2019年9月20日，2019中国人工智能高峰论坛在中国数交会期间成功召开。
腾讯云AI语义产品总经理刘黎春介绍，腾讯过去20年积累了丰富的技术，目前把通过社交平台，内容平台鞥互联网平台积累的大数据和人工智能的能力，向产业互联网输出，更好地把这些能力服务B端的政企客户群。
腾讯云AI语义产品总经理刘黎春
以下为演讲实录：
刚刚那位intel专家提到了搅局者，我仔细看了一下，我们现在的合作是一个非常开放的产业合作，刚才提到的底层的芯片能力，硬件的能力，我们都非常注重和英特尔在芯片方面更好地合作，而不是说大家分工有不明确的地方。
今天我们会介绍一下我们通过云+AI的技术，怎么为产业升级提供一些我们的帮助和能力。我今天讲的是人工智能如何为产业升级提供新的引擎？
大家在日常生活中有非常多的人工智能的应用，包括机场的人脸识别等等，可以快速地过安检的通道，在安检里也有图象识别的方法去替代人工的工作，在产业互联网的升级里，人工智能发挥了非常大的作用。
互联网如何为产业提供云服务的能力？产业互联网要做升级应该有两个事情要经历，第一个是数字化，我们原来的一些线下的数据怎么变成线上或者云上的数据？在这些处理的过程中怎么把人工智能的能力加进去？
人工智能整个的发展，是从感知到一个决策的过程，怎么理解这句话？大家接触感知比较多，比如图象识别，在一个场景里怎么识别这个场景是一个开会的场景还是一个运动的肠镜？在计算机的视觉领域里已经做的非常成熟了。在语音识别里，一句话怎么转变文字？现在已经相当成熟了。但是现在人工智能正在总感知这个阶段跨越到认知交互以及帮助人做决策的阶段。不仅仅是通过计算机的一些视觉或者云的技术来感知到我们在这个场景里，而是能更多地通过人机交互的方法甚至更高级的人工智能的方法来实现人机交互决策的过程。
人工智能普遍来看，主要是 这几个场景，一个是计算机的视觉，一个是语音识别，包括语音转文字，文字转语音的场景。另外，这些语音的场景会加入一些自然的处理进去。
现在我们在客服的领域里已经加入了很多人工智能的能力，现在包括大家去 打电脑找在线的客户，很多情况下都是人工智能的客服。怎么实现一个产业的升级？我们和客户交流，他们以前在客服的场景碰到很多的问题，客服的人员有限，不可能搭建一个庞大的客服团队去满足所有客户的需求。客服没有办法做到72小时的服务，但是客户不一定什么时候遇到问题，有可能是白天，也有可能是下班时间，所以需要更好的智能的客服里解答。在客服这个领域，面临着人员的流动性，可能培训了一个月，下个月就离职了。在这种情况下，人工智能的介入是一个非常好的场景，因为是大量的重复性的劳动，而且积累的数据，也为机器学习提供了丰富的数据和人机学习的场景。
已经以前做过银行的案例，很多的客服的中心都比较大，300人的一个规模还是比较常见的。我们的运营成本帮客户做一个估算，需要3000每年的营运的成本，而且很难做到72小时的服务，只能做到5天的服务的时间段。使用人工智能客服的系统以后，可以节约了成本，有提升了服务的体验。在非工作的阶段和人员数字不平均的情况下，很大地解决了这一问题。在很多场景里，客服已经可以提供80%的问题，因为这些问题都是经常见得到的。第一个场景是通过人工智能的场景帮助客户提升产业升级。
还有一个案例，现在保险公司做保险，要去搜集客户的资料，客户以前的病例或者检查报告， 以前都是人工去看，看这个客户的基本情况，他是需要投入大量的人力的工作，而且很多情况下都是比较重复性的工作。所以我们也帮保险客户通过人工智能，帮他实现场景能力的升级，通过我们的一些技术，可以做图像识别，可以从病历里把图象转变成文字，这个人的年龄、性别，一些基本的人口属性的状况，以及他得的什么病，我们把这些病的名称抽取出来，机器比较方便做结构化的数据，接下来可以交给模型来处理。我历史上把这些数据提取出来之后，我们看人工可以做一些标注，再通过机器进行训练变成机器的知识，就可以实现全自动化，从图象、文字的识别，到全自动化的处理。
我们在日常生活中，随着移动互联网和人工智能做人脸识别技术的成熟以后，在开户的场景，也是通过一些人工智能的技术的加入来大大提升了开户的体验。不是非常重要的场景，都可以通过远程的人脸识别来达到原来需要去现场办理的业务。
还有一个例子，在这种语音的质检场景下，和客服的场景有一些相关性，客户需要了解，特别是最近出现了一些客户反映，客服的情绪不一样，可能给客户的回答有好有差，他想甄别客服的回答是好是差，以及客户在语音和文字里反应出来的情感是正向的还是负向的，再升级可以具体判断这个客服在当时的场景是不是投诉的场景？投诉的是什么样的业务，把工单对应到业务部门去处理。这个场景有大量的语音处理的技术，有一个比较大的基础，它积累了一些语音和文字的数据，可以通过机器学习的模式来体现整个语音的质检和审核的过程。
前面讲了这么多人工智能的落地的应用场景，是不是说有了这样一个场景，我们就可以把人工智能这个事情做好？也不一定。接下来我会介绍云服务怎么加速这些新技术的应用？
