جهاز كشف الكذب القائم على الذكاء الاصطناعي للمكالمات الهاتفية في مراكز الاتصال

استخدم باحثون في ألمانيا التعلم الآلي لإنشاء نظام تحليل الصوت يهدف في المقام الأول إلى العمل كجهاز كشف الكذب القائم على الذكاء الاصطناعي للعملاء في الاