今年6月，京東一年一度的618店慶拉開帷幕。許多京東用戶發現，在今年的618中，京東上線了全新的AI導購機器人JOY，它沿用了京東經典的機器狗形象，可以為用戶解答618店慶相關問題。

　　面對京東用戶們提出的各種各樣的問題，JOY大多能給出令人滿意的回答，甚至可以和用戶閑聊扯家常。此外，JOY也強化了自己的多輪對話能力，以便應對用戶的反復追問。

　　在京東JOY強大的對話能力中，基于開放域目標驅動的生成式對話服務來自于人工智能企業深思考人工智能（iDeepWise.ai）。其在多模態深度語義理解、人機對話等核心AI技術上已不斷突破創新。這些新技術的不斷迭代，也在一步步推動AI實現商業化落地。

　　AI對話機器人背后的黑科技究竟是什么？

　　AI人機對話在商業化落地中有很多場景，如智能客服、服務機器人、智能外呼、智能終端的交互、智能家居的交互、電視機語音交互遙控器等等。而這些人機交互場景背后的基礎技術，就是人機對話技術，其中最核心，則是語義理解技術。

　　智能客服，可能是眼下最常見的人機對話場景。許多人對于AI對話能力的體驗，也是從智能客服開始的。然而，如果智能客服欠缺語義理解技術，或者語義理解技術不夠好，就會出現如下現象：

某平臺的智能客服，無法理解用戶的自然語言

　　以往，人機對話產品的回答策略大多基于規則，即在系統內提前錄入指定關鍵詞，一旦用戶觸發指定關鍵詞，智能客服便會給出對應回復。

　　例如，在智能客服領域，當系統監測到用戶的提問涉及查快遞一詞，就會自動給出物流信息。但面對幫我看看我的快遞到哪了一類的復雜提問方式，智能客服便無能為力。

　　甚至，當用戶詢問需要檢查快遞員身份嗎等問題時，同樣會觸發查快遞一詞。這時，系統甚至會給出南轅北轍的回答。

　　相比較上述人機對話的糟糕表現和體驗，使用深思考深度語義理解與人機對話技術的產品，則體驗和表現就相當優異，如下截圖：

深思考機器人：可以了解用戶的喜好個性化對話 深思考智慧營銷機器人：根據歷史上文信息，給出推薦

深思考AI問好醫：AI學習醫生知識后自動對健康咨詢上下文回復

　　深思考iDeepwise將數據和AI模型驅動的深度語義理解及MRC技術作為人機對話產品的核心。其自研的多模態深度語義理解引擎依賴在NLG（自然語言生成）、MRC（機器閱讀理解）以及DM（對話管理）等任務上的原理性創新，讓AI能夠讀懂用戶自然語言，并給出針對性的回復。

　　在精準理解用戶意圖的同時，深思考的多模態深度語義理解引擎還可以在對話中不斷了解用戶，了解用戶的畫像及個性化需求及興趣，并基于用戶畫像與客戶展開個性化的對話與推薦。

　　此外，它還可以根據場景，給予對話機器人不同的性格人設，讓用戶感覺到AI對話機器人服務獨有的情感體驗。這項黑科技可以賦予IP形象以生命，使IP形象成為虛擬世界里擁有不同鮮活性格的AI虛擬人，并體貼、關懷用戶。

　　深度的多模態語義理解技術，也讓深思考在AI人機對話領域形成了領先優勢。據了解，2020年6月在中國中文信息學會（CIPS）和中國計算機學會（CCF）主辦的中文語言理解的全球權威賽事2020語言與智能技術競賽上，深思考在全球1000多家參與單位中脫穎而出，在機器評測指標和人工評估指標中均登頂榜首，獲得全球冠軍。

　　據了解，取得這一成績，是因為深思考團隊提出的多源整合的解碼器的深度神經網絡模型技術。該技術在AI人機對話上能流暢地引導用戶交流，主動溝通，并和MRC機器閱讀理解、用戶畫像、目標規劃深度結合，適配多場景應用，可以迅速遷移多個場景。

