雷鋒網(wǎng) AI 科技評論按：2018 全球人工智能與機器人峰會（CCF-GAIR）在深圳召開，峰會由中國計算機學會（CCF）主辦，雷鋒網(wǎng)、香港中文大學（深圳）承辦，得到了寶安區(qū)政府的大力指導，是國內(nèi)人工智能和機器人學術(shù)界、工業(yè)界及投資界三大領(lǐng)域的頂級交流盛會，旨在打造國內(nèi)人工智能領(lǐng)域最具實力的跨界交流合作平臺。

CCF-GAIR 2018 延續(xù)前兩屆的頂尖陣容，提供 1 個主會場和 11 個專場（仿生機器人，機器人行業(yè)應(yīng)用，計算機視覺，智能安全，金融科技，智能駕駛，NLP，AI+，AI芯片，IoT，投資人）的豐富平臺，意欲給三界參會者從產(chǎn)學研多個維度，呈現(xiàn)出更富前瞻性與落地性相結(jié)合的會議內(nèi)容與現(xiàn)場體驗。

在第三天上午的自然語言處理專場上，在精彩的大會報告及主題演講結(jié)束后，四位企業(yè)界的嘉賓為在場觀眾分享了他們在實踐中的技術(shù)收獲，并在圓桌討論環(huán)節(jié)暢談自然語言處理的落地難點及應(yīng)用未來。以下為圓桌環(huán)節(jié)全文整理，雷鋒網(wǎng)做了不改動原意的編輯和整理。

奕欣：各位觀眾和嘉賓上午好，我是雷鋒網(wǎng) AI 科技評論主編奕欣，很榮幸擔任 NLP 專場圓桌主持人，剛剛我們聆聽了非常多的大會報告及主題演講，也對 NLP 在學術(shù)前沿的認識有了充分而深刻的感知，接下來我們將以更加深入的角度了解自然語言處理的商業(yè)落地，也是本次圓桌論壇的主題。

四位圓桌嘉賓分別是：云孚科技創(chuàng)始人兼 CEO 張文斌；竹間智能 CTO 翁嘉頎；神州泰岳大數(shù)據(jù) VP 張瑞飛；薄言 RSVP.ai 聯(lián)合創(chuàng)始人 CTO 熊琨。

首先邀請每位嘉賓用五分鐘的時間做一個技術(shù)分享，首先掌聲有請：云孚科技創(chuàng)始人兼 CEO 張文斌先生；云孚科技致力于做全球領(lǐng)先的中文語義技術(shù)服務(wù)商，核心工具包括 NLP 工具包、知識圖譜、文本挖掘及對話等。

張文斌：大家好！我是云孚科技 CEO 張文斌，感謝雷鋒網(wǎng)和劉老師的邀請，可以在這里跟大家探討云孚科技對 NLP 商業(yè)化上的理解和一些探索工作。

云孚科技是一家初創(chuàng)公司，2017 年 8 月成立，專注于為企業(yè)提供自然語言處理技術(shù)解決方案，創(chuàng)業(yè)團隊來自于 BAT 的 NLP 團隊，還有哈工大社會計算與信息檢索中心技術(shù)入股我們，中心主任、哈工大人工智能研究院副院長劉挺教授擔任首席科學家。目前也積累了包括科大訊飛、百度、騰訊在內(nèi)的合作伙伴。

首先說一下 NLP 的特點，NLP 的一大特點是需求非常多，NLP 核心處理語言文字，需求非常廣泛。這是各行各業(yè)的客戶提出的真實需求，任務(wù)非常多，這是 NLP 的第一大特點。第二大特點是 NLP 難度非常大，這是我們搜集的分分鐘逼死 NLP 從業(yè)者的的 CASE，比如「校長說衣服上除了校徽，別別別的」，計算機理解起來會非常難。再比如這首打油詩，字都一樣，稍微調(diào)換一下順序，表達的意思就完全不同。中文博大精深，對從業(yè)者的挑戰(zhàn)非常大。

