当前位置:CIO新闻中心 → 正文

ChatGPT时代如何提高客户服务自动化

责任编辑:cres |来源:企业网D1Net  2023-02-25 17:15:51 原创文章 企业网D1Net

2月25日,由企业网D1Net、信众智(CIO智力输出及社交平台)和中国企业数字化联盟医药大健康分会联合主办的2023全国医药大健康CIO大会在上海召开。本次大会围绕“数字化转型新场景”这一主题,分享交流CIO在新冠疫情逐步缓解、中国医药卫生体制改革迈向深水区的新形势下,行业企业、机构在创新药物研发、流程效率提升、生产智能制造、全渠道数字营销等领域的前沿实践与现阶段的困惑,探讨医药大健康行业的新技术应用与未来发展趋势,以及如何更好地利用数字化技术推动医药大健康行业的发展。
 
以下是现场速记。



abcam CIO 郭立松
 
郭立松:大家好,今天我是最后一个做演讲,主办方专门说了一下,因为大家也辛苦了一天了,我们谈一个比较轻松的话题。我准备了材料,让大家能够在结束的时候有一个眼前一亮的感觉。
 
今天我们前面的各位同事还有同行讲的都是从面到广的过程,但我今天只是想讲一个点,非常小的一个点,这个分享特别有意思。虽然小,但是非常精美。是关于ChatGPT时代如何提高客户服务的自动化。
 
首先讲一下我们公司为什么要挑这个主题,我们公司是以客户为中心,客户至上的一家企业。在我们的理念里面,我们的使命里面,客户就是一切,所以如果你有幸成为了我们的客户,可以享受一下客户为上帝的体验,这个是我做的广告,真的是这样。
 
我们开始演讲内容。
 
首先讲一下Chat/GPT,我先问一下在座的各位有多少人实际的对这个工作原理已经有过了解,能不能举手让我看一下?有一位,不多。这说明了今天我这个分享很有意义,因为这就是为什么我可以帮大家在这个场合把这个东西讲清楚,因为需要你很长时间去研究。
 
它有两个字,一个Chat,一个GPT,Chat的英语是聊天,GPT它是有一定的概念的,GPT有不同的版本,它已经迭了很多代了,现在就是最新的阶段了。GPT代表的是下面的短写,这个是自然语言的处理器,NLP模型,它可以处理自然语言。它会预测下一个单词的概率分布,通过训练在大型文本预料库上学习到的语言模式来生成自然语言文本。它有能力,在培训训练以后生成内容。
 
再讲一下创立者。虽然OpenAI的创立者是个外国人,但是据我的调研这个公司里有大量的真正的幕后英雄是中国人,大部分是清华毕业的,服务于OpenAI这家公司,说明我们在这块其实是很先进的。
 
还有下面的这个人,好像很少人去提他。他其实是OpenAI这个公司最早的创始人,后来他被剔出了董事会,但是哪里都有他,这个是这个世纪最伟大的企业家,到处都有他。
 
我先开始讲左边的图,这个比较有意思。这个东西怎么运作的?可以看一下左边这一块的例子,有1千万本书,它的概念是把互联网可以爬到所有文本,可以找到的都丢给AI的模型,你已经是有智慧的AI了,我给你1千万的书你先自己学吧。这个AI模型非常苦,什么都没跟我说就让我自己学,这多苦。一般如果真正的老师给学生这个话题,这个学生会崩溃估计要跳楼,但机器不会,就学吧,就耗点电。
 
底下说的是无监管没有老师预训练自学阶段,这个时候没人管它的。这个有点像,在我的调研当中,它就模拟了人类的小孩,在你无意识的过程中,没有老师的过程当中去模仿你的家人说话,还有一些知识。其实没有老师,因为你的孩子上学要好多年以后了,但前面他就在自主学习,就是这个阶段,这就是它的概念,没有一个标杆的学习。
 
