冯美丽作者

获7000万元融资之后,一知智能要把自然语言处理技术吃透

日前,杭州一知智能科技有限公司宣布在 2018 年 7 月完成 A 轮融资,融资金额 7000 万元人民币。本轮融资由启赋资本领投、金沙江联合资本等机构跟投。资金主要用于进一步加强人工智能 NLP 人才引进和核心技术科研投入,并推出基于 NLP 技术的智能外呼机器人

此次融资是继 2017 年 9 月获金沙江天使投资 2000 万元后再获投资。公司累计已获近 1 亿元投资,成为近两年国内 NLP 领域获最多融资的初创企业之一。

据悉,杭州一知智能科技成立于 2017 年 8 月,是一家专注于 NLP(Natural Language Processing/自然语言处理)的技术型人工智能公司,主攻中文自然语义理解与人机交互的前沿底层技术研发,包括阅读理解、语义识别、多轮对话、精准问答、知识图谱等综合 NLP 技术,在业界处于领先水平,并被机器之心评选为「2017 十大最具潜力早期 AI 公司」。

公司核心创始团队及研发人员来自香港科技大学、浙江大学、清华大学、卡耐基梅隆大学、南洋理工大学、中科院等顶尖院校,在 AAAI、IJCAI、TKDE、ACL、KDD 等国际顶级会议及期刊发表数十篇论文,横跨机器学习深度学习自然语言处理、语义识别、知识图谱、语义纠错、语音合成等。

团队在 2017 世界顶级机器阅读理解大赛 SQuAD 获世界排名第二的优异成绩。SQuAD 被誉为机器阅读理解界的 ImageNet,该挑战赛不仅有微软、Google、Facebook、腾讯、阿里巴巴、IBM、科大讯飞等科技公司参与,还有斯坦福、哈佛、卡内基梅隆、新加坡国立、清华大学、北京大学、哈工大等国内外知名大学和科研院所参与其中。

在一知智能创始人、首席科学家赵洲博士看来,NLP 技术是人工智能从计算智能、感知智能走向认知智能的关键领域,也是中美等大国在 AI 前沿科技竞争的焦点。

关于公司的发展定位,赵洲博士希望一知智能作为 NLP 领域前沿科研高地,持续引进 NLP 尖端人才,科研成果走在业界领先,同时加快 NLP 技术应用落地,在金融、政务、教育等领域打造通用型产品。当前,赵洲及其带领的博士团队与微软、腾讯、阿里、网易等均有项目合作。

过去五年,人工智能企业大量涌现,出现了讯飞、商汤旷视、寒武纪等独角兽科技企业。然而,在认知智能领域,由于理论和底层技术局限,仍处于探索初期。

NLP 是人工智能「皇冠上的明珠」,是一个极其复杂的研究领域。全球来看, 美国从 2016 年起在 NLP 领域投资案例大幅增多,国内仍少见。据 Tractica 报告预估,到 2025 年,全球 NLP 领域的软硬件市场规模将达 223 亿美金,服务市场规模有望突破 1000 亿美金。

启赋资本投资总监刘永佳认为,「NLP 实际应用的最大困难,来自语义识别的复杂性,中文语义尤为困难。但 NLP 技术价值巨大,长期来看 NLP 会推动人机交互和非结构化信息应用的巨量蓝海市场,在金融、商业、教育等行业有很大应用空间。机器阅读、语义分析、多轮对话、知识图谱、认知推理等多项 NLP 技术综合突破,应用产品才能成熟。」

同时,刘永佳表示,本轮投资看好一知智能主要基于三方面考虑。一是 NLP 当前最好投顶尖科技人才驱动的团队,赵洲博士团队拥有极强的创新基因,能从根本上实现 NLP 底层理论和前沿技术创造;二是公司虽在初创期,但其团队综合实力强,由一群年轻的技术天才和工程产品团队构成,平均年龄不到 30 岁,企业创新文化类似 Google,能夜以继日推进底层技术和产品研发;三是他们以市场和客户为驱动,高度重视产品化和商业落地,非常务实,公司人才引进和产品研发速度很快。

展望人工智能未来发展,金沙江联合资本董事总经理王国成表示,「AI 科技内涵和外延很大,未来长达几十年发展期,AI 在认知领域才刚起步。一知智能拥有一支年轻的科研团队,工程能力持续加强,公司会高速成长。」

在启赋资本董事长傅哲宽看来,「NLP 是人工智能领域继语音、计算机视觉、芯片之后,最有机会诞生一批优秀科技企业的领域。希望一知智能把握先机,加大人才引进力度,成为人工智能 NLP 领域国际前沿的科研阵地和人才集聚地,早日成长为 NLP 领域独角兽企业。」

产业创业公司NLP融资
2
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

语音合成技术

语音合成,又称文语转换(Text to Speech)技术,是将人类语音用人工的方式所产生,能将任意文字信息实时转化为标准流畅的语音朗读出来,相当于给机器装上了人工嘴巴。它涉及声学、语言学、数字信号处理、计算机科学等多个学科技术,是信息处理领域的一项前沿技术,解决的主要问题就是如何将文字信息转化为可听的声音信息,也即让机器像人一样开口说话。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

知识图谱技术

知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。

机器人技术技术

机器人学(Robotics)研究的是「机器人的设计、制造、运作和应用,以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。 机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件,比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成,这也是人工智能领域最早的终极目标之一。

强人工智能技术

强人工智能或通用人工智能(Strong AI或者 Artificial General Intelligence)是具备与人类同等智慧、或超越人类的人工智能,能表现正常人类所具有的所有智能行为。强人工智能是人工智能研究的主要目标之一,同时也是科幻小说和未来学家所讨论的主要议题。相对的,弱人工智能(applied AI,narrow AI,weak AI)只处理特定的问题。弱人工智能不需要具有人类完整的认知能力,甚至是完全不具有人类所拥有的感官认知能力,只要设计得看起来像有智慧就可以了。由于过去的智能程式多是弱人工智能,发现这个具有领域的局限性,人们一度觉得强人工智能是不可能的。而强人工智能也指通用人工智能(artificial general intelligence,AGI),或具备执行一般智慧行为的能力。强人工智能通常把人工智能和意识、感性、知识和自觉等人类的特征互相连结。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

人机交互技术

人机交互,是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器,也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流,并进行操作。小如收音机的播放按键,大至飞机上的仪表板、或是发电厂的控制室。

推荐文章
暂无评论
暂无评论~