来源：网络 发表时间：2022-09-27 20:50 阅读量：12322 会员投稿
最近有一款游戏刷爆了朋友圈，“羊了个羊”第二关你过了吗？整个平台被营造出一股浓浓地不断自我挑战的氛围，然而据传这只是技术算法的推演。
这种生活中看似复杂的问题背后都可以通过算法解决，比如还在大家印象中“傻乎乎”的人工智能客服早已变了样，甚至几乎可以以假乱真。它的底层技术就是NLP。
当然，NLP也分不同的级别，机器人的“成长”面临各种挑战。
在基于业务场景构建行业包的过程中，我们一般会基于历史的数据搭建出第一版NLP知识库，基本能涵盖大部分的行业高频问题。
但是在后续的实际应用中，随着场景的变化，会出现一些新的对话内容、或者是之前场景中未识别到位的数据，这将直接影响内容的覆盖率和准确率。
例如用户对机器人说：“今天我在河边看到一只羊”，对于机器人来说，这可能是之前没有学习到的知识，因此无法准确回复客户想要的答案。而随着覆盖的用户越来越多，若不能及时准确的更新这部分的内容，机器人只会显得越来越笨。
为了帮助机器人更聪明，传统的做法是怎样的呢？
面对随时都在新增的数十万上百万的对话数据，AI训练师同学每天花费大量时间抽检。由于人工抽检具有样本单一、随机性的特点，所以尽管投入了很多精力和时间，仍然有大量遗漏问题得不到及时反馈和优化处理。
那么，如何让这个会聊天的AI机器人变得更聪明，更能听懂人话，从而提高用户的对话体验呢？作为人机交互赛道的领跑者，百应的研发团队有自己的一套体系性的思考和实践。
模式转变，人教机器学习时代-机器自我学习时代
我们最新上线了「智能学习」功能模块，基于百应NLP3.0打造，实现了从人工巡检会话数据->创建知识库（关键词/正则）到 系统自动学习和归类的新型学习模式转变，整个过程是一种简单、智能的自我迭代，能够不断提升AI机器人的对话能力，最终提升转化效果，为业务赋能。
智能学习」原理和机制
智能学习原理：
智能学习主要通过漏识别学习、未识别学习、混淆分析三大模块实现，充分发挥了数据和算法的能力。
a、漏识别学习
机器人已经具备相关的知识，但是对于相关的对话内容不太有把握（自信度不高）的学习场景；
b、未识别学习
机器人没有相关知识的学习场景。例如，机器人之前只学习了初中的知识，有一天有人问了它一个高中的知识问题，那么它就需要对新来的高中知识进行学习，才能进行理解和回复；
c、混淆分析
帮助机器人理解的更加精准的学习场景。
a.算法侧对线上对话数据进行定期分析，产出智能学习初步结果；
b.由用户对三大学习模块进行简单快捷的人工判断；
c.发布后，快速生效，及时支撑业务。
与传统的巡检学习相比：
只需要判断是否应学习，极大地节省了巡检优化时间；
涵盖全量数据，保障不遗漏；
拥有及时生效机制，无需等待完整的NLP训练学习发布过程。
智能学习应用案例和效果在百应首创的“公安私域”场景中，我们深入研究并搭建了政务行业TOP1的公安业务AI知识库。初始版本的知识库，我们的覆盖率和准确率为40%和90%，在后续的学习优化中，我们尝试通过智能学习对人力和效果进行助力，期望人力得到充分解放的同时，话术的效果能越来越好，响应能越来越快，帮助机器人的识别能力和准确度得到快速提升。
仅仅经过一个月左右非常轻量智能的学习，覆盖率就提高了超20%，准确率提升了超5%，在居民与AI民警的沟通场景中，整体的覆盖率和准确率达到了75%和95%；“警务”相关的问题，可以达到平均85%的覆盖率和98%的应答准确率，稳稳地位居行业第一。
目前，百应「智能学习」已经成功运用于政务、金融、零售等多个行业领域，让各行业场景下的机器人变得愈发聪明，为不同行业的居民和用户提供高效智能的对话体验，保障业务的转化目标落地。
在如何帮助机器人更加自然、聪明地与人对话，百应一直在不断地修炼“内功”，持续深耕行业与应用，探索创新场景。未来，我们也将持续努力，用AI赋能社会生活和经济发展。
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
上一篇：河南拟规定：摩托车、时速低于七十公里的机动车不得进入高速公路
下一篇：返回列表
