雷鋒網(wǎng)按：7月12日-7月14日,，2019第四屆全球人工智能與機器人峰會（CCF-GAIR 2019）于深圳正式召開,。峰會由中國計算機學會（CCF）主辦，雷鋒網(wǎng),、香港中文大學（深圳）承辦,，深圳市人工智能與機器人研究院協(xié)辦，得到了深圳市政府的大力指導,，是國內(nèi)人工智能和機器人學術界,、工業(yè)界及投資界三大領域的頂級交流博覽盛會,，旨在打造國內(nèi)人工智能領域極具實力的跨界交流合作平臺。

AI在保險行業(yè)會如何落地,？平安壽險總部人工智能研發(fā)團隊總經(jīng)理沈劍平在「AI金融專場」上表示，目前AI和壽險業(yè)務結合,，已經(jīng)在代理人面試、培訓,、銷售支持,、客戶服務、保險顧問,、營銷等環(huán)節(jié)落地應用,，囊括深度學習、自然語言處理,、知識圖譜,、計算機視覺等多項技術。

會上,，沈劍平以“AI技術在保險領域的應用實踐”為題帶來演講分享,。以下為主題演講內(nèi)容全文，雷鋒網(wǎng)做了不改變原意的編輯與整理,。

AI技術在保險領域的應用實踐

隨著大數(shù)據(jù),、云計算、人工智能高速發(fā)展,，科技在保險行業(yè)的應用越來越廣泛,，壽險行業(yè)如何充分運用人工智能等前沿技術，以尋求高質(zhì)量的發(fā)展模式顯得非常關鍵,。

為實現(xiàn)“科技賦能保險”,，平安壽險在人工智能領域，重點布局深度學習,、自然語言處理,、知識圖譜、智能推薦,、計算機視覺等前沿技術,，全面賦能銷售、服務,、管理三大領域,。下面我將結合壽險業(yè)務場景，從應用層面以及應用背后的技術,，特別是這些技術有哪些特點,，給大家做分享,。

一、從招聘到銷售,，AI賦能保險代理人

1.智能招聘

平安壽險擁有140多萬代理人，針對招聘環(huán)節(jié)會出現(xiàn)面試量大,、人力投入多、篩選困難等等痛點,，我們自主研發(fā)了業(yè)界首個大規(guī)模應用的面試機器人「AI面試官」，實現(xiàn)了面試過程標準,、專業(yè)及可控。我們希望達到的目標是,，面試機器人可以給到用戶擬人化,、情感化的面試體驗，就像真人面試官一樣,。

面試開始前,，通過人臉識別、語音識別對用戶進行身份驗證,；通過識別后,，用戶就可以進入系統(tǒng)開始面試了。面試過程中,，用戶與AI面試官全流程語音交互，就像真人面試一樣進行對答,。

為了讓AI面試官可以圍繞候選人回答進行回應和提問,，我們打造了一個面向面試場景的特殊對話系統(tǒng),，重點運用FAQ問答,、多輪對話,、智能提問等技術，還結合擬人化面試交互需求,，創(chuàng)新性的研發(fā)了智能短回應技術。這些工作帶來的效果是：比如AI面試官問候選人“你怎么過來的,？”,，他回答說“跑過來的”,。那AI面試官可能會回應“那過來路上挺累的”,，過渡一下才進入下一個問題,，這樣的交談對話就比較自然。

除了擬人化的交互過程,，AI面試官最終會根據(jù)候選人的面試表現(xiàn),，生成智能化結果評價,，從不同維度評價候選人的業(yè)務能力,，檢驗是否符合招聘需求。

2.智能培訓

代理人經(jīng)過招聘進入公司后,，就需要通過個性化,、全方位、多維度的培訓提高專業(yè)服務技能,，平安壽險打造了“遠程培訓+線上學習”的培訓機制,。

以遠程培訓場景為例，通常是培訓老師在這間教室做演講,，但培訓學員在另一間教室,。我們運用N:N人臉識別,、微表情識別等圖像技術,，讓老師實時了解課堂情況，從而優(yōu)化課程互動與監(jiān)督,、提升培訓效果。另外,，課件質(zhì)量也非常關鍵，我們也在通過AI視頻合成技術把課件做得更豐富,、更具互動性。

在線上學習方面,，我們運用智能推薦技術，結合代理人能力長短板,，實現(xiàn)了千人千面配課，讓代理人可以進行個性化學習，提高效率,。

除了線下、線上的學習,，還需要考試評價環(huán)節(jié)來判斷學員對知識的掌握程度,。傳統(tǒng)做法是老師與學員一對一訓練,，但這樣人力成本很高。因此,，我們研發(fā)了「AI陪練機器人」，不僅可以給代理人做智能考試及評分,，還可以模擬實際業(yè)務場景扮演客戶角色與代理人進行語音演練,。

