1月18日，由中国人工智能学会、湛庐文化等主办的“智能时代大未来”高峰论坛在上海召开，这是新年以来首场中外人工智能领域专家、学者的深度交流。中国科学院院士何积丰、《纽约时报》高级科技记者、《与机器人共舞》作者约翰·马尔科夫、国家信息中心专家委员会主任宁家骏、国家标委会委员小i机器人创始人兼总裁朱频频发表主题演讲，从国家、学界、商业、发展环境等层面对人工智能的发展，中国面临的机遇与挑战进行了深度探讨。
在此次论坛中，朱频频是唯一身兼行业专家与商业大咖身份的发言人，听一听他对智能机器人的理解。
机器人首要的不是具备人形，而是具备人类的智能
人工智能跟机器人是有什么关系呢?我们可能提到脑海中会有这样一些画面，机器人无论是怎么样变形，都具备一个人型。其实我最喜欢的机器人是这款机器人，看似不具备人型，但是具备人类的智能，神似形不似，可以做很多人类不能做的动作。
机器人可分为工业机器人和服务机器人，而人工智能正是让机器拥有智慧、做出类人反应的技术。相较于工业机器人，服务机器人对“智能”的要求更高，因此，有时候我们也把服务机器人叫做智能服务机器人，不过，不管是工业机器人、还是服务机器人未来都是要往智能机器人方向发展的，而智能机器人又可以分为虚拟智能机器人和实体智能机器人。
机器人有三要素，分别是运动、感觉和思考。运动当中有很多智能需要做，比如运动学里面有一些自平衡等。感觉方面涉及到的是很多的感知智能，像云识别，人脸识别，图像识别等等方面，这些都属于感知智能。当然，机器人最重要的部分就是它的思考能力，我们可以把它理解为认知智能，这也是小i机器人主要研究的方向。如果进一步解释，“思考”能力最核心的地方，在于需要用知识来的支撑，这同人类一样，也是我们与动物的最大区别，人类能够不断的产生知识，并且能够让知识传承下去，这种传承可以让我们的下一代不需要在现实中通过实践学习新的知识，而可以通过我们的教育直接获得，自然，随着知识面的不断扩充，“思考”能力越来越强，也越来越“聪明”。
人工智能发展经历了几个阶段，上个世纪50年代，用计算机模拟人类的智能便已经出现，中间经历了很多起伏。目前，在计算智能领域，计算机早已超越了人类，这是毫无疑问的。在感知智能方面，近年随着深度学习技术的发展，有了长足的进展。而最核心的认知智能，目前还有很多路需要走。
现在，在全球，人工智能已经有了一些相对成熟的应用，例如：无人机、无人驾驶、智能客服助理(VCA)、翻译和语音转写、智能家居等，当然，这些应用之间又是相互交叉的。
智能机器人的分类
今年10月份参加Gartner的技术峰会，谈到2016年十大技术趋势，其中有三项都与智能机器相关。第一、万物信息。第二、先进的机器学习的方法，包括DNA，RNA等先进的技术学习方法。第三、一些自动的这样一些代理，或者是一些物体，无人驾驶汽车，还有无人机，还有各种这样的一些自动的客户服务，这样一些个人助理，都是属于在这个范畴。
具体的分，刚才提到的自动的这样一些物体，或者是代理，我们可以按照这两个纬度来去分。横轴右边是可见，然后到不可见，我们可以感受到人工智能交互的，可见和不可见。纵轴是从虚拟到实体，是一个虚拟的还是一个实物的?我们可以看一看，实体可见的就是我们今天看到很多这样的一些机器人，还有无人机，无人驾驶汽车，就是我们可以直接感受到里面智能的这样一些能力的，而且是以实体出现的这些智能机器。还有虚拟的，我们可以通过IM的方式，通过短信，通过网络上的方式跟这些进行交互。比如跟一个手机，植入在手机里面，可以进行个人交互。现在很多人加了微信，微信里面有一些像银行、电信的帐号，我们可以问很多问题，定义虚拟客户助手，还有虚拟个人助手，还有智能顾问。
