三年前，本公众号曾推出“AI+”系列文章，详细讨论了人工智能技术在各个领域的应用前景及优势。但在AI长河三起两落的洪流中，经常性的此AI非彼AI，而其中做通用人工智能的更加少之又少。
经过多年的完善，联动北方自研的通用AI模型已较为成熟，该模型具有多模态、多切面、多通道、稳定性强等特点，基于此通用模型，联动北方已经完成了包括智能运维、智能医疗、智能物联以及知识图谱在内的多个项目的落地。
故此，在原有文章的基础之上，联动北方推出修订版的“AGI+”系列文章，以联动北方通用AI模型为基础，详述通用人工智能AGI如何在各个领域发挥作用。
在上一篇“AI+客服”的文章中，我们主要谈论了人工智能技术在客服行业的应用前景。由于客服工作本身具有重复率较高、要求响应速度快等特点，与人工智能技术的优势十分契合，因此各界都很看好智能客服的发展，甚至有人预测，到2020年，传统的人工客服可能会完全被智能客服所取代。
在2020年的今天，从人工智能在客服领域的落地情况与应用规模来看，当初的预测可以算实现了一半——智能客服确实在众多行业与场景进行了应用，但其工作主要集中在服务需求量大的情况下，对一些常见的问题、咨询的回答与引导，与传统客服彼此辅助，以削减企业在客服上支出的人工成本，距离完全取代传统人工客服依旧有很大的距离。
随着技术进一步成熟，大数据、知识图谱等技术的应用让智能客服的理解能力更上一层楼，更聪明的人工智能技术又将带领客服行业通向哪里呢？今天的文章将在原“AI+客服”的基础上，结合联动北方通用AI模型，进一步探讨通用人工智能AGI在客服领域的应用。
智能客服的现状
客服作为连接企业与客户的重要桥梁，对企业的销售成果、品牌塑造及市场地位都有着直接的影响，其重要性不言而喻。而长久以来，传统客服行业存在的诸如客服人员流动性大、培训成本高、服务效果难以把控等痛点，从某种程度上阻碍了企业的发展脚步，如何优化客服流程，从客服数据中发现业务问题也成了各类企业面临的普遍问题之一。
随着人工智能技术的日渐成熟及应用场景落地化，客服作为人工智能重要的应用场景之一，原有的生态结构正在慢慢发生改变，新技术的应用也给企业长久以来痛点带来了新的解决方案。
国际数据公司IDC近期的一篇调查报告显示，随着业务需求驱动，越来越多的行业用户把对话式AI能力嵌入到了业务流程中，提供对话式人工智能能力的厂商也扩展到更多的互联网公司以及AI初创公司。
IDC发布的《中国人工智能软件及应用市场半年度研究报告（2019H1）》显示，预计到2023年，中国对话式人工智能市场规模将达到18.6亿美元，2018-2023年年复合增长率为41.3%。
对话式人工智能平台使用语音识别、语音合成以及深层自然语言处理和理解技术与人类进行交流。得益于聊天机器人和智能对话终端应用的大规模落地，对话式人工智能市场也将带动智能客服行业的进一步发展。
在企业服务资源需求增加的背景下，AI已被大量用于多渠道的产品服务销售与客户管理等工作中，例如通过智能客服处理简单重复的信息咨询，以提高人工客服的工作效率和客户体验，降低商家的经营成本，在金融、政府、电信及传统行业得到了大量应用，推动了多种渠道下企业客户服务的自动化、智能化。
虽然智能客服的市场前景明朗，但在现阶段的应用中，大多数用户对于智能客服的评价却没有那么乐观。
中国青年报社在2019年底就用户对智能客服的看法做了一次调查，在2001名受访者中，91.9%的受访者使用过智能客服；57.9%的受访者直言智能客服会理解不了顾客提出的问题，答非所问；而49.3%的受访者则认为智能客服会用固定的话术应付人，解决不了实际问题。
目前智能客服在很多场景都有应用，比如银行、餐馆、医院、商场、高铁、机场、剧场和旅游景点等，涉及衣、食、住、行、康等各个方面。甚至很多电商平台都默认优先使用智能客服，当用户主动提出时才转接人工。在通信、银行等平台，无论是电话客服还是网络客服，也多是智能的。这也从侧面反映智能客服已经覆盖了我们生活的方方面面。
但在实际使用过程中，智能客服解决问题的能力却远远达不到预期。
根据调查结果显示，仅7.0%的受访者称智能客服总能帮助自己解决问题。48.5%的受访者表示智能客服大部分情况能解决问题，40.1%的受访者称只有少部分情况能解决，4.4%的受访者直言完全解决不了。