接著看商業(yè)化，商業(yè)化的本質(zhì)首先一定要盈利，其次要做到規(guī)?；?/span>這也是創(chuàng)業(yè)公司最本質(zhì)想做的事情。對于人工智能這一塊的創(chuàng)業(yè)公司要盈利，大方向有兩個，做 toC 直接面對消費者，和做 toB 面對企業(yè)。云孚科技選擇了 toB，周期相對可控，比較容易把營收做起來。規(guī)模化盈利又有兩個方向，創(chuàng)業(yè)公司選擇最多的是深入行業(yè)做垂直行業(yè)的應(yīng)用，這樣可以規(guī)?；鎏囟ㄐ袠I(yè)用戶，而且可以做大訂單，這是一個方向，也是投資人比較認可的方向。我們還看到另外一個方向，就是做基礎(chǔ)技術(shù)平臺，因為它足夠基礎(chǔ)，可以面向多個行業(yè)的客戶提供產(chǎn)品，訂單相對比較小，但客戶數(shù)更廣，這個方向也可以做出規(guī)?；男Ч?。

結(jié)合我們團隊的特點，包括我們對于產(chǎn)業(yè)的判斷，還有一點就是 NLP 的技術(shù)難度非常大，前面幾位老師從學術(shù)界作出的效果，因為任務(wù)非常多，很多指標在 70、80% 的階段，整體基礎(chǔ)技術(shù)平臺的很多任務(wù)沒有達到理想效果，所以云孚科技先選擇把基礎(chǔ)技術(shù)平臺做好，創(chuàng)業(yè)公司的核心不是提出新的模型和算法，我們是結(jié)合學術(shù)界最好的模型和算法，從工程、數(shù)據(jù)角度，把效果優(yōu)化到理想程度。

最終我們的戰(zhàn)略打法總結(jié)起來就是：「先橫后縱、自底向上」——先做橫向的、底層的技術(shù)平臺，再做縱向的、上層的行業(yè)應(yīng)用，這是我們有別于很多 AI 創(chuàng)業(yè)公司的打法。

這是我們目前的技術(shù)產(chǎn)品架構(gòu)，最底層是云孚自然語言處理平臺，中間一層是文本挖掘平臺，最上面一層是企業(yè)智能信息處理平臺，為企業(yè)提供各種智能化信息處理解決方案。

NLP 是一個非常有意思的領(lǐng)域，難度很大，價值也非常大，云孚科技探索之路上狂奔，也歡迎有意愿的朋友和我們一起探索 NLP 領(lǐng)域無限的可能性。謝謝大家！

奕欣：非常感謝張先生的精彩發(fā)言。接下來有請竹間智能 CTO 翁嘉頎先生，翁嘉頎先生負責竹間智能在 AI 領(lǐng)域產(chǎn)品研發(fā)與技術(shù)規(guī)劃，涵概對話機器人、計算機視覺、金融科技等領(lǐng)域，掌聲有請。

翁嘉頎：各位好，我是翁嘉頎，我們公司主要是做情感計算和文本分析、自然語義理解，情感計算。跟別人不同的地方是我們不只做文本情感，還做語音情緒和表情。比如高考剛結(jié)束，如果你看到一段文字「我高考考了 500 分」，這個時候你應(yīng)該恭喜我還是安慰我？其實你不知道，這就要看我講話的語氣。

我們公司的創(chuàng)辦人 Kenny 之前是微軟工程院副院長，負責 Bing、小冰、小娜，我之前是做搜索引擎的，公司很多同事也是做搜索引擎出身的，你會發(fā)現(xiàn)做人工智能的很多人都是從搜索引擎公司出來的。

文字情緒有 22 種，說 22 種有點多，至少負面情緒，反感、憤怒、悲傷、害怕要分開，我害怕、我傷心、我憤怒雖然都是負面情緒，但人機交互的反饋應(yīng)該不一樣。人臉表情我們做了 9 種，語音情緒做了 4 種，然后把它合在一起。

來看一個例子，這是兩年前最有名的一段視頻，左上角是她的人臉表情，左邊的中間是語音情緒，左下角是文字情緒，傅園慧說「在澳洲訓練非常辛苦，我已經(jīng)快死了，簡直是生不如死」從文字上來可能是憤怒的?！腹碇牢医?jīng)歷了什么，我太累了」，文字上是辛苦的，但是人臉表情、語音情緒不是，所以總結(jié)起來還是開心的。這個視頻不管看多少次你都會非常開心。

我們目前主要在金融、電商、IOT 領(lǐng)域、運營商等領(lǐng)域落地，公司成立近三年，除了第一年做技術(shù)的打磨，后面都是在做客戶的落地項目，我想分享的是目前人工智能必須從單個到單獨的領(lǐng)域去突破，去那個領(lǐng)域先收集語料，以及到底要解決什么問題，針對這一類問題我能解決哪些？比如訂酒店，今天我要訂酒店，我可能會說「我要訂萬豪酒店旁邊的快捷酒店」，如果抓關(guān)鍵詞的話，會以為我要訂萬豪酒店。再比如訂餐，我大概有七八個大人再加兩個小孩，七八個大人是七十八個人還是八個人？再比如說「幾點」？六、七點，不不不，改成八點好了。那么到底是幾點？

