只談理念不談實(shí)踐的AI都是耍流氓，開(kāi)發(fā)者才是推動(dòng)AI生態(tài)持續(xù)繁榮的“幕后推手”

現(xiàn)階段，國(guó)內(nèi)人工智能的發(fā)展進(jìn)程已經(jīng)跨入到國(guó)際的快車道，AI的落地實(shí)踐，已經(jīng)深入到各個(gè)行業(yè)及技術(shù)領(lǐng)域下。目前，無(wú)論是云計(jì)算、大數(shù)據(jù)、區(qū)塊鏈還是物聯(lián)網(wǎng)等等領(lǐng)域，AI 都在其中扮演了推動(dòng)技術(shù)發(fā)展以及影響該領(lǐng)域前景的決定性角色。

2019年9月7日，云+社區(qū)(騰訊云官方開(kāi)發(fā)者社區(qū))主辦技術(shù)沙龍——AI技術(shù)原理與實(shí)踐，在上海成功舉行?，F(xiàn)場(chǎng)的5位騰訊技術(shù)專家，在現(xiàn)場(chǎng)與開(kāi)發(fā)者們面對(duì)面交流，并深度講解了騰訊云云智天樞平臺(tái)、OCR、NLP、機(jī)器學(xué)習(xí)、智能語(yǔ)音對(duì)話等多個(gè)技術(shù)領(lǐng)域背后架構(gòu)設(shè)計(jì)理念與實(shí)踐方法。

云智天樞平臺(tái)的架構(gòu)設(shè)計(jì)理念

來(lái)自騰訊云的資深技術(shù)專家黃文才，從云智天樞平臺(tái)的架構(gòu)設(shè)計(jì)理念入手，詳細(xì)闡述了騰訊云最強(qiáng)人工智能平臺(tái)技術(shù)實(shí)踐。

騰訊云資深技術(shù)專家黃文才

云智天樞是一款支持快速接入各種算法、數(shù)據(jù)和智能設(shè)備的人工智能平臺(tái)，提供可視化的編排工具進(jìn)行服務(wù)和資源的管理和調(diào)度。并進(jìn)一步通過(guò) AI 服務(wù)組件持續(xù)集成和標(biāo)準(zhǔn)化的接口開(kāi)放，幫助開(kāi)發(fā)者快速構(gòu)建 AI 應(yīng)用。總的來(lái)說(shuō)，云智天樞平臺(tái)的定位是全棧式人工智能服務(wù)平臺(tái)，實(shí)現(xiàn)與應(yīng)用、算法、設(shè)備等合作伙伴共贏，合作伙伴只需要實(shí)現(xiàn)應(yīng)用層邏輯。

云智天樞平臺(tái)架構(gòu)

云智天樞平臺(tái)是典型的三層架構(gòu)，分別為存儲(chǔ)層、邏輯層以及接入層。基礎(chǔ)設(shè)施位于整個(gè)架構(gòu)的最下層，負(fù)責(zé)整體平臺(tái)基礎(chǔ)性能力的支撐，如 Docker、 K8S、 藍(lán)盾CICD等;上面是存儲(chǔ)層，用到了一些諸如 MySQL、Kafka、Influxdb、Cos/Ceph、ES 等組件。

中間層是今天將要重點(diǎn)介紹的部分，利用微服務(wù)將其劃分為了6個(gè)主要的功能性窗口，他們分別是算法倉(cāng)庫(kù)、設(shè)備中心、數(shù)據(jù)中心、AI工作室、應(yīng)用中心以及管理中心。

算法倉(cāng)庫(kù)：主要提供自助打鏡像的能力，可快速把可執(zhí)行程序、模型文件等容器化為算法微服務(wù)等，目前接入算法種類50+，涵蓋人臉，車輛，語(yǔ)音，文字，語(yǔ)義等。

設(shè)備中心：主要對(duì)接各個(gè)廠商的各個(gè)型號(hào)的設(shè)備，比如普通攝像機(jī)，抓拍機(jī)，AI相機(jī)等等，支持設(shè)備廠商自助設(shè)備接入的能力。

