平安壽險沈劍平：深耕應用場景，持續探索AI賦能保險 | CCF-GAIR 2019

雷鋒網按：7月12日-7月14日，2019第四屆全球人工智慧與機器人峰會（CCF-GAIR 2019）於深圳正式召開。峰會由中國計算機學會（CCF）主辦，雷鋒網、香港中文大學（深圳）承辦，深圳市人工智慧與機器人研究院協辦，得到了深圳市政府的大力指導，是國內人工智慧和機器人學術界、工業界及投資界三大領域的頂級交流博覽盛會，旨在打造國內人工智慧領域極具實力的跨界交流合作平台。

AI在保險行業會如何落地？平安壽險總部人工智慧研發團隊總經理沈劍平在「AI金融專場」上表示，目前AI和壽險業務結合，已經在代理人面試、培訓、銷售支持、客戶服務、保險顧問、營銷等環節落地應用，囊括深度學習、自然語言處理、知識圖譜、計算機視覺等多項技術。

會上，沈劍平以「AI技術在保險領域的應用實踐」為題帶來演講分享。以下為主題演講內容全文，雷鋒網做了不改變原意的編輯與整理。

AI技術在保險領域的應用實踐

隨著大數據、雲計算、人工智慧高速發展，科技在保險行業的應用越來越廣泛，壽險行業如何充分運用人工智慧等前沿技術，以尋求高質量的發展模式顯得非常關鍵。

為實現「科技賦能保險」，平安壽險在人工智慧領域，重點布局深度學習、自然語言處理、知識圖譜、智能推薦、計算機視覺等前沿技術，全面賦能銷售、服務、管理三大領域。下面我將結合壽險業務場景，從應用層面以及應用背後的技術，特別是這些技術有哪些特點，給大家做分享。

平安壽險擁有140多萬代理人，針對招聘環節會出現面試量大、人力投入多、篩選困難等等痛點，我們自主研發了業界首個大規模應用的面試機器人「AI面試官」，實現了面試過程標準、專業及可控。我們希望達到的目標是，面試機器人可以給到用戶擬人化、情感化的面試體驗，就像真人面試官一樣。

面試開始前，通過人臉識別、語音識別對用戶進行身份驗證；通過識別後，用戶就可以進入系統開始面試了。面試過程中，用戶與AI面試官全流程語音交互，就像真人面試一樣進行對答。

為了讓AI面試官可以圍繞候選人回答進行回應和提問，我們打造了一個面向面試場景的特殊對話系統，重點運用FAQ問答、多輪對話、智能提問等技術，還結合擬人化面試交互需求，創新性的研發了智能短回應技術。這些工作帶來的效果是：比如AI面試官問候選人「你怎麼過來的？」，他回答說「跑過來的」。那AI面試官可能會回應「那過來路上挺累的」，過渡一下才進入下一個問題，這樣的交談對話就比較自然。

除了擬人化的交互過程，AI面試官最終會根據候選人的面試表現，生成智能化結果評價，從不同維度評價候選人的業務能力，檢驗是否符合招聘需求。

代理人經過招聘進入公司後，就需要通過個性化、全方位、多維度的培訓提高專業服務技能，平安壽險打造了「遠程培訓+線上學習」的培訓機制。

以遠程培訓場景為例，通常是培訓老師在這間教室做演講，但培訓學員在另一間教室。我們運用N:N人臉識別、微表情識別等圖像技術，讓老師實時了解課堂情況，從而優化課程互動與監督、提升培訓效果。另外，課件質量也非常關鍵，我們也在通過AI視頻合成技術把課件做得更豐富、更具互動性。

在線上學習方面，我們運用智能推薦技術，結合代理人能力長短板，實現了千人千面配課，讓代理人可以進行個性化學習，提高效率。

除了線下、線上的學習，還需要考試評價環節來判斷學員對知識的掌握程度。傳統做法是老師與學員一對一訓練，但這樣人力成本很高。因此，我們研發了「AI陪練機器人」，不僅可以給代理人做智能考試及評分，還可以模擬實際業務場景扮演客戶角色與代理人進行語音演練。

