在刘杰看来，如何将企业价值拆解为人的价值，再抽象为“沟通”技术，分为四步：理解、共情、表达、策略。落地到具体的产品中，即四种技能：更理解人、懂得共情、更人性化的表达、懂得说话策略。
在前不久容联云举办的 「AI有心 决策有智」的AI商业大会上，AI科技评论对话到容联云AI科学院院长刘杰，讨论了认知智能与沟通技术的演进，以及在商业场景下，自然语言处理如何联动决策智能共同发展。
在营销服务的沟通场景下，Al策略是否只有唯一解?
刘杰说到，真正高效的人工智能沟通价值在于高效理解用户需求，为用户解决问题、创造企业价值。但说起与人打交道，AI要更像人。
八年来，容联云不断坚持以"科技提升沟通体验"，围绕自然语言理解和自然语言处理的AI，落地以语言智能为内核的产品和技术。
而AI是否能够辅助人类的沟通或担当起沟通的角色和任务，在现如今的商业场景下，被赋予更高的要求。
AI有 「心」，才能听懂人心。「AI有心，决策有智」，成为此次容联云大会的主题，也成为现阶段容联云的技术基因。
刘杰对AI有心的技术出发点有着深切的思考，他特别援引一位某银行第一批客服管理者的话，“每个人或许与我们只有一面之缘，但作为客服，永远不知道他和你沟通的背后，经历着什么，背负着什么。唯有包容与理解，你才会在这一刻真正站在对方的角度，去解决他那些未说出口的需求和困难。在关键时刻帮助了他，他会记得这个企业的好。而这正是客服在沟通中最大的价值。”
有心才有智，从自然语言处理走向智能决策，“容联云要从企业视角再度突破。”
容联云做AI，从AI“大脑”入手，希望“解决用户需求问题”，而非“解决用户文字上问的问题”。
在刘杰看来，如何将企业价值拆解为人的价值，再抽象为“沟通”技术，分为四步：理解、共情、表达、策略。
团队研究面向NLP方向，推出阅读理解和情感判别领域论文，《Bidirectional Machine Reading Comprehension for Aspect Sentiment Triplet Extraction》（情感三元组抽取的双向机器阅读理解），并收录在第35届AAAI人工智能大会中，后续将落地到容联云智能产品线中。
具体来说，Aspect emotion triplet extraction (ASTE)是细粒度意见挖掘中的一项新兴任务，旨在从评论句中识别意见、理解情绪、分析情绪。由于ASTE由多个子任务组成，包括意见实体抽取、关系检测和情感分类，并捕捉它们之间的关联。
论文链接：https://arxiv.org/pdf/2103.07665.pdf
意见三元组与对话展示
落地到产品线中，即四种技能：
更理解人：CDP+面向多元谓词逻辑的精细化实体关系抽取方法，融合知识图谱，解决“通过客户的一两句话可迅速感知客户的状态和需求”这一客服最大的挑战。
懂得共情：针对语言数据含有细粒度情感要素，提出双向阅读理解框架+面向多尺度知识结构的自适应表征学习方法，让客服可理解用户对不同“事情/事物”的态度，判断用户未说出口的隐藏意图。
更人性化的表达：让智能客服具有流利表达的基础上不止于描述性的表达，更是始于解决用户的需求和问题。
懂得说话策略：好的对话策略能够让对话参与方更顺畅的达成预期目标。对话策略是话语表达的更高层的结构化运用，根据用户的上下文语义，选择最适配企业经营价值和用户需求的话语逻辑来服务不同场景，比如劝说、协商等。
刘杰表示，其实并不能用技术难度升级来对应四种对话技能，整体来说它们是一个技术体系，只是之前关注更多的是理解，也就是语言模型、预训练模型和知识图谱。
在技术转向时，一个很有意思的现象也发生在商用场景中：「在线机器人」的称谓变为「智能客服」，“预示着容联云从“沟通”这一作为“人”在客服工作中最不可替代的价值出发，聚焦服务质量，提高客服感受。”
这个过程，本质是随着AI的进步，计算智能、感知智能、认知智能的演进，使得沟通与认知智能的关系发生变化。
用朴素的话来说，是让AI听懂弦外之音，懂得沟通策略，真正赋能于企业。
