新图灵测试背后，智能交互点燃了哪些财产可能性？_头条

临近岁末年初，各大科技厂商都卯着劲儿相继发布新技术、新产品，其中，一场关于“新图灵测试”的探讨，及其所打开的广袤空间，就成为业内热议的对象

年中的2020 智源大会上，京东集团技术委员会主席、京东智联云总裁、京东人工智能研究院院长、IEEE Fellow 周伯文，在与斯坦福大学教授、人工智能实验室负责人克里斯托弗·曼宁（Christopher Manning）的对话中，提出了图灵测试的“替代方案”。

而前不久的CIIS2020上，京东将多模态内容生成、多轮对话等AI技术，与智能交互机器人流程自动化(RPA)相结合，打造出能够适配千变万化的消费者需求和服务产业复杂业态的智能交互技术体系。

不仅让“新图灵测试”成为可能，也让我们看到了AI与RPA结合的“京东思路”，正在从决策到管理、执行的联动，给产业数字化带来的全新发展机遇，正逐步清晰地浮现在我们眼前。

一种悖论：为什么说图灵测试不适合做产业数智化基准

图灵测试（The Turing test），是人工智能领域的基础名词，艾伦·麦席森·图灵在1950年预测，到2000年人工智能可以在5分钟的问答中骗过30%成年人。

那么，发展了数十年的AI到底有没有达到图灵的预测标准呢？

伴随着GPT3、BERT等大规模、高性能的算法出现，AI不仅能写诗绘画讲故事，甚至还能模仿客服给消费者打营销电话，骗取人类信任……看起来似乎已经达到了预测中的水平。

但究其本质，图灵的预言其实指向一种具有真正智能的机器的可能性，意味着人类能够打造出具备思考能力的机器。2014年人工智能软件尤金·古斯特曼（Eugene Goostman）通过了图灵测试，被认为具有人类智能，但实际上，这位“尤金”还远远不能思考。

这种表与里的悖论，让图灵测试作为智能的评测基准（Benchmark），在落地产业AI化过程中存在两个待解的问题：

一是无法量化。尽管目前许多算法可以通过图灵测试，但这一评测基准对AI应用落地产业没有直接帮助和参考。因为图灵测试没有规定问题的范围和提问的标准，跟人类进行随机的、无特定内容对话的交流。要评价一个AI系统的智能程度，就如克里斯托弗·曼宁教授在会议中所提到的那样，“需要找一个另外的方法，标量真正的理解、真正的持续对话”。

图灵测试的第二个问题，则是无法检验AI系统在产业应用的效率。在产业智能化进程中，AI往往需要被用来解决具象的问题，比如帮助零售商与消费者流畅地沟通，这就要求其具备一种“宽泛的心理能力”，需要调动意图感知、语音识别、语义分析、内容生成等等具体能力，而这都是图灵测试无法具体评测到的。

从这个角度看，寻找新的评测标准，是AI走进社会化大生产之后水到渠成的产业需求。

一个可能：AI+RPA如何打开新图灵测试的天地

既然图灵测试并不能满足产业应用AI时的评测需求，所以周伯文才会提出一个很新颖的概念，直接让两个对话型 AI 做直播带货，通过统计以每小时能卖出多少商品的可量化指标，来对比哪个 AI 的对话更吸引人，从而评估对话型 AI 的智能化水平。

这个创意，在CIIS 2020上就变成了现实。周伯文在现场分享了这个进阶版的“带货测试”：

京东对数以亿计SKU进行卖点挖掘，自动生成文案、背景音乐、虚拟形象，再配上咨询导购客服，整套服务可以自动化地生成每件物品的专属主播介绍，与观众用弹幕和语音实时交流，答疑解惑，把直播产业以规模化、自动化的方式推广到亿级的播放和商品销售上去。

要完成这一实时、可量化的智能交互，需要的技术是非常多面的。首先需要利用深度学习神经网络和知识图谱对物品资料进行识别和理解，然后系统根据多模态数字内容生成技术，可以自动生成一个精彩的解说词，自动挖掘卖点、自动生成销售文案、生成语音背景和音乐，还会为每个消费者生成独特的虚拟形象，再利用京东TTS语音驱动虚拟主播进行讲解。

举个例子，当消费者跟智能客服或智能主播对话时，用文字表达自己的困惑“我想找一件黄色的、有波浪边的轻薄连衣裙”，多模态智能对话可以快速将这些文字以图像化的形式表达出来，将符合要求的图片呈现出来，同时，主播还会活灵活现地向消费者介绍“裙摆可以像风一样摆动哦~”

解说过程中，根据消费者的实时弹幕，系统需要快速根据上下文多轮对话策略进行内容识别、意图感知，来实时调整自己的讲解节奏、内容、情绪。

令消费者缩短无效观看时间，与主播一对一交流；同时也可以让众多商家低门槛、自动化地用直播方式带货。AI主播还可以进一步收集消费者的问题与困惑，及时地反馈给商家进行迭代和优化，等于拥有了一个零售顾问。

京东平台的实践数据显示，目前该技术已经在好货频道、社交电商、售前导购机器人京小智、搭配购、什么值得买APP等生成了5000万个素材，其中AI素材曝光点击率是人工素材的1.4倍。让机器更懂人心、更会说话，这正是京东将AI+RPA融合之后的智能服务所带来的魅力。