在我們的認知中，希望未來每個人有自己的機器人，你的機器人能理解你，記得你，我跟手環(huán)或機器人說「幫我點個外賣吧，我肚子餓了」，它能記得我喜歡吃什么、不喜歡吃什么，而且它知道我昨天吃過什么、前天吃過什么，不要點重復的東西。每個企業(yè)都應(yīng)該有點餐機器人，可以做智能客服的回答。未來我們還可以跟機器人交流，比如我跟手環(huán)說「幫我點個巨無霸吧」，它知道這是麥當勞的產(chǎn)品，會找到麥當勞的機器人，兩個機器人對話，幫我搞定。

奕欣：非常感謝翁嘉頎先生的發(fā)言。接下來有請神州泰岳大數(shù)據(jù) VP 張瑞飛先生，張瑞飛先生具有十年以上大數(shù)據(jù)及人工智能從業(yè)經(jīng)驗，他會為我們帶來怎樣的技術(shù)分享呢？有請張瑞飛先生。

張瑞飛：我今天跟大家匯報一下神州泰岳做自然語言處理商業(yè)落地的考慮。講到商業(yè)落地，大家可能會講一個問題，就是我們要解決幾個矛盾，經(jīng)過這兩年的市場訓練和這次大會的培訓，大家都知道人工智能現(xiàn)在處于初級階段，尤其在認知科學領(lǐng)域。在初級階段要落地，就意味著你要管客戶收錢，我想這是第一個矛盾。第二個矛盾是我們要解決成本和實際達成成效之間的平衡，理論上講，只要你投入足夠多的成本，人工智能的效果就會更好一些，但是它又有最佳值，我們要找到最佳值在哪兒。第三是我們要解決在算法工程和基礎(chǔ)算法之間的選擇，我們在算法工程中要解決的問題和我們在基礎(chǔ)算法中進行的優(yōu)化研究結(jié)合起來。

以我們在公共安全領(lǐng)域的例子跟大家講一下，我想在座各位都非常同意這一點，就是你在解決算法、數(shù)據(jù)和算力這三個數(shù)據(jù)時，肯定先搞定數(shù)據(jù)，包括騰訊的鐘黎先生和剛才各位嘉賓所說的，我們做內(nèi)容之前要做預處理，先從接警事件開始，標注橫行 400 萬份樣本，在此基礎(chǔ)上做領(lǐng)域?qū)I(yè)詞向量，領(lǐng)域?qū)I(yè)詞向量可以預提取和計算體征，我們可以把公安的文本覆蓋率達到 99% 的泛化能力，這是第一步。

第二步，做了這個內(nèi)容還不夠，這個內(nèi)容只做了工程化的基礎(chǔ)，它是所有算法的基礎(chǔ)和基石，使得算法可以適用于這個領(lǐng)域，但它遠遠不夠，比如地址的問題，經(jīng)過地址抽取，在地址之上進行更多的二次加工，我們搜集整理了大概 110 個維度下 190 萬個地址，進行地址歸因化、地址地配、跟公安的融合等等，這是工程化的第二步，也就是怎樣在成本成效中有所取舍。除了地址以外，還有作案手段、嫌疑人、公司名稱、人名等，這方面都需要二次加工。

第三，我們要考慮遷移學習的內(nèi)容，以前訓練不同地域的公安同一警種內(nèi)容時，每個案例要提供 5000 個樣本，通過遷移學習迭代，可以不斷減少樣本數(shù)量，從 5000 個減少到 100 個樣本進行模型工程泛化工作，最后我相信這個數(shù)量會降到十位數(shù)或個位數(shù)。

有了這些還不夠，我們可以用深度學習網(wǎng)絡(luò)構(gòu)造雙向 LSTM 管，配合 CRF 進行要素提取或語義結(jié)構(gòu)提取訓練。但還是不夠，它的難度在于我們怎么把一些算法做優(yōu)化和改進，其中一個可以考慮的方向就是把人類已有的知識結(jié)構(gòu)和語言結(jié)構(gòu)和深入學習進行融合，通過融合，能有 5%-15% 的準確率提升，這一步很關(guān)鍵，這一步?jīng)Q定了你的算法在落地時是可用的還是不可用的。

