深度好奇：深挖語義理解，助力打造機器版「福爾摩斯」

動點科技 | ID：technode

人與人之間說不同語言，尚且會出現溝通障礙，當人類和機器交互時，這種障礙則會變成巨大的鴻溝。毫無疑問，人工智慧是時代發展不可逆的技術趨勢，而作為這個時代的核心參與者——人與機器，如何更好地交互始終是待解問題。其中，最關鍵的是讓機器能夠理解人類的語言。

市面上已經出現了大量的自然語言處理（NLP）企業，致力於人機之間的語言交互問題。不過，人工智慧企業深度好奇則將研發的重心細化到 NLP 領域的核心——自然語言理解（NLU），以挖掘深度語義理解的商業價值。NLU 旨在把人類語言翻譯成機器可以 「讀懂」 和 「使用」 的形式，即把非結構化的數據變成結構化的、機器容易操作的東西。當文本變成機器可以讀懂的結構化信息時，同一流程上的很多操作就可以讓機器來做，或者讓機器之間進行某種形式的交互。

與 NLP 相比，NLU 更加深度垂直，就像 「深度好奇」 這個名字一樣神秘。該公司的創始人兼 CTO 呂正東，曾任職於微軟亞洲研究院、華為諾亞方舟實驗室，長期從事機器學習和自然語言處理的研究。作為自然語言處理領域的專家，他創業的初衷是做出具有嶄新技術高度的語言智能產品。

不過，由於公司切入點比較深入，呂正東笑稱很多人不理解他們在幹什麼。「我們希望形成一個完整的行業語義圖譜，一方面，它能夠和其他結構化信息做無縫連接，另一方面，它可以直接輔助行業專家的決策。」 呂正東介紹到，公司的願景是探索理解人類語言的演算法，並且創造服務於行業的人工智慧。

據他介紹，深度好奇最開始涉及的領域是法律，現在主要在公安和金融領域中做應用，代表性的例如智能審訊類產品和智能風控產品。以公安相關場景為例，呂正東介紹到，深度好奇有兩大技術框架，一是做複雜文本的解析，即將複雜的文本轉化成語義圖譜；二是基於語義圖譜進行推理，包括圖譜之間的比對、融合、預測、分析等。

案件里的信息主要體現為文本形式的非結構化數據，深度好奇首先需要對文本數據進行結構化，從而串聯整個案件已知和待確認的信息，形成一個完整的語義圖譜，這即是語義解析平台的功能。此外，深度好奇還有一個推理平台，可以用來處理語義圖譜與其他信息的融合、比對以及在此之上的預測和行動建議等。需要說明的是，在偵破過程中的很多信息是模糊和待確認的，推理平台會通過多信息源的比對以及和人的交互，來逐漸完成對信息的豐富和清晰化。隨著事實性信息的不斷完善，該圖譜會變成一個越來越完整和清晰的對案情信息的綜合表徵。

呂正東表示，公安場景是 NLU 可以大展拳腳的領域。「其實，在邏輯層上大有可為。之前很多企業已經在感知層上獲得了快速成長，但總的來說，感知層市場的增長已經大幅放緩。」 他認為，公安方面接下來更亟待解決的任務，就是如何在認知層和邏輯層把數據串聯起來形成解決方案。

與醫療領域有著較為相似的痛點，公安領域也面臨著專家資源的缺乏以及與時代的脫節。「新警察缺乏經驗，老警察也在被一個問題所困擾：他的經驗未必能和最新的偵破手段結合。」呂正東說。所以，在這樣的背景下，亟待一個既能融合老警察辦案思路，又能以極速的方式接觸到各種信息、適應最新偵破手段的解決方案。呂正東表示：「目前世界還沒有技術能一開始就做到機器版的福爾摩斯或者狄仁傑，但是我們可以在一些局部進行突破，先提高警察的辦案效率，逐漸就會串聯起一個更完整、更強大的解決方案。」

據悉，深度好奇在公安市場的商業模式目前主要有兩種：其一是將產品直接銷售至公安局，用戶已覆蓋多個縣區級公安局、地市級公安局和省廳；其二是與不同類型的平台型公司合作，通過他們的渠道進行市場推廣。顯然，深度好奇的技術產品在效果與落地方面均有所成，未來也可能衍生到其他領域。

深度好奇已經於 2016 年底完成了合力資本及阿米巴資本的天使輪融資，目前對於新一輪融資持開放態度。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！