數(shù)據(jù)中心：主要負(fù)責(zé)數(shù)據(jù)接入、推送、轉(zhuǎn)換、存儲(chǔ)等，包括屏蔽各種結(jié)構(gòu)化與非結(jié)構(gòu)化存儲(chǔ)介質(zhì)的能力。

AI工作室：主要實(shí)現(xiàn)了任務(wù)調(diào)度，流程與服務(wù)的編排能力，打通平臺(tái)各個(gè)窗口的能力。

應(yīng)用中心：主要是創(chuàng)建應(yīng)用、密鑰、訂閱管理，視圖庫(kù)等能力。

管理中心：賬號(hào)系統(tǒng)、角色權(quán)限、鏡像倉(cāng)庫(kù)、操作日志等能力。

最上方是網(wǎng)關(guān)層面，分為API網(wǎng)關(guān)以及消息網(wǎng)關(guān)兩部分。API網(wǎng)關(guān)采用的是 騰訊云API3.0 標(biāo)準(zhǔn)，主要做鑒權(quán)、限頻、轉(zhuǎn)發(fā)等功能;消息網(wǎng)關(guān)支持GPRC和http推送能力，監(jiān)控系統(tǒng)用了 Telegraf 、InfluxDB和Grafana，日志系統(tǒng)采用的是 ELK。

基于云智天樞平臺(tái)的核心業(yè)務(wù)窗口架構(gòu)設(shè)計(jì)

AI工作室

基于云智天樞平臺(tái)的AI工作室架構(gòu)

AI工作室作為一個(gè)服務(wù)可編排的流程引擎，其對(duì)上整合組件，對(duì)下對(duì)接開(kāi)發(fā)者，是整個(gè)云智天樞平臺(tái)的核心。其主要由三大塊組成，分別為平臺(tái)對(duì)接系統(tǒng)、流程引擎系統(tǒng)、函數(shù)服務(wù)系統(tǒng)。

平臺(tái)對(duì)接系統(tǒng)：負(fù)責(zé)打通平臺(tái)各個(gè)窗口的能力。

流程引擎系統(tǒng)：我們參考了AWS的ASL，定義了我們的描述DAG圖規(guī)范。這里實(shí)現(xiàn)了流程與服務(wù)的編排能力。其中TaskSchesvr是任務(wù)調(diào)度器， taskProcessSvr是流程引擎執(zhí)行器，它負(fù)責(zé)解析DAG圖，自動(dòng)按照編排好的流程執(zhí)行任務(wù)。

函數(shù)服務(wù)系統(tǒng)：它是一個(gè)python服務(wù)，負(fù)責(zé)執(zhí)行python代碼段。因?yàn)榱鞒谭?wù)編排的時(shí)候，調(diào)用服務(wù)A的輸出不一定滿足服務(wù)B的輸入，所以這里主要做數(shù)據(jù)轉(zhuǎn)換。

使用函數(shù)服務(wù)進(jìn)行轉(zhuǎn)換參數(shù)，實(shí)現(xiàn)用戶邏輯或者啟用參數(shù)映射的方式實(shí)現(xiàn)參數(shù)轉(zhuǎn)換，這樣可以很好改善參數(shù)映射無(wú)法完全呈現(xiàn)服務(wù)狀態(tài)的問(wèn)題，從而實(shí)現(xiàn)中間態(tài)的轉(zhuǎn)換。

流程服務(wù)編排引擎

平常在開(kāi)發(fā)業(yè)務(wù)功能過(guò)程中會(huì)經(jīng)常寫(xiě)一些相似的代碼邏輯，比如調(diào)用A服務(wù)，A服務(wù)回來(lái)之后會(huì)做數(shù)據(jù)處理，處理完以后會(huì)并發(fā)調(diào)用BC服務(wù)，之后等BC回包回來(lái)再做數(shù)據(jù)處理，這一塊兒有很多相似的業(yè)務(wù)邏輯，在業(yè)務(wù)中抽象并實(shí)現(xiàn)流程和服務(wù)的編排能力相當(dāng)重要。流程編排能力實(shí)現(xiàn)了并發(fā)分支、條件分支、合并等操作;服務(wù)編排方面支持直接調(diào)用服務(wù)，用戶不用關(guān)心網(wǎng)絡(luò)層的調(diào)用，只需關(guān)注純業(yè)務(wù)邏輯。

