Al 在客服体系的应用实 践 京东金融 ID Fingnce 京东金融定位 服务于金融机构的科技公司 助力金融行业提升效率降低成本增加收入 京东金融 JD Finance 遵从 金融本质 为金融 行业服务 以技术 为手段 以数据 为基础 · 十余年联络中心 建设经验 · 服务京东金融所 有渠道 · 前 Siri 科学家团队， 专注语音算法研 究 · · 国内顶尖 AI 团队 · 专业模型训练师 团 队 京东金融 JD Finance 智能客服团队介绍 北京总部 Al 研究 院 美国硅谷 京东金融客服体系 AI+ 数据 + 语音 动 2015 年 3 月 在线客服上线 2018 年 5 月 智能质检 上线 2015 年 5 月 语音客服上线 2013 年底 京东金融成立 关于我们 一、客服机器人 —— 如何更好发挥 Al+ 数据优势? 京东金融 JD Finance 核心技术 > 深度神经网络 >NLP > 机 器 学 习 > 搜 索 引 擎 > 知 识 图 谱 > … 关 键 KPI > 一次解决率

• 闲聊 • 问答 • 任务型对话 • 推荐 3 笨笨系统结构 Zhang W N, Liu T, et al. Benben: A Chinese Intelligent Conversational Robot[C]// ACL 2017, System Demonstrations. 2017:13-18 Zhang et al. (2018) Oraby et al. (2018) Zhang et al. (2018) Mazaré et al. (2018) Mo et al. (2018) Yang et al. (2017) Joshi et al. (2017) Wang et al. (2017) 个性化 & 风格化 Zhang et al. (2018) (2018) Serban et al. (2017) Zhao et al. (2017) Wu et al. (2017) Tian et al. (2017) 上下文建模 Huber et al. (2018) Zhou et al. (2018) Asghar etal. (2018) Sun et al. (2018) Zhou et al. (2017) 情感对话 Zhu

了计算生物学、量子机器学习、数字人文等 新兴学科。 1. P. Berens. et al. AI for science: an emerging agenda. arXiv Preprint, https://arxiv.org/abs/2303.04217v1 (2023). 2. T. Hey. et al. The Fourth Paradigm: Data-Intensive Discovery Discovery, Microsoft (2009). 3. Raissi, M. et al. Physics-informed neural networks: a deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations equations. J. Comput. Phys. 378, 686–707 (2019). 4. Griffin, C. et al. A new golden age of discovery: seizing the AI for science opportunity. Technical report, https://storage.googleapis.com/deepmind- media/DeepMind

余晓丹，徐宪东，陈硕翼，等．综合能源系统与能源互联网简述 [J]．电工技术学报，2016，31(1)：1-13． YU Xiaodan，XU Xiandong，CHEN Shuoyi，et al．A brief review to integrated energy system and energy internet[J]．Transactions of China Electrotechnical Electrotechnical Society，2016，31(1)：1-13(in Chinese)． [2] ZHANG Tieyan，YAO Zongjun，HU Jingwei，et al．Multi-time scale rolling optimization scheduling of “Nealy-Zero Carbon Park” based on stepped carbon 邰能灵，王萧博，黄文焘，等．港口综合能源系统低碳化技术综 述[J]．电网技术，2022，46(10)：3749-3763． TAI Nengling，WANG Xiaobo，HUANG Wentao，et al．Review of low-carbon technology for integrated port energy systems[J]．Power System Technology，

能源领域传统 Al 发展困 境 当下 Al 到了哪种程 度 John J.Hopfield Geoffrey E.Hinton "for foundational discoveries and inventions with artificial neural networks" THEROYALSWEDISHACADEMYOF SCIENCES Al 领域里程碑 hustralans; niklas emehed DeepSeek 横空出世，各项指标逼近或超越 ChatGPT o1 9/80 口核心意义：打破 AI 垄断，带来 AI 平权，尤其是中文 Al 普惠，激发大众创造力 多 源 数 据 深 度 挖 掘 融合建筑领域各类数据，联动设备 运行指标 、能耗信息及环境监测， 实现精细用户画像，助力科学调度 与资源配置 智 能 故 障 识 别 升管理流程标准化和工作效率 DeepSeek 对行业带来的新技术思路 ( 部分 ) 11/80 DeepSeek 赋能 建 筑能源领域 11 报 告 提 纲 当下 Al 到了哪种程度 能源领域传统 AI 发展困境 … … … … DeepSeek 等带来的新范式 大语言模型应用的科研案例