3.個人銷售助理

銷售支持方面,，我們上線了“代理人AskBob”,，是代理人的個人銷售助理機器人，可以協(xié)助代理人給客戶提供更專業(yè)的服務,。

代理人ASKBOB的一個重要功能是知識助理,，當代理人需要了解保險知識,、保險產(chǎn)品信息時,，通過智能問答、知識聚合等技術,，知識助理可以高效,、便捷地解決代理人疑問。此外,，“代理人AskBob”還可以結合不同的客戶情況,，給代理人提供針對性的專業(yè)保險銷售方案建議，幫助代理人為客戶提供最優(yōu)保險方案,。

4.技術難點：低資源攻關

前面提到保險行業(yè)的招聘、培訓和銷售環(huán)節(jié),，都有個很重要的特點：場景偏線下,，數(shù)據(jù)有限。剛才楊強教授也提到,，金融行業(yè)很重要的特點之一是有些場景下樣本比較少,。針對這一特點，我們也進行了很多探索,。

• 少量樣本下的文本去噪

在語音交互場景下,，用戶的語音輸入可能比較隨意、口語化,，比如一句話里面包括多個意圖,，也可能是表達很長一段話，有用信息只有一小段,。

以任務型機器人為例,，任務型機器人既可以辦理業(yè)務,，也可以回復問題咨詢。問題咨詢雖然有標準庫,，但標準庫難以海量擴展,。而且實際情況很可能是，用戶輸入大段對話,，在提煉之后只是一個小問題點,。另外，寒暄其實也是難點之一,，如果要解決長文本生成長文本的對話,，進行數(shù)據(jù)標注的工作量非常大。通過對話生成模型處理這么長的文本,，生成另外一個回復或者短回復,，可行性比較低。

所以文本去噪,，就很有意義,，其中比較有效的，是我們通過強化學習來做這個事情,。如這個簡化的網(wǎng)絡圖,，總結來說，即先對長文本進行text representation,，然后通過策略網(wǎng)絡來判斷,，用戶輸入大段文本里面，哪一句話應該保留,，把不應該保留的刪除,，剩下的就是應該保留的。

我們還做了輔助判斷網(wǎng)絡用來判斷保留下來的文本是否是好的,。輔助判斷網(wǎng)絡可結合不同的任務有不同的定義，在該例子中,，輔助判斷網(wǎng)絡是用來做文本分類,，用于保全業(yè)務：加保、退保分類等等,。該分類器的訓練數(shù)據(jù)比較容易找且任務簡單,，可以快速得到分類器。策略網(wǎng)絡根據(jù)分類結果反饋,，就可以進一步更新模型,，從而在少量的樣本下實現(xiàn)去噪問題。

• 小樣本下的意圖識別

剛才提到AI面試機器人中不同問題有不同回答,，不同回答要有不同反饋,。當問題很多,、反饋很多的時候,，有成千上萬的意圖,，且意圖還會隨著產(chǎn)品的迭代不斷增加，不可能每個都做大量的標注數(shù)據(jù),，那么就需要做小樣本的算法,。我們開發(fā)了一個效果樣本庫，建立了一套標準化框架：“檢索à排序à分類”的小樣本意圖分類算法框架,。

主要特點是將語義和文本的檢索結合起來。然后在排序方面,，我們結合了預訓練匹配模型和bert-rank模型,、并基于最大間隔的學習排序策略讓相關和無關意圖充分區(qū)隔開，最終得到的排序結果,，再引入attention方法進行分類,。這樣只需要小部分樣本也可以實現(xiàn)比較高的識別準確率。整套標準化框架將分類算法與排序算法相結合,，實現(xiàn)在少量樣本情況下的精準意圖分類,。

• 文本和圖像的數(shù)據(jù)擴展

數(shù)據(jù)擴展方面，我們也做了技術攻關,。比如文本,，使用大規(guī)模的中英翻譯語料訓練雙向神經(jīng)網(wǎng)絡翻譯模型，這種雙向模型既可共享參數(shù),，也可以不共享參數(shù),，兩種我們都嘗試。在人工翻譯里,，對于同一個詞不同的人有不同譯法,，我們很好的利用了這個特性。在應用中我們發(fā)現(xiàn),，經(jīng)過該模型構造問答物料時,，可以擴展很多相似問。

圖像也是類似的,，像剛才提到的培訓場景,，里面運用了N:N人臉識別考勤。但實際問題可能是,，現(xiàn)場很多人是側臉或趴著的,，在這種情況下，系統(tǒng)怎么識別他本人,？這時候最好有大量的非正臉訓練樣本,，但人工標注成本高,，我們采用正臉樣本和標準模型相融合，通過生成非正臉樣本的方式,，可以比較好解決問題,。