函數(shù)服務(wù)

函數(shù)服務(wù)是為了解決A服務(wù)的輸出無(wú)法滿足下游B服務(wù)的輸入，其核心優(yōu)勢(shì)是通用組件可累積復(fù)用，大大減少了用戶的開(kāi)發(fā)成本。

算法倉(cāng)庫(kù)

云智天樞算法倉(cāng)庫(kù)，主要目的是將平臺(tái)上的算法統(tǒng)一接入到一個(gè)地方，由平臺(tái)統(tǒng)一提供算法服務(wù)，并將鏡像制作頁(yè)面可視化，這樣不懂Docker的用戶也可以方便制作。通過(guò)將算法服務(wù)發(fā)布托管，直接調(diào)用k8s的源生api-server，這樣可以有效解決算法種類多、管理對(duì)接成本高、鏡像制作門(mén)檻過(guò)高等問(wèn)題。

設(shè)備中心

設(shè)備中心的功能主要是設(shè)備自助接入能力，由于當(dāng)前市面上各個(gè)廠商間產(chǎn)品的型號(hào)、協(xié)議都有差異，很難統(tǒng)一，并且其中私有化協(xié)議又占了大部分。設(shè)備中心通過(guò)實(shí)現(xiàn)每個(gè)子分類的微服務(wù)，將其劃分為三層，分別為上層服務(wù)邏輯(基礎(chǔ)鏡像)、適配邏輯SDK(so插件)、私有化SDK(so插件)。同時(shí)也實(shí)現(xiàn)了云邊端混合部署的能力，主要是為了解決邊端算力不足、帶寬，延時(shí)不滿足需求的場(chǎng)景。

數(shù)據(jù)中心

數(shù)據(jù)中心主要功能使實(shí)現(xiàn)數(shù)據(jù)的接入、推送、轉(zhuǎn)換以及存儲(chǔ)等，也包括本地上傳、在線拉取、外部推送等能力。實(shí)現(xiàn)了項(xiàng)目落地實(shí)施過(guò)程中，屏蔽不同存儲(chǔ)介質(zhì)(包括結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù))的讀寫(xiě)能力。

監(jiān)控系統(tǒng)

這個(gè)監(jiān)控系統(tǒng)是經(jīng)由開(kāi)源組件 Telegraf + Influxdb + Grafana 搭建起來(lái)的。其比較適合應(yīng)用在私有化部署的場(chǎng)景下，具備支持多種數(shù)據(jù)源、開(kāi)放API擴(kuò)展性強(qiáng)、單獨(dú)微服務(wù)對(duì)應(yīng)單獨(dú)數(shù)據(jù)庫(kù)、界面配置可導(dǎo)入導(dǎo)出等特性。

騰訊云OCR的技術(shù)演進(jìn)歷程

騰訊云高級(jí)工程師彭碧發(fā)，從騰訊云OCR技術(shù)出發(fā)，淺談OCR背后的能力和原理，共同探討OCR在工程演化過(guò)程中，如何保障服務(wù)及快速上線新的能力，為大家?guī)?lái)“騰訊云文字識(shí)別 OCR 技術(shù)構(gòu)建和應(yīng)用”的分享。

騰訊云高級(jí)工程師彭碧發(fā)

騰訊云的OCR能力，目前定位是打造文字識(shí)別工具箱，要求具備豐富的接口能力，要能夠被集成的同時(shí)保持靈活性。目前是專注于公有云領(lǐng)域，加速規(guī)模化復(fù)制后再切入私有化。中間組件產(chǎn)品這部分，是目前騰訊云OCR所提供的組件接口，向下依賴基礎(chǔ)組件和引擎的方面的各種文字和內(nèi)容處理能力，同時(shí)結(jié)合不同的技術(shù)形成不同的組合產(chǎn)品和解決方案，最終賦能給合作伙伴。