Kun，et al．Low-carbon development pathways of industrial parks in China [J]． Chinese Journal of Environmental Management，2021， 13(1)：49-58(in Chinese)． [4] GUO Yang，TIAN Jinping，ZANG Na，et al．The role N，STIGLITZ J E，等．拥抱绿色发展新 范式：中国碳中和政策框架研究[J]．世界经济，2023， 46(3)：3-30． ZHU Min，STERN N，STIGLITZ J E，et al．Embracing the new paradigm of green development：a study of China carbon neutrality policy framework[J]．The Chinese)． [9] 严坤，吕一铮，郭扬，等．工业园区温室气体核算方法 研究[J]．中国环境管理，2021，13(6)：13-23． YAN Kun，LV Yizheng，GUO Yang，et al．Review on greenhouse gas accounting methods on China’s industrial parks[J]．Chinese Journal of Environmental

intelligence. Mind, 1950, 59: 433−460 1 Roy N, Posner I, Barfoot T, Beaudoin P, Bengio Y, Bohg J, et al. From machine learning to robotics: Challenges and opportunit- ies for embodied intelligence. arXiv telligence, 1991, 47(1−3): 139−159 3 Brown T B, Mann B, Ryder N, Subbiah M, Kaplan J, Dhariw- al P, et al. Language models are few-shot learners. In: Proceed- ings of the 34th International Conference Aleman F L, et al. GPT-4 technical report. arXiv preprint arXiv: 2303. 08774, 2024. 5 Touvron H, Lavril T, Izacard G, Martinet X, Lachaux M A, Lacroix T, et al. LLaMA: Open and

"Artificial Intelligence" 概念， 确 立 Al 为独立学科。会议明确了“让机器模拟人类智能”的研究目标，标志符号主义 Al 的起点。 ◆ 1950 年——图灵测试：艾伦 · 图灵提出“机器能否思考”的哲学命题，但未形成系统研究框架。 ◆1997 年 — —深蓝胜利： IBM 超级计算机击败国际象棋冠军，体现专用 Al 的突破，但通用智能仍未实现。 ◆ 2012 年——技术突破的转折点：深度学习崛起， ImageNet 竞赛中以卷积神经网络将错 误率 从 26% 降至 15%, 引发算力与数据驱动的 Al 革命。 ◆ 2016 年—— AlphaGo: DeepMind 击败李世石，引发公众对 Al 潜力的广泛关注，推动资本涌入 Al 领域。 ◆ 大众认知视角—— 2022 年后生成式 Al 的爆发让 "Al 元年 " 概念再次被热议。 一、人工智能发展简史了解 · 第一阶段：标志事件是 1950 第二到四阶段：低谷的原因是符号主义 Al 无法处理复杂现实问题 · 第五阶段：复兴时期，标志事件是 1997 年 IBM 深蓝击败国际象棋冠军 · 第六阶段：数据驱动的崛起，驱动力是互联网积累海量数据， GPU 算力 提升，机器学习算法突破，里程碑事件是 2016 年 AlphaGo 击败李世 石 2020 年以后是通用智能探索与生成式 Al 爆发期， 2022 年 ChatGPT 发 布， 生成式 Al 普及化。

线及发展状况进行了更加深入的介绍。 其次，本文以经济管理研究为背景，讨论人工智能在创造性工作中的作用。已有研究关注了生成式人工智 能在营销话术 (Jia et al., 2024)、创意文本写作 (Noy and Zhang, 2023)、方案策划 (Boussioux et al., 2024) 等 创新场景中的影响。与这些应用场景相比，社会科学新知识的发现是最具创新性的活动之一。本文强调，构建 理论的能力是社会 革。这 每一个大任务中，又包含着许许多多的小任务，比如数据分析、文字撰写等等。与此同时，AI 作为一种通用 技术（General Purpose Technology）(Eloundou et al., 2024)，对于研究工作的几乎每个任务都能产生深远影 响，将会改变知识的生产函数。 我们应该从社会科学研究的本质思考，在一个科学家与 AI 共同进入的知识生产函数中，有哪些认知任务 是可 于人类智慧的核心任务，我们才能更好地与人工智能合作，完成社会科学家的使命。 2.1 人工智能可以做什么？ 人工智能从广义上理解，就是构建智慧机器（Intelligent Machine）的科学与工程 (McCarthy et al., 2006)。 从人工智能概念提出到现在，其发展大致分为三个阶段：早期基于符号和预定规则推理为主的阶段、统计机器 学习，以及近年来迅速发展的生成式人工智能，而后两者又同样基于数据驱动。随着技术的演进，人工智能变