限公司承辦的2018第八屆中國智能產業高峰論壇11 月17-18日在成都完美收官，論壇在兩天的會議里帶來了多場精彩報告。

此次小編為大家整理的是來自螞蟻金服人工智能部高級算法專家崔恒斌主題為《金融智能——對話機器人新形態》的精彩演講。

崔恒斌

螞蟻金服人工智能部高級算法專家

以下內容根據速記進行整理

經過崔恒斌本人校對

2015年螞蟻金服開始著手構建智能服務的能力，當時叫做服務寶。經過3年多的沉淀，不僅支持了螞蟻內部業務，同時也以金融科技服務的形式輸出給我們的生態公司、合作伙伴。與此同時，根據業務訴求、場景以及服務中不同的角色定位，還研究推出了不同形態的機器人，比如語音交互機器人、對話助手機器人、外呼機器人、群服務機器人等。在報告標題前我特地加上“金融智能”，有三個原因：① 我們服務的行業有所側重，更加關注金融行業的服務訴求，比如銀行、證券、保險和基金等；② 與集團的整體戰略相關，螞蟻金服定位是一家技術服務公司，即TechFin戰略，用技術重塑金融，智能的服務技術是其中重要的組成部分；③ 2017年阿里巴巴成立了達摩院，其中有一個分支是金融科技，這部分是螞蟻金服人工智能部來承擔的，其中就包括了智能機器人的相關技術。

螞蟻金服

螞蟻金服很多人可能不熟悉，但說起支付寶大家應該比較有親切感。現在移動支付、網購、共享單車和高鐵并稱為中國新四大發明，其在人們日常生活中的地位不言而喻。看病不需要排隊，可以通過支付寶掛號繳費；繳費可以不出門，通過支付寶的城市服務可以完成各種生活費用的繳納；借閱不辦卡、出國簡化申請流程、打車不著急、旅行不帶錢等，支付寶已經遍及人們生活的方方面面、角角落落，也給人們生活帶來了極大的便利。這里有一組數字：在杭州有超過100項的城市服務、98%的出租車支付、超過22 000家的餐飲店付款都是通過支付寶完成的，一年內浙江有6億多人次享受過支付寶帶來的城市服務。杭州作為新型智慧城市標桿，同時也是互聯網城市的代表，移動支付在其中發揮的作用不可替代。

除了支付寶以外，螞蟻金服還有其他的多款產品。網商銀行、螞蟻財富、芝麻信用和螞蟻保險，在集團內部并稱螞蟻的“四小龍”。網商銀行主要的業務是花唄、借唄和中小企業貸；螞蟻財富主要的產品是余額寶、基金、證券等；芝麻信用，就是大家熟知是芝麻分，可以通過芝麻分進行信用租、信用住、信用貸；螞蟻保險作為保險平臺，為大眾提供了多種健康、意外、人壽、旅游險種，包括最近非常出名的相互寶。除此之外還有螞蟻森林、螞蟻莊園等公益項目。通過這些業務實踐和產品打磨，已經形成了以BASIC（Blockchain、AI、Security、IoT、Computing）為基石的全棧式金融科技服務。

在國內有支付寶、城市服務等，在國外，目前，螞蟻金服已覆蓋東南亞9個地區和國家，包括中國香港、印度、泰國、馬來西亞等。前段時間去歐洲參加EMNLP，發現不能用支付寶是非常痛苦的一件事情。不過好消息是，支付寶已經與歐足聯達成合作伙伴關系，相信在不久的將來歐洲也可以使用支付寶和各種支付服務。

螞蟻金服的人工智能部在集團中主要有三個職責，第一，把人工智能技術應用到螞蟻所有業務上去；第二，要承擔人工智能布道師的角色，為各個業務部門培養或輸送人工智能的人才，讓AI技術更加深入業務；第三，算法前沿的跟蹤和算法創新。目前人工智能技術已經在螞蟻金服的多個業務線落地生根，比如微貸準入模型、智能營銷，安全的反洗錢、反作弊、反欺詐、賬戶安全模型等，智能客服的智能問答、輿情分析，財富的理財顧問機器人、精準營銷，芝麻信用的用戶畫像、信用評估，保險的風險評測、圖像定損等。