在这个过程当中,我想讲的是它的逻辑是从哪里来的。长话短说,因为我们时间有限。我们人类的大脑它有很多不同的神经原,它模拟了人类大脑的神经原对电信号的一个反馈,通过这样的一种逻辑和模型,打造了network的东西,这是谷歌发明的,它可以通过不同的排练、组序,从前端输入数据到后端进行运算最后再出结果然后再调优,大家可以去百度或者谷歌上查,network这是计算机的东西,是新的,通过它来做模拟人大脑神经原,也就是真正人类的处理,然后达到效果。
 
在你有了数据的大量积累之后,就出现了右边的这个图。你已经很辛苦了,现在我开始教你,我给你10本书,这10本书是我教你这个就是这个,这个就是这个,这个时候它说学得不错,看来你1千万本书学完了,现在我教你1本书。这个AI说,要举一反三,不,要举一反一百万,它有这个能力,学了这些知识之后,当你纠正它的时候,它就可以去快速的举一反三。这个底下下的是有监督、有老师然后进行微调,这个是我们人类给他的,不是机器自己有的。右边这样块是需要人类帮助他的。
 
我看过了一个报道,很可怕。一个人类需要25年时间才有这样的能力,达到相同的知识水平。而机器只需要1.5年,这就是人工智能最可怕的地方。太快了,所以这个是对我们很大的反思,未来我们怎么办?
 
这个是刚才我想跟大家讲的右边的那个图的一些示例,从一个问题库里抽说什么是香蕉?然后回复是香蕉是一个水果,它会被标记,加入人类反馈之后会有不同的搭档,这个时候在这里会有不同的答案时会进行排序,你会拿到最优答案,这是人类做的不是机器。最优的是D,这是一个红富士苹果或者怎么样,然后用这个排序训练奖励模型。
 
通过这样人类标记者对他的帮助,他就可以自己根据这些东西来生成内容,这是机器特别聪明的地方。在这边有几个很重要的关键点,使用了机器学习算法来理解分析这个文本的输入含义之后,并在大量文本的效益上进行训练之后,它可以在这个里面模拟这个话,回答后续问题,承认错误并拒绝不适当的请求。
 
你问他怎么样造原子弹,他会告诉你这是违反的,有法律问题的他就会拒绝。这个是发展趋势,最早的时候它基于规则,比较简单的都是keyword等等,这是比较早的,然后进入机器学,找到函数或者参数,可以分类不同的东西。神经网络就了能力,像人类大脑开始尝试大量数据,提前标志,以及根据这个做复杂的参数,最后优化人类关注重点而非全部。
 
在这个后面是头位和现在已经上线的产品,有一个很重要的点就是它跟人类不同是,人类的意识可以变,但是在这个上面它一旦被记忆之后它的结论出来了,它是不会变的。所以这是另外一个,它不如我们的。
 
我举一个例子,比如你有一个很好的好朋友或者你有一个家人,很多年前你们的关系很不错,但后面突然之间发生了什么事儿,然后他跟你翻脸了,你不再把他当朋友了,你不再认为他是好朋友了,这个是人类可以,因为你的神经原会调整。但这个结论出来之后,不会调整,所以在上面有些敏感政治话题不可以去训练,因为结果不可以调整,除非你去再纠正它,否则它就认定这个结论。
 
这个是前面我快速的跟大家讲的它的工作原理以及技术的背景,我希望大家理解,大概这里面都有哪些内容。
 
第二.客户服务自动化商业应用畅想。
 
从我们的角度来讲,这个东西有了,我们后面拿它来做什么。
 
第一是对于我们看到的,因为这个东西也被强调了,ChatGPT一定得有中国版的落地,它要符合中国法律法规,包括一些训练的结果。这个跟早年谷歌的情况是很像的,必须它要能说正确的信息。
 
第二是成本。因为每个企业都要使用,因为它的初衷本来是open,后来被微软收购了,所以它现在一定要赚钱的,它以后一定要有商业价值,它不是free的东西,它就是要产生商业价值,怎么产生商业价值?
 