　　深思考創始人楊志明博士表示，腹有詩書氣自華，讓系統不停地博覽群書、閱讀理解大量信息，才能使機器對內容能理解會思考，并實現自然流暢的人機交互。深思考多模態深度語義理解引擎iDeepwise。ai5.0目前也正式發布應用，5.0版本引擎能夠閱讀理解非結構化語音、視頻、文本，試想讓機器時刻不停地閱讀理解互聯網上的語音、視頻和文本后，機器就會變得更聰明博學，相信機器更理解人類的日子已經不遠了。

　　深思考多模態深度語義理解與人機對話引擎iDeepwise。ai5.0可以應用于諸多落地場景：比如電商、銀行、保險、智能終端（音箱、手機、車機、智慧屏）、游戲、虛擬偶像中。

　　AI——從感知走向認知

　　現在，感知階段的人工智能走向認知人工智能是人工智能發展的必然階段，多模態的深度語義理解是認知人工智能階段中的關鍵核心。深思考人工智能創始人楊志明博士對36氪表示。

　　何為多模態語義理解？簡而言之，通俗化來講就是讓機器可以看懂、聽懂、讀懂。而深思考的人工智能多模態深度語義理解，就是讓機器可以看懂視頻圖像，可以聽懂語音，讀懂文本等多模態非結構化信息背后的含義。

　　如何讓機器能夠閱讀理解？這就依賴機器閱讀理解技術（MRC），在MRC領域，深思考同樣成果斐然。在2019年的中文機器閱讀理解競賽中，深思考憑借著自研的BMANet2.0模型，在2502家知名學術科研機構和企業團隊中脫穎而出，刷新了SOTA記錄，并在兩項評測指標中均登頂榜首，獲得全球冠軍。

　　例如，在電商場景，傳統的電商智能客服，需要系統開發商人工整理大量問答對、知識圖譜、知識庫或規則，并通過問答對匹配、規則匹配，實現人機對話。使用MRC技術后，系統就可以直接閱讀理解商品的說明書，極大地提高了效率，減少了人力成本，并大大提高了智能客服的智商。

　　AI商業化新基建——多模態語義理解

　　目前，產業界普遍認為，多模態語義理解將會成為AI在各行各業實現大規模商業落地的重要基礎設施。這一邏輯背后的原因非常簡單——現實世界本身就是多模態的。就像你去醫院看病，醫生要望聞問切，對患者各種模態的狀況進行檢查（比如血、尿，體溫，MR，詳細咨詢病情等），不能只憑線上聊天的幾行文字就做出診斷。

　　多模態語義理解具備了同時多種模態信息進行深度理解的能力，所以適配的應用場景就更廣泛，因為現實中的場景都是多模態的。例如，在醫療場景，醫生會對就診病人望聞問切；電商場景，用戶會在咨詢時發來語音或圖片或文本；在線教育場景，學生總是期待老師能夠通過視頻、音頻和解說文字來教學，通過圖文并茂實現更好的教學效果。就連人類的社交場景也是多模態的，人們總是期望能見面詳談，能面對面看到對方的樣子、姿態、表情、聲音，并通過對話、聲音、視覺等多種模態信息，理解對方的意圖。

　　人工智能多模態語義理解存在著廣闊的商業前景，并有望成為AI行業的新基建。

　　憑借著在人機對話、機器閱讀理解、多模態語義理解領域的技術積累，深思考已在智慧醫療、智慧生活、智慧商業三大AI場景成熟應用落地，并基于其iDeepWise5.0多模態深度語義理解引擎的技術優勢，不斷快速適配更多應用場景，在虛擬偶像、二次元平臺、游戲等領域不斷開疆拓土。讓機器更理解人類，未來可期，也是深思考的未來不斷探尋之路。