對話機器人

人工智能對于對話機器人意味著什么？根據我們在智能服務機器人的探索，總結了如下圖所示的四個層次。

第一， 猜你問題，即當用戶還沒有描述問題、還沒開始提問時，能不能給一個很好的提示或者解決方案。如果用戶能非常直接地看到自己求助的問題并獲取到有效的解決方案，這對用戶是非常友好的，同時也減輕了后續服務鏈路的壓力。當然，如果用戶沒有獲得想要的答案，在用戶輸入問題時，還可以給其提供漸進提示的幫助，減少用戶輸入和語言組織的成本。

第二， 自助服務，通過搭建智能服務機器人來準確用戶的意圖，并能提供精準答案，即便無法提供準確的解決方案，還可以根據識別的結果進行排單，找到合適的技能組、合適的小二來解決用戶的問題。

第三， 進入到人工，通過智能的方法去提升服務的標準化，提高服務效率和用戶求助體驗，從而提升用戶在人工求助的解決率或成交率，這時就可以有一個給小二用的對話助手機器人。

第四， 主動服務，就是當發現用戶在產品使用過程中遇到障礙時，主動發起服務介入，或者用戶問題需要更多后續鏈路才能得以解決時，可以及時地跟進進度，給用戶主動的進度告知和服務跟進。

基于這樣的思考，探索了如下幾種形態的機器人：語音交互機器人，其中包括了猜你問題和自助語音交互；對話助手機器人，用戶求助進入人工，幫助服務人員提高服務效率和服務質量；智能外呼機器人，即主動服務。

語音交互機器人

經過2017年一年的努力，我們把螞蟻金服的語音機器人做成業界標桿。業務上，創造性地在語音端引入未問先答的能力，這是行業首創，與在線不一樣的地方在于，語音場景客戶看不到，唯一的交互方式就是語音，這就要求模型輸出有較高的精度，把最準、最置信的識別結果輸出給用戶，而在線場景可以給用戶展現任意大小的列表；其次，效果非常好，比如未問先答，日常可以覆蓋超過三分之一的進線服務量，準確率超過70%，“雙十一”期間，這一覆蓋率達到40%以上。整個語音交互過程，也可以覆蓋70%的用戶來電，其中超過70%用戶可以被識別準確，加上后續的渠道分流的比例，整個渠道有近三分之一的用戶求助不需要人工干涉就可以解決。這意味著什么？可以粗略算一筆賬，螞蟻金服熱線每天的進線量在20萬左右，假設每個服務小二平均每天的接線量是100通，這里可以節約超過600的人力成本，這對服務來說是非常大的一筆費用；口碑上得到了用戶非常真切的點贊。

回到語音交互機器人本身，做法上與自助機器人有哪些不同，是不是可以直接復用自助機器人的技術？這里我主要列舉四點不同。

第一，渠道目標不同。在業務設計中，IVR以識別用戶意圖為首要目標；而自助機器人，我們希望盡可能給用戶提供準確答案。語音場景下，無法給用戶播報長篇大論的答案，比較好的方式就是把答案信息通過app或者手機短信的方式推送給用戶。

第二，交互形式不同。熱線端，我們唯一的交互手段就是語音，所以凡是語音交互遇到的一系列問題，在IVR中都會出現，比如啰嗦口語化的表述、語音轉文本的錯誤、長文本等；在線端，交互的方式就多種多樣了，除了文字交互外，還可以點擊、發送語音、發送圖片等，形式豐富多樣。

第三，帶入信息不同。熱線端，來電一般是移動手機或者固定電話，信息是非常有限的，來電號碼能不能對應到用戶的賬戶信息，是我們必須解決的問題；而自助端，天然的賬戶體系，可以帶入賬戶下的任何信息，包括因子、行為軌跡和可能的業務數據等。

第四，多輪交互心智不同。在線端，我們習慣了通過IM進行多輪的溝通，但在熱線端，特別跟一個語音交互機器人，進行很多輪的交互對話是不現實的，業務上做過一次調研，用戶在IVR中交互可以接受的輪數不超過3輪。