這里舉了一個例子，但遠遠不限于這個例子，我們講融合時通常有兩種方法，一種方法是在算法工程上融合，這里舉的是算法工程上融合的例子，我們把概念單元、把 3192 個句類、語境單元和記憶標好，實現(xiàn)有限和無限之間的哲學關(guān)系，概念是無限的，但概念單元是有限的，語句是無限的，但句類是有限的，語境是無限的，但語境單元是有限的。我們把已有的結(jié)構(gòu)化知識或者圖的知識結(jié)構(gòu)，就是用人腦可以分析的知識結(jié)構(gòu)直接融入到神經(jīng)網(wǎng)絡(luò)中，我們在算法中把它適配和協(xié)調(diào)起來，這樣算法落地時才準，準是你能使用的非常高的影響力，它也是能要到錢的基礎(chǔ)。

有了這些還不夠，我們還需要結(jié)合大數(shù)據(jù)技術(shù)、圖譜技術(shù)、流程技術(shù)，但我要提醒大家的是不是有了一個工程團隊就結(jié)合了大數(shù)據(jù)，我們需要看做大數(shù)據(jù)的什么、做人工智能的什么、做應(yīng)用的什么，把它結(jié)合起來。

我們跟中文信息學會進行合作，也跟北京師范大學開源了一套詞的預向量集，一共 50G 的文本量，是目前全球最全的文本預向量集。我們也跟中文信息協(xié)會建立了生態(tài)合作聯(lián)盟，我們需要合作，需要在合作過程中共同成長，我們也發(fā)布了中文深度語義平臺，希望大家聯(lián)合起來，把 NLP 的落地真正走向產(chǎn)業(yè)化和實用化的階段。謝謝各位！

奕欣：感謝張瑞飛先生的演講。接下來有請薄言 RSVP.ai 聯(lián)合創(chuàng)始人 CTO 熊琨，熊琨先生畢業(yè)于清華大學計算機系，后就讀于滑鐵盧大學，他十多年來專注于深度語義解析和人機對話研究。

熊琨：我們公司叫薄言，英文叫 RSVP.ai，RSVP 是法文縮寫，表達的含義是希望得到你的回復，我們公司的初衷就是希望讓機器了解語言，自動幫人做一些關(guān)于語言的事情。

我們是一家發(fā)展機器學習技術(shù)，提供自然語言深度解析服務(wù)的公司，為 B 端、為合作企業(yè)進行加速。公司 2013 年在加拿大成立，另外一位聯(lián)合創(chuàng)始人是加拿大滑鐵盧的教授，也是皇家科學院院士，他 2012 年獲得過加拿大科學最高獎 KillamPrize，這個獎大家可能不熟悉。但是大家所熟知的 GefforyHinton 在 2014 年獲得該獎，李明老師是在 2012 年。薄言 RSVP 得到了清華大學計算機系的支持，感謝朱曉燕教授和系主任孫茂松教授，早期我們的人才儲備也是通過清華和滑鐵盧的交換項目。

我們早期一直做英文研究，近年轉(zhuǎn)入中國市場，團隊目前主要在加拿大和中國，李老師畢業(yè)于康奈爾大學，其他團隊成員主要是來自清華、滑鐵盧大學，北京大學，華中科大以及谷歌。

簡單介紹一下我們現(xiàn)在做的事情，一是任務(wù)型 NLU，現(xiàn)在提供的服務(wù)也是這樣的服務(wù)，這是在智能家庭環(huán)境下做電影查詢解析，右圖是在小米智能電視上做的例子。

這一頁 PPT 本來是想說更多，我們公司的研究員會花很多精力在基礎(chǔ)深度學習方面的研究，主要在于端到端怎么引入更多的知識，解析時我們希望深度學習網(wǎng)絡(luò)不僅僅給出概率分布，還希望給出圖狀結(jié)構(gòu)，能夠解決文法表達的問題，大家都知道，上下文無關(guān)文法在計算機計算中還有很多是理論上難以計算的問題，所以我們需要在編譯算法上下工夫，目前已經(jīng)有了一些進展，還在繼續(xù)研究中。我們也花了很多工夫，讓通用模型更大語料幫助我們在垂直領(lǐng)域得到更好的效果，任務(wù)型自然語言解析基本上是做這個事情。

