NLP之外，追一科技也在擴大語音和視覺團隊，構建語義、語音、多模態等AI技術的閉環。

“我上個月在南京的差旅住宿，花了多少錢？”

“我上週五透過信用卡消費了多少錢？”

……

上述問題，聊天機器人可以立刻給你答案。

讓機器讀懂我們的的語言，並且輸出我們能明白的回答，這個過程就需要自然語言處理（NLP）技術的支援。 換句話說，NLP充當了機器和人類之間的翻譯工作，它在諸多AI應用中發揮著關鍵作用。

與熱門的計算機視覺、語音識別等技術相比較，研究NLP的創業公司相對少很多， 追一科技便是國內首批從事NLP技術和深度學習的企業智慧服務AI公司，李開復曾公開表示，“追一科技是國內乃至全球最好NLP公司之一。”

就在最近， 由追一科技主辦的首屆中文NL2SQL挑戰賽在南京落幕，從全球1457支隊伍中脫穎而出的五支隊伍角逐最後的冠軍，在此期間， 鎂客網採訪了追一科技的聯合創始人兼CTO劉雲峰，探討了當前NLP技術的發展和應用落地情況，以及追一科技在NLP技術浪潮中扮演的角色。

NLP是AI的關鍵一環，追一已經做到技術落地

通常情況下，我們會把AI分為“感知”和“認知”兩個部分。其中，計算機視覺和語音識別屬於感知部分，而自然語言處理（NLP）則是認知部分的重要內容。從這個層面去解讀，NLP的研究難度比計算機視覺乃至語音技術都要更上一層樓。

但NLP的發展歷程比計算機視覺乃至語音理解都要早，早在上世紀50年代，電子計算機的出現，就帶來了許多自然語言處理的任務需求，其中最典型的就是機器翻譯。 而我們最為熟悉的NLP應用則是網頁搜尋，從海量的文字中進行自然語言的資訊檢索和抽取。

伴隨著大資料、深度學習技術的應用，NLP也進入了一個新的階段，用劉雲峰的話來說，“以前我們只需要機器理解人的語言，但現在的自然語言理解， 是希望機器像人一樣具備一定的常識和思維推理能力，這已經比以前期望值高很多。”

相應的，圍繞NLP的創業，技術門檻自然很高，這也恰恰是追一科技的一大優勢。

追一科技的主要創始團隊中有三人來自騰訊，創始人兼CEO吳悅是原騰訊TEG事業群搜尋部門負責人，主持構建了騰訊分散式檔案系統、大資料叢集、大網頁搜尋引擎推薦引擎等重要專案；CTO劉雲峰在騰訊從事搜尋技術、自然語言處理、機器學習方向的研究長達十年，在NLP領域有著豐富的技術和實戰經驗。

成立之初，追一科技從智慧客服切入，舉個例子，透過追一科技的AI技術解決方案，可以直接和客服機器人進行“正常語言”的交流對話，比如詢問賬單情況、幫忙訂張票、查詢附近最近好吃的餐廳等等。

經過三年的發展，他們已經構建了智慧語義和演算法平臺等AI技術棧，打造了以知識為驅動的數字員工產品族， 包括智慧客服、數字催收、資料質檢、上崗培訓、使用者畫像、反洗錢分析、警情分析等。

目前，追一科技的智慧服務解決方案，從客服機器人到人機協同等， 也已經在招商銀行信用卡、中國移動、萬達、攜程等企業中應用落地。

發起NL2SQL挑戰賽，今年會是NLP技術大年

在和企業客戶打交道過程中，追一科技發現 很多企業客戶的知識和資料都是以資料庫的形式儲存，問題隨之而來，能不能基於資料庫去解決一些互動的問題，NL2SQL（自然語言轉結構化查詢語句）就是答案。

NL2SQL是NLP的一個研究方向，可以將人類的自然語言自動轉化為相應的SQL語句，進而與資料庫直接互動、並返回互動的結果。比如我們問：大眾10萬到20萬之間的車型有幾種？NL2SQL可以讓機器理解這樣的自然語言，並從表格中檢索出答案。

當前，研究NL2SQL的企業非常少，劉雲峰表示在年初NL2SQL挑戰賽之前，國內除了微軟，就是追一科技在做。

所以， 為了開啟這個新興垂直技術的天花板，他們發起了此次NL2SQL挑戰賽。比賽同期追一科技還發布了業內首個大規模的中文資料集，包括4870張表格資料、近50000條標註資料以及相應的SQL語句。

從比賽初期的60%準確率，到複賽結束時最高92％的準確率，劉雲峰也非常意外，“這個結果比同類資料難度更低的WikiSQL成績還要好， 說明我們在基礎技術的研發方面，已經追上甚至超過了國外同行的技術水平。”

不過他也表示，雖然此次釋出的資料集已經覆蓋了10多個行業，也具備了一定的泛化能力， 但技術真正落地還有很多工程化的工作，比如行業是否有這樣的資料的積累，資料表格的複雜度以及文字的歧義等等，都需要針對垂直行業做進一步的調優。

談及舉辦這次比賽的初衷，劉雲峰表示， “從AI的發展規律來看，一個技術如果有專門的技術挑戰賽，會加速它的產業化落地，比如視覺領域的ImageNet，這些公開測試集或者挑戰賽出現的時間點，恰好都是這個技術從論文走上產業化的臨界點。”

劉雲峰也強調，從技術成熟度來看，業內已經解決了很多NLP的基礎問題， 今年會是NLP的大年，但是落地到場景上會有一、兩年的延後。“之後NLP會進入到技術成熟階段的爆發期，能夠解決一些更為複雜的任務。”

NLP之外，做全棧的AI公司

“互動”是追一科技產品的核心方向，除了早期的文字、語音互動，採訪中劉雲峰透露， 追一科技正在做“多模態互動的數字人產品”，這是一個區別於虛擬主播等朗讀型機器人的互動型產品，囊括了語音技術、自然語言處理、視覺三大領域的技術，並且擁有自我進化的能力，能夠對資料知識歸類分析總結，自我學習。

“這個虛擬形象的表情、肢體動作會和說話內容相匹配，可以做到實時的對話互動。”

劉雲峰認為， “未來頭部的AI公司一定是全棧的AI公司。”也就是說，每一個AI公司既要有自己最核心、最拿手的方向，對其他技術也需要了若指掌。

所以， NLP之外，追一科技也在擴大語音和視覺團隊，構建語義、語音、多模態等AI技術的閉環。

目前他們已經做到語音技術的閉環，而且相較於通用的語音識別， 追一科技更關注語音互動領域的歧義問題，提高上下文場景裡的語音識別準確率。視覺方面，追一科技也更加關注互動所需要的視覺理解，比如使用者的手勢識別指令。

上文所提到的“數字人”產品就是追一科技在語音、視覺、NLP三大技術上的“集大成者”。

最後，談及NLP的大規模商業化問題，劉雲峰認為要解決共同化和平臺化的問題，企業服務的特點是定製化需求多，所以要做到“配置即定製”，將產品“PaaS”化，加強產品化能力以及與合作伙伴的黏性，更高效地解決企業需求。

結語：

哪裡有語言，哪裡就有NLP發揮作用的地方。正如劉雲峰所言， NLP這兩年在語言模型等基礎能力上已經有所突破，下一步要完善的就是技術落地到商業場景中的工程化問題。

從論文到工業應用，技術的傳遞鏈在加速，追一科技要做的就是解決好垂直領域的知識問題，在技術應用爆發到來前，做好準備。