帶著觀點(diǎn)看商業(yè)。超級(jí)觀點(diǎn)，來自新商業(yè)踐行者的前沿觀察。

文｜顧夏輝（子長(zhǎng)科技CTO）

語言是人類思維的基礎(chǔ)，當(dāng)計(jì)算機(jī)具備了處理自然語言的能力，才具有真正智能的想象。自然語言處理（Natural Language Processing, NLP）作為人工智能（Artificial Intelligence, AI）的核心技術(shù)之一，是用計(jì)算機(jī)來處理、理解以及運(yùn)用人類語言，屬于計(jì)算機(jī)科學(xué)與語言學(xué)的交叉學(xué)科。目前，NLP乃至人工智能的落地情況如何？是舉步維艱，還是已經(jīng)獲得廣泛應(yīng)用？

毫無疑問，已經(jīng)有越來越多的企業(yè)認(rèn)可NLP技術(shù)，并在相關(guān)項(xiàng)目上進(jìn)行了大量投入，但NLP技術(shù)在具體商業(yè)落地中依然存在挑戰(zhàn)。企業(yè)投入需要回報(bào)，無論是提升效率，提高輸入，還是為企業(yè)各個(gè)業(yè)務(wù)賦能，歸根結(jié)底，都是需要技術(shù)應(yīng)用能夠真正為企業(yè)帶來價(jià)值。因此落地的重點(diǎn)不是使用NLP技術(shù)或者其他人工智能技術(shù)所完成一個(gè)企業(yè)應(yīng)用，而是要看這些應(yīng)用是否解決了客戶的痛點(diǎn)，為企業(yè)帶來真正的價(jià)值。

舉例來說，1STEP.AI與金賦科技合作開發(fā)了一個(gè)“智能送策“項(xiàng)目，主要是把企業(yè)信息與各地政府的扶持政策進(jìn)行匹配，幫助企業(yè)找到適用的政府扶持政策。這項(xiàng)工作之前依靠人工進(jìn)行，困難重重，原因一是企業(yè)和政策的數(shù)據(jù)量都非常大，且數(shù)據(jù)持續(xù)更新；原因二是政策中的條件關(guān)系多樣化（并列關(guān)系、選擇關(guān)系等），匹配邏輯復(fù)雜。人工操作的局限在于處理的數(shù)量有限，時(shí)間長(zhǎng)，匹配錯(cuò)誤率高。

和通常人們的理解不同，在這個(gè)例子當(dāng)中，利用技術(shù)進(jìn)行準(zhǔn)確的抽取并不能真正解決客戶的痛點(diǎn)。比如，一個(gè)政策中對(duì)于企業(yè)的要求有20條，如果政策抽取的模型準(zhǔn)確率比如是95%，但是正是由于有一條關(guān)于企業(yè)注冊(cè)地點(diǎn)的特性沒有抽取出來，直接導(dǎo)致匹配的公司會(huì)多出幾十倍甚至上百倍，這樣的政策抽取結(jié)果對(duì)于匹配公司的業(yè)務(wù)來說，其價(jià)值幾乎為零。因?yàn)槌槿〉慕Y(jié)果并不能提供準(zhǔn)確的目標(biāo)公司集。因此1STEP.AI和金賦科技并沒有把政策抽取和邏輯關(guān)系抽取的準(zhǔn)確度作為目標(biāo)，而是把目標(biāo)定為政策所匹配的公司的準(zhǔn)確度。這個(gè)目標(biāo)符合業(yè)務(wù)需求而不是簡(jiǎn)單的用人工智能完成一個(gè)應(yīng)用，但是該目標(biāo)的難度比簡(jiǎn)單的政策抽取復(fù)雜很多。其實(shí)，任何一個(gè)商業(yè)應(yīng)用都是復(fù)雜的問題，而人工智能的模型更適合解決困難問題。什么是困難問題呢？什么是復(fù)雜問題？困難問題類似于圍棋、圖像識(shí)別這樣的問題，規(guī)則簡(jiǎn)單，但是實(shí)際情況或者玩法困難。而復(fù)雜問題是指規(guī)則復(fù)雜，流程繁多的問題。所以，對(duì)于商業(yè)應(yīng)用的復(fù)雜問題，最搞笑的方法是多個(gè)模型協(xié)作解決問題。