基于這樣的差異，設計如下圖所示的業務和算法流程。

下面將逐一講解一下這里的猜問題、問題識別和三要素反問技術。

首先猜你問題，這里舉了一個真實的例子，從用戶的言語間，不難覺察用戶的驚訝和驚喜。那么未卜先知是怎么做到的？核心是這樣一個數據模型的閉環。

數據，我們根據用戶賬戶信息中提供的行為軌跡、精準因子和歷史求助文本，這里的數據體現了某種程度上的多模態，有文本型、時間序列型、離散特征等；模型，主要是神經網絡的深度模型；輸出，我們會根據模型輸出的內容和分值，提供給用戶最有置信度的問題進行確認；反饋，非常重要，也是熱線場景非常有特色的地方，這里的反饋是用戶非常明確的是和否的反饋，是我們模型優化和迭代重要的監督數據。基于這樣的閉環體系，可以構建出熱線場景高覆蓋高精度的猜你問題技術。

具體到模型，針對我們的數據特點，提出了混合網絡的模型結構，即通過卷積神經網絡和LSTM處理用戶文本特征，通過LSTM來處理用戶的行為軌跡和服務軌跡，精準因子通過兩層的DNN來處理，最終將各部分處理的結果concat一起，來實現問題的分類。模型思路很簡單，但效果非常好。混合網絡模型，除了應用于猜你問題和問題識別，還廣泛應用到了要素識別和智能派單，細節上就不再贅述了。

如何做多輪交互？常見的多輪對話，稱之為任務型的多輪對話，如訂機票、詢天氣等，通常的處理技術是slot filling。對于服務型的場景，比如用戶說了“螞蟻借唄”，意圖并不明確，我們如何進行交互？所以，我們面對的挑戰是，用戶意圖不明確，沒有固定的槽位信息：服務問題以及知識庫的多樣化；這類問題還沒有統一的框架，一般以規則配置為主。結合業務場景，我們創造性提出了業務、框架和類型三要素的統一框架。業務就是我們的產品和業務場景，比如花唄、借唄、余額寶等；框架，一般認為是句子中的核心動詞和短語等，比如還款、轉賬到銀行卡等；類型，種類非常有限，一般指問題類型，比如如何操作、什么原因、操作失敗等。這里給了一個示例，見下圖。我們利用用戶相關的文本、行為軌跡和因子數據作為特征，通過multi-task的模型來識別要素，比如這里，識別到了用戶咨詢的業務是花唄、框架是還款，但類型是不知道的，這時判斷三要素有缺失，就發起了這樣的反問問句，希望用戶能給出進一步的信息輸入和確認。需要補充說明的是，該框架還具有zero-shot的問題識別能力。

對話助手機器人

用戶真正進入人工渠道，這時機器人還能做什么？需要一個輔助的機器人來幫助我們的服務小二，提高服務效率，降低服務成本。以往人工服務時，小二服務用戶靠的是自己的積累、便簽和記錄，需要在服務過程中去查詢和回憶各種需要的內容，而對話助手提供的能力，正如導航提供的能力一樣，給用戶提供實時的內容提示、產品推薦和話術提示，給服務者或者銷售人員提供了對話的導航能力。

我們會實時監聽用戶和服務、銷售或BD的對話內容，并進行實時分析，根據底層提供的知識庫、用戶畫像和優秀話術等，實時給用戶提供銷售話術、用戶問題的答案、產品推薦和相關預估等，這在一定程度上，降低了服務或銷售的門檻，提升平均的服務或銷售水平和服務效率，從而提升用戶的滿意度或者換化率。

內容上，怎么進行有效的生產？我們構建了一套完整的話術生產體系：從人工服務對話記錄中，同時結合助手使用的報表，通過語料篩選、問題聚類、問答生產和答案推薦手段，將高質量知識點、問答對、話術等收納到話術庫中；同時也提供了給運營專家的運營能力；另外，服務小二也可以自定義自己的話術庫。對話助手依賴自動挖掘的話術庫、運營專家錄入的話術庫和小二自定義的話術庫，可以實時提供相關內容的推薦。其優點是，① 挖掘內容基本上都是非常完整的問題答案，結合了小二本身的一些特性，可以使得該內容非常優質；② 整個內容體系可以形成有效的更新迭代，根據小二的使用情況，及時豐富重要的內容，淘汰很少被使用或者被采納的內容；③ 這是一個小二智慧吸收優化迭代的過程，通過這種方式的內容更新，可以極大程度的豐富我們的知識體系和內容質量，以此來實現服務或銷售水平的整體提高。的確如此，將該技術輸出應用到我們的保險平臺租戶，幫助租戶提升售前服務能力，在最終轉化上可以獲得超過10%的提升。