和社交闲聊对话AI不同的是，闲聊AI要营造人设，有一定的情绪响应；对话没有目的，不会涉及到特别关键的问题；对结果的准确性和优越没有那么敏感，没有过多的规范要求；而关键，是闲聊AI的回答，包容性极高，即便是驴唇不对马嘴的对答，仍然有被释义的空间。将解释权交给用户，注重所有事物的互动和发展中的多维。
而商业场景中的AI更加垂直，也意味着更加细分。这种对话不再漫无边际，而是始终围绕企业降本增效。在特定的企业背景下，执行特定的任务、遵守特定的行业规范。
两条路径殊途同归，更可以说，商业中话语空间的收缩为技术研究的发散提供了一种补偿。从容联云的服务对象上看，多聚焦在银行、保险、证券等金融机构，重新认知和构建企业智能化生态和价值链，走出一条从具体场景到认知智能的道路，十分行之有效。
在大会上，“互联网预言家”凯文·凯利同样认为：AI还没有那么得行之有效。这个问题应该通过市场自我竞争与优化来解决，寻找更佳的可替代产品。
目前，容联云通过CDP和AI中台赋能，开放“通讯、音视频平台+AI原子”能力，用中台打法探索可能。
“现在很多厂家都在着力AI场景的研发，总体技术层面，大家都在一个相似的框架下，比如深度学习，大规模预训练模型。和其他云服务商相比，我们的特色是生根了很多to B场景，在AI算法技术理论研发的同时，对接更多的行业。”
深耕垂直领域，做好技术服务这一件事，其实就是优势所在。在大家都在谈论技术壁垒的时候，容联云在想一件事：继续深耕客服对话。
建立中台是一回事，继续深耕是另一回事。
“容联云是从通讯发展起来的，连接B端客户，实际上和业务场景密切结合的时候，有售前、售中、售后，会涉及到很多很多的深度的服务，而不仅仅是简单的响应式的服务。”
在客服对话里，技术上有很多事情可以做，比如如何做出不伤害用户体验的问答与对话。
最关键的是，当对话AI与客户管理相结合，为更多像容联云一样的服务商，提供了一个技术深耕的范本。
“虽然现在要遵循很多个人信息的保护规范，但是对话可以做到用户知情且不伤害体验。尤其是对于服务 To B的企业，它的难点是研究链（业务--数据--算法）非闭环。如何破解这样的困境，不只是提倡数据开放，还可以用技术去解决问题，比如联邦学习、隐私计算。”刘杰说到。”
AI不仅要有心，也要体现AI的优势。善用AI的热情与冰冷，是每一位研究者应该做的事。
“不管是商业价值也好，研究价值也好，未来会有一个新的场景去深耕AI。”
跨界和连接工业界和学术界，幸福感极强。
在大会现场，刘杰身着卫衣，活动极其轻便，谈起在学术界和工业界的工作，也表达出十分舒展的心态。
“它能够给我们提供更多的研究问题，好多问题看似是一些具体的工程问题和技术问题，但是我们深入它的本质，其实它就是一些没有解决的底层的技术问题和理论问题。”
一点一点捣碎弱人工智能的东西，需要有一个长期的计划，同时在不同的时刻节点，用一个短期闭环来完成这这个事情。其实用实用主义的态度去探究AI的本质，对于学术本身和研究者来说，是一个很好的营养。
刘杰谈到，现在自己的工作有三块，有技术落地，有前沿探索以及技术学术方面的交流合作：
第一块是主要工作，会结合商业场景和具体的产品、项目，输出高质量算法模型。第二块是着眼长期发展，探索开放性的问题，预判容联云在未来路径上会遇到的一些技术难题。第三块是广泛和学术界的高校科研院所开展多种类型的产学研合作，推动AI的产学研交流，为本领域的产业界和学术界的发展做出来自容联云的贡献。
在12月3号，2022年AAAI出炉，接收率仅15%再创历史新低。刘杰在前一天晚上发了一条朋友圈：“团队中了一篇图神经网络上的蒸馏与知识融合方面的工作，祝贺所有作者。”该工作提出的高效精准的图神经网络将促进容联云在知识理解与推理等认知智能方向的多个场景的技术提升。
产学研是相辅相成的事情，从现实中抽象出技术问题，就是三者连接的节点。在容联云深耕的道路上，刘杰也在带领团队深耕，专注技术的事情，还有很多事要做。
雷峰网雷峰网(公众号：雷峰网)
正在生成分享图...
我在思考中