第三是产品应用创新,虽然有后台技术但是你需要做新的产品在这个层面上面。
 
第四是新的工种、岗位出现,完成数字化转型的部分,可能每个企业以后都有相应的人员来负责这个平台或者这个产品。它未来会改变很多其他的工作。
 
这是我自己的想法,代表我自己的观点,它有两种不同的模式,一个是Universal Mode,一个是Segment Mode。如果是Universal Mode,它是互联网base,所有大家都可以使用的,它没有偏差性,你可以问任何一个问题,但是它有一个缺点就是它不够专业,这个是为什么我们看到的,因为这个世界足够大,需要有专业的人员做专业的事情,所以一个Universal Mode的能力肯定没有细分领域更强,所以Segment Mode肯定会有。当然这里还有一个问题就是你喂给它的数据,有很多数据是不对外共享,而现在Universal Mode的数据都是互联网上爬的,如果你给它的数据是公网数据的可以,但如果这个数据是内部的,它做不了,有可能有一些是,这就是可能以后会有不一样的地方。
 
还有人机交互,交互界面大家知道就是一个浏览器敲几个字,这个不是最终版本,应该会有不同的交互版本,这个可能还是个雏形阶段。
 
然后机器优势,刚才说了学习速度快,它只用1.5年,我们人类用25年,记忆准确它不会忘,我在写这里的时候就想起了我很多年前学英语背单词,每天早晨爬起来,但是它只要读一次就可以了,我可能要背好多次,才能把这个单词记住,记忆准确。
 
然后你使用越多,调优性越强。就是你越给它压力,它不怕累,你给它的越多它越喜欢,但是人每天基本8个小时就要睡觉了否则就要崩溃了,但是机器无所谓。
 
最后一句话,我觉得这个是人类永远不可能超过机器的地方,它的容量的确是人脑,没有任何一个人可以比拟的AI。
 
这个是一些可能的场景,还比较初级。比如虚拟客服,然后做营销,24小时不间断的一些服务,能够让客户得到实际的专业的服务,比现在的体验更好,更专业,因为它的能力很多嘛,这是一方面。
 
还有这几个,是从我们企业的角度思考的,我们企业有这些客户需求。首先我可以帮助客户做实验,我们有些客户是学校,是些研究机构甚至一些博导,硕士研究生这些,它会查阅文献,帮你很快的去找到这些,帮你比较产品,我到底该用哪一个产品,哪一个试剂或者哪一个东西?我还要帮你发paper,我现在学术论文这块没有想象力,我现在憋不出来几个字那种,这个时候你就用这个,发paper。底下有一个其他任何可以解放笔杆子的功能,这个有可能更延伸了,很多内容都会由机器来生成。特别是在你没有灵感的时候,这个东西挺有用的。
 
结束语是大家都看过五《钢铁侠》里面有一个Mr. Jarvis,是我很喜欢的虚拟,它会跟你说,“Hi,Jarvis,give me something”,这个是Javis时代正式开始了,因为ChatGPT就是最雏形的一个Jarvis,以后它可以做更多。
 
我最近看过了一个电影就是《兰博基尼如何诞生的》,这里面有兰博基尼先生花重金挖了一个设计师,给他设计一个汽车,设计了多次不满意一直要改,我估计以后这种设计师也没饭碗了,因为你不需要他了,你只需要告诉AI说你要调哪里,他会帮你调到你最喜欢的状态,那个形状,那个颜色,那个大小,然后给你一个模型就结束了,它可以做这个事情。
 
我就不再覆盖其他的内容,因为还有一个类似于ChatGPT的叫Dali,Dali是做图的,如果有兴趣你们可以搜一下,谢谢今天我的所有分享就到这里,谢谢!