有时智能客服会要求用户简洁地表述自己遇到的问题，但遇到比较复杂三两句话说不清楚的情况时，智能客服还可能理解不了，答非所问。以至有用户吐槽，“最让我受不了的是，当我输入了很长一段话描述问题，智能客服马上只回复一句‘不好意思’”。
在这次调查中，57.9%的受访者认为智能客服会理解不了顾客提出的问题，答非所问；49.3%的受访者指出智能客服用固定的话术应付人，解决不了实际问题。受访者认为智能客服存在的其他问题还有：需要多次操作才能解答问题，费时费力(38.2%)， 服务不亲切，给人冷冰冰的感觉(35.2%)，变成商家拖延时间的挡箭牌，迟迟不解决问题(30.5%)等。
从调查结果可以看出，现阶段的智能客服在理解能力与用户满意度上还有很大的提升空间。
AGI+客服
AGI阶段，为了进一步提高智能客服的理解能力，联动北方在原有AI+的基础上增强了知识图谱等技术应用。知识图谱可发掘数据间的联系，通过知识来驱动智能应用，赋予了智能客服像人一样思考与分析的问题的能力。通过应用知识图谱等技术，联动北方通用AI模型旨在降低企业创建领域性知识库的难度，提高自然语言处理的准确性与针对性，使客服的回复更加合理与准确，进而提升用户的满意度。
相对于人工智能（AI）的概念，通用人工智能（AGI）更强调智能的通用性特质，即同一个通用模型适用于各个领域，在现有人工智能“专”的基础上兼具了“广”的优点。从总体来看，“AGI”更接近“AI”的初始意义，与“强AI（Strong AI）”的概念更加相似。而联动北方通用AI模型的核心思想正是通用性人工智能，该模型除了能够在运维领等域加以应用，在客服领域同样能发挥作用。
知识图谱的构建过程
从技术角度来看，知识图谱的构建主要包括常包括信息抽取——知识融合——知识加工三个过程。
1、信息抽取
信息抽取又名知识抽取，是知识图谱构建的第一步，是一种自动化地从半结构化和无结构数据中抽取实体、关系以及实体属性等结构化信息的技术，具体分为包括实体抽取、关系抽取和属性抽取。
2、知识融合
通过信息抽取，实现了从非结构化和半结构化数据中获取实体、关系以及实体属性信息的目标。然而，这些结果中可能包含大量的冗余和错误信息，数据之间的关系也是扁平化的，缺乏层次性和逻辑性，因此有必要对其进行清理和整合。知识融合包括两部分内容——实体链接和知识合并。
通过知识融合，可以消除概念的歧义，剔除冗余和错误概念，从而确保知识的质量。
3、知识加工
通过信息抽取，可以从原始语料中提取出实体、关系与属性等知识要素。再经过知识融合，可以消除实体指称项与实体对象之间的歧义，得到一系列基本的事实表达。然而，事实本身并不等于知识，要想最终获得结构化、网络化的知识体系，还需要经历知识加工的过程。知识加工主要包括三方面内容：本体构建、知识推理和质量评估。
通过以上三个步骤，就能将互联网的数据转换成可供计算机分析与利用的知识图谱。
基于树网模型的知识图谱建模
结合知识图谱的自身特性与实际使用场景，联动北方公司提出了以代数的群论、拓扑学习以及模糊论集合、图论等数学基础的智慧树模型。
智慧树模型，顾名思义，通过将知识图谱的建立过程类比为结构树，通过结构与分支的不断拓展与交织来完成知识图谱的构建。
在此模型中，每个实体可以比作一个独立的树突，实体间通过不同的关系相互联系缠绕在一起，形成多根的实体树网，树网的意义在于将实体间二维的关系转换为三维，弱化了关系顺序带来的影响，使得实体间的联系更加灵活。
同时智慧树模型采用多维模型而非平面圈层，多维模型的好处在于不仅能够定位实体在某个知识碎片中的位置，同时还定位实体在整个知识图谱中的位置，这个过程可以想象成葡萄与葡萄架的关系。将实体比做一颗葡萄，联动北方多维模型不仅能够找到葡萄所在的整串葡萄（知识碎片）中的位置，更能够通过定位命中簇——映射概念簇——序列化热点簇，定位葡萄在葡萄架甚至葡萄林（知识图谱）中的位置。多维模型模可以精准分析实体间的关系，更好地排除干扰，对于自然语言处理等应用有着极高的价值。
