<mark id="oztn4"></mark>
1
| 本文作者： 周蕾 | 2019-07-23 15:23 | 專題：CCF-GAIR 2019 |
雷鋒網按：7月12日-7月14日，2019第四屆全球人工智能與機器人峰會（CCF-GAIR 2019）于深圳正式召開。峰會由中國計算機學會（CCF）主辦，雷鋒網、香港中文大學（深圳）承辦，深圳市人工智能與機器人研究院協辦，得到了深圳市政府的大力指導，是國內人工智能和機器人學術界、工業界及投資界三大領域的頂級交流博覽盛會，旨在打造國內人工智能領域極具實力的跨界交流合作平臺。
AI在保險行業會如何落地？平安壽險總部人工智能研發團隊總經理沈劍平在「AI金融專場」上表示，目前AI和壽險業務結合，已經在代理人面試、培訓、銷售支持、客戶服務、保險顧問、營銷等環節落地應用，囊括深度學習、自然語言處理、知識圖譜、計算機視覺等多項技術。
會上，沈劍平以“AI技術在保險領域的應用實踐”為題帶來演講分享。以下為主題演講內容全文，雷鋒網做了不改變原意的編輯與整理。
AI技術在保險領域的應用實踐
隨著大數據、云計算、人工智能高速發展，科技在保險行業的應用越來越廣泛，壽險行業如何充分運用人工智能等前沿技術，以尋求高質量的發展模式顯得非常關鍵。
為實現“科技賦能保險”，平安壽險在人工智能領域，重點布局深度學習、自然語言處理、知識圖譜、智能推薦、計算機視覺等前沿技術，全面賦能銷售、服務、管理三大領域。下面我將結合壽險業務場景，從應用層面以及應用背后的技術，特別是這些技術有哪些特點，給大家做分享。
平安壽險擁有140多萬代理人，針對招聘環節會出現面試量大、人力投入多、篩選困難等等痛點，我們自主研發了業界首個大規模應用的面試機器人「AI面試官」，實現了面試過程標準、專業及可控。我們希望達到的目標是，面試機器人可以給到用戶擬人化、情感化的面試體驗，就像真人面試官一樣。
面試開始前，通過人臉識別、語音識別對用戶進行身份驗證；通過識別后，用戶就可以進入系統開始面試了。面試過程中，用戶與AI面試官全流程語音交互，就像真人面試一樣進行對答。
為了讓AI面試官可以圍繞候選人回答進行回應和提問，我們打造了一個面向面試場景的特殊對話系統，重點運用FAQ問答、多輪對話、智能提問等技術，還結合擬人化面試交互需求，創新性的研發了智能短回應技術。這些工作帶來的效果是：比如AI面試官問候選人“你怎么過來的？”，他回答說“跑過來的”。那AI面試官可能會回應“那過來路上挺累的”，過渡一下才進入下一個問題，這樣的交談對話就比較自然。
除了擬人化的交互過程，AI面試官最終會根據候選人的面試表現，生成智能化結果評價，從不同維度評價候選人的業務能力，檢驗是否符合招聘需求。
代理人經過招聘進入公司后，就需要通過個性化、全方位、多維度的培訓提高專業服務技能，平安壽險打造了“遠程培訓+線上學習”的培訓機制。
以遠程培訓場景為例，通常是培訓老師在這間教室做演講，但培訓學員在另一間教室。我們運用N:N人臉識別、微表情識別等圖像技術，讓老師實時了解課堂情況，從而優化課程互動與監督、提升培訓效果。另外，課件質量也非常關鍵，我們也在通過AI視頻合成技術把課件做得更豐富、更具互動性。
在線上學習方面，我們運用智能推薦技術，結合代理人能力長短板，實現了千人千面配課，讓代理人可以進行個性化學習，提高效率。
