近日，云知声与中国人民财产保险股份有限公司（以下简称“中国人保财险”）正式签署合作协议。伴随今年多个项目的签约落地，云知声开启2023 AI赋能百业新篇章。
此次合作，双方将聚焦中国人保财险智能化系统建设，以云知声医疗文书OCR文字识别、大规模医疗知识图谱、医疗审核知识服务模型等AI技术为支撑，针对商业险案件理赔中的医疗费用相关内容，实现医疗费用的全自动智能化审核，打造有温度有效率的保险审核服务。
据悉，此次与中国人保财险的合作，得益于云知声在医疗质量管理领域、特别是病历质控方面的深厚技术积累——应用临床知识图谱及自然语言处理技术，打造具有医学知识和最佳临床实践的虚拟医生，充分理解电子病历针对患者的诊疗行为，发现电子病历中的不完整、不规范、不一致、不合理等问题，以此提升医疗病历质量。而这些能力也可应用到商业险理赔的医疗费用审核上。
值得一提的是，此次合作并不是云知声与中国人保财险的首次携手。早在此前，云知声就曾助其打造智能监管平台，用于医保基金常规监管及飞行检查等场景使用。能够再次赢得中国人保财险的青睐，云知声的AI技术底色不容忽视。
从感知到认知 云知声的AI进化之路
云知声诞生于2012年。彼时，人工智能的第三波发展浪潮正逐步萌芽。同年6月，云知声搭建起开放语音云平台，开始了其在人工智能领域的探索。12月，云知声深度学习语音识别技术上线，识别率提升至90%以上，成为国内最早的深度学习商业化应用之一。2013年，云知声开启自然语言对话系统和知识图谱技术的研发，从感知逐步发展到认知阶段；同年，云知声“算力-算法-大数据” AI基础架构三驾马车基本成型。对云知声来说，这无疑是AI能力的又一次跃升。2014年，为解决边缘侧AI落地问题，云知声官宣“云端芯”战略，打造从感知到认知完整的技术链路，构建起软硬件一体的AI全栈技术与服务能力。同年，云知声发布了业内第一个可实时定制优化的对话式交互开放平台，支持智能车机、家居、音箱、客服等多个领域的口语对话交互。
在探索对话式交互之外，云知声于2015年开启认知智能技术在医疗领域的应用与实践，并将语言、知识、决策列为其发展的核心要素——
“在语言方面，其自主研发的医疗预训练语言模型CirBERTa一度登顶中文医疗信息处理挑战榜榜首；在知识方面，云知声构建了业内最大的医疗知识图谱之一，并凭借“大规模知识图谱构建技术及应用”获得2019年北京市科技进步一等奖；在决策方面，云知声基于图嵌入学习的决策模型已经成功应用到病历质控、医疗审核和临床辅助决策系统中。从2019年至2022年，云知声的认知智能技术在国内外相关评测中荣获7冠5亚，持续领跑AI赛道。发展至今，在算力方面，云知声超算平台深度学习浮点计算能力可达8亿亿次/秒；算法方面，云知声已经自主积累了完整的语音、语言和视觉AI算法能力。
成立十余年间，云知声累计储备知识产权1300余项，其中专利900余项（80%均为发明专利），连续三年参与承建科技部的国家重点研发计划——“科技创新2030”新一代人工智能重大项目，并先后获得中国智能科技最高奖——“吴文俊人工智能科技进步奖”和“北京市科技进步一等奖”“国家级专精特新小巨人”等重要奖项。
深化大语言模型技术，打造ChatGPT行业版
近日，OpenAI发布了超级对话模型ChatGPT，其突出的意图理解、上下文学习、思维链等能力在业界引起了广泛的关注，被认为是认知智能技术的一次飞跃，给通用人工智能（AGI）带来了曙光，也给AI行业带来了巨大的机会。很多人预测，2023年将成为“真正的AI元年”。
尽管ChatGPT预训练大模型的强大威力让人惊叹，但仍有关键问题悬而未决：首先，针对知识性问题，ChatGPT可能以流畅的文本展现错误的知识，即“一本正经，胡说八道”，让非专业人员难以发觉；其次，ChatGPT训练成本高达千万美元以上，每次请求的成本也高达几美分，其高昂的费用也束缚着每个自身不具有预训练大模型开发能力的玩家，阻碍了其在多个行业的广泛应用。针对上述问题，在预训练模型领域发力已久的云知声给出解题思路：
01在知识类问题的解答上，云知声将利用其在CirBERTa中已经成功应用的持续学习和知识嵌入技术，基于公司在医疗领域的知识图谱积累，优化ChatGPT模型的知识获取和更新机制，以保证ChatGPT回答中的知识正确性，并给出知识溯源信息。
02面对逐渐攀升的训练成本，云知声认为，以一个通用大模型来解决所有行业深度问题是不现实的。云知声将打造ChatGPT行业版，致力以少2个数量级的参数规模，在特定行业领域的问题上，达到甚至超过ChatGPT的表现。同时，参数规模的大幅减少，也将大大降低了训练和服务成本，让大语言模型技术实现真正广泛应用。云知声将以医疗行业为切入口，将其推广到更多领域，如司法、教育、康养等。随着图像生成工具、聊天工具等AIGC走向大众，人工智能普及应用的风潮将愈演愈烈。云知声也将在AI赋能百业的道路上继续深踩油门，持续迭代AI关键技术，挖掘更多场景需求，实现自身技术、能力与行业需求的有效结合，创造更多社会价值。
