主页 - IT -

e成科技:推动AI技术落地,“AI技术+HR知识”造就新物种崛起

作者:CQITer小编 时间:2019-09-19 01:01

字号

  2019年9月7日,e成科技受邀参加由AICUG人工智能技术社区主办的AI技术与产业应用结合的年度盛会AI 先行者大会。本届大会聚焦国际AI前沿技术、产业落地应用,汇聚中美AI行业领袖与技术大咖,共同探讨AI行业发展趋势与未来。

  活动上,来自阿里巴巴、腾讯、Intel、NVIDIA、商汤、云从、旷视、驭势科技、思必驰、Airbnb等国内外尖端AI企业的智能技术专家,聚焦NLP、语音技术、AI解决方案、AI+新零售、CV、推荐算法、无人驾驶、人工智能平台等前沿主题,为大家展现AI技术魅力,共话AI技术与行业落地实践,探索行业发展与未来。

  e成科技AI算法负责人刘洋出席了本次大会,并在活动上发表题为“面向人力资本场景的NLP智能平台”的精彩演讲,展示了e成科技在NLP(Natural Language Processing,自然语言处理)技术领域的创新研究以及在人力资本领域的应用突破。

e成科技:推动AI技术落地,“AI技术+HR知识”造就新物种崛起

  e成科技AI算法负责人刘洋发表演讲

  困境:To B企业的AI落地之难

  中国互联网发展环境及巨大的人口红利成就了C端的异军突起,但B端发展滞后欧美。当SAP、微软、甲骨文、Workday等早已风生水起之时,中国B端企业却声名不显。近几年,得益于云计算、大数据、人工智能、物联网等信息化浪潮齐发,To B回暖,但道阻且艰。

  刘洋表示,AI的落地和商业化对很多企业来说仍面临着诸多困难,聚焦到人力资本领域,AI技术落地过程中面临着如下几个痛点:

  数据稀缺性

  数据是AI的“燃料”和技术创新应用的基础。对于AI算法来讲,只有获取大量与行业、领域相关,且标注、整理过的数据,才可能被使用。对于To C企业,得益于互联网的发展和人口红利,会产生大量用户行为数据;但对于To B企业级服务来讲,产品发布前是没有用户使用的,所以面临的是更大的数据稀缺性

  领域知识

  技术与业务场景之间往往存在着一道鸿沟,AI技术缺少专业领域知识和应用场景的理解一直是一大痛点。一般来讲,技术能力强的企业未必懂业务场景和专家知识,懂业务知识的未必有AI技术,这就会导致强大的技术无法与具有高度专业性的人力资本领域融合,机器学习模式与HR工作方式难以匹配。不像很多To C领域的知识通俗易懂,人力资本、金融等领域拥有非常系统和专业的知识,要实现与AI技术融合,深谙领域知识是不可能的

  模型解释性

  AI技术的落地,不是算法的累积或者技,也不是任务独立优化,而是一个面向产品性能和用户体验不断寻求满意性和解释性的过程。对于To C领域来讲,很多应用和产品面对的是海量用户,具有一定的容错性;但面向企业服务的To B领域不同,尤其是人力资本领域,比如招聘和晋升等人才决策可能会影响一个人一生的命运。所以在企业用户看来这一点非常重要,他们不光需要一个结论还需要一个解释,没有解释很难让人信服,这是在模型学习和算法设计里需要着重考虑的。

  破局:“AI技术+HR知识”造就物种崛起

  尽管AI落地尤其是在人力资本领域落地面临诸多困境,但凭借领先的AI技术积累和优秀的AI研发团队,e成科技成为最先强调AI技术并率先将AI技术成功应用于人力资本领域的HRTech公司。

  e成科技不但拥有领先的AI技术能力,还汇集了一批顶尖的咨询专家,AI技术与专业能力的结合,造就了既有AI技术又懂领域知识的物种,并在长期的积累、实践和打磨中,探索了一套行之有效的优秀解决方案和成功经验。

  活动上,刘洋通过一些实践案例进行分析,分享了e成科技是如何突破和解决这些痛点的:

  多管齐下:技术创新和专家知识解决数据稀缺

  数据稀缺性是B端服务企业最大痛点之一。针对这一点,e成科技结合自己的AI技术能力和丰富的行业经验积累,做了很大的创新突破。刘洋表示,一方面我们通过迁移学习的方法,寻找了很多其他行业的语料进行补充;另一方面,通过e成科技的专家团队,撰写了大量语料,并进行专业人工标注,为模型提供更多语料。同时,我们还尝试了很多新的技术、模型和方法进行样本构造。

责任编辑:CQITer新闻报料:400-888-8888   本站原创,未经授权不得转载
关键词 >> 科技,推动,技术,落地,知识,造就,新物种,物种,崛起
继续阅读
热新闻
推荐
关于我们联系我们免责声明隐私政策 友情链接