关键字:ChatGPT自动化

原创文章 企业网D1Net

x ChatGPT时代如何提高客户服务自动化 扫一扫
分享本文到朋友圈
当前位置:CIO新闻中心 → 正文

ChatGPT时代如何提高客户服务自动化

责任编辑:cres |来源:企业网D1Net  2023-02-25 17:15:51 原创文章 企业网D1Net

2月25日,由企业网D1Net、信众智(CIO智力输出及社交平台)和中国企业数字化联盟医药大健康分会联合主办的2023全国医药大健康CIO大会在上海召开。本次大会围绕“数字化转型新场景”这一主题,分享交流CIO在新冠疫情逐步缓解、中国医药卫生体制改革迈向深水区的新形势下,行业企业、机构在创新药物研发、流程效率提升、生产智能制造、全渠道数字营销等领域的前沿实践与现阶段的困惑,探讨医药大健康行业的新技术应用与未来发展趋势,以及如何更好地利用数字化技术推动医药大健康行业的发展。
 
以下是现场速记。



abcam CIO 郭立松
 
郭立松:大家好,今天我是最后一个做演讲,主办方专门说了一下,因为大家也辛苦了一天了,我们谈一个比较轻松的话题。我准备了材料,让大家能够在结束的时候有一个眼前一亮的感觉。
 
今天我们前面的各位同事还有同行讲的都是从面到广的过程,但我今天只是想讲一个点,非常小的一个点,这个分享特别有意思。虽然小,但是非常精美。是关于ChatGPT时代如何提高客户服务的自动化。
 
首先讲一下我们公司为什么要挑这个主题,我们公司是以客户为中心,客户至上的一家企业。在我们的理念里面,我们的使命里面,客户就是一切,所以如果你有幸成为了我们的客户,可以享受一下客户为上帝的体验,这个是我做的广告,真的是这样。
 
我们开始演讲内容。
 
首先讲一下Chat/GPT,我先问一下在座的各位有多少人实际的对这个工作原理已经有过了解,能不能举手让我看一下?有一位,不多。这说明了今天我这个分享很有意义,因为这就是为什么我可以帮大家在这个场合把这个东西讲清楚,因为需要你很长时间去研究。
 
它有两个字,一个Chat,一个GPT,Chat的英语是聊天,GPT它是有一定的概念的,GPT有不同的版本,它已经迭了很多代了,现在就是最新的阶段了。GPT代表的是下面的短写,这个是自然语言的处理器,NLP模型,它可以处理自然语言。它会预测下一个单词的概率分布,通过训练在大型文本预料库上学习到的语言模式来生成自然语言文本。它有能力,在培训训练以后生成内容。
 
再讲一下创立者。虽然OpenAI的创立者是个外国人,但是据我的调研这个公司里有大量的真正的幕后英雄是中国人,大部分是清华毕业的,服务于OpenAI这家公司,说明我们在这块其实是很先进的。
 
还有下面的这个人,好像很少人去提他。他其实是OpenAI这个公司最早的创始人,后来他被剔出了董事会,但是哪里都有他,这个是这个世纪最伟大的企业家,到处都有他。
 
我先开始讲左边的图,这个比较有意思。这个东西怎么运作的?可以看一下左边这一块的例子,有1千万本书,它的概念是把互联网可以爬到所有文本,可以找到的都丢给AI的模型,你已经是有智慧的AI了,我给你1千万的书你先自己学吧。这个AI模型非常苦,什么都没跟我说就让我自己学,这多苦。一般如果真正的老师给学生这个话题,这个学生会崩溃估计要跳楼,但机器不会,就学吧,就耗点电。
 
底下说的是无监管没有老师预训练自学阶段,这个时候没人管它的。这个有点像,在我的调研当中,它就模拟了人类的小孩,在你无意识的过程中,没有老师的过程当中去模仿你的家人说话,还有一些知识。其实没有老师,因为你的孩子上学要好多年以后了,但前面他就在自主学习,就是这个阶段,这就是它的概念,没有一个标杆的学习。
 