人工智能要做规模化的落地，现在还是要面临非常多的挑战。首先第一个在构建AI能力时候的挑战，大家知道AI的人才的薪资非常高，哪怕是一个刚刚毕业的学生，在深圳年薪都是几十万，对于创业者来说，这是大量的人力资本的付出。一半的人工体现在前期的数据的准备、采集，这个过程非常的漫长，我们在金融的场景里，我们给证监会、交易所做一些，我从一个公司的年报里把重要的信息提取出来，后面再继续做处理，这个会涉及到非常大的人工的标注的成本。我要去历史上的年报去做大量的标注工作，然后由机器来学习，整个的标注的工作是非常专业的，可能一个人一天只能标几十份甚至只有几份样本，所以这对于我们是非常大的成本的付出。
在应用AI能力的时候，项目的建设的周期非常长，成本非常高，而且效率不稳定，需要积累的新的数据不断地调整模型。我觉得后期的运维的效率非常低。
整个的AI能力的流程来讲，是非常复杂、冗长的一个过程，要把问题先定义出来，这个场景遇到的是一个什么问题？你希望通过AI如何解决这个问题？第二个就是数据的准备，我们之前测算过，数据准备的过程可能占AI这个项目的时间会达到70-80%的时间成本的投入。这个数据包括原来可能是线下的数据，现在怎么转到线上？或者清洗完之后怎么做数据的标注？给一个模型做更好的模型训练，识别出来一个准确的数据。整个的模型训练的数据量比较大，也是非常大的计算资源的投入。还要做测试和调优，要做分装和组合，最后做快法的部署，并且要投入一些工作做后期的迭代升级。
我希望通过一个更好的一站式的平台让整个构建AI能力的过程变的更加的效率，这里涉及几个问题，第一个是跟业务的系统怎么做更好的集成，比如提供在线的API，还是可以嵌入到客户的业务里。为了训练这个模型，如何采集更多的通用的专业的数据。另外，跟智能设备的接入，以及模型的调优，最后怎么达到客户的目标。
我们在希望通过一站式的平台的构建，通过云上的一些基础设施，让AI构建的过程更加有效率。
云+AI：全链路降低AI落地的门槛。我们腾讯有在各个领域，包括医疗、包括教育等，我们有很多的专家在做AI的一些研究。另外，我们现在也提供非常多的先进的预训练的模型，在图像也好，自然语言领域也好，大家已经比较少出现一个模型拿到一个训练样本之后重新做训练，基本上用已经训练好的模型，比如在图像领域里，大家会用积累出来的一些语言模型，再加上自己的场景里的一部分的图像数据做图形的微调，达到更好的效果。
前面的预训练的模型更适合做比较大的算力，比较大的数据的积累，比较多的人工智能算法的专家做问题的解决。后来的调优可以让初装型的或者没有这么多人工智能投入的公司来更好地应用到前面积累好的基础。
同样在应用方面，我觉得云天生有一个比较好的地方，它是可以实现自服务的，也就是在你的场景里，你要用上AI的能力，可以通过云上的简单的配置，甚至你不需要写代码，可以通过菜单的配置就可以实现。另外，你随时可以用，不需要说前期投入非常大的资源去做数据的采集，做模型训练。比如你现在要做通用的发票，你要把发票的信息采集出来，如果你从头训练这样一个模型，你需要投入大量的人力物力，而且不一定能达到很好的效果。现在做计算机视觉创意的公司，他们都已经提供了非常好的经常用的场景，可以直接用AI的方式调用。
刚才我提到了这么的人工智能的项目的流程，具体怎么通过云上的技术来缩短这个时间？我们拿了一些案例做了一个实验，做了数据的测试。通过云上的人工智能的方式，最多的成本降低体现在模型的训练和模型的封装和开发部署方面。模型训练基于底层比较强大的模型的基础，包括CPU或者GPU的资源，你在做模型的封装和组合的时候，需要通过一些比较好的工具，通过模型的封装和组合的工具更快地实现模型的利用和开发。
整个测试下来，原来全部资源需要投入26天的人力去完成的工作，现在我们通过云上人工智能的服务和工具的使用，可以把时间缩短到7天。
再回到刚刚举的例子，我们通过云的服务怎么去加速AI落地？第一个在智能客服领域里，你要实现云的识别等等，这些比较常见的服务会通过云的调用，你自己定义一些热词，可以实现整个系统的完成，原来的600万的研发成本现在降到300万左右。我们可以大量的降低研发成本和缩短周期。
我们自己的一个理念，让AI无处不在， 腾讯云一直在努力。我们希望在产业互联网里，让人工智能更多地渗透进去，达到产业的升级。
我们腾云在做的事情是把腾讯过去20年的技术往产业互联网输出，通过社交平台，内容平台也好，通过这种互联网平台积累了大数据和人工智能的能力，在往产业互联网走的时候，我们希望把这些能力更多地往B端，政府的客户群做一些能力的输出。
除了我们自己的产品矩阵，我们也有一些能力是跟腾讯后台AI的团队合作在做的，比如微信的团队等等。
除了自己内部的合作伙伴之外，我们在外部也有很多的行业的伙伴，我们怎么去把这个云的底层的基础设施建设好之后，能跟外面的合作伙伴去更好地合作？让他们基于对于这个行业的理解，根据在这个行业里积累的一些能力，更好地帮客户完成整个行业的解决方案的构建。
