人工智能将如何撬动云计算售后服务的变革?

摘要

       在人工智能炙手可热的今天,“云博士”——阿里云的智能服务机器人已经全面开放给所有阿里云用户,为用户提供秒级响应的云计算问题咨询,上线短短数月已经成功帮助使用阿里云的工程师们实时解答数百万个问题。但在2015年的冬天,选择用人工智能作为支点,来撬动云计算售后服务这个“庞然大物”,却是一段看不清前路的征程。

       人工智能能搞定云计算的用户服务吗?

       多数人看到阿里云连续几个季度实现三位数增长的时候,不会想到背后云计算服务的巨大挑战。云计算削平了传统IT实施的技术门槛,正在成为王坚博士所说的“水电一样的基础设施”,却远远没有成熟到像水电那样简单易用。云计算的服务需求带着强烈的技术属性,产品的演进和更新极快,每个客户使用云产品的业务场景千变万化。数量和复杂度叠加,要保证服务需求被及时、高体验的满足,阿里云服务必须找到“人海战术”之外的突破口。

       按照“剧情”发展,此时人工智能似乎该“舍我其谁”上场了。可现实却波折得多。

       30年前,IBM 的超级计算机深蓝(Deep Blue)战胜了国际象棋世界冠军卡斯帕罗夫,引发人们去探索大规模并行处理的极限,随后基于高性能计算的金融建模、数据挖掘、分子动力学应用成果不断面世。1年前AlphaGo以同样吸引眼球的方式,用深度神经网络和蒙特卡洛树搜索打败了人类围棋大师的头脑,引起新一波人工智能热潮。但是,人工智能在商业上的应用还远达不到人类头脑的高度,在智能服务机器人领域更是如此。

       随着自然语言处理、语音识别等等技术的成熟,如果服务场景知识体系相对稳定,不需要频繁地依赖人工重新“教”,机器人可以通过比较精准的意图识别和知识匹配来胜任,但,在云计算领域这还不够。云计算的知识体系本就复杂,还在以惊人的速度创造新的云产品和刷新云上IT 解决方案。云计算的智能服务机器人必须“学得快”,而且在没有大规模“棋谱”的情况下,要尽可能减少对人类教导的依赖,此外,作为服务类机器人还需要具备一定的和人类情感交流的能力,得是一个自学成才、又有情商的学霸。

       面对训练数据不足、知识体系更新快、用户需求复杂这样的一个应用场景,阿里云服务部智能服务产品的负责人许玲此时非常清楚,团队面临着一个人工智能应用领域的一个行业性的难题:是否能够有效解决机器人启蒙和学习能力培养的问题,一旦学习能力培养不起来,实际场景的应用就无从谈起了。

       人工打标数据全部作废,此路不通?

       一边是巨大的挑战,一边是深刻的隐忧,唯有让事实和数据做决定。埋头半个月,分析了大量的业务数据后,结论似乎已经浮出了水面:要想应对这么大量而复杂的服务需求,研发一个真正“懂得云计算” 的智能机器人势在必行。这一来,算是上了赌桌,押的宝就是人工智能。对于需要承担阿里云极速增长的服务需求的阿里云服务部来说,意味着除了成功,别无所择。

       难题不出意外地接踵而至。在云计算的背景之下,意图识别就是个大问题。

       机器人要理解用户提问所表达的意图,主要通过自然语言理解结合用户系统的运行健康状况以及用户行为分析来实现。工程师在描述同一个问题现象的时候,可能会有各式各样的表达方式,需要大量的辅助语料来帮助机器人做判断,这背后需要一个包含各种问题表达和答案的知识库,来给机器人“启蒙”,通用的做法是由人工整理生成知识库。

       云计算行业的特殊性在这个时候体现出来了:云计算知识库的技术门槛高,需要具备深厚的云计算技术背景的工程师来做,过程中可能还需要实验验证,不像业务型的知识库简单易学可以通过众包的方式来实现。

       智能服务团队组织了一批工程师加班加点、没日没夜地进行集中整理,但事后发现由于知识面太广、技术门槛高,人工整理知识库不仅效率低,还存在大量的不准确甚至是错误的内容。云博士使用这样的启蒙知识库,问题成功解答率远远达不到上线的标准。在计划上线的前两天,团队选择了自己叫停。这,不仅意味着这一批人工打标整理出来的数据几乎用不上了,更糟糕的是,它沉重地宣告了这个貌似“通用”的方式对于云计算这样的技术领域行不通。

       大胆假设+死磕前进,杀出一条血路!

       这个结果给了所有人沉重一击,去叫停一个倾注了大量心血的产品,需要决心。这个问题必须得迅速解决,否则这个产品面临的就是停摆。

       整个团队开始疯狂地寻找解决办法。怎么样才能教机器人学会云计算?知识库到底能从哪里来?就在许玲也开始陷入自我怀疑的时候,计算机工程师的代码思维发挥了作用:如果不能依靠人工,就依靠代码!没有代码解决不了的问题,如果有,那就接着写!

       在仔细翻阅了数千例服务工单记录后,智能产品团队发现,售后工程师在服务客户的过程中会留下碎片化的记录,为什么不可以写程序对这些碎片化的非结构化的记录去做分析呢?团队大胆假设:通过去噪、脱敏、段落分解、抽取有用信息、信息聚合等,在一定比例的记录里,势必可以自动分析出知识库所需要的内容!马上进入验证环节,这是一个离线处理大量非结构化数据的过程,存在诸多技术细节上的难度和结果的不确定性。最终,死磕下一个又一个的技术难点,这种方法被实验论证是可行的!这样一来,程序能完成95%以上的工作量,最后由人工做一些确认即可。如果自动分析的效果足够好,甚至可以不需要人工确认的环节。

       方向对了,一切豁然开朗。经过一年时间,团队探索出一个让云计算智能服务机器人主动“反省”和“学习”的方案:将算法白盒化,每次执行过程中的关键路径以“日志”的形式记录下来,把机器人每次解答问题的实际效果也分析出来,然后对两者做对比分析,找出机器人知识体系里的错误知识Unknown Unknown(机器人认为正确,但实际错误)和知识盲点Known Unknown(机器人知道自己不会)。此外,机器人还具备了用户行为轨迹和人工服务轨迹分析能力,通过主动向售后工程师“学习”问题排查思路,来持续补充知识盲点所对应的答案。

       如今,云博士不仅以PC端和APP端智能问答机器人的形式随时听凭用户调遣,还在用户的工单排队期间提前为大家提供建议的解决方案,免除排队时间。同一时间,通过客户的反馈,用强化正确结果和调整负面评价结果的方式持续提升对云计算的理解。

       提到未来,许玲说,“前面的路还很长。除了想办法解决眼前的问题,更重要的,是想今天的每个决定在更远的时间可能会产生什么价值或是问题。”人工智能承担着的使命,需要保证这条路能持续走下去并且越走越宽,能够建立云计算这个行业通用的智能服务解决方案。


来源:第一口碑网

最新文章

极客公园

用极客视角,追踪你最不可错过的科技圈。

极客之选

新鲜、有趣的硬件产品,第一时间为你呈现。

顶楼

关注前沿科技,发表最具科技的商业洞见。