在这个过程当中,我想讲的是它的逻辑是从哪里来的。长话短说,因为我们时间有限。我们人类的大脑它有很多不同的神经原,它模拟了人类大脑的神经原对电信号的一个反馈,通过这样的一种逻辑和模型,打造了network的东西,这是谷歌发明的,它可以通过不同的排练、组序,从前端输入数据到后端进行运算最后再出结果然后再调优,大家可以去百度或者谷歌上查,network这是计算机的东西,是新的,通过它来做模拟人大脑神经原,也就是真正人类的处理,然后达到效果。
 
在你有了数据的大量积累之后,就出现了右边的这个图。你已经很辛苦了,现在我开始教你,我给你10本书,这10本书是我教你这个就是这个,这个就是这个,这个时候它说学得不错,看来你1千万本书学完了,现在我教你1本书。这个AI说,要举一反三,不,要举一反一百万,它有这个能力,学了这些知识之后,当你纠正它的时候,它就可以去快速的举一反三。这个底下下的是有监督、有老师然后进行微调,这个是我们人类给他的,不是机器自己有的。右边这样块是需要人类帮助他的。
 
我看过了一个报道,很可怕。一个人类需要25年时间才有这样的能力,达到相同的知识水平。而机器只需要1.5年,这就是人工智能最可怕的地方。太快了,所以这个是对我们很大的反思,未来我们怎么办?
 
这个是刚才我想跟大家讲的右边的那个图的一些示例,从一个问题库里抽说什么是香蕉?然后回复是香蕉是一个水果,它会被标记,加入人类反馈之后会有不同的搭档,这个时候在这里会有不同的答案时会进行排序,你会拿到最优答案,这是人类做的不是机器。最优的是D,这是一个红富士苹果或者怎么样,然后用这个排序训练奖励模型。
 
通过这样人类标记者对他的帮助,他就可以自己根据这些东西来生成内容,这是机器特别聪明的地方。在这边有几个很重要的关键点,使用了机器学习算法来理解分析这个文本的输入含义之后,并在大量文本的效益上进行训练之后,它可以在这个里面模拟这个话,回答后续问题,承认错误并拒绝不适当的请求。
 
你问他怎么样造原子弹,他会告诉你这是违反的,有法律问题的他就会拒绝。这个是发展趋势,最早的时候它基于规则,比较简单的都是keyword等等,这是比较早的,然后进入机器学,找到函数或者参数,可以分类不同的东西。神经网络就了能力,像人类大脑开始尝试大量数据,提前标志,以及根据这个做复杂的参数,最后优化人类关注重点而非全部。
 
在这个后面是头位和现在已经上线的产品,有一个很重要的点就是它跟人类不同是,人类的意识可以变,但是在这个上面它一旦被记忆之后它的结论出来了,它是不会变的。所以这是另外一个,它不如我们的。
 
我举一个例子,比如你有一个很好的好朋友或者你有一个家人,很多年前你们的关系很不错,但后面突然之间发生了什么事儿,然后他跟你翻脸了,你不再把他当朋友了,你不再认为他是好朋友了,这个是人类可以,因为你的神经原会调整。但这个结论出来之后,不会调整,所以在上面有些敏感政治话题不可以去训练,因为结果不可以调整,除非你去再纠正它,否则它就认定这个结论。
 
这个是前面我快速的跟大家讲的它的工作原理以及技术的背景,我希望大家理解,大概这里面都有哪些内容。
 
第二.客户服务自动化商业应用畅想。
 
从我们的角度来讲,这个东西有了,我们后面拿它来做什么。
 
第一是对于我们看到的,因为这个东西也被强调了,ChatGPT一定得有中国版的落地,它要符合中国法律法规,包括一些训练的结果。这个跟早年谷歌的情况是很像的,必须它要能说正确的信息。
 
第二是成本。因为每个企业都要使用,因为它的初衷本来是open,后来被微软收购了,所以它现在一定要赚钱的,它以后一定要有商业价值,它不是free的东西,它就是要产生商业价值,怎么产生商业价值?
 
