“我們的平臺每天接待大概4萬個投訴。”10月29日，在“智能出行、引領未來”媒體溝通會上，首汽約車CEO魏東坦言，每個投訴要核實、要給雙方反饋、要敦促車隊長問詢……整個溝通過程繁瑣冗長。

投訴盡是負能量，如何讓它在最短時間結束?AI或許能幫上忙。

“行程錄音是解決投訴的重要依據，人工智能如果能夠自行鎖定糾紛關鍵點，將大大縮短處理時間，也能給出司乘均認可的判斷。”魏東說，智能出行行業正探索大數據、人工智能等技術在出行行業中的創新應用，為用戶帶來更安全、舒適的出行體驗。

煉成金牌調解員，AI要會的不止一項

“我們在全國160個城市都部署了網約車平臺，因此投訴會來自全國各地，各種各樣的口音，憑人工去聽是根本不可能的。”魏東說，人工智能語音識別技術為“不可能”帶來了可能的解決方案。

目前，國內普遍通過行程錄音輔助安全監控以及用戶問題投訴處理相關問題。然而，現有的語音解決方案常常因為錄音質量問題難以達到預期目標。

“如果涉及到騷擾，比如說了臟字，需要來回核實、定位，還存在方言的問題，而在各種各樣雜音的干擾下，很多時候錄音是很不清楚的。”魏東說，處理投訴必須要保證乘客的體驗、給乘客好的答復，也要保證公平、不冤枉司機。

解決投訴，AI需要集“聽風者”“方言通”“金牌調解”于一身，這樣的AI哪里有?

“我們調研后發現，出行行業沒有現成的、能夠排除干擾、準確識別不同方言的、鎖定糾紛關鍵詞的錄音識別模型可以直接拿來用。”首汽約車副總裁閆磊說，越細分的任務越需要自己開發模型。

“然而，從頭自行開發的話成本高、也缺乏基層架構的人才。”閆磊說，首汽約車的技術研發人員更多的是數據工程師，而自己搭建整套的人工智能平臺，包括模型的系統訓練都需要專業平臺和團隊。

過去優秀的AI那么多，它們的“成才”經歷一定能夠幫助有特定任務的AI成才。“這就跟給孩子找教輔差不多，要尋求專業的團隊合作。”魏東說，語音識別的模型、語義判別的模型、機器學習的適宜算法……這些如果可以和首汽約車的大數據、司乘場景等結合，將能夠形成適用于出行行業的智能語音解決方案。

對此，亞馬遜云服務(AWS)提供了相應的開發平臺。雙方團隊進行合作，在平臺上進行模型的定制、算法的定制，團隊在深入了解行程錄音的特點及技術需求后，開發了語音降噪和導航音分離算法。首汽約車的數據科學家和算法工程師只需要專注數據和業務邏輯，將數據的“靈魂”輸注給AI，無需運營和管理復雜的機器學習系統。

把AI打造成“聽風者”“方言通”還有“金牌調解”，是之前沒有的。“合作團隊要從零開始對模型進行訓練、調優，包括讓AI與出行的業務部門進行溝通磨合，因為他們對行業非常了解，所以是最資深的評委。”AWS大中華區產品部總經理顧凡說。

預判，是未來智能出行的“基本功”

還有相當一部分投訴產生在服務發生之前，乘客投訴司機推單，司機投訴乘客找不著，AI能不能把這些誤會壓縮到最少;還有司機巡游的情況，一天開12個小時車的司機，多少個小時是空駛，AI能不能幫他們找到客戶?

在魏東看來，這些智慧出行中需要解決的“痛點”，通過人工智能和機器學習未來都會得到緩解。

“過去的智慧出行1.0中，通過平臺調度匹配模型，司機能夠看到哪里是熱點區域，就會來這個地方等單。”魏東說，這種模式其實可以更智慧一些，比如熱點區域有十個需求，從東邊過來幾輛車合理、西邊過來幾輛車合理，后臺需要通過預判來告知司機。

預判是未來智能出行中調度AI的“基本功”。“單純的熱點區域展示，還算不上智能調度。”魏東說，AI要有本領能夠使得司機相信聽它的確實能拉到很多單。

基于對歷史數據的分析、推測、預判，調度AI將告知司機，去哪個方向、哪個目的地，去多少量車是合理的。通過精準的調配，按照指令行動的司機90%以上可以提前趕到乘客預計的出發地，進而提升訂單的匹配成功率，減少司機的盲動。

此外，安全，無論是駕駛安全還是司乘人身安全，是網約車從誕生以來一直必須面對的問題。

預判也可能會成為解決這個問題的“鑰匙”。魏東說，當碰到乘客情緒波動時，會產生什么后果，期望在未來更進階的人工智能能夠給出早期干預。

(新媒體責編：zfy2019)