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
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。