對于對話型的理解其實是更難的問題，因為人們在對話中往往會省略一些大家知道的信息或者以前說過的信息，我們現(xiàn)在用深入學習端到端網(wǎng)絡(luò)做這件事情，很多時候可以很容易的跟一些傳統(tǒng) NLU 系統(tǒng)做對接，這些 NLU 單元不用太關(guān)注上下文的問題，比如這個例子中，說的主體是九寨溝以及人多不多的問題，我們可以對單句進行補全。這個端到端的網(wǎng)絡(luò)設(shè)計了一種類似于機器閱讀理解的結(jié)構(gòu)，論文剛剛投出去。

薄言也可以作古詩，我們的機器作詩沒有像孫老師從文學角度出發(fā)，主要是在考慮各類生成網(wǎng)絡(luò)在中文上的生成效果，例如：GAN，RNN 和 VAE，論文發(fā)表在 IJCAI 2018, 這個網(wǎng)絡(luò)可以用更少的參數(shù)和知識讓它對一些主題進行生成，并且也可以做藏頭、七言律詩、五言律詩，我們有一個類似于「九歌」的系統(tǒng)叫「暖暖」，大家也可以在微信上關(guān)注薄言豆豆，體驗作詩的效果。

我們現(xiàn)在的使命還是極大程度的降低人工標注，不光模型算法，包括交互界面上，現(xiàn)在的自然語言平臺可以讓用戶定義 NLU，公司未來也會花超過一半的精力繼續(xù)放在基礎(chǔ)機器理解和自然語言框架上，未來的目標是想構(gòu)建多層理解的構(gòu)架模型。

感謝大家，期待接下來的討論。

奕欣：今天大家將會聊一來自然語言處理商業(yè)應(yīng)用上的各種議題，近年來產(chǎn)業(yè)界和學術(shù)界的交融越來越頻繁，希望能跨越雙方的溝通橋梁。

2018 年對于自然語言處理技術(shù)來說是產(chǎn)生巨大飛躍的一年，比如說阿里、微軟、哈工大、訊飛聯(lián)合實驗室相繼突破了人類水平，NLP 技術(shù)發(fā)展觸及新里程碑，人們對此有新的期待和信心。在第一天主會場張鈸院士的報告中，張鈸院士在演講中展示了一張表，橫軸代表領(lǐng)域的寬窄，從單領(lǐng)域、多領(lǐng)域到開放領(lǐng)域，縱軸表示信息的確定性和完全性，從確定到不確定領(lǐng)域，從完全到不完全信息，其中自然語言處理正位于最難的位置。接下來有請四位圓桌嘉賓跟我們一起暢聊，自然語言處理到底有哪些落地的技術(shù)難點和應(yīng)用難點，有請各位圓桌嘉賓上臺。

第一個問題，現(xiàn)在語音識別、人臉識別研究領(lǐng)域相對落地比較快，NLP 目前在落地上技術(shù)還是不夠完善，請問各位嘉賓，目前在技術(shù)上還有哪些鴻溝需要跨越？

張文斌：NLP 技術(shù)目前處于相對不太成熟的階段，也是因為它的任務(wù)非常多且復雜。分詞相對比較成熟，測試語料上準確率可以做到 97% 以上，就算分詞這么成熟的技術(shù)，落到特定行業(yè)，面對一些新詞，效果還是不足夠理想，還需要花很多精力去做針對特定領(lǐng)域去做優(yōu)化。從分詞往上，很多基礎(chǔ)的 NLP 任務(wù)都有很大的優(yōu)化空間，所以這也是云孚科技目前發(fā)力的方向，先把 NLP 基礎(chǔ)技術(shù)平臺做好做扎實，再在上面搭建上層的應(yīng)用。

翁嘉頎：目前 NLP 在短文本、短句 15 個字以內(nèi)，意圖理解、意思理解可能沒有什么問題，長文本目前還不太行，舉個例子，我們在電商遇到的「昨天買了一支口紅，我媽媽看了也很喜歡這個顏色，既然還沒有發(fā)貨，能不能多買一支」？四個子句，這句話的意圖到底是什么？中間有問號、有逗號，可能連人都不一定搞得懂，更何況機器。這句話的意思其實是「我要修改訂單」，這一塊的攻克是很長遠的目標。

張瑞飛：自然語言處理屬于認知智能范疇，所以自然語言處理的終極目標是理解人類的思維和想法，在這個過程中，我們需要拿捏尺度，這個尺度即把機器智能和人類智慧融合在一起，而不是用機器智能取代人類智慧。

