为什么对话式 AI 现在已准备好迎接黄金时代

三家企业在 NVIDIA 用户大会上分享了他们在对话式 AI 方面的经验。

对话式人工智能充当人与计算机之间的接口，组织可以通过它实现引人入胜的双向交互。该技术通常与呼叫中心和虚拟助手/聊天机器人相关联，尽管它几乎可以应用于每个垂直行业。由于过去几年机器学习和 AI 的突破，对话式 AI 已经超越了聊天机器人，包括各种用例。

对话式 AI 已经存在了几年，但这项技术除了实验室之外还没有准备好。然而，现在，由于 AI 技术、加速计算和机器学习模型的进步，对话式 AI 已准备好作为主流技术进入商业世界，尤其是在客户体验领域。 

本月早些时候，来自 T-Mobile、RingCentral 和 Hugging Face 的专家小组齐聚 NVIDIA 2021 GTC 大会，讨论对话式 AI 如何增强他们的业务，并分享塑造这项新兴技术未来的趋势。在大会上， NVIDIA 还推出了 Riva Custom Voice，这是一个新的工具包，可用于创建自定义语音，只需 30 分钟的语音录制数据。 

NVIDIA AI/HPC（高性能计算）软件产品管理副总裁 Kari Briski 表示，围绕语音合成和语音数据发生的创新将“改变虚拟助手和聊天机器人的连接和对话方式”。使用数据构建新的对话式 AI 模型存在巨大的机会，这些模型要考虑到人们的口音和独特的音频环境，例如嘈杂的咖啡店和户外体育赛事。

AI 能够自我 学习

“未来，我们将看到 AI 定义自己的数据，”RingCentral 对话式 AI 助理副总裁 Prashant Kukde 说。Kukde 说，就像背景滤镜模糊了凌乱的房间一样，AI 可以充当实时背景滤镜，在非母语人士说话时消除口音。同时，另一端的人会听到他们熟悉的口音。Kukde 说，这种双向对话式 AI 的概念只是该领域创新的一个例子。

回到今天，RingCentral 目前的重点是将 AI 应用于虚拟会议中常见的自发对话。这家统一通信即服务 （UCaaS） 提供商正在将对话式 AI 捆绑到其现有的产品组合中。它最近推出了一项新的自动摘要功能，可生成语音转文本会议摘要，为与会者提供更好的体验并提高工作效率。

为什么每个联络中心 都应该配备

而 T-Mobile 的对话式 AI 部署范围从支持 T-Mobile 员工到面向外部的客户。T-Mobile 正在其联络中心使用 AI 来记录客户与客户服务代理之间的对话，包括聊天机器人和自助服务。无线运营商还使用 AI 将对话从语音转录为文本，以帮助在呼叫中心工作的座席（座席协助）。

当 COVID-19 来袭时，由于大流行造成的财务困难，T-Mobile 呼叫中心被客户对付款计划的请求淹没。T-Mobile 通过推出一个聊天机器人来帮助客户进行付款安排，从而能够自动执行这项简单的任务。T-Mobile 没想到的是，启动一个小的副项目，竟然获得了如此高的投资回报率 （ROI），这个项目变成了一个被广泛使用的工具。 

“我们认为聊天机器人只会在新冠病毒季节存活。但在它生命周期的前 18 个月，我们从这个聊天机器人那里获得了 750%  的投资回报率，“T-Mobile 的首席机器学习工程师 Heather Nolis 说。“我们的呼叫中心有许多不需要人工的日常任务。事实上，我们发现大约 30% 的客户不想与人交谈，而更喜欢对话助手。

对话式 AI 继续快速发展 

在过去三年中，对话式 AI 已经发展到包括新型模型，这些模型可以提供更好的预测来总结和分类文本、理解情绪，并在语音和视觉方面做新的事情。展望未来，对话式 AI 将通过模型、检查点和实施实现实现的开放式协作来驱动。这意味着组织将不得不采用更实用的 AI，它解决的是业务问题而不是解决方案，Transformers 开源自然语言处理 （NLP） 库的创建者 Hugging Face 的产品总监 Jeff Boudier 说。

“过去三年的主要挑战之一是将科学交到从业者手中，”Boudier 说。“Pragmatic AI 需要尽可能多地使用开源技术。这是机器学习的决定性特征之一;它是科学驱动的。这是人们正在构建的一个生命系统。

Hugging Face 的 Transformers 库鼓励不同行业的许多人做出贡献。有 1600 多个公共数据集，以大约 200 种语言提供。任何人都可以访问由 1000 名贡献者（并且还在不断增长）的社区提供的 70000 个免费 transformer 模型。数据集包括从文本分类到转录音频再到识别照片和视频中的对象的所有内容。 

开放、协作的未来是对话式 AI 的最终目标。但在组织实现这一目标之前，他们首先需要了解为什么要构建聊天机器人和其他基于 AI 的服务。RingCentral 的 Kukde 认为，组织应该逐步引入对话式 AI，并以一种不会让人们觉得它正在接管他们工作的方式对其进行定位。他说，随着 AI 的逐步引入，组织有时间通过更多数据、更好的培训来收集反馈，并继续为未来构建。

Nolis 认为，对于组织来说，一个好的策略是创建能够为用户提供良好体验的聊天机器人，而不是提出他们已经知道的建议。了解应该和不应该在哪里使用聊天机器人很重要。因此，人们实际上喜欢与聊天机器人交谈，而不是容忍它们并希望最终能接触到一个真实的人。

“任何构建聊天机器人的人都应该通过查看他们从社交媒体互动、投诉和与客户服务代理的对话中获得的数据来倾听用户的意见，”Nolis 总结道。“如果我们正在构建的 AI 代理无法完成人类可以做的事情，那么我们将让人类处理它，因为我们真的很关心客户服务的质量。”