除了線下、線上的學習，還需要考試評價環節來判斷學員對知識的掌握程度。傳統做法是老師與學員一對一訓練，但這樣人力成本很高。因此，我們研發了「AI陪練機器人」，不僅可以給代理人做智能考試及評分，還可以模擬實際業務場景扮演客戶角色與代理人進行語音演練。
銷售支持方面，我們上線了“代理人AskBob”，是代理人的個人銷售助理機器人，可以協助代理人給客戶提供更專業的服務。
代理人ASKBOB的一個重要功能是知識助理，當代理人需要了解保險知識、保險產品信息時，通過智能問答、知識聚合等技術，知識助理可以高效、便捷地解決代理人疑問。此外，“代理人AskBob”還可以結合不同的客戶情況，給代理人提供針對性的專業保險銷售方案建議，幫助代理人為客戶提供最優保險方案。
前面提到保險行業的招聘、培訓和銷售環節，都有個很重要的特點：場景偏線下，數據有限。剛才楊強教授也提到，金融行業很重要的特點之一是有些場景下樣本比較少。針對這一特點，我們也進行了很多探索。
少量樣本下的文本去噪
在語音交互場景下，用戶的語音輸入可能比較隨意、口語化，比如一句話里面包括多個意圖，也可能是表達很長一段話，有用信息只有一小段。
以任務型機器人為例，任務型機器人既可以辦理業務，也可以回復問題咨詢。問題咨詢雖然有標準庫，但標準庫難以海量擴展。而且實際情況很可能是，用戶輸入大段對話，在提煉之后只是一個小問題點。另外，寒暄其實也是難點之一，如果要解決長文本生成長文本的對話，進行數據標注的工作量非常大。通過對話生成模型處理這么長的文本，生成另外一個回復或者短回復，可行性比較低。
所以文本去噪，就很有意義，其中比較有效的，是我們通過強化學習來做這個事情。如這個簡化的網絡圖，總結來說，即先對長文本進行text representation，然后通過策略網絡來判斷，用戶輸入大段文本里面，哪一句話應該保留，把不應該保留的刪除，剩下的就是應該保留的。
我們還做了輔助判斷網絡用來判斷保留下來的文本是否是好的。輔助判斷網絡可結合不同的任務有不同的定義，在該例子中，輔助判斷網絡是用來做文本分類，用于保全業務：加保、退保分類等等。該分類器的訓練數據比較容易找且任務簡單，可以快速得到分類器。策略網絡根據分類結果反饋，就可以進一步更新模型，從而在少量的樣本下實現去噪問題。
剛才提到AI面試機器人中不同問題有不同回答，不同回答要有不同反饋。當問題很多、反饋很多的時候，有成千上萬的意圖，且意圖還會隨著產品的迭代不斷增加，不可能每個都做大量的標注數據，那么就需要做小樣本的算法。我們開發了一個效果樣本庫，建立了一套標準化框架：“檢索à排序à分類”的小樣本意圖分類算法框架。
主要特點是將語義和文本的檢索結合起來。然后在排序方面，我們結合了預訓練匹配模型和bert-rank模型、并基于最大間隔的學習排序策略讓相關和無關意圖充分區隔開，最終得到的排序結果，再引入attention方法進行分類。這樣只需要小部分樣本也可以實現比較高的識別準確率。整套標準化框架將分類算法與排序算法相結合，實現在少量樣本情況下的精準意圖分類。
數據擴展方面，我們也做了技術攻關。比如文本，使用大規模的中英翻譯語料訓練雙向神經網絡翻譯模型，這種雙向模型既可共享參數，也可以不共享參數，兩種我們都嘗試。在人工翻譯里，對于同一個詞不同的人有不同譯法，我們很好的利用了這個特性。在應用中我們發現，經過該模型構造問答物料時，可以擴展很多相似問。
圖像也是類似的，像剛才提到的培訓場景，里面運用了N:N人臉識別考勤。但實際問題可能是，現場很多人是側臉或趴著的，在這種情況下，系統怎么識別他本人？這時候最好有大量的非正臉訓練樣本，但人工標注成本高，我們采用正臉樣本和標準模型相融合，通過生成非正臉樣本的方式，可以比較好解決問題。