在領(lǐng)域分析，我們現(xiàn)在比較關(guān)注的是怎么把視覺中已經(jīng)取得的技術(shù)，比如 DCN 技術(shù)應(yīng)用在文本中。給大家舉一個直觀的例子，現(xiàn)在網(wǎng)上的輿論控制，比如涉黃、涉毒、涉恐信息用人眼能馬上看起來，但用機器識別沒有終極解，它總能找出一些異常來，這方面有一些思路和算法上的改進，可以處理問題。

奕欣：視覺和自然語言處理的結(jié)合也是現(xiàn)在比較火的一塊。

熊琨：我們在商業(yè)化上還是比較初步的，更多的還是從研究的角度考慮這件事情，因為我們已經(jīng)開始做商業(yè)化，比較困難，一方面是比較通用的問題，目前自然語言處理的問題是如果我把算法做得特別深，往往有普適性的問題，如果做平臺，往往做深入就會有困難，這是第一點。第二點，拿語義相似度短文本來講，我們遇到的商業(yè)化問題，比如最早能在對話或問答領(lǐng)域達到比較好的效果，接下來電商領(lǐng)域或法律領(lǐng)域的數(shù)據(jù)集上來，它們的訓練語量沒有那么多，但又有各自領(lǐng)域自己的知識和特點，這個時候通用的數(shù)據(jù)集怎么達到更好的效果？這是我們想克服的挑戰(zhàn)。第三點是在商業(yè)化中，自然語言處理跟 CV 領(lǐng)域還有一個差別，大家很多時候是用大量的 LSTM、Model 等，哪怕 Attention 才是你真正需要的東西，但實際上它還是時序模型，如果我把它放到線上系統(tǒng)，時延是有問題的，而且成本非常高，哪怕谷歌做郵件回復，他們自己都認為用 LSTM 是比較貴的，所以自然語言處理商業(yè)化也要考慮成本問題。

奕欣：熊老師的回答引出了第二個問題，結(jié)合各位公司的實際業(yè)務(wù)，目前有哪些需要重點解決的問題？

熊琨：我們現(xiàn)在比較關(guān)注的問題，也是相對比較簡單的問題，即短文本語義相似度，剛才騰訊的研究員（鐘黎）也講到了，首先在學術(shù)領(lǐng)域會做很多研究，關(guān)于 Q 和 Q 的相似度，也有 Q 和 A 的相似度，其實很多時候是通用的。其他客服領(lǐng)域遇到的數(shù)據(jù)，比如手機、電腦領(lǐng)域，我買一部華為手機，發(fā)現(xiàn)屏幕不亮了，客服人員經(jīng)常給出的正確答案是「你重啟一下」，實際上在語義上這兩句話不是完全相等的。此外，我們在方法上還有一個維度的區(qū)別，現(xiàn)在很多服務(wù)是基于搜索的技術(shù)，現(xiàn)在業(yè)內(nèi)也有一些新的評價方式，即在平行文本做評價，兩種評價都達到很好的效果，但是如果做交叉，總會有損失，這個問題對我們來講是比較棘手的問題。

張瑞飛：我們現(xiàn)在的核心要解決標注好的數(shù)據(jù)，用戶使用過程中反饋的數(shù)據(jù)，因為做人工智能脫離不了對業(yè)務(wù)的理解，比如公安行業(yè)，不能只是做信息化的人，沒有業(yè)務(wù)反饋，這個過程中，人工智能想在領(lǐng)域化內(nèi)取得有效、出色的應(yīng)用，就要把這個問題首先解決掉，這是我們的核心問題。其他問題還有很多，比如跟其他系統(tǒng)的關(guān)聯(lián)，比如怎么做好更好的搜索引擎，怎么做出更快的圖譜來，怎么把百億級計算壓縮到毫秒級，這些都有要求，但第一要解決的就是數(shù)據(jù)問題。

奕欣：剛剛翁嘉頎先生在演講中也提到了機器人的內(nèi)容，能否結(jié)合這一塊跟我們分享一下？

翁嘉頎：如何做好對話控制，如何限制用戶講話方式，這真的是一個技巧，因為用戶亂講一通，你是沒有辦法理解的。舉個例子，剛剛講到法律，我們做過政務(wù)機器人，其中有離婚場景，您要離婚？有沒有共同財產(chǎn)？這句話表面上看起來就是 YESorNO，但用戶不是這樣回答的，用戶會說十年前我們共同買了一套房子，本來是一個人名下，后來轉(zhuǎn)到兩個人名下。類似這樣的問題，客戶亂回答，機器人根本沒有辦理繼續(xù)下去，如何做好對話控制是目前可以落地的一個方向。