顺着“带货主播”模式开始延伸，我们可以看到作为“新图灵测试”背后的技术组合——AI+RPA到底与传统的智能体有哪些不同？

首先，同样是人与机器的交互，AI+RPA的效果可以量化，支撑产业端的运营、管理、决策。比如对话型 AI 做直播带货，可以在与消费者的对话中不断自我学习进化，在垂直领域变得更具智能感，输出更吸引人的内容。

其次，AI+RPA的协同赋予了自动化服务以自主判断、决策、推理能力，设计了具体而清晰的协作任务，如同一个智慧的大脑突然具备了四肢和行动能力，其中AI作为大脑可以提升系统的服务效率，独立承担起一些简单、重复的工作。

最后也是最重要的，AI+RPA背后的核心逻辑与技术体系有着很强的泛化能力，在服务业数智化转型中的许多流程中都有着清晰的价值体现。

执行层将服务员、客服等一线员工从重复中解放出来，帮助他们提升工作效率；管理层，抽离出有用的信息，利用逻辑推倒实时分析业务变化；最后形成直观的可视化报告或数据图，帮助决策层提升决策效率。

比如基于京东在智能交互RPA和数据智能领域的积累，京东智联云所打造的“咨询大脑”，就被用来构建城市咨询智力中心，可以提供涵盖民生、政务服务、精细化管理、公共安全等多个领域的服务。

从智能交互出发，可以清晰地看到服务业的迭代路径与可行性。这也是为什么，周伯文会说，这种任务导向型对话智能（Task-oriented Conversational Intelligence）将带来人机交互技术驱动的万亿级市场。

三方突围：京东如何破解服务业数智化的三重困境

在CIIS2020上，周伯文表示，产业数字化是传统行业利用AI等新一代信息技术提升效率，而服务业涉及非常多的行业，如金融、教育、电商、物流，数字化和智能化水平并不一致。接下来应该是人和AI协作的深化，进一步提升服务的效能。

这是智能时代科技企业的增长密码，也是京东努力的核心方向。

目前来看，服务领域的数智化存在三重难题：

一是服务业的重塑之难：很多现有的标准化服务流程完全可以被重塑、重造，进而提升服务效能，但传统服务业在智能技术认知和基础设施方面相对较弱，加上需求、规模、痛点的千差万别，需要一个全场景的体系来实现适配。

二是基础设施的运维之难：许多服务业对于智能技术都存在认知不足、人才短缺等问题，而AI项目落地的成功率直接取决于其批量复制、高效运维的能力，如何把工程化的数据运维、模型运维、开发运维三大核心支柱，通过工具化的生命周期管理整合并提供给产业，是科技企业必须努力解决的。

三是多模态的交互之难：在复杂的现实环境中，用户的意图往往会以多模态方式来展现，语言、文字、图像、视频等等都可以作为媒介来传递信息，传统AI一旦需要处理边界和规则不清晰的问题，效率就迅速下降。只有在解决深度语义理解、多模态交互技术、对话内容生成、复杂场景下的多轮对话与决策技术等等之后，智能交互才能真正释放行业创新价值。

也正是如此，京东发布的多模态交互与内容生成等一系列解决方案，让千人千面的智能交互应用开始真实地走入产业端，服务业数智化转型的浪潮快速到来。

举个例子，传统的客服机器人只能将市民抱怨的问题记下来，然后提交给后台工作人员去安排和处理。而伴随着智能交互系统的落地，山西大同的12345近来就出现了一些显而易见的改变，可以通过智能动态交互的方式准确地理解是哪里、是什么情况、什么路灯，通过数字化的私有云管理体系调动相关区的卫生局，通过和相关人员进行AI外呼联系解决这个问题，并创建这个工单和状态。

在确认修好之后，市长热线再外呼电话，告诉市民修好了这种接诉即办的智能服务，会不会让每一个打开电话的市民感受到一种城市管理的速度与文明呢？在疫情防控严格的当下，智能交互基础上的智能疫情外呼系统，也可以自动化完成外呼疫情排查、通知、信息采集、病例回访等工作，是不是可以有效减轻医护和基层人员的负担？

我想上述答案都会是肯定的。

智能交互还可以应用到客服领域。如果你也曾厌倦过拨打客服电话时冗长的等待、牛头不对马嘴的沟通，那么智能交互可能会在未来拯救你和客服双方。

传统客服模式下，人工客服需要将三分之二时间用在理解客户的需求上，剩下是用在后台查询、业务办理，以及创建摘要，为客户完成后续服务的跟踪和闭环上。而京东智能交互可以在分配电话坐席前，就进行机器探索，把合乎的画像和需求匹配到最适合的人工智客服那里；比如手机的特殊功能，会找到手机专家回答问题。

在实时对话中，系统会自动识别高浓度负面情绪。在疫情期间，智能客服就曾在与一位年轻客户的交谈中，感知到对方在购药之后出现了情绪低沉的情况，在安抚的同时，及时联系了心理咨询专家。618期间，智能人机交互系统就为京东平台服务了7800万人次，使得原来的人海战略客服变成智能接待的方式，使得客服中心效率提升90%。