第三是产品应用创新,虽然有后台技术但是你需要做新的产品在这个层面上面。
 
第四是新的工种、岗位出现,完成数字化转型的部分,可能每个企业以后都有相应的人员来负责这个平台或者这个产品。它未来会改变很多其他的工作。
 
这是我自己的想法,代表我自己的观点,它有两种不同的模式,一个是Universal Mode,一个是Segment Mode。如果是Universal Mode,它是互联网base,所有大家都可以使用的,它没有偏差性,你可以问任何一个问题,但是它有一个缺点就是它不够专业,这个是为什么我们看到的,因为这个世界足够大,需要有专业的人员做专业的事情,所以一个Universal Mode的能力肯定没有细分领域更强,所以Segment Mode肯定会有。当然这里还有一个问题就是你喂给它的数据,有很多数据是不对外共享,而现在Universal Mode的数据都是互联网上爬的,如果你给它的数据是公网数据的可以,但如果这个数据是内部的,它做不了,有可能有一些是,这就是可能以后会有不一样的地方。
 
还有人机交互,交互界面大家知道就是一个浏览器敲几个字,这个不是最终版本,应该会有不同的交互版本,这个可能还是个雏形阶段。
 
然后机器优势,刚才说了学习速度快,它只用1.5年,我们人类用25年,记忆准确它不会忘,我在写这里的时候就想起了我很多年前学英语背单词,每天早晨爬起来,但是它只要读一次就可以了,我可能要背好多次,才能把这个单词记住,记忆准确。
 
然后你使用越多,调优性越强。就是你越给它压力,它不怕累,你给它的越多它越喜欢,但是人每天基本8个小时就要睡觉了否则就要崩溃了,但是机器无所谓。
 
最后一句话,我觉得这个是人类永远不可能超过机器的地方,它的容量的确是人脑,没有任何一个人可以比拟的AI。
 
这个是一些可能的场景,还比较初级。比如虚拟客服,然后做营销,24小时不间断的一些服务,能够让客户得到实际的专业的服务,比现在的体验更好,更专业,因为它的能力很多嘛,这是一方面。
 
还有这几个,是从我们企业的角度思考的,我们企业有这些客户需求。首先我可以帮助客户做实验,我们有些客户是学校,是些研究机构甚至一些博导,硕士研究生这些,它会查阅文献,帮你很快的去找到这些,帮你比较产品,我到底该用哪一个产品,哪一个试剂或者哪一个东西?我还要帮你发paper,我现在学术论文这块没有想象力,我现在憋不出来几个字那种,这个时候你就用这个,发paper。底下有一个其他任何可以解放笔杆子的功能,这个有可能更延伸了,很多内容都会由机器来生成。特别是在你没有灵感的时候,这个东西挺有用的。
 
结束语是大家都看过五《钢铁侠》里面有一个Mr. Jarvis,是我很喜欢的虚拟,它会跟你说,“Hi,Jarvis,give me something”,这个是Javis时代正式开始了,因为ChatGPT就是最雏形的一个Jarvis,以后它可以做更多。
 
我最近看过了一个电影就是《兰博基尼如何诞生的》,这里面有兰博基尼先生花重金挖了一个设计师,给他设计一个汽车,设计了多次不满意一直要改,我估计以后这种设计师也没饭碗了,因为你不需要他了,你只需要告诉AI说你要调哪里,他会帮你调到你最喜欢的状态,那个形状,那个颜色,那个大小,然后给你一个模型就结束了,它可以做这个事情。
 
我就不再覆盖其他的内容,因为还有一个类似于ChatGPT的叫Dali,Dali是做图的,如果有兴趣你们可以搜一下,谢谢今天我的所有分享就到这里,谢谢!

关键字:ChatGPT自动化

原创文章 企业网D1Net

电子周刊
回到顶部

关于我们联系我们版权声明隐私条款广告服务友情链接投稿中心招贤纳士

企业网版权所有 ©2010-2024 京ICP备09108050号-6 京公网安备 11010502049343号

^