銷售支持方面，我們上線了「代理人AskBob」，是代理人的個人銷售助理機器人，可以協助代理人給客戶提供更專業的服務。

代理人ASKBOB的一個重要功能是知識助理，當代理人需要了解保險知識、保險產品信息時，通過智能問答、知識聚合等技術，知識助理可以高效、便捷地解決代理人疑問。此外，「代理人AskBob」還可以結合不同的客戶情況，給代理人提供針對性的專業保險銷售方案建議，幫助代理人為客戶提供最優保險方案。

前面提到保險行業的招聘、培訓和銷售環節，都有個很重要的特點：場景偏線下，數據有限。剛才楊強教授也提到，金融行業很重要的特點之一是有些場景下樣本比較少。針對這一特點，我們也進行了很多探索。

• 少量樣本下的文本去噪

在語音交互場景下，用戶的語音輸入可能比較隨意、口語化，比如一句話裡面包括多個意圖，也可能是表達很長一段話，有用信息只有一小段。

以任務型機器人為例，任務型機器人既可以辦理業務，也可以回復問題諮詢。問題諮詢雖然有標準庫，但標準庫難以海量擴展。而且實際情況很可能是，用戶輸入大段對話，在提煉之後只是一個小問題點。另外，寒暄其實也是難點之一，如果要解決長文本生成長文本的對話，進行數據標註的工作量非常大。通過對話生成模型處理這麼長的文本，生成另外一個回復或者短回復，可行性比較低。

所以文本去噪，就很有意義，其中比較有效的，是我們通過強化學習來做這個事情。如這個簡化的網路圖，總結來說，即先對長文本進行text representation，然後通過策略網路來判斷，用戶輸入大段文本裡面，哪一句話應該保留，把不應該保留的刪除，剩下的就是應該保留的。

我們還做了輔助判斷網路用來判斷保留下來的文本是否是好的。輔助判斷網路可結合不同的任務有不同的定義，在該例子中，輔助判斷網路是用來做文本分類，用於保全業務：加保、退保分類等等。該分類器的訓練數據比較容易找且任務簡單，可以快速得到分類器。策略網路根據分類結果反饋，就可以進一步更新模型，從而在少量的樣本下實現去噪問題。

• 小樣本下的意圖識別

剛才提到AI面試機器人中不同問題有不同回答，不同回答要有不同反饋。當問題很多、反饋很多的時候，有成千上萬的意圖，且意圖還會隨著產品的迭代不斷增加，不可能每個都做大量的標註數據，那麼就需要做小樣本的演算法。我們開發了一個效果樣本庫，建立了一套標準化框架：「檢索à排序à分類」的小樣本意圖分類演算法框架。

主要特點是將語義和文本的檢索結合起來。然後在排序方面，我們結合了預訓練匹配模型和bert-rank模型、並基於最大間隔的學習排序策略讓相關和無關意圖充分區隔開，最終得到的排序結果，再引入attention方法進行分類。這樣只需要小部分樣本也可以實現比較高的識別準確率。整套標準化框架將分類演算法與排序演算法相結合，實現在少量樣本情況下的精準意圖分類。

• 文本和圖像的數據擴展

數據擴展方面，我們也做了技術攻關。比如文本，使用大規模的中英翻譯語料訓練雙向神經網路翻譯模型，這種雙向模型既可共享參數，也可以不共享參數，兩種我們都嘗試。在人工翻譯里，對於同一個詞不同的人有不同譯法，我們很好的利用了這個特性。在應用中我們發現，經過該模型構造問答物料時，可以擴展很多相似問。

圖像也是類似的，像剛才提到的培訓場景，裡面運用了N:N人臉識別考勤。但實際問題可能是，現場很多人是側臉或趴著的，在這種情況下，系統怎麼識別他本人？這時候最好有大量的非正臉訓練樣本，但人工標註成本高，我們採用正臉樣本和標準模型相融合，通過生成非正臉樣本的方式，可以比較好解決問題。