騰訊云OCR整體框架設(shè)計(jì)

從上到下，分為用戶接入層、Web接入層、業(yè)務(wù)邏輯層、引擎平臺(tái)層和基礎(chǔ)服務(wù)層，通過(guò)類微服務(wù)的設(shè)計(jì)，保證各邏輯服務(wù)之間是互相解耦的狀態(tài)。

首先是接入層，分為用戶接入層和Web接入層。用戶接入層通過(guò)API和SDK的方式接入;Web接入層，除域名解析外，新增云標(biāo)準(zhǔn)3.0接入，會(huì)自動(dòng)生成如在線調(diào)試和文檔生成等SDK和相應(yīng)的配套。

往下是業(yè)務(wù)邏輯層，每個(gè)業(yè)務(wù)邏輯都是分離的，各個(gè)業(yè)務(wù)有自己的配置，互不影響。

引擎平臺(tái)層，這里都是最基礎(chǔ)的原子能力的封裝，通過(guò)統(tǒng)一引擎原子能力的輸入?yún)?shù)和錯(cuò)誤碼，從而能夠更好地被業(yè)務(wù)邏輯所應(yīng)用。

基礎(chǔ)服務(wù)層，主要包含引擎的基礎(chǔ)能力、計(jì)費(fèi)控制、DB，COS等。

OCR引擎平臺(tái)層

引擎平臺(tái)層可以是整個(gè)架構(gòu)中的重中之重，原因就在于引擎平臺(tái)層是提升整個(gè)架構(gòu)運(yùn)作效率的核心。改造之后統(tǒng)一引擎接入和引擎適配都放在了一個(gè)工程里面，將正常邏輯和錯(cuò)誤碼都收斂代理在一個(gè)配置文件下，修改非常方便和靈活，發(fā)布的時(shí)候只需要發(fā)布代碼就行。同時(shí)通過(guò)收斂各引擎原子能力的差異，包括錯(cuò)誤碼，保證對(duì)內(nèi)接口的返回更友好;將服務(wù)層級(jí)從3精簡(jiǎn)到1，極大提升了維護(hù)效率。

騰訊云知文NLP平臺(tái)的技術(shù)架構(gòu)

來(lái)自騰訊云的高級(jí)研究員許澤柯，從騰訊云NLP技術(shù)和能力矩陣出發(fā)，淺談NLP背后的算法、原理及架構(gòu)。

騰訊云高級(jí)研究員許澤柯

騰訊云AI語(yǔ)義產(chǎn)品矩陣

騰訊云知文NLP平臺(tái)，是基于騰訊在各領(lǐng)域上豐富語(yǔ)料及多年NLP能力的積累，結(jié)合騰訊云的專業(yè)產(chǎn)品與服務(wù)，推出的一站式自然語(yǔ)言處理平臺(tái)。知文NLP平臺(tái)融合深度學(xué)習(xí)、云服務(wù)、人工智能，大數(shù)據(jù)等多方面技術(shù)，全面覆蓋基礎(chǔ)NLP中詞法分析、句法分析、篇章分析、向量技術(shù)等各方面技術(shù)，廣泛應(yīng)用于泛互聯(lián)網(wǎng)、政府、金融等行業(yè)。

騰訊云知文NLP服務(wù)框架

為了保障線上服務(wù)的穩(wěn)定性以及高效性，整個(gè)產(chǎn)品的系統(tǒng)架構(gòu)采用的是微服務(wù) + DevOps的構(gòu)建方式，每一個(gè)算法微服務(wù)都是單獨(dú)的容器實(shí)例。

