【图铃】“图灵测试不重要”，违背机器人界祖先的决定。

变策发源于凹秘史。

量子比特报告|公众号QbitAI

训练简单的AI交互机器人需要什么？

一篇文件三分钟就够了。

在今年的世界人工智能大会(WAIC)上，我知道了。整个开发过程中没有使用一句代码。

请先上传Word格式的文档。

不到3分钟，简单的AI客户服务就能快速生成，并与“她”交谈。

是公司提供对话AI平台的最新产品。输入文档后，AI可以自动生成知识地图，成为更了解原因的AI。

然后这家公司的CEO放下了“狠话”:图灵测试不重要。

“对话AI落地应用程序应该创造价值，应该解决企业或个人的使用问题，而不是图灵测试是否通过。”

该公司是由前微软(亚洲)网络工程学院副院长甘仁贤老师创办的竹简功能。这部史无前例的AI新作是竹简推出的Knowledge Factory知识工程平台。

“虽然是机器人，但我们确实解决了问题。”

既然AI可以提高效率，为什么还要让聊天机器人通过图灵测试？

也许过去产业界真的走了弯路。

解决问题才是王道

三年前，有一个小规模通过图灵测试的聊天机器人，就是Google推出的Duplex，一个可以帮助用户预订餐厅的AI。餐厅店员听到了Duplex，甚至认为顾客本人在预订。

但是三年后呢？除了谷歌，我们几乎看不到哪些商业对话AI通过了图灵测试。

毕竟不是所有企业都像Google一样有财力，也不是挥舞着大量数据集和计算能力，把AI训练成虚假的。

图灵测试不再是测试机器人智能的唯一标准。“解决问题才是王道！”" "

在这个问题上，学术界和产业界默契地达成了协议。

最近，华盛顿大学和阿伦人工智能研究院提出，人工审查不应该是自然语言生成(NLG)的“黄金标准”，AI生成文本更重要的是内容是否准确、逻辑是否正确。

企业当然也这么认为。现阶段通过图灵测试，非经济性也不现实。因为人们已经接受了与AI的对话，所以对话是否有“机器感”不再重要。(阿尔伯特爱因斯坦)(美国)。

国内也出现了类似的声音。竹简智能的创始人、CEO简贤也认为，AI的“实用性”值得关注。

让AI具备认知智能

要使AI实用化，必须让它掌握知识。

给AI一份骨关节文件，让他成为健康顾问。如果把医学文件改成商品说明、说明书、用户评论，就可以输入“防风效果最好的夹克”，准确找到符合需求的商品。

这只是一篇文章的效果。可以想象，如果拥有储量丰富的知识库(包括PDF、Word、PPT等多种格式的文档)，在这个平台上全部输入，就可以获得针对特定行业的全能咨询师。大卫亚设(David Assell)，Northern Exposure(美国电视新闻)。

现实是，很多企业不缺乏大量文档，缺乏挖掘数据的能力。如果能挖掘信息形成知识地图，就能发挥很大的作用。

知识地图的作用是能够从海量的数据中简洁快速地找到复杂业务问题的答案。

过去几年，我们看到了很多计算机视觉(CV)、自然语言处理(NLP)等认知AI的广泛商业，但很少看到知识地图等认知AI的商业，为什么？

“一份文件可能有2万多字、10万多字、2万份、5万份文件。我该怎么办？传统的知识指导技术没有办法。成千上万的人手工看文件，一个字一个字地看地图是不现实的。(阿尔伯特爱因斯坦。)

竹间智能CEO简仁贤解释道。

所以，市场急需一个能够自动化构建知识图谱的工具。

而竹间智能给出了自己的解决方案，就是一个自动化平台——Gemini（Knowledge Factory）知识工程平台，从读文档、自动构建图谱到机器人自动回答，整个流程各环节无缝对接，只需要很少的人工干预。

