2018年至今，NLP領域經歷了非常大的變化，Transformer、ELMO、BERT、GPT-3，再到最近的ChatGPT（GPT 3.5的微調）的突破，NLP在預訓練大模型的暴力拆解路上越走越遠，這也讓各行業開始相信：很多之前無法做到的場景、效果，現在可以有新的解法和落地。
智能客服，是NLP和深度學習技術落地的重要領域之一。客服可以基於提前設定好的規則，對用戶意圖進行判斷並生成對應的固定話術。文本機器人、外呼機器人，可以替代掉原有重複性比較強的人工動作，逐漸轉變為相對日常的落地場景。比如你日常所接聽到的快遞客服電話，訂單諮詢的對話框等等，背後都有來自客服機器人的驅動。
但在對客服要求比較高的企業級場景中，對多輪對話理解用戶意圖和知識專業度要求高，現有的客服機器人仍有很大提升的空間。
- 一是系統整體搭建的維護成本比較高，效率比較低，因為大多數的企業級智能客服的知識庫不是流程化的，而是技術知識庫，需要人工/半自動的方式進行搭建。
- 二是業務場景複雜，專門知識門檻會更高，往往會涉及不同客戶的應用場景，與業務流程相關的複雜場景。
- 三是持續突破比較難，邊際效益遞減明顯，一般在良好技術知識庫的支撐下，企業級智能客服的起步較快，但受制於方法論的影響，前期需要投入的大量人力、算力和數據，而到一定階段則會陷入提升的瓶頸。
這樣的問題也曾經困擾浪潮信息的客服系統研發人員。
近日，鈦媒體App對話浪潮信息服務總監陳彬、浪潮信息AI軟件研發總監吳韶華，圍繞智能客服市場當前解決的難題，以AI大模型的實際落地應用為視角，進行深入交流。
具體來講，浪潮信息以AI大模型“源”為智能引擎，和InService智能服務平台，搭建出了“智能客服大腦”。
據介紹，“智能客服大腦”學習了2萬餘份產品文檔和用戶手冊的數據，並結合百萬條浪潮信息專家工程師服務對話、數十萬份日誌、工單數據等算法訓練，具備語言理解、數據分析、自主學習和智能推理等能力，支持自然語言交互服務、已授權IT設備的智能運維與診斷、以及備品備件等資源的智能管理和調度。
AI大模型在應用過程中必然會面臨各個行業的應用落地。在此之前，浪潮AI大模型“源”已經在人機交互、知識檢索、語言翻譯、文學創作等領域有所應用。
以大模型作為基礎能力，通過大模型的蒸餾實現相關的小模型，不僅實現的速度更快，智能化水平更高，從技術角度來講，大模型在落地過程中呈現出了與以往模型非常不同的技術特徵，也帶來了更好的智能化水平。不論對大模型進行微調，還是引入領域知識庫的方式，均是業界在探索的路徑。
在浪潮信息AI軟件研發總監吳韶華看來，“大模型想要在某個方向上訓練得更好，智能化水平更高，確實需要在具體落地場景引入額外的領域知識，才能解決實際問題。AI大模型有其自身特點，訓練時使用的數據集主要來自互聯網，在通用知識和領域知識的分佈上存在不均，會影響其在具體行業的應用。”
舉個例子，在浪潮信息服務所面臨的主要客戶問題，包括諮詢和故障報修兩大類：前者如各類的產品服務政策、設備使用、以及複雜的技術諮詢，如技術諮詢方面其實比較常見的是如何做系統安裝、Raid配置等，因為這個過程比較複雜，常出現各種問題；產品諮詢包括購買產品的內存配置、保修時長等等；故障報修相對會比較有針對性、更多元，例如無法開機、硬盤故障、內存故障等等。
在浪潮信息的諮詢客戶中，有80%的用戶為非專業工程師，智能客服需要在準確理解用戶、精準定義問題的基礎上，通過多輪迴答解決技術問題，給予客戶滿意的答案。對於客戶而言，如若智能客服所給予的答案過於標準和冗餘，卻無法快速幫客戶解決具體問題，客服所給予的答案只可被定義為對的答案而不是好的答案。
實際上，浪潮信息從4、5年前就開始進行客服的数字化轉型和探索，並且在2019年開始着手應用業內在探索的FAQ、任務式對話、知識圖譜等NLP領域相關技術，對客服系統進行了一定程度的改造和提升。
如何將貨櫃屋變身活動展場空間?
金誠貨櫃屋設計，結合生活理念、發揮無限的創意及時尚的設計，顛覆以往「貨櫃」給人骯髒、簡陋、四方無聊的印象、打造出獨一無二的展示空間。
什麼是POGOPIN?