二,、深耕復雜客戶服務場景

在客戶服務上,，我們主要做兩部分：一是打造智能的客戶服務產(chǎn)品，二是綜合運用AI技術輔助在線客戶經(jīng)營,。

1. 金管家AskBOB

有別于傳統(tǒng)的智能客服,，我們希望我們的“智能客服”可以全方位滿足客戶售前、售中,、售后需求,，除了基本服務咨詢功能外，還可以提供復雜保險業(yè)務辦理等功能,，并作為客戶專業(yè)的保險顧問,、智能的生活助理。因此我們升級了我們的智能客服,，打造了一個客戶智能金融助理-金管家AskBOB,，涵蓋了專業(yè)的智能保險顧問，貼心智能客服,，以及智能的生活助理,。其中，在智能客服方面,，我們把任務型,、閑聊型、FAQ,、知識圖譜問答,、信息查詢等技術有效交叉融合實現(xiàn)復雜的客戶保險業(yè)務服務需求，特別是目前可以通過人機交互直接辦理復雜保險業(yè)務,，支持超過120種組合狀態(tài)的復雜交互,。比如保單貸款，這種業(yè)務的復雜程度很高?，F(xiàn)在智能客服可以做到什么程度呢,？客戶從不知道什么是保單貸款，到了解哪些保單可以做貸款,，到最終完成貸款辦理,，全流程都可以根據(jù)智能客服指引完成。

智能客服上線后,，通過人機交互在線辦業(yè)務,，辦理時長從原來的3天到現(xiàn)在最快1分鐘搞定,。

2.智能運營

在線上運營方面,，大家如果打開平安金管家APP,，會發(fā)現(xiàn)上面絕大部分模塊已經(jīng)實現(xiàn)千人千面。智能推薦系統(tǒng)相信很多人很熟悉,，而我們的特點是：1,、在信息比較稀疏的情況下,，刻畫客戶興趣圖譜,。2、面向不同推薦場景,，背后打造了一個統(tǒng)一的推薦平臺,，做多場景互動的全局推薦技術。

3.技術攻關：對話引導

服務場景下的對話也很特殊,。比如寒喧，它不是沒有意義的,，機器人是要往保險服務方向引導,。做對話引導的方式有很多。比如我們做的基于知識驅動的對話,，通過知識圖譜并結合前文,，來預測下文需要什么知識和主題狀態(tài)。然后將知識,、主題狀態(tài)和上文輸入到end2end模型里面最終得到引導回復,。

舉個例子，客戶提到“自駕游”,，系統(tǒng)可以自動關聯(lián)到“自駕游”相關的知識,，并結合上下文知識，當前客戶有保險需求的狀態(tài),，因此我們會給他生成具有“百萬任我行”保險產(chǎn)品的回復來滿足他對出行的保險需求建議,。但人與人的對話，通常是先回復過渡再提出新的話題中心,，前面例子中直接推薦產(chǎn)品比較生硬,，為了不影響客戶體驗，我們通過添加屬性控制,，捕捉屬性特征,，從而生成更順暢的智能短回應文本作為回復過渡。所以機器人在回應客戶時,，可能會說“去旅游放松心情挺好的”然后再推薦保險產(chǎn)品,，完成從“開放閑聊”到“產(chǎn)品推薦”的自然過渡,。

三,、平臺建設及技術創(chuàng)新

要更高效高質(zhì)的支持業(yè)務需求,，我們通過深耕壽險業(yè)務智能應用,，打造了一系列結合壽險業(yè)務特點的技術平臺,。比如，我們打造了高效,、靈活的一站式壽險人機交互應用平臺。

人機交互應用平臺是由對話引擎驅動的,，我們主要實現(xiàn)了整個流程的可配置化，并且每個功能點都可以做單獨的機器人,，同時實現(xiàn)了功能引擎化、服務獨立化,、引擎框架化?？蚣芑暮锰幨强梢宰屗惴üこ處熆焖俳Y合業(yè)務需求進行迭代,。其次是建立智能知識中心,，尤其在小樣本場景下，知識驅動AI是很重要的研究方向,。

此外,，我們還做了一系列平臺支撐，主要包括智能營銷平臺、圖像分析應用平臺以及深度學習應用平臺等,。

剛才介紹了一系列壽險AI應用和技術創(chuàng)新，這些其實是有一支人工智能隊伍在背后作為支撐,。我們的團隊主要專注人工智能技術的研究,，以及結合壽險場景的應用落地。未來,，期待和大家交流人工智能這個有意思的技術，探討在復雜業(yè)務場景下的技術攻關,，謝謝,。

雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)