无论你是来自医疗、制造业，还是金融、电商领域，都可以使用Gemini平台打造属于自己行业的知识图谱。

“知识图谱技术可以让AI更加高效。在机器学习和深度学习方面减少很多不必要的数据标注以及训练，让深度学习模型具备可解释性，也可以辅助多任务的机器学习，从而提升整体效率。”

简仁贤说。

这便是知识图谱在当今AI落地中的一大主要优势。

从对话AI到知识图谱

竹间智能“野心”不小，而Gemini平台的诞生也不是一蹴而就，甚至曾走过“弯路”。

2015年，从微软离职的简仁贤创立了竹间智能，公司最初选择了当时最为热门的面向消费者市场的聊天机器人。

事实证明，这是一条选手众多且难以差异化竞争的道路。

面对2C市场商业化的难题，竹间智能在2016年果断转变方向，进军2B市场，为企业开发0代码的对话AI平台。从那时起，竹间智能就已在开发知识图谱技术。

一年前竹间智能累积大量落地经验，发布了全新升级的Bot Factory，到现在，公司已经创建了6大技术、6大平台产品、6大行业解决方案。

不过从另一种角度来看，竹间智能也并未走弯路，而是带着2C的创业初期理想，一路探索，结合各行业实际需求，找到了B2B2C的宽阔道路。

凭借过去在NLP技术能力上的沉淀，竹间智能将知识图谱的推理能力结合自然语言理解能力，帮助企业更快地找到答案。

在成熟的对话式交互短文本NLP能力之上，结合机器阅读和知识工程的长文本NLP能力， 使机器人能处理繁琐且需要大量知识储备的业务，以知识图谱为现在的商用AI赋予认知智能，实现知识管理、运营服务和智能应用的全链条打通。

另外，竹间智能今年还完成了“ALL-in-Cloud”的全面云化策略，将六大核心产品平台悉数升级为云平台，可满足企业公有云、私有云及混合云的多种部署要求，应对行业云化趋势。

通过适配不同应用场景的需求，竹间智能的产品已经被数百家大型企业所采用。

认知智能未来可期

从创业至今6年，竹间智能的技术逐渐获得了大厂认可，迄今为止已有金融、互联网、政务、汽车等行业的数百家大型企业使用其服务。

C端用户虽然不是竹间业务的直接服务对象，你却可能早已在不知不觉中用过竹间的技术，华为、OPPO手机中的语音助手就有竹间的技术支持。

简仁贤表示，某消费者电子产品的公司也正在用竹间智能来改进其产品。一个对话AI如何改进电子科技产品呢？

原来电子产品公司依靠竹间智能的Gemini知识工程平台，打造VOC（Voice of Customer）系统，聆听客户之声，全面收集电商平台上的用户评论，洞察度量用户的产品使用与购物体验，从而对下一代产品进行改进。

不仅能上天，竹间的AI技术还扎根老百姓，上海各地街道居委也在用竹间智能。

自从去年新冠疫情爆发以来，竹间智能利用语音机器人代替人工帮助徐汇区完成了外来务工人群的流调工作，通过2万通/日的防疫电话拨打，AI自动记录人员所在地、来访地、身体等信息，巩固防疫堡垒。今年竹间智能接到200万个接种疫苗通知电话的需求，AI机器人快速搭建落地、即刻投入运行，极大地减少了社区一线服务人员的工作量。

值得一提的是，在WAIC 2021上，中国信通院与竹间智能联合发布了《2021认知智能发展研究报告》，在这份报告中，中国信通院提出认知智能未来的三大趋势：

一、认知智能将进一步成为AI产业发展热点；

二、行业知识图谱和关系挖掘将推动认知智能在行业中更深层次的落地应用；

三、自动化、多模态、标准化的特征进一步凸显，主要表现在知识工程流程将加快实现自动化。

简仁贤对认知智能的这条赛道充满信心。认知智能未来将释放出更大的价值，受益的也不仅仅是竹间，而是千千万万家企业，更是无数的用户和消费者。

— 完 —

量子位 QbitAI · 头条号签约

关注我们，第一时间获知前沿科技动态