POGOPIN是一種應用於手機等電子產品中的精密連接器，廣泛應用於半導體設備中，起連接作用。
專業客製化禮物、贈品設計，辦公用品常見【L夾】搖身一變大受好評!
採用PVC0.2白色軟皮料印製，4色印刷加上表層防刮油墨，另也可選表層上亮膜。
如何利用一般常見的「L型資料夾」達到廣告宣傳效果?
滑鼠墊是滑鼠的好夥伴，可使滑鼠游標穩定滑順，多樣的材質尺寸與專屬設計的圖案， 成為您電腦桌上的亮點！
但當時遇到的瓶頸也十分明顯，主要在於兩方面：“一是企業產品信息更新快，造成模型訓練任務非常大，加之模型知識庫的封閉，在訓練效果上也受到制約；二是機器人需要對上下文結合語境進行語義理解，引導客戶提問並且精準識別問題，在專業知識領域的IT行業，難度非常高。”浪潮信息服務與實施部總監陳彬指出。
除了在大模型的落地中引入領域知識外，浪潮智能客服在研發過程中還重點考慮了其他幾點因素：
第一，客服系統是不是真正地理解客戶，是否能夠通過多次對話了解到客戶真實的服務意圖。企業級場景中，客戶有個報修問題，但無法用專業的技術語言對服務場景進行準確描述時，就非常考驗客服系統的理解能力。
第二，是否需要投入額外和高昂的人力成本讓客服機器人具備自主學習、迭代的能力。讓專業工程師做重複的模型訓練工作，既不符合企業成本要求，也不符合企業建設專家型團隊的長期規劃。
第三，B端客戶對企業的服務體驗、服務口碑要求高，訓練出的客服系統是否能夠讓更多的客戶接受、信任並滿意地使用。
相較於傳統的智能客服採用多模型、多數據庫的架構，浪潮信息智能客服系統最終實現統一架構支持多任務解決問題。而此前完成一套客服動作，往往涉及FAQ、任務式知識圖譜、知識檢索等模塊，需要在多個知識庫、模型之間進行任務調度，架構複雜且維護難度比較大。
此外，由於在模型訓練上實現了自進化、快進化學習，而不是原有需要人工或半人工搭建和訓練模型的過程，在人工標註和訓練成本上得到了極大降低。
從浪潮信息數據中心服務的成效來看，在應用智能客服系統后，客戶問答的匹配率（即覆蓋率）達到92%，對常見的複雜問題的解決率目前能達到80%以上，平均解決率是65%左右。此外，服務整體人員規模占浪潮信息總人員規模的4%，而業內一般都佔比15%到20%左右，在整體人均效能上得到了一定提升。
“服務作為一個公司的重要窗口業務部門，也是和客戶交互最緊密的平台。所以我們首先考慮的是怎麼把實際業務和AI算法結合在一起。本身IT的服務場景非常複雜，且面對是更多大量的B類客戶，我們當初也在討論，是否真的需要花這麼大的精力，把傳統的服務場景，做AI的相關技術和算法的落地，在項目初期也是比較有爭議的。”陳彬表示。
但從目前取得的成效來看，當初的投入是值得的。
結合鈦媒體的觀察，客服機器人的背後仍是複雜的AI技術棧作為支撐。涉及語音識別、語義理解和生成、人機交互等等，存在系統搭建成本較高。如AI的邊際成本，模型訓練中對人工標註數據的成本，加之企業多數存在二次開發的定製化要求，導致部署交付成本也難以避免。
企業對技術的投入和成熟與否直接決定了體驗的高低，而如今浪潮AI大模型“源”在智能客服場景的實際落地應用，為業界提供了一種另一種可參考的解決方案。
（本文首發鈦媒體APP 作者 | 楊麗）
https://www.tmtpost.com/6364088.html
塑膠射出成型不良品原因及改善對策 !
隨著技術的不斷提升新觀念、新技術、新設備的不斷加入。
包裝設計實際上涵蓋了多種設計範疇，需要高度設計專業，以酒為例，酒瓶上的標籤設計是包裝設計的一種，需考量美觀與形塑產品特色提供充足資訊等，至於酒的外盒，提袋等，同樣是包裝設計的範疇，但更必須思考運送、保護、送禮、便利性與價值感等不同層面之問題。
高價位跟低價位的示波器又有何差異?
示波器是一種能夠顯示電壓訊號動態波形的電子測量儀器。它能夠將時變的電壓訊號，轉換為時間域上的曲線，原來不可見的電氣訊號
飲水機設備有哪些?
步步經營服務始終如一於雲嘉南地區，建立優質的飲水機之品牌