3月15日，經(jīng)過多年技術(shù)沉淀與積累，依托于過硬的AI算法自研團(tuán)隊(duì)，容聯(lián)云正式推出AI能力平臺(tái)“AI Kernel（云梯）”。

AI Kernel面向企業(yè)和集成開發(fā)商，提供基于自研算法封裝的NLP原子能力、全生命周期管理的自學(xué)習(xí)平臺(tái)與bot對(duì)話能能力等AI服務(wù)，幫助企業(yè)或集成開發(fā)商降低AI入門門檻，賦予其AI應(yīng)用開發(fā)的自主建設(shè)能力，統(tǒng)籌管理企業(yè)AI能力和數(shù)據(jù)資源，實(shí)現(xiàn)智能化應(yīng)用產(chǎn)品的快速落地。

云梯降低AI門檻 助力企業(yè)向平臺(tái)化建設(shè)轉(zhuǎn)型

當(dāng)下，智能化發(fā)展是大勢所趨，企業(yè)在智能化進(jìn)程中通常會(huì)面臨許問題。首先，AI開發(fā)是復(fù)合型的系統(tǒng)工程，需要既精通AI又懂工程，既理解技術(shù)又理解業(yè)務(wù)的復(fù)合型人才實(shí)現(xiàn)融合創(chuàng)新。但在AI人才供給緊張的今天，企業(yè)較難招到也難留住合適的AI人才。同時(shí)，算法模型的構(gòu)建及訓(xùn)練極其繁復(fù)、且算力要求高，技術(shù)瓶頸多，需要承擔(dān)巨額的開發(fā)成本。

其次，企業(yè)傳統(tǒng)的“煙囪式、項(xiàng)目制”開發(fā)模式，成本高、不易集成，過程重復(fù)，缺乏能力沉淀，缺少優(yōu)化、協(xié)同、自動(dòng)化輔助，業(yè)務(wù)響應(yīng)緩慢。沒有統(tǒng)一的數(shù)據(jù)訪問渠道和統(tǒng)一的模型運(yùn)行、監(jiān)控平臺(tái)，以及更新、維護(hù)機(jī)制，基礎(chǔ)資源分散管理，未得到充分利用，造成浪費(fèi)。

第三，隨著企業(yè)AI應(yīng)用的不斷增加，各系統(tǒng)核心AI能力無法統(tǒng)一，大量寶貴的用戶數(shù)據(jù)分散在不同系統(tǒng)無法復(fù)用?？蛻艋疉I應(yīng)用需要依賴廠家進(jìn)行定制開發(fā)，無法滿足日益增長的業(yè)務(wù)對(duì)開發(fā)敏捷度的要求。

容聯(lián)云AI Kernel打造更加包容、敏捷、高效的AI能力服務(wù)，降低企業(yè)AI入門門檻，幫助企業(yè)解決項(xiàng)目制、煙囪式AI建設(shè)存在的弊端，統(tǒng)籌管理NLP原子能力、模型和數(shù)據(jù)資源，同時(shí)提供可視化的線上模型訓(xùn)練工具，助力企業(yè)向平臺(tái)化建設(shè)轉(zhuǎn)型，更容易、更快速地搭建適合業(yè)務(wù)場景需求的人工智能應(yīng)用。

AI Kernel開放的自學(xué)習(xí)平臺(tái)，打通線上數(shù)據(jù)集管理、模型訓(xùn)練、模型評(píng)測、模型發(fā)布等一體化流程。企業(yè)只需上傳數(shù)據(jù)集，勾選平臺(tái)已開放的各種算法組合，即可實(shí)現(xiàn)場景模型的自動(dòng)訓(xùn)練與評(píng)測。同時(shí)，平臺(tái)已沉淀和開放大量通用模型和領(lǐng)域模型，供平臺(tái)租戶直接使用，降低AI應(yīng)用冷啟環(huán)節(jié)的耗時(shí)。