張文斌：我們目前更關(guān)注稍微底層一些的，包括信息抽取、知識圖譜相關(guān)的東西，我們有很多非結(jié)構(gòu)化文本存在，怎么在這上面把他們想要的結(jié)構(gòu)化信息抽取出來，抽取完再構(gòu)建這個行業(yè)的知識圖譜。做的過程中有各行各業(yè)的需求過來，如果以傳統(tǒng)的機器學習或人工智能的方法做，需要大量的標注語料，這個成本往往非常高，怎么樣在沒有標注語料或很少的標注語料的情況下就能把這一塊做起來？我們也積累了一些經(jīng)驗，一般可以先用已有的通用系統(tǒng)結(jié)合基于規(guī)則的方法先做一版系統(tǒng)出來，這樣可以先跑一個初步結(jié)果，從中挑一部分比較嚴重的 badcase 出來，人工標注語料，再重新訓練模型，如此反復迭代。最終可以花比較小的人力標注成本把系統(tǒng)遷移到其他領(lǐng)域。當然，剛才說的這個過程還比較理想，怎么樣用盡可能少的標注語料，可以快速遷移領(lǐng)域？這是我們實際工作中碰到的一個非常實際的問題。

奕欣：非常感謝幾位老師的分享，既然今天是產(chǎn)學結(jié)合的會議，我也想請教一下各位老師，目前深度學習對 NLP 的影響還是挺大的，像雷鋒網(wǎng)參加 ACL 這樣的學術(shù)會議，能感覺到每篇論文都有接觸深度學習的方面，請問學術(shù)界的前沿研究對于企業(yè)的產(chǎn)業(yè)化落地能得到哪些借鑒和思考？

翁嘉頎：我們目前的實驗結(jié)果是沒有一個單一的算法能夠解決好問題，不管是用深度學習的哪一種算法，或者是哪一個規(guī)則，或者向量，或者模板的方式，比較有辦法做的是拿各式各樣新的東西，目前基本上所有 Paper 上提到的算法我們都試過，可能要看四、五十篇 Paper，從里面融合出一個方法，所以每一個算法，每一個 Paper 都有它可取的地方，比如其中四個算法告訴我他要退貨，一個算法告訴我他要換貨，我會用投票的方式，比較有機會真正落地解決問題，因為算法有弱點，用多個算法去做，能互相彌補缺陷。

張瑞飛：首先我們不能評價哪個算法好與壞，因為算法要看適用場地，適用你的應(yīng)用場景的方法就是最好的方法。目前的深度學習算法是向人腦致敬的過程，典型的有 CNN，這個過程中我們可以對這個算法做適度優(yōu)化，優(yōu)化方向是把人類取得的知識結(jié)構(gòu)跟算法做有機融合，這是我們希望專注下去的方向。

張文斌：我們在這一塊的經(jīng)驗比較豐富，公司跟哈工大社會計算與信息檢索中心中心是非常緊密的合伙關(guān)系，我們的主要工作就是把學術(shù)界的 NLP 研究成果真正落地產(chǎn)業(yè)化。在這個過程中，我們的經(jīng)驗體會是這樣的，學術(shù)界的訴求跟工業(yè)界還是不一樣，學術(shù)界追求理論上、模型上的創(chuàng)新，如果有重復了就需要構(gòu)思下一個新的模型。而創(chuàng)業(yè)公司是把他們探索出來的模型拿過來試，我們的核心是效果導向。基于這一思路，我們內(nèi)部也搭建了一套統(tǒng)一的基準平臺，先給算法和數(shù)據(jù)分別定義好統(tǒng)一的接口，然后就能很方便地替換成算法或模型以及數(shù)據(jù)進行效果測試，這樣就可以快速嘗試新的算法模型，到底在特定任務(wù)上效果怎么樣，純粹根據(jù)效果來挑選最終適合這個任務(wù)的整體模型方案。其次，真正用這些算法做預測時，我們還得考慮它的性能，在正式場合，包括它需要的硬件條件是否符合業(yè)務(wù)需求，這也是我們落地時要考慮的因素，有的算法雖然非常高大上，可能高出 0.1 或 0.2 個點，但它的速度慢了很多，對硬件要求特別高，我們就會有所取舍，采用更加實用的算法。

