找回密码
 立即注册

QQ登录

只需一步,快速开始

机器学习资料整理【内有福利】 加入本站QQ交流群 本站落实实名发帖政策的通知
全球人工智能技术和计算机视觉技术领跑者,肇观电子(NextVPU),日前正式发布世界
基于图像的三维模型重建是计算机视觉领域的一个非常重要的研
  自然语言处理(又叫自然语言理解,计算语言学)是当前IT领域的重要技术之一。随着互联
  随着信息技术的不断发展,人们已经进入信息极大丰富的时代,一方面信息来源广泛,
作为一个刚接触AI行业的小萌新,好不容易做好了一个深度学习的模型,然后就兴冲冲的想要在我的电脑上做训练,
TensorFlow官方文档—中文版 链接:https://pan.ba
本帖最后由 周天 于 2018-1-2
最最经典的凸
lhh.163@163.com
机器学习算法需要作用于数据,而数据的本质则决定了应
深度学习是计算机领域中目前非常火的话题,那么初学者该从哪些方面去了解呢
学习一下
为答谢各位论坛会员对本论坛的
本帖最后由 做人要淡定 于 2018-8-3 16:33 编辑   很多人说深度学习就是个黑箱子,把图像预处理之后丢进 tensorflo
“N+”大会是面向全球 AR、VR、AI 等互联网新技术领域的行业领袖及从业者的盛会。 旨在推动全球
  维塔利克˙布特林(Vitalik Buterin)将莅临“2018区块链技术于场景落地峰会”做报告 764   布特林,一个誓言用区块链颠覆真实经济体系的俄罗斯小子,他打造的全新
优达学院面试技能三件套,包括找工作策略、模拟面试、拓展人脉三门课程
编者按:2017年是不平凡的一年(当然,事实上,每一年都是;P)
查看: 1300|回复: 4

百度员工创办蓦然认知,提供车载人机对话、语义理解和自动化服务对接等功能

[复制链接]

193

主题

353

帖子

1万

积分

管理员

积分
17341
发表于 2017-6-9 09:11:41 | 显示全部楼层 |阅读模式
timg (1).jpg

本文是36kr调研报告
报告要点
语义识别将推动人机交互进入新的发展阶段
语义识别主要解决“听得懂”的问题,将推动人机交互进入新阶段。语义识别是NLP技术的重要组成部分之一,结合大数据、语音识别、算法模型,可衍生出多个下游应用场景,包括智能家居、智能车载、虚拟助理、无人驾驶、机器人、智能客服等多个领域。行业参与者中还未出现绝对垄断者,创业公司仍具备很大机会。此外,我们认为,车载领域将是语音交互最先爆发的场景之一。
基于语音、语义识别的智能语音交互市场,未来全球规模将达百亿美元
根据36氪研究院调研结果,自然语言处理(NLP)无论在创业热度、获投数量还是获投金额等维度都处于细分领域的前三。据 Global Market Insights的数据,未来7年全球智能语音交互市场的年增长为34.9%,预计到2024年市场规模达到110亿美元,行业整体未来发展空间广阔。
蓦然认知:专注汽车、家居领域,尝试为B端提供语义识别+自动对接服务
北京蓦然认知科技有限公司(简称蓦然认知)成立于2016年5月,主打产品为一款面向B端的,叫做“Mor”的交互决策引擎,为客户提供人机对话、语义理解和自动化服务对接等功能。蓦然认知在车载领域的代表客户有四维图新;在家居领域的代表客户有暴风电视。预计到2017年下半年,将有批量搭载Mor系统的产品逐步上市。

1. 语义识别领域技术门槛高,目前仍未出现绝对领航者,创业者仍有机会
1.1 语义识别推动人机交互模式进入新阶段,主要解决“听得懂”的问题
语义识别是人工智能的重要分支之一,如果语音技术相当于人的嘴巴和耳朵,负责表达和获取,那语义技术则相当于人的大脑,负责思考和信息处理,解决的是“听得懂”的问题。语义识别最大的作用是改变人机交互模式,将人机交互由最原始的鼠标、键盘交互转变为语音对话的方式。
1.2 语义识别是NLP技术的重要组成部分,NLP或将随大数据、计算力、算法等AI领域的技术提升,获得长足进步
语义识别主要基于大数据和算法模型之上搭建,是自然语言处理(NLP)技术的重要组成部分。NLP技术主要包括词法分析技术、句法分析技术、语义分析技术、语用分析技术以及语句分析技术等。NLP在实际应用中最大的困难还是语义的复杂性,此外,深度学习算法也不是语义识别领域的最优算法。但随着大数据、芯片和算法模型等的发展进程加速,将为NLP带来长足的进步。