此外，AI Kernel開放API/SDK，輸出容聯(lián)AI原子化能力。企業(yè)或者集成開發(fā)商可以通過調(diào)用容聯(lián)AI原子能力靈活開發(fā)對(duì)話機(jī)器人、文本處理等智能化應(yīng)用。開放NLP原子能力包含分詞詞性、文本糾錯(cuò)、中心詞提取、語義相似度計(jì)算、意圖識(shí)別、情感分息等能力。

中文分詞與詞性標(biāo)注：平臺(tái)將自然語言文本切分成語義合理、完整的詞匯序列，并為每個(gè)詞匯賦予一個(gè)詞性，如：動(dòng)詞、名詞、介詞等。

• 意圖識(shí)別：基于規(guī)則模板+深度學(xué)習(xí)算法，平臺(tái)可快速解析用戶意圖，支持單意圖和多意圖識(shí)別。
• 實(shí)體識(shí)別：基于bert+bilstm+crf模型，實(shí)時(shí)自動(dòng)抽取文本中具有特定意義的實(shí)體，如：人名、地名、機(jī)構(gòu)名等。
• 文本糾錯(cuò)：自動(dòng)更正文本中存在錯(cuò)誤的字段，降低由于文本錯(cuò)誤帶來的語義解析不準(zhǔn)或閱讀障礙。
• 語義相似度計(jì)算：基于海量數(shù)據(jù)訓(xùn)練的網(wǎng)絡(luò)模型，計(jì)算句子之間的相似度，實(shí)現(xiàn)高精度語義相似度比對(duì)。
• 中心詞提取：基于BERT多任務(wù)訓(xùn)練和MMR重排算法，自動(dòng)提取文本核心關(guān)鍵詞語。
• 知識(shí)聚類：對(duì)大量未標(biāo)注數(shù)據(jù)進(jìn)行自動(dòng)聚類，實(shí)現(xiàn)快速創(chuàng)建業(yè)務(wù)場景和知識(shí)擴(kuò)充。
• 情感分析：對(duì)文本話術(shù)情感的積極性、消極性等進(jìn)行精準(zhǔn)的意見挖掘和傾向性分析。
• 自動(dòng)摘要：自動(dòng)預(yù)測文本片段中的關(guān)鍵信息生成文本摘要，提煉文本主題。
• 句式識(shí)別：基于深度學(xué)習(xí)文本分類模型，支持對(duì)句子句式進(jìn)行識(shí)別，如：肯定句、否定句、疑問句、感嘆句等。
• 數(shù)據(jù)增強(qiáng)：借助EDA、回譯等手段，實(shí)現(xiàn)有限數(shù)據(jù)樣本的自動(dòng)擴(kuò)寫，幫助解決文本數(shù)據(jù)量不足或不均衡問題。

AI能力平臺(tái)為企業(yè)數(shù)字化提供有力支撐

容聯(lián)AI Kernel將企業(yè)標(biāo)準(zhǔn)化數(shù)據(jù)統(tǒng)一管理，方便復(fù)用和沉淀，統(tǒng)一的服務(wù)接口規(guī)范，支持服務(wù)動(dòng)態(tài)編排組合?？梢暬瘮?shù)據(jù)-訓(xùn)練-評(píng)測-發(fā)布一體化的平臺(tái)，支持14項(xiàng)訓(xùn)練超參設(shè)置，采用混淆矩陣4指標(biāo)評(píng)測模型效果，支持自動(dòng)拆分評(píng)測集，訓(xùn)練-評(píng)測過程完全自動(dòng)化進(jìn)行，無須人工干預(yù)，評(píng)測完成郵件通知，支持多任務(wù)并行訓(xùn)練，集中管理歷史數(shù)據(jù)/歷史模型版本，方便查詢回退。在統(tǒng)一資源管控（計(jì)算資源、存儲(chǔ)資源等），支持資源彈性調(diào)度，確保資源得到合理利用，避免資源浪費(fèi)的同時(shí)，AI Kernel支持私有云、本地化部署方式。

目前，平臺(tái)已服務(wù)于金融、銀行、保險(xiǎn)、證券、石化、汽車等諸多領(lǐng)域的智能營銷、智能催收、智能服務(wù)、智能質(zhì)檢等應(yīng)用場景。