在客戶服務上，我們主要做兩部分：一是打造智能的客戶服務產品，二是綜合運用AI技術輔助在線客戶經營。

有別於傳統的智能客服，我們希望我們的「智能客服」可以全方位滿足客戶售前、售中、售後需求，除了基本服務諮詢功能外，還可以提供複雜保險業務辦理等功能，並作為客戶專業的保險顧問、智能的生活助理。因此我們升級了我們的智能客服，打造了一個客戶智能金融助理-金管家AskBOB，涵蓋了專業的智能保險顧問，貼心智能客服，以及智能的生活助理。其中，在智能客服方面，我們把任務型、閑聊型、FAQ、知識圖譜問答、信息查詢等技術有效交叉融合實現複雜的客戶保險業務服務需求，特別是目前可以通過人機交互直接辦理複雜保險業務，支持超過120種組合狀態的複雜交互。比如保單貸款，這種業務的複雜程度很高。現在智能客服可以做到什麼程度呢？客戶從不知道什麼是保單貸款，到了解哪些保單可以做貸款，到最終完成貸款辦理，全流程都可以根據智能客服指引完成。

智能客服上線後，通過人機交互在線辦業務，辦理時長從原來的3天到現在最快1分鐘搞定。

在線上運營方面，大家如果打開平安金管家APP，會發現上面絕大部分模塊已經實現千人千面。智能推薦系統相信很多人很熟悉，而我們的特點是：1、在信息比較稀疏的情況下，刻畫客戶興趣圖譜。2、面向不同推薦場景，背後打造了一個統一的推薦平台，做多場景互動的全局推薦技術。

服務場景下的對話也很特殊。比如寒喧，它不是沒有意義的，機器人是要往保險服務方向引導。做對話引導的方式有很多。比如我們做的基於知識驅動的對話，通過知識圖譜並結合前文，來預測下文需要什麼知識和主題狀態。然後將知識、主題狀態和上文輸入到end2end模型裡面最終得到引導回復。

舉個例子，客戶提到「自駕游」，系統可以自動關聯到「自駕游」相關的知識，並結合上下文知識，當前客戶有保險需求的狀態，因此我們會給他生成具有「百萬任我行」保險產品的回復來滿足他對出行的保險需求建議。但人與人的對話，通常是先回復過渡再提出新的話題中心，前面例子中直接推薦產品比較生硬，為了不影響客戶體驗，我們通過添加屬性控制，捕捉屬性特徵，從而生成更順暢的智能短回應文本作為回復過渡。所以機器人在回應客戶時，可能會說「去旅遊放鬆心情挺好的」然後再推薦保險產品，完成從「開放閑聊」到「產品推薦」的自然過渡。

要更高效高質的支持業務需求，我們通過深耕壽險業務智能應用，打造了一系列結合壽險業務特點的技術平台。比如，我們打造了高效、靈活的一站式壽險人機交互應用平台。

人機交互應用平台是由對話引擎驅動的，我們主要實現了整個流程的可配置化，並且每個功能點都可以做單獨的機器人，同時實現了功能引擎化、服務獨立化、引擎框架化。框架化的好處是可以讓演算法工程師快速結合業務需求進行迭代。其次是建立智能知識中心，尤其在小樣本場景下，知識驅動AI是很重要的研究方向。

此外，我們還做了一系列平台支撐，主要包括智能營銷平台、圖像分析應用平台以及深度學習應用平台等。

剛才介紹了一系列壽險AI應用和技術創新，這些其實是有一支人工智慧隊伍在背後作為支撐。我們的團隊主要專註人工智慧技術的研究，以及結合壽險場景的應用落地。未來，期待和大家交流人工智慧這個有意思的技術，探討在複雜業務場景下的技術攻關，謝謝。

雷鋒網雷鋒網雷鋒網

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！