整個(gè)產(chǎn)品的系統(tǒng)架構(gòu)可以分為5層，分別是用戶層、API3.0接入層、業(yè)務(wù)接入層、應(yīng)用層、數(shù)據(jù)層。其中用戶層主要包括計(jì)費(fèi)、控制臺(tái)管理以及SDK/API使用。API3.0接入層是所有云上業(yè)務(wù)對(duì)外提供服務(wù)必須接入的，目的是為了統(tǒng)一云業(yè)務(wù)規(guī)范，對(duì)齊業(yè)界標(biāo)準(zhǔn)，從而提升用戶對(duì)云api的體驗(yàn);除此之外，云API3.0還接入了公司內(nèi)部的星云告警系統(tǒng)、哈勃監(jiān)控系統(tǒng)以及CAM簽名服務(wù)，能夠保障服務(wù)的正常運(yùn)行，同時(shí)還減少業(yè)務(wù)的部分工作量。業(yè)務(wù)接入層、應(yīng)用層以及數(shù)據(jù)層屬于業(yè)務(wù)后端服務(wù)。其中業(yè)務(wù)接入層主要負(fù)責(zé)服務(wù)的接入以及路由。應(yīng)用層則包括業(yè)務(wù)邏輯層跟算法邏輯層，業(yè)務(wù)邏輯層指計(jì)費(fèi)、額度、控制臺(tái)等服務(wù);算法邏輯層是整個(gè)系統(tǒng)架構(gòu)的核心，也是知文NLP產(chǎn)品的價(jià)值體現(xiàn)，需要不斷迭代更新。最后的數(shù)據(jù)層則負(fù)責(zé)數(shù)據(jù)的存儲(chǔ)、上報(bào)等，采用的都是目前騰訊云主流的組件。

上述所有的業(yè)務(wù)后端服務(wù)都是基于微服務(wù)架構(gòu)，區(qū)別于傳統(tǒng)的單體服務(wù)，我們將不同的業(yè)務(wù)邏輯劃分成小的服務(wù)，服務(wù)之間通過(guò)相互通信的方式來(lái)進(jìn)行調(diào)用。服務(wù)與服務(wù)之間采用的是輕量級(jí)的通信機(jī)制進(jìn)行溝通(目前我們的架構(gòu)中既支持gRPC也同時(shí)支持基于http的Restful

API)，每個(gè)服務(wù)都是圍繞獨(dú)立的業(yè)務(wù)邏輯進(jìn)行構(gòu)建，同時(shí)能夠被獨(dú)立地部署到生產(chǎn)環(huán)境、測(cè)試環(huán)境等。知文NLP后端服務(wù)采用上述的微服務(wù)架構(gòu)，主要是基于以下幾點(diǎn)考慮：(1)知文NLP平臺(tái)涵蓋十多個(gè)原子化算法服務(wù)，采用微服務(wù)的架構(gòu)有利于算法的獨(dú)立開(kāi)發(fā)以及獨(dú)立部署，能夠更靈活、更快速地響應(yīng)算法頻繁的迭代需求;(2)基于微服務(wù)的架構(gòu)可以實(shí)現(xiàn)松耦合且各個(gè)服務(wù)之間無(wú)需統(tǒng)一語(yǔ)言，可以加速合作伙伴上云的節(jié)奏;(3)微服務(wù)架構(gòu)結(jié)合容器化的DevOps平臺(tái)，可以簡(jiǎn)化服務(wù)的部署以及運(yùn)維。

AutoNLP

AutoNLP元素架構(gòu)圖

AutoNLP 的概念來(lái)自于AutoML，目的就是在做機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的過(guò)程中可以將數(shù)據(jù)標(biāo)注、特征選擇、模型選擇、模型上線等過(guò)程自動(dòng)化。AutoNLP 所針對(duì)的就是 NLP 任務(wù)的pipeline。 上圖為 AutoNLP 的元素架構(gòu)圖，先看最左側(cè) Data 部分，底層為 IaaS，會(huì)提供 GPU 到 CPU 的資源供開(kāi)發(fā)者使用。往上是 Data，有 Data Market，不僅可以應(yīng)用自己的語(yǔ)料，也會(huì)內(nèi)嵌騰訊的語(yǔ)料。Data Factory 則會(huì)提供可視化數(shù)據(jù)以及數(shù)據(jù)預(yù)處理工具。中間的 Framework 會(huì)內(nèi)嵌ModelZoo，提供不同領(lǐng)域的Bert 模型。將 AutoNLP 以 容器的形式部署，很好保障了容災(zāi)、擴(kuò)容、服務(wù)穩(wěn)定性等方面，且最終服務(wù)上線后會(huì)提供 rpc跟resrful兩種調(diào)用方式。