在“智能送策”項(xiàng)目中，這個(gè)復(fù)雜問題是什么呢？首先，政策往往包含了很多內(nèi)容，所以需要在政策中找到包含政策要點(diǎn)的段落，再在段落中找到政策要點(diǎn)。要點(diǎn)和要點(diǎn)之間存在著邏輯關(guān)系，多個(gè)要點(diǎn)可以是“并列“的關(guān)系，也可以是”或者“的關(guān)系。一個(gè)政策文件中又有可能包含多個(gè)政策，這些政策之間也存在著邏輯關(guān)系。在“智能送策”系統(tǒng)中使用的模型包括：段落抽取（準(zhǔn)確度0.99），政策實(shí)體抽取（準(zhǔn)確度0.98），映射模型（準(zhǔn)確度0.88），語義邏輯模型（累計(jì)準(zhǔn)確度0.85）。把上述模型結(jié)合起來才能夠提供具有商業(yè)價(jià)值的落地方案。

“智能送策”系統(tǒng)中使用的模型

通過以上模型的協(xié)作，“智能送策”通過人工智能技術(shù)，可以自動(dòng)高效地解決企業(yè)實(shí)體信息抽取、屬性映射、邏輯關(guān)系匹配等復(fù)雜問題，將匹配公司的結(jié)果準(zhǔn)確度從人工操作的78%提升到89%；在一些政策條目下，覆蓋的企業(yè)數(shù)量增加了11倍以上，大大推動(dòng)了業(yè)務(wù)的快速拓展。

人工智能產(chǎn)業(yè)結(jié)構(gòu)已經(jīng)日趨成熟，它包括了三個(gè)層面：包括軟硬件設(shè)施和數(shù)據(jù)服務(wù)的基礎(chǔ)層、囊括了基礎(chǔ)框架、算法模型以及通用技術(shù)的技術(shù)層以及輻射到各行業(yè)中的產(chǎn)品、服務(wù)和解決方案的應(yīng)用層。NLP是技術(shù)層的重要組成部分之一，是認(rèn)知智能時(shí)代的關(guān)鍵技術(shù)，可以說，NLP能力對(duì)行業(yè)應(yīng)用的落地、企業(yè)的轉(zhuǎn)型升級(jí)都具有決定性的作用。

NLP技術(shù)的價(jià)值在于海量數(shù)據(jù)處理，它的應(yīng)用靈活且包羅萬象，目前多體現(xiàn)在增進(jìn)數(shù)據(jù)洞察、實(shí)現(xiàn)智能交互、提高運(yùn)營效率和替代重復(fù)性勞動(dòng)等方面。作為應(yīng)用模塊，落地范圍非常廣泛。基于不同行業(yè)客戶的需求和業(yè)務(wù)痛點(diǎn)，在各種行業(yè)場(chǎng)景中都有滲透。在處理海量的結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)上，具有人工無法企及的能力和效率，例如文本數(shù)據(jù)的識(shí)別、抽取、匹配與處理，廣泛的網(wǎng)絡(luò)數(shù)據(jù)獲取和分析等。

我們已經(jīng)發(fā)現(xiàn)有越來越多的可以使用人工智能技術(shù)進(jìn)行優(yōu)化和革新的場(chǎng)景。在這些場(chǎng)景中應(yīng)用應(yīng)用NLP技術(shù)是否能夠解決痛點(diǎn)，為企業(yè)創(chuàng)造真正的價(jià)值才是落地場(chǎng)景的關(guān)鍵。