1.3 语义识别下游:应用领域多元化,行业参与者多样性
语义识别和语音识别是语音交互的基础,语音交互应用领域覆盖智能家居、智能车载、虚拟助理、无人驾驶、机器人、智能客服等领域。目前,行业参与者中还未出现绝对垄断者,创业公司仍具备机会。此外,我们认为,语音交互在车载场景中存在刚需,也会成为最先爆发的领域之一。并且,随着车联网的纵深化发展,相关硬件趋于免费,依靠语音交互天然流量入口,做个性化增值服务将是未来车载领域的主要盈利点。
2. 基于语音识别和语义识别技术的语音交互市场,未来市场规模将达百亿美元
据36氪研究院数据,从1996年至今,国内至今仍在运营的人工智能公司接近400家。从下图可看出,自然语言处理(NLP)无论是在创业热度、获投数量还是获投金额都处于细分领域的前三。据 Global Market Insights数据,未来七年全球语音市场的年增长为34.9%,预计到2024年市场规模达到110亿美元。
3. 蓦然认知:以对话即应用、应用即服务、服务即商品为主导理念,试图打造一款全新的语音交互决策引擎
北京蓦然认知科技有限公司(简称蓦然认知)成立于2016年5月,主打产品是一款名为“Mor”的语音交互决策引擎,面向B端提供人机对话、语义理解,以及自动化服务对接等功能。蓦然认知提出“对话即应用”的人机交互模式,以进一步解放双手为目标,经由B端,间接地为C端用户在车载、家居、客服等场景执行打车、订票、订外卖等一系列具体任务。
3.1 技术:基于任务驱动的多轮对话,无缝衔接用户需求与服务
蓦然认知在自然语言交互方面,从通用的语料特征库出发,以one-shot learning为主要算法模型进行从特征语料到现实对话的迁移,解决冷启动的问题。在此基础上获取真实的用户数据后,再利用增强学习对整个模型框架进行不断地反馈优化,并且整个过程具备记忆能力。依此,“Mor”系统搭建了语义理解、多轮对话、增强学习三位一体的自然语言交互模型,整个技术架构可在多个场景之间快速迁移、复制。并且,后台在用户提出需求后可自动调用API,无缝衔接用户需求与服务。从技术架构来看,Mor主要是基于任务驱动,更多的是作为助理的角色执行命令,而非用于聊天用途。
3.2 应用场景:一套架构快速移植复制至多个场景
不同于Siri、小冰、度秘等专注于手机场景,Mor系统可集成于汽车、家居等硬件设备,为用户在不方便使用双手的场景下,提供流畅的人机对话及决策服务,是一个可快速移植,实时学习,多场景融合的机器人认知及交互系统。Mor为B端客户提供SDK服务,由客户自行定制用户界面并可集成到各种智能产品中,以“可拔插”的方式来满足对话过程中特定的意图需求。

3.3 商业模式:依靠技术授权、服务分成、精准广告等三个主要部分盈利
蓦然认知目前主要以技术授权和服务分成为主要营收来源。由于Mor执行的应用场景——订饭店、订机票等多与消费有关,随着在车载、家居等领域积累的真实数据逐渐增多,可对C端单位用户逐渐形成消费习惯、偏好、水平等多维度的画像模型,在此基础上,可通过电视、车载语音等提供精准营销等增值服务。
3.4 市场:目前客户主要集中于电商仓储领域,未来将不断挖掘新的应用场景
目前,蓦然认知在车载领域的代表客户有四维图新,除了关注行车途中的导航、音乐需求外,还会针对开车的停留点、目的地,甚至车辆使用问题提供决策支持;在家居领域的代表客户则有暴风电视,蓦然认知为其提供解放双手的智能影音服务。预计2017年下半年,将有批量搭载Mor系统的产品逐步上市。
3.5 团队信息:经验丰富的专业管理团队
创始人&CEO:戴帅湘
前百度主任架构师,曾长期担任百度Query理解方向负责人,曾荣获百度语义技术的最高奖,2010年提出“Query改写模型”给百度搜索引擎技术带来了搜索相关性和广告收入均大幅提升,在自然语言处理、语义搜索、自动问题求解等领域内有20多项专利技术 。

原文转载链接:http://36kr.com/p/5079030.html

回复 论坛版权

使用道具 举报

0

主题

35

帖子

84

积分

普通会员

积分
84
发表于 2018-1-25 13:45:14 | 显示全部楼层
66666666666666666
回复 支持 反对

使用道具 举报

0

主题

35

帖子

84

积分

普通会员

积分
84
发表于 2018-1-25 13:45:24 | 显示全部楼层
6666666666666666
回复 支持 反对

使用道具 举报

0

主题

32

帖子

314

积分

初级会员

积分
314
发表于 2018-9-24 09:56:41 | 显示全部楼层
不错啊, 学习学习~~~
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

宸ュ晢钀ヤ笟鎵х収鐢靛瓙璁稿彲璇 | QQ|申请友链|小黑屋|手机版|人工智能A7论坛(aqinet.cn) ( 沪ICP备15039134号-1 ) 人工智能A7论坛坛友会

GMT+8, 2018-10-21 07:38 , Processed in 0.060422 second(s), 50 queries .

Powered by Discuz! X3.4 Licensed

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表