此外，智慧树模型是开放、外延、全方位扫描的，这意味着图谱内任何节点都会成为敏感点和关联热点，节点之间不会存在明显的权重差别，而是根据需要发挥作用；同时开放的模型支持无限拓展，保证数据能够实时更新；实体之间联系紧密，不同切面的节点能够通过关联节点进入其他切面，也可以沿着概念树从一个节点到另一个节点，更加灵活。
联动北方智慧树模型还提供了可视化智能建模界面，在可视化的建模操作界面，用户可以动态地创建、修改和删除各节点之间的关系，从而搭建不同的关系网。此外，用户还可以在构建好的模型中自由选择需要显示的区域进行放大和详细显示，更清晰地展示实体间的联系，以便后续进行分析与处理。
知识图谱的优点
对于人工智能在客服领域的应用，知识图谱最大的价值在于能够让人工智能具备认知能力和逻辑能力。机器认知智能在应用方面是广泛、多样的，其优势主要体现在一下几个方面：
1、智能分析
越来越多的行业或企业在生产运营中都累积了大量客观的数据信息，但由于缺乏分析能力，这些数据并没有创造出价值，甚至还侵占了大量的运维成本。可以说没有分析的大数据是没有价值的。
而知识图谱和基于图谱而发展起来的认知智能，为精细的大数据分析提供了有力的基础技术支持，可以赋能用户画像、商业情报、舆情分析、客户维护等多种领域和行业，让大数据发挥出应有的价值。
2、智能检索
传统的检索方式支持的数据格式多局限于文本，而知识图谱则很好地避免了这一缺点。无论检索的对象是文本、还是图片、音频、视频、以及代码，知识图谱都可以有效帮助搜索工具在缺少上下文联系信息的情况下，有效地甄别核心信息，还可以在检索中根据需要进行不同量级的检索操作。
知识图谱基于其富有特点的三元组结构，可以实现将知识、行为、数据等多种信息融合增补，使用得越多效果越好，让智能检索服务做到精准化、场景化、个性化。
3、人机交互
知识图谱类人脑的信息逻辑方式，能让机器更有效率的吸收储存管理各类知识，从而更好的理解人类的语言信息，使得人机交互变得更加简单自然。应用在客服行业，知识图谱能够协助智能客服更好地理解用户意图，通过与用户完成多轮对话后给出合理的答复。
4、可解释性
在人工智能发展的过程中，人类一直对人工智能所给出的结论、推理等持有一定的怀疑态度。而知识图谱的出现，在人工智能的可解释性方面有着重要的作用。知识图谱的逻辑结构是类人脑模式，其中的信息输入和采集也是由人提供的，因此大大提高了人工智能结论的可信度。知识图谱的这一特性是人工智能在金融、医疗、客服等领域得以落地应用的核心要素。
智能客服的应用场景与优势
智能客服的应用场景
目前，智能客服早已覆盖各个行业，但是现有的智能客服产品更多的是针对企业用户而非个人用户。事实上，在私域流量火爆的今天，以微信为代表的各类聊天软件也已成为流量的转化平台，其中微商、课程分销、保险与房地产行业的从业人员尤甚，此类工作的从业者通常有大量好友，需要长时间同时应付多组对话，在此类场景下，智能客服的相关需求便凸显出来。
通过分析用户的需求，目前针对私域流量普遍存在的痛点包括——群内消息太多，无法识别到对自己有用的消息；聊天消息回复不及时，损失部分客户；相似问题需要人工反复操作回复，缺乏智能系统；上百微信号的商家很难合理的资源和管理分配；缺乏对客服人员的监控系统，导致资源流失或者被窃取等损失等等。
因此，针对私域流量领域，智能客服的应用同样十分有必要。
目前，无论针对规模较大的企业客服还是针对私域流量的客服，现有的智能客服平台虽然在总体上实现了自动应答、工单管理等操作，但在自动回复等功能上仍有一定的提升空间。
以自动回复为例，当前市面上的智能客服软件通常只内置了基础聊天语料库而未预置领域性知识库，用户想要实现目的性的对话需要自己创建相关语料库。
对于语料库的创建与维护，用户主要存在如下两方面的痛点：
1、语料库创建工作量巨大
对于多数垂直领域来说，语料库的质量从某种程度上决定了客服服务的质量，对于语料库的编辑，现有的客服软件主要提供了模板添加与手动添加两种方式。
使用模板进行添加时，用户需要将问题与关联回复按指定的格式编辑再导入到语料库；而手动添加语料库则更为繁琐，用户需要逐个添加问题与关联回复，同时还要标注关键词及问题的优先级，学习成本与时间成本相对较高。此外，针对同一个问题，不同用户的提问方法也不尽相同，因此后期可能出现匹配不到相关答案或根据关键词匹配了错误的答案的情况，从而导致客户的流失。
