CNET科技资讯网 11月1日 北京消息: 2016年3月,阿里巴巴人工智能服务产品“阿里小蜜”全量上线,上线半月日均接待400万人,服务能力堪比3.3万个服务小二。
经过近8个月的优化升级,预计2016年双11期间,阿里小蜜将承接超90%的服务咨询。同时,商家版人工智能机器人“店小蜜”也已在Apple、小米等10余个品牌的天猫店内投入使用,部分店铺中店小蜜更是成为店铺“头号客服”,为会员提供7*24小时不间断服务。以“阿里小蜜”、“店小蜜”组成的人工智能服务阵容,将首次成为双11服务主力。
作为全球最大的电商平台,阿里巴巴服务着4亿以上的活跃消费者、上千万的活跃商家,以及每天上千万笔的交易,如何借助科技的力量、提升服务能力及用户体验,而不仅仅是增加客服人数,是服务团队一直关注的重点。
2016年3月,小蜜的出现令消费者眼前一亮。基于一键触达、一站式服务的目标,阿里会员只要打开手机淘宝就可以便捷地找到小蜜,平均响应时间不到1秒,大大降低了原来打热线电话排队等待的时间;维权咨询全部在线实时处理、不需要电话、维权进度全面掌握。
2015年双11,阿里服务团队预估服务请求超800万,2016年双11,小蜜预估日接待咨询量将超千万,智能解决率超90%,人工智能首次成为双11服务主力,为用户带来7*24小时无间断服务。
通过积累的大数据优势,小蜜能够基于用户行为提前分析、预测消费者的服务诉求,主动触达用户。上线半月,阿里小蜜将用户转电话及在线人工服务的求助率降低了70%。在双十一的消费者咨询高峰,服务团队的算法工程师们可以通过对海量问题的分析和预测,在业内首次将知识库的自动更新时效提升至分钟级,并实时预测每一个用户可能遇到的问题,在用户尚未发起咨询前主动发送精准服务信息,大大降低用户的困扰。
2016年双11前,阿里小蜜推出专门的双11小蜜,双11预备手记、红包攻略、预售怎么玩等等千余条双11攻略,全副武装下,小蜜已变身双11最强宝典。除了根据用户行为通过消息盒子主动提醒,用户还能在订单、搜索等上百个场景便捷的向小蜜发起咨询。现如今,在阿里巴巴服务体系内,已有接近90%的问题通过人工智能来解决。
不仅针对淘宝上的网购咨询,基于小蜜平台,圆通、申通、天天三家物流公司全国数万个服务网点已实现系统对接,用户不再需要电话找快递员,通过小蜜也能方便的完成查订单、催发货等等一系列请求。
今年8月,阿里商家版人工智能服务机器人“店小蜜”发布测试,并在天猫荣耀官方旗舰店率先投入测试。测试第一天的23点到第二天早上9点期间小蜜承接了超1100位用户请求,对商品咨询、店铺服务问题来者不拒。
到如今,店小蜜已在天猫Apple store旗舰店、小米官方旗舰店、华为、Vivo、森马、nike、UGG等10余个店铺投入使用。其中Apple、小米更是已将店小蜜作为店铺“头号客服”,会员发起咨询率先由人工智能来承接。Apple还为店小蜜组建专门的“focus group”,来提升人工智能的服务能力。
相较于人力,店小蜜采用机器学习加个性化延展组合模式。对于一些商品层面的信息,店小蜜能够自主读取商品页面及图片上的信息以及存储在商家后台的实时产品价格信息,在用户咨询时提供标准答案。对于一些店铺活动等一些通用类服务问题,商家还可以自定义设置。两种手段结合让店小蜜有极高扩展性。更重要的是,智能客服不受坐席数影响,可以同时接待海量用户,让商家服务能力具备弹性。即使在断电断网的情况下,只要商家设置了智能客服在服务状态,店小蜜就能为商家及消费者提供服务,7*24小时不断档。
店小蜜负责人赵昆表示,通过赋能商家,希望把阿里巴巴在服务领域的积累和技术能力输出给生态圈的合作伙伴,为二十亿消费者和一千万商家提供极速和愉悦的体验,而店小蜜是这个使命下的又一个重要里程碑。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。