在客戶服務上，我們主要做兩部分：一是打造智能的客戶服務產品，二是綜合運用AI技術輔助在線客戶經營。
有別于傳統的智能客服，我們希望我們的“智能客服”可以全方位滿足客戶售前、售中、售后需求，除了基本服務咨詢功能外，還可以提供復雜保險業務辦理等功能，并作為客戶專業的保險顧問、智能的生活助理。因此我們升級了我們的智能客服，打造了一個客戶智能金融助理-金管家AskBOB，涵蓋了專業的智能保險顧問，貼心智能客服，以及智能的生活助理。其中，在智能客服方面，我們把任務型、閑聊型、FAQ、知識圖譜問答、信息查詢等技術有效交叉融合實現復雜的客戶保險業務服務需求，特別是目前可以通過人機交互直接辦理復雜保險業務，支持超過120種組合狀態的復雜交互。比如保單貸款，這種業務的復雜程度很高。現在智能客服可以做到什么程度呢？客戶從不知道什么是保單貸款，到了解哪些保單可以做貸款，到最終完成貸款辦理，全流程都可以根據智能客服指引完成。
智能客服上線后，通過人機交互在線辦業務，辦理時長從原來的3天到現在最快1分鐘搞定。
在線上運營方面，大家如果打開平安金管家APP，會發現上面絕大部分模塊已經實現千人千面。智能推薦系統相信很多人很熟悉，而我們的特點是：1、在信息比較稀疏的情況下，刻畫客戶興趣圖譜。2、面向不同推薦場景，背后打造了一個統一的推薦平臺，做多場景互動的全局推薦技術。
服務場景下的對話也很特殊。比如寒喧，它不是沒有意義的，機器人是要往保險服務方向引導。做對話引導的方式有很多。比如我們做的基于知識驅動的對話，通過知識圖譜并結合前文，來預測下文需要什么知識和主題狀態。然后將知識、主題狀態和上文輸入到end2end模型里面最終得到引導回復。
舉個例子，客戶提到“自駕游”，系統可以自動關聯到“自駕游”相關的知識，并結合上下文知識，當前客戶有保險需求的狀態，因此我們會給他生成具有“百萬任我行”保險產品的回復來滿足他對出行的保險需求建議。但人與人的對話，通常是先回復過渡再提出新的話題中心，前面例子中直接推薦產品比較生硬，為了不影響客戶體驗，我們通過添加屬性控制，捕捉屬性特征，從而生成更順暢的智能短回應文本作為回復過渡。所以機器人在回應客戶時，可能會說“去旅游放松心情挺好的”然后再推薦保險產品，完成從“開放閑聊”到“產品推薦”的自然過渡。
要更高效高質的支持業務需求，我們通過深耕壽險業務智能應用，打造了一系列結合壽險業務特點的技術平臺。比如，我們打造了高效、靈活的一站式壽險人機交互應用平臺。
人機交互應用平臺是由對話引擎驅動的，我們主要實現了整個流程的可配置化，并且每個功能點都可以做單獨的機器人，同時實現了功能引擎化、服務獨立化、引擎框架化。框架化的好處是可以讓算法工程師快速結合業務需求進行迭代。其次是建立智能知識中心，尤其在小樣本場景下，知識驅動AI是很重要的研究方向。
此外，我們還做了一系列平臺支撐，主要包括智能營銷平臺、圖像分析應用平臺以及深度學習應用平臺等。
剛才介紹了一系列壽險AI應用和技術創新，這些其實是有一支人工智能隊伍在背后作為支撐。我們的團隊主要專注人工智能技術的研究，以及結合壽險場景的應用落地。未來，期待和大家交流人工智能這個有意思的技術，探討在復雜業務場景下的技術攻關，謝謝。
雷鋒網雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