2、语料库信息无法自动更新
对于很多行业来说，例如保险行业及房地产等，语料库中的部分信息是不断变化的，而按照现有的编辑方式，管理者每一次更新语料库信息时都需要进行查找、修改、导入等多项操作，频繁更新势必会耗费大量的时间和精力。
为解决以上问题，联动北方开发了知识图谱系统，该系统可以H5或插件的形式方便地嵌入网页中。系统为用户提供了自主学习、知识建模、批量迁移、智能采集等多项功能，便于用户创建与管理相关知识库。
通过此系统，用户可以通过传word/pdf/txt/数据库/excel等多个来源的文件以生成领域性知识图谱。此外，用户还能通过链接的形式上载行业相关专业知识、业内新闻与科普文章等网页信息，系统会智能爬取和分析相关网页，并自动生成与更新知识库的相关内容。
知识图谱应用，能极大地帮助企业和个人积累沉淀客服知识和信息资源，以有效的结构化形式存储，从而满足深度消费。对于用户来说，应用基于联动通用AI模型的知识图谱系统可以更便捷地创建与更新领域性知识库，大大提升工作效率；而对于企业来说，一个用户友好型的软件也更容易留住用户 ，增加用户黏性，让自身产品在同类产品中更具竞争优势。
未来，联动北方将积极与RPA类公司发起合作，旨在完成客服操作流程的闭环，为用户提供更友好、更便捷的智能客服。
智能客服的优势
对于技术的探究，最终也将落实到产品与用户体验上，相对于传统人工客服，各种技术加身智能客服在用户体验、个性化服务以及服务质量等方面都有着全方位的提升。
1、提升用户体验
对于消费者来说，在进行商品或者服务的挑选时，能够得到快速的回答或反馈是非常重要。相对于传统的人工客服，智能客服可以在任何时间提供更快的客户服务，从而增强客户服务的连续性，提升了客户体验。
一般来说，机器人自动回复的时间通常都不会超过一秒，极大的保障了回复客户的响应效率，而传统人工客服在处理客户咨询问题时，需要按顺序服务，在高峰期尤其容易发生客户积压等情况；此外，智能客服还能够实现7*24小时全天的接待工作，即使在非工作时间，来访客户也都能获得客服服务，满足客户各类需求。
2、提供个性化服务
智能客服目前最主要的用途是转移明显响应的简单问题。但是，通过将智能客服与组织其他系统集成在一起，则可以开始为客户提供个性化的信息。
智能客服可以利用组织的客户关系管理数据库来确定访问其网站的人员是老客户还是潜在客户，从而根据不同的用户给出个性化的回复。当老客户访问其网站时，智能客服可以列出对方可能感兴趣的商品或服务以供参考；而当新访问者将到来时，客服则可以从网站的板块与基础操作开始介绍，逐步引导顾客了解产品。
除了即时提供个性化体验外，智能客服还可以将相关信息传递给人工客服。通过跟踪客户是否已经尝试自行解决问题，让人工客服知道客户访问过哪些帮助文章和网页，以避免重复提供客户已经了解的答案，从而节约传统人工客服和客户的时间。
3、完成自主学习
智能客服的另一大优势是可以自主学习，客服会随着顾客的使用越来越智能。每完成一次服务后，智能客服便会根据用户的反馈以判断服务质量并对自身工作进行调整，而机器特有的记忆力，能够保证智能客服可以记录每一次工作中的重要信息并进行学习，并在下一次的工作中加以实践与应用。
随着数据量的积累，智能客服便能更好地理解顾客话语与行为背后的情感，像学习一门新语言一样学习不同措辞方式的细微差别，问题解决率也会越来越高。另外，除了自动接待回复以外，在人工客服接待过程中，机器人还可以通过推荐回复或者搜索知识库的方式提供接待辅助，提升人工客服的接待效率与服务质量。
技术的发展向来是挑战与惊喜并存的，智能客服的应用不仅解决了人工成本上升与服务行业发展的需求，也是企业数字化转型，提升企业全面竞争力的重要工具。
立足于未来的客服系统，应该是一个 “智商”、“情商”都超高的智能助手，能够像人类一样理解客户的意思，又能像机器一样迅速给出准确合理的回复。而随着人工智能等技术的发展和应用的进一步深入，相信智能客服终有一天会接过传统客服的服务棒，在未来发挥更大的作用，也给我们带来更好的用户体验。
閱讀更多 聯動北方科技 的文章