熊琨：非常同意文斌說的第一點，現(xiàn)在很多論文充斥著大量深度學習的文章，但都是基于有限的假設(shè)，主要是會議會發(fā)布一些黃金數(shù)據(jù)集，但這些數(shù)據(jù)集往往跟我們面臨的問題是不一樣的，所以非常重要的是公司內(nèi)部要有自己的測試集和標準，對于新的方法能夠快速適應(yīng)和嘗試。現(xiàn)在對于「試」這件事情是非常重要的，原來我們要求研究人員一周之內(nèi)把一篇 Paper 寫出來并且測試，現(xiàn)在可能縮短到 2-3 天了。我的看法是不見得有最好的算法，主要是最合適的，對我來講，很多時候是多層解決方案，甚至還要考慮關(guān)鍵詞的傳統(tǒng)方法結(jié)合自然語言算法可能效果是比較好的。公司內(nèi)部也會分開，剛才說的這一部分主要是結(jié)果導向，另一方面我們的研究團隊，也在探索一些更新的網(wǎng)絡(luò)以及學習方式，思考機器推理，或者其他類人腦活動的機器學習方式。

奕欣：非常感謝熊琨老師的分享。接下來是最后一個問題，我發(fā)現(xiàn)各位嘉賓的公司名字都起得非常有意思，比如薄言、竹間、神州泰岳、云孚科技，它們想必都包含著創(chuàng)始人對于自然語言處理的美好期許，最后請各位嘉賓結(jié)合自己公司的名字展望一下自然語言處理技術(shù)的未來。

張瑞飛：我們希望我們在中文自然語言處理上做出獨特性，自成一派，做出為國家爭光的東西，為自然語言處理落地。神州泰岳是在神州大地上的一個企業(yè)，我們也希望借著「神州泰岳」這個名字的吉言把這一塊工作做好。

奕欣：也希望神州泰岳越辦越好，成為中國領(lǐng)先的 NLP 企業(yè)。接下來請云孚科技的張文斌先生來分享下。

張文斌：這是一個考驗創(chuàng)始人自然語言處理能力的題目，「云孚科技」是我自己起的，云是現(xiàn)在比較火的概念，我們的初衷是自然語言處理能力的門檻非常高，尤其是對于很多中小企業(yè)或傳統(tǒng)企業(yè)，他沒有很好的 NLP 研發(fā)團隊，我們希望把我們頂級的 NLP 技術(shù)能力封裝好，最終以云的形式普惠給所有有需求的企業(yè)?！告凇故切抛u的意思，做人做事一定要靠譜，講信譽，我們做的產(chǎn)品一定要可靠，給客戶帶來實際價值，所以叫云孚科技。

奕欣：是一個既仰望星空又腳踏實地的名字，接下來請熊老師展望一下。

熊琨：剛才我講了英文，中文可以再說一點，薄言這個名字起得比較草率，團隊幾個人覺得需要有中文的名字，因為 RSVP 實在太難讀了，「薄言」來自于《詩經(jīng)》，采采芣苡，薄言采之，「薄言」在這句話中沒有具體的含義，是一個語氣詞，我們想表達的含義是以謙遜的態(tài)度處理語言，我們認為自然語言領(lǐng)域還在冬天之內(nèi)，不管是技術(shù)落地還是商業(yè)化需求都沒有真的出現(xiàn)，所以我們需要以謙遜、負責任的態(tài)度做科研，需要用更長的時間、更大的努力，特別是在加拿大這個苦寒的地方渡過寒冷的冬天，未來能積累出更強的技術(shù)，能讓機器更懂我們的語言。

奕欣：最后有請竹間智能的翁嘉頎先生。

翁嘉頎：我們公司的英文名是「Emotibot」，所以公司一成立就是奔著情感機器去的，所以我們不只做文本，連語音、圖像一起做，花了大量的人力，所有數(shù)據(jù)都是自己標注，光人臉就標注了 200 多萬張照片，每張照片是三個人標，三個人都說是高興，就是高興，三個人都說是悲傷，就是悲傷，不然就要找心理學家做最后判斷。文本更不用說了，不知道花了多少時間處理這些數(shù)據(jù)，我們認為情感計算會是未來的一個潮流，希望大家一起努力，把自然語言慢慢往前推，因為這一塊目前不像語音和圖像發(fā)展那么快速。

奕欣：非常感謝各位圓桌嘉賓在今天的 NLP 專場為我們帶來的精彩分享，也非常感謝大家來到這里。

主持人：非常感謝以上幾位嘉賓的精彩分享，本屆大會延續(xù)了往屆大會的盛況，匯聚行業(yè)精英大咖，圍繞行業(yè)前沿話題，探討未來發(fā)展方向。

最后，我謹代表活動主辦方對到場的各位來賓最衷心的感謝。謝謝你們！

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。