2019年10月月31日，在中国信通院主办的2019(第二届)中国金融科技产业峰会主论坛上，北京融汇金信信息技术有限公司CEO罗彤发表了《智能助手赋能金融服务》的演讲。会后中国IDC圈就智能助手的一些问题，对罗总进行了采访。

北京融汇金信信息技术有限公司CEO罗彤

融汇金信致力于把人工智能和自然语言处理技术应用于产业智能服务。其中包括，产业知识图谱的自动构建、智能问答机器人和智能报告等诸多方面。曾领导研发国内首个自动生成的财经全部细分领域的知识图谱，并应用于新华08证券资讯终端和金融机构营销与投顾服务。作为CEO的罗彤博士，毕业于美国University of South Florida, 计算机科学机器学习方向博士，之前在清华大学和中科院自动化所获得学士和硕士学位。

从工具到人，赋能对象变化是行业发展必然

罗彤博士认为，传统上所说的赋能，主要体现在工具方面。比如写作的Word或者WPS，都是使用特定工具来完成特定的单一任务。但是现在随着产业的发展，需要解决的问题并不是在一个事先制定的任务，没有一个软件能帮我们完成新的任务。所以现在知识赋能开始兴起，其核心点在于给人进行知识赋能，辅助人们进行产业活动。这也是行业发展的一种必然趋势。

金融行业的特点在于代服务群体庞大，且产业知识源众多。比如从产业角度讲，分为互联网金融、区块链，传统的像医药、制造等。一个人很难同时理解这么多领域的专业知识。但是在服务客户的时候，往往又会涉足到非常细分的行业。我们的智能助手服务，就是通过建设完善的知识图谱，赋能于金融行业的从业者，在遇到上述问题时应该如何解决。

新技术发展促进工具进步

在谈到人工智能学习近些年来的发展和技术变化时，罗彤博士认为，该领域近些年来取得了不少技术进步。以知识图谱为例，行业内在2016年还没有太多公司涉足。主要难点在于要将上百万的知识图谱通过机器学习自动化完成，其工作量和难度都十分巨大。除此之外，不仅需要整合的产业数量庞大，且每个产业细分领域众多。但在当时，做机器学习的模型，主要依靠大量标注数据，但产业端如此复杂的环境，使这项工作推进艰难。虽然有类似于百度，谷歌这样具备众多数据积累和标签的公司，但由于他们更关注的是娱乐和生活化知识分析，所以对产业的深度知识的贡献有限。为了解决这个问题，我们采用了大量弱监督的学习模式。籍此，人们不再需要标注过多数据，也能学出知识图谱和模型。这在近些年来，应该算是一个进步。

除此以外，语义分析也是技术进步之一。其难点在于一方面需要考量知识库的储备水平，另一方面就是对用户词语的理解。现在大部分企业靠的都是分析相似度的方法。也就是把用户提问的词语强行和数据库进行匹配，而完全不对这个词在这句话当中的语意进行分析。导致大部分对话机器人的回答，准确度在90%以下。目前我们通过加入语义分析的概念，基本可以把回复准确率提升到90%以上。这些都是近些年来比较重大的技术改进。

罗彤博士强调，任何人工智能回答，都存在准确率的问题。设定完善的衡量标准很重要。关于这一点，智能助手运用了大量数据来做分析。如果有些回答用户反馈不好，或者没有答案，后台会定期重新审核。目前主要存在两种现象，一种是准确理解了用户的表述，但是数据库当中没有答案。还有一种是直接理解失误，导致无法回答。此类问题可以通过用户的行为反馈，基于机器学习进行优化。

最后，在谈到关于产品应用的话题时，罗彤博士表示，目前智能助手已经应用到了很多金融和财经企业的APP当中，客户反馈的结果来看，比较不错。

编辑：NIKI