帶著觀點看商業(yè)。超級觀點，來自新商業(yè)踐行者的前沿觀察。

文｜顧夏輝（子長科技CTO）

語言是人類思維的基礎(chǔ)，當計算機具備了處理自然語言的能力，才具有真正智能的想象。自然語言處理（Natural Language Processing, NLP）作為人工智能（Artificial Intelligence, AI）的核心技術(shù)之一，是用計算機來處理、理解以及運用人類語言，屬于計算機科學與語言學的交叉學科。目前，NLP乃至人工智能的落地情況如何？是舉步維艱，還是已經(jīng)獲得廣泛應用？

毫無疑問，已經(jīng)有越來越多的企業(yè)認可NLP技術(shù)，并在相關(guān)項目上進行了大量投入，但NLP技術(shù)在具體商業(yè)落地中依然存在挑戰(zhàn)。企業(yè)投入需要回報，無論是提升效率，提高輸入，還是為企業(yè)各個業(yè)務(wù)賦能，歸根結(jié)底，都是需要技術(shù)應用能夠真正為企業(yè)帶來價值。因此落地的重點不是使用NLP技術(shù)或者其他人工智能技術(shù)所完成一個企業(yè)應用，而是要看這些應用是否解決了客戶的痛點，為企業(yè)帶來真正的價值。

舉例來說，1STEP.AI與金賦科技合作開發(fā)了一個“智能送策“項目，主要是把企業(yè)信息與各地政府的扶持政策進行匹配，幫助企業(yè)找到適用的政府扶持政策。這項工作之前依靠人工進行，困難重重，原因一是企業(yè)和政策的數(shù)據(jù)量都非常大，且數(shù)據(jù)持續(xù)更新；原因二是政策中的條件關(guān)系多樣化（并列關(guān)系、選擇關(guān)系等），匹配邏輯復雜。人工操作的局限在于處理的數(shù)量有限，時間長，匹配錯誤率高。

和通常人們的理解不同，在這個例子當中，利用技術(shù)進行準確的抽取并不能真正解決客戶的痛點。比如，一個政策中對于企業(yè)的要求有20條，如果政策抽取的模型準確率比如是95%，但是正是由于有一條關(guān)于企業(yè)注冊地點的特性沒有抽取出來，直接導致匹配的公司會多出幾十倍甚至上百倍，這樣的政策抽取結(jié)果對于匹配公司的業(yè)務(wù)來說，其價值幾乎為零。因為抽取的結(jié)果并不能提供準確的目標公司集。因此1STEP.AI和金賦科技并沒有把政策抽取和邏輯關(guān)系抽取的準確度作為目標，而是把目標定為政策所匹配的公司的準確度。這個目標符合業(yè)務(wù)需求而不是簡單的用人工智能完成一個應用，但是該目標的難度比簡單的政策抽取復雜很多。其實，任何一個商業(yè)應用都是復雜的問題，而人工智能的模型更適合解決困難問題。什么是困難問題呢？什么是復雜問題？困難問題類似于圍棋、圖像識別這樣的問題，規(guī)則簡單，但是實際情況或者玩法困難。而復雜問題是指規(guī)則復雜，流程繁多的問題。所以，對于商業(yè)應用的復雜問題，最搞笑的方法是多個模型協(xié)作解決問題。

在“智能送策”項目中，這個復雜問題是什么呢？首先，政策往往包含了很多內(nèi)容，所以需要在政策中找到包含政策要點的段落，再在段落中找到政策要點。要點和要點之間存在著邏輯關(guān)系，多個要點可以是“并列“的關(guān)系，也可以是”或者“的關(guān)系。一個政策文件中又有可能包含多個政策，這些政策之間也存在著邏輯關(guān)系。在“智能送策”系統(tǒng)中使用的模型包括：段落抽?。蚀_度0.99），政策實體抽?。蚀_度0.98），映射模型（準確度0.88），語義邏輯模型（累計準確度0.85）。把上述模型結(jié)合起來才能夠提供具有商業(yè)價值的落地方案。

“智能送策”系統(tǒng)中使用的模型

通過以上模型的協(xié)作，“智能送策”通過人工智能技術(shù)，可以自動高效地解決企業(yè)實體信息抽取、屬性映射、邏輯關(guān)系匹配等復雜問題，將匹配公司的結(jié)果準確度從人工操作的78%提升到89%；在一些政策條目下，覆蓋的企業(yè)數(shù)量增加了11倍以上，大大推動了業(yè)務(wù)的快速拓展。

人工智能產(chǎn)業(yè)結(jié)構(gòu)已經(jīng)日趨成熟，它包括了三個層面：包括軟硬件設(shè)施和數(shù)據(jù)服務(wù)的基礎(chǔ)層、囊括了基礎(chǔ)框架、算法模型以及通用技術(shù)的技術(shù)層以及輻射到各行業(yè)中的產(chǎn)品、服務(wù)和解決方案的應用層。NLP是技術(shù)層的重要組成部分之一，是認知智能時代的關(guān)鍵技術(shù)，可以說，NLP能力對行業(yè)應用的落地、企業(yè)的轉(zhuǎn)型升級都具有決定性的作用。

NLP技術(shù)的價值在于海量數(shù)據(jù)處理，它的應用靈活且包羅萬象，目前多體現(xiàn)在增進數(shù)據(jù)洞察、實現(xiàn)智能交互、提高運營效率和替代重復性勞動等方面。作為應用模塊，落地范圍非常廣泛?；诓煌袠I(yè)客戶的需求和業(yè)務(wù)痛點，在各種行業(yè)場景中都有滲透。在處理海量的結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)上，具有人工無法企及的能力和效率，例如文本數(shù)據(jù)的識別、抽取、匹配與處理，廣泛的網(wǎng)絡(luò)數(shù)據(jù)獲取和分析等。

我們已經(jīng)發(fā)現(xiàn)有越來越多的可以使用人工智能技術(shù)進行優(yōu)化和革新的場景。在這些場景中應用應用NLP技術(shù)是否能夠解決痛點，為企業(yè)創(chuàng)造真正的價值才是落地場景的關(guān)鍵。