智能鈦機(jī)器學(xué)習(xí)平臺(tái)TI-ONE在工業(yè)的落地實(shí)踐

智能鈦機(jī)器學(xué)習(xí)平臺(tái)是面向廣大開(kāi)發(fā)者的一站式機(jī)器學(xué)習(xí)平臺(tái)，覆蓋了數(shù)據(jù)預(yù)處理、特征工程、模型訓(xùn)練、模型推理、一鍵部署等機(jī)器學(xué)習(xí)建模全流程功能。包含傳統(tǒng)機(jī)器學(xué)習(xí)算法、時(shí)間序列算法、NLP算法、圖處理算法、計(jì)算機(jī)視覺(jué)等。目前已經(jīng)廣泛落地在工業(yè)和金融業(yè)領(lǐng)域，騰訊云高級(jí)研究員尹迪重點(diǎn)為大家介紹智能鈦機(jī)器學(xué)習(xí)平臺(tái)在工業(yè)領(lǐng)域的具體實(shí)踐。

騰訊云高級(jí)研究員尹迪

工業(yè)領(lǐng)域當(dāng)前面臨的問(wèn)題還是比較多的，從用戶角度來(lái)看，生產(chǎn)工程師不會(huì)數(shù)據(jù)分析、數(shù)據(jù)挖掘、圖像處理、目標(biāo)檢測(cè)等工作。算法工程師又對(duì)站點(diǎn)數(shù)據(jù)不熟悉，對(duì)制程的經(jīng)驗(yàn)不足，無(wú)法進(jìn)行相應(yīng)的數(shù)據(jù)分析和建模;

從數(shù)據(jù)的角度來(lái)看，工業(yè)行業(yè)數(shù)據(jù)維度高、因子雜亂，數(shù)據(jù)類型種類多、識(shí)別困難，并且真因往往隱藏在海量數(shù)據(jù)之中，且由多個(gè)因子聯(lián)合起作用。并且容易漏掉字符型數(shù)據(jù)，字符型數(shù)據(jù)往往包含十分豐富的數(shù)據(jù)信息，在一般的工業(yè)機(jī)器學(xué)習(xí)建模過(guò)程中，字符型數(shù)據(jù)是最容易被忽略掉的那一類;

從實(shí)踐的角度看，往往是算法應(yīng)用不明確、無(wú)法分析個(gè)性化案例、AI手段無(wú)法有效改善生產(chǎn)問(wèn)題以及如何匯報(bào)自己的建模方法這四個(gè)問(wèn)題。

智能鈦機(jī)器學(xué)習(xí)平臺(tái)在工業(yè)的解決方案架構(gòu)圖

依上圖所示，整體解決方案共分為5個(gè)層面，分別為業(yè)務(wù)、大數(shù)據(jù)、AI、應(yīng)用場(chǎng)景以及前端展示：

業(yè)務(wù)平臺(tái)，包括物聯(lián)網(wǎng)數(shù)據(jù)收集、邊緣計(jì)算、業(yè)務(wù)系統(tǒng)、數(shù)據(jù)存儲(chǔ);

大數(shù)據(jù)平臺(tái)，包含了計(jì)算引擎、大數(shù)據(jù)存儲(chǔ)/加速層、大數(shù)據(jù)分析挖掘、消息接入層;

AI平臺(tái)，包含了智能鈦機(jī)器學(xué)習(xí)訓(xùn)練平臺(tái)和推理平臺(tái)，提供了數(shù)據(jù)預(yù)處理、特征工程、模型訓(xùn)練、模型推理和部署工作;

應(yīng)用場(chǎng)景，有虛擬量測(cè)、高效良率、壽命預(yù)測(cè)、真因分析、缺陷檢測(cè)、圖像分類等;