智能外呼機器人

智能外呼機器人有非常多的應用場景，可以應用于金融、房地產、互聯網廣告、保險、教育、電商、汽車、快遞等多個行業中。一般外呼的需求有這樣三個特點，一是海量的呼出需求，即呼出量需求本身非常龐大，以螞蟻金服自身為例，某個業務每月的呼出量是百萬級，這樣大量的輸出通過人工很難做到；二是內容和流程相對固定，即某一個固定流程去走、按照相對固定的話術內容和用戶進行交互，具有較好的可復制性；三是縮小用戶集合，為后續的服務、銷售打好前哨，這樣可以讓人工或者有經驗的銷售很快介入，進行針對性的服務和引導。

基于此，我們在螞蟻內部也做了簡單的嘗試，配置了如圖所示的交互流程。其中核心的技術是意圖匹配和意圖分類算法，小樣本學習方法在其中發揮著重要作用。

下面給出一個真實催收的對話記錄。

機器人：你好，我是螞蟻花唄。你的花唄已經逾期了，請問你今天可以花款嗎？

用戶：還不了，今天還不了，沒有錢！

機器人：你的欠款已經逾期，會影響你的個人信用，你要幾天能還清呢？

用戶：能不能給我分個分期做個一年啊

機器人：你的欠款已經逾期多天，會影響個人信用，請你務必在三天內結清欠款。如對欠款有疑議，請登錄支付寶或致電95188查詢。謝謝，再見。

整個對話過程看似簡單，但這樣的系統確實起到了很大作用，不僅節約人力成本和支撐大量的呼出需求，而且對于業務本身也有很大的幫助。以花唄逾期3~15客群為例，智能外呼機器人相比傳統的語音播報，可以相對提升出催率50%，這樣就減少了每月新增催收成本3%，效果還是非常顯著的。

當然，未來我們還將進一步優化系統效果，擴大呼出的覆蓋量，同時提升交互體驗，包括系統端的可打斷功能、算法端更加自然流暢的多輪交互能力和語義理解能力。

釘釘服務群機器人

釘釘作為企業溝通協同平臺的龍頭老大，目前已覆蓋國內超過700萬的中小企業，注冊用戶數超過1億，很多企業通過釘釘進行外部客戶的服務，比如提供售前咨詢、售后服務和業務咨詢等；同時也有很多企業通過釘釘完成內部員工的服務，包括人事制度的咨詢、IT問題、財務行政等，咨詢的方式包括一對一咨詢和群聊咨詢。而螞蟻智能云客服可以提供全鏈路、完整的智能服務解決方案，包括智能知識庫、自助機器人、在線人工、熱線IVR、熱線人工、工單等。2018年年初，我們跟釘釘一起啟動了雙劍合璧的項目，旨在聯合釘釘一起為企業辦公打造便攜式的智能服務，主要覆蓋兩大場景：單聊，即在釘釘中可以檢索到企業對應的機器人，直接咨詢，大部分問題都可以得到快速的響應和解答，如果機器人解答不了，會轉到相應的人工進行作答。另一種是服務群，應用較多的是企業服務和商家自身ToB的服務，主要的場景是，客戶直接在群里提問，服務群機器人會自動識別用戶問題，并根據用戶的問題內容及時提醒并分配給相應的服務或銷售人員；同時在服務和銷售人員答疑過程中，提供相應的答案輔助功能。下圖展示了我們服務群機器人目前提供的一些功能，可以極大程度地提高企業的服務效率和服務質量。

總結

結合螞蟻金服的場景，我們構造了多種形態的機器人，包括語音交互機器人、對話助手機器人、智能外呼機器人和釘釘服務群機器人，還有以前我們介紹得很多的螞蟻金服的“我的客服”自助服務機器人。對話機器人這些形態的出現，給業務帶來了很大的便利和幫助，主要表現在：讓服務數字化、透明化。可以完成簡單重復的工作和服務的標準化。完成海量的服務訴求。提升效率，沉淀人工智慧。

從自助到人工，再到外呼，我們正走在一條通往對話智能的康莊大道上，以現有的智能去滿足大量用戶或者業務的訴求，同步在幫助人工提高服務或銷售水平，與此同時，形成知識的積累、智慧的沉淀，進一步地還可以進行知識的組合、再生產、再創造，相信離真正自由交流的智能對話機器人已不再遙遠。