人工智能落地要依靠技术和产品的正向循环
小i成立在2001年，最早做聊天机器人，就像现在的微软小冰，如果是一些早期的MSN用户，应该还记得小i。但聊天功能是无法转化为商业价值的，于是我们就往垂直方向发展，把我们积累的语义理解的技术，应用到垂直领域，我们教给机器人的是一个行业、一个行业的垂直的知识，这样，它就成为一个行业的专家，可以回答行业的相关问题，为企业创造价值。这就是虚拟客户助理，也就是虚拟的客户服务机器人，相较于人工服务来说，速度快，准确率高，随时在线，有非常大的优势。那些传统上对客服要求较高的行业如金融、运营商、政府部门等，还有近两年，随着互联网的发展，互联网的随时分享的特色让以前的那些传统上对客服非刚需的行业，如手机、汽车、甚至快递行业等也都成为了我们的客户，用智能机器人来提升客服体验。
在这里，我不方便直接透露客户运营的一些具体数据，但是可以说个大概。以某个金融企业为例，目前他们在微信上的用户超过2000万，每天的交互量是200万通，如果再加上APP、QQ这些渠道，每个月的交互量可超过4000万通，而维护这套系统的只有十来个人，因为机器人处理了绝大部分的业务，处理率能占到交互量的99%以上，而准确率几乎接近100%，如果这些事情都交给人来做的话，至少需要3000人。这些应用充分说明了机器人价值——代替人类从事某些工作，让我们人类可以解放出来，去作更有益，更有价值的事情。
小i现在服务的用户超过5亿，每年有数百亿次的对话，这使得我们在多个行业沉淀了强大的领域知识库和语义库。如上面所说，语义理解和自然交互这种机器人核心的能力其实是由知识来驱动的，所以，在一些领域里，我们确实形成了行业壁垒的。不过，更重要的是，在这个过程中，我们发现，在语义层不同的行业之间也是有很多共通的部分，并以此为基础，形成了自己的一套半监督的人机协作学习体系。在这个学习体系当中有三种非常重要的角色，第一个是机器，机器在里面做了最大量的工作，它通过基于大数据的平台，去挖掘数据里面的语义、词类、实体还有场景等，以及当中的强关系和弱关系。第二个角色是运营人员，他们维护内容、审核机器挖掘的结果。这个我需要解释一下，因为我们做的属于严肃的商业应用，不比娱乐类的聊天机器人，错了还能让人一乐呵。我们做的是要替代企业的人工做客户服务的，不能随便回答，答案必须是正确的。所以这里面的内容，包括语义的理解都是经过人工审核以后才能入到库里面去。另外：还有一个离不开最重要的角色，就是专家，专家做什么呢?专家是用来定义我们行业里面知识的一些结构和模型，并且定义这个运营规则。
把这个过程解释清楚，读者就可以大概理解，我们服务的这么多行业，这么多企业，每年数百亿的交互量，自然会产生出海量的真实数据，然后通过我们的学习体系和算法对这些数据进行处理，就会不断的挖掘并学习到新的知识和语义，而新习得的知识和语义，反过来让整个系统表现的更加出色，智能化程度更高，从而让机器人的反应更为准确，表现的更为“聪明“。同时，我们也在做一些平台化的服务，将我们形成的核心”智能交互“能力开放出来，前一段时间还刚发布了智能机器人的云操作系统，对接硬件设备，让开发者快速实现机器人的新的应用场景，新的应用自然产生新的数据、知识，这个不断循环上升的过程促进了整个产业的发展。这些也是Gartner之所以把小i定位为智能机器人平台和架构的提供者的原因所在。
因此，人工智能走近人类不光靠算法，更重要是要看以技术为基础创造出的产业化应用，在实际应用中产生更多真实的数据，通过学习系统转化为知识，知识反过来在促成产业化发展，最终形成人工智能发展正向循环的闭环。