前端展示，包括伯拉圖、等高線圖、散點(diǎn)圖等。

現(xiàn)階段常用的是異常數(shù)據(jù)檢測(cè)、時(shí)間序列數(shù)據(jù)檢測(cè)、全特征數(shù)據(jù)檢測(cè)、異常圖片智能檢測(cè)等功能。此外包括最優(yōu)路徑的搜索、良率測(cè)算、異常解析等。異常解析的主要作用是在平臺(tái)出現(xiàn)異常后主動(dòng)追溯造成異常的原因。

從這5個(gè)層面，能對(duì)工業(yè)界的實(shí)踐起到什么樣的價(jià)值?主要包含六方面：

系統(tǒng)自動(dòng)監(jiān)控和告警;

提高工作效率，通過(guò)將解析資料進(jìn)行系統(tǒng)化管理，將異常發(fā)生至解決的時(shí)間從6h縮短至1h;

提升良率品質(zhì)，通過(guò)異常因子分析、圖像異常檢測(cè)等方式，準(zhǔn)確定位異常信息，盡早發(fā)現(xiàn)異常并處理，提升良品率;

減少人力投入，提升系統(tǒng)自動(dòng)化的程度，將數(shù)據(jù)分析時(shí)間從60min縮短至5min;

策略參考，智能排出最優(yōu)路徑，從無(wú)法獲取最優(yōu)run貨路徑，到現(xiàn)在10min內(nèi)就可以獲取到;

降低失效成本提升效益，加強(qiáng)異常攔截，及時(shí)發(fā)現(xiàn)異常，減少異常漏放。

就像文章開(kāi)頭所說(shuō)，正是開(kāi)發(fā)者的努力，才造就了國(guó)內(nèi)AI生態(tài)持續(xù)繁榮的這一現(xiàn)狀。這一幕，從現(xiàn)場(chǎng)參加Workshop同學(xué)的熱情中就可以看出來(lái)。

Workshop: 零代碼使用騰訊TBP打造智能對(duì)話機(jī)器人

騰訊智能對(duì)話平臺(tái)(Tencent Bot Platform), 專注于“對(duì)話即服務(wù)”的愿景，全面開(kāi)放騰訊對(duì)話系統(tǒng)核心技術(shù)，為大型企業(yè)客戶、開(kāi)發(fā)者和生態(tài)合作伙伴提供開(kāi)發(fā)平臺(tái)和機(jī)器人中間件能力，實(shí)現(xiàn)便捷、低成本構(gòu)建人機(jī)交互體驗(yàn)和高效、多樣化行業(yè)賦能。

騰訊智能對(duì)話平臺(tái)簡(jiǎn)介

騰訊智能對(duì)話平臺(tái)產(chǎn)品功能全景圖

如上圖所示，騰訊智能對(duì)話平臺(tái)全面開(kāi)放騰訊智能語(yǔ)音與對(duì)話系統(tǒng)技術(shù)，包括：語(yǔ)音識(shí)別、語(yǔ)音合成、意圖識(shí)別、實(shí)體抽取、知識(shí)圖譜、多輪對(duì)話狀態(tài)跟蹤、自然語(yǔ)言生成、服務(wù)決策與分發(fā)等。

騰訊云產(chǎn)品技術(shù)團(tuán)隊(duì)結(jié)合智能對(duì)話應(yīng)用的使用場(chǎng)景，將底層對(duì)話系統(tǒng)技術(shù)抽象和封裝出多種機(jī)器人開(kāi)發(fā)類型(如常用的任務(wù)型機(jī)器人和問(wèn)答型機(jī)器人)，以滿足不同開(kāi)發(fā)中需求，在不同類型的機(jī)器人種，開(kāi)發(fā)中可通過(guò)意圖管理、實(shí)體管理和問(wèn)答管理自定義語(yǔ)義模型。除語(yǔ)義模型構(gòu)建外，平臺(tái)還為開(kāi)發(fā)者提供服務(wù)連接與部署、網(wǎng)頁(yè)模擬器測(cè)試、版本控制與發(fā)布、線上數(shù)據(jù)洞察與運(yùn)營(yíng)等機(jī)器人開(kāi)發(fā)全流程工具。

同時(shí)，平臺(tái)提供了強(qiáng)大的內(nèi)置對(duì)話能力和豐富的內(nèi)置實(shí)體庫(kù)，并將業(yè)內(nèi)最領(lǐng)先的語(yǔ)義理解模型，囊括 Transformer, BERT, LSTM，VDCNN 等，廣泛應(yīng)用于意圖識(shí)別，實(shí)體識(shí)別，槽位抽取, 知識(shí)問(wèn)答， 對(duì)話生成等業(yè)務(wù)流程。

平臺(tái)滿足不同類型應(yīng)用開(kāi)發(fā)者與合作伙伴訴求。對(duì)于應(yīng)用開(kāi)發(fā)者，平臺(tái)為開(kāi)發(fā)者連接多個(gè)應(yīng)用渠道、可實(shí)現(xiàn)一次構(gòu)建、無(wú)處不在，使開(kāi)發(fā)者更加專注于機(jī)器人業(yè)務(wù)邏輯和服務(wù);對(duì)于微信運(yùn)營(yíng)者，平臺(tái)與微信開(kāi)放平臺(tái)打通，實(shí)現(xiàn)零代碼接入微信公眾號(hào);對(duì)于對(duì)于傳統(tǒng)客服和外呼廠商等業(yè)內(nèi)合作伙伴，平臺(tái)提供機(jī)器人中間件API，幫助合作伙伴實(shí)現(xiàn)以機(jī)器人能力替代人工、從傳統(tǒng)客服到智能客服的轉(zhuǎn)型。

騰訊智能對(duì)話平臺(tái)面向?qū)υ挿?wù)高頻場(chǎng)景，提供行業(yè)解決方案，實(shí)現(xiàn)向上多樣化行業(yè)助力。

使用騰訊智能對(duì)話打造智能出行助手

本次Workshop主題是使用騰訊智能對(duì)話平臺(tái)打造一款智能出行對(duì)話助手。

在騰訊AI技術(shù)專家葉聰老師的講解與指導(dǎo)下，現(xiàn)場(chǎng)開(kāi)發(fā)者深入了解了對(duì)話系統(tǒng)核心原理、以及騰訊智能對(duì)話平臺(tái)的特性和使用方法，最后都順利完成智能對(duì)話機(jī)器人的實(shí)操開(kāi)發(fā)。實(shí)操緩解結(jié)束后，現(xiàn)場(chǎng)開(kāi)發(fā)者熱情不減，有幾位開(kāi)發(fā)者圍在講師身邊，向講師表達(dá)從零到一開(kāi)發(fā)出屬于自己的對(duì)話助手的喜悅，并詳細(xì)描述場(chǎng)景尋求講師提升對(duì)話體驗(yàn)的建議。

在此次Workshop中，現(xiàn)場(chǎng)的開(kāi)發(fā)者也對(duì)平臺(tái)的體驗(yàn)提出了非常有價(jià)值的建議。葉聰老師表示，團(tuán)隊(duì)會(huì)持續(xù)傾聽(tīng)開(kāi)發(fā)者聲音，持續(xù)與開(kāi)發(fā)者連接互動(dòng)，持續(xù)致力于為開(kāi)發(fā)者提供最好的人機(jī)對(duì)話產(chǎn)品開(kāi)發(fā)體驗(yàn)。

在此次技術(shù)沙龍上，每位講師通過(guò)與現(xiàn)場(chǎng)開(kāi)發(fā)者的深入交流，均獲得了不少有價(jià)值的建議。同樣，現(xiàn)場(chǎng)開(kāi)發(fā)者在講師的一對(duì)一指導(dǎo)下，對(duì)騰訊云的 AI 能力也有了更深的理解。當(dāng)然，不論是云計(jì)算、區(qū)塊鏈還是人工智能，開(kāi)發(fā)者永遠(yuǎn)是技術(shù)發(fā)展的根本。騰訊云深諳開(kāi)發(fā)者對(duì)于平臺(tái)技術(shù)發(fā)展的重要性，積極擁抱開(kāi)發(fā)者，愿與開(kāi)發(fā)者攜手一起，共建屬于人工智能技術(shù)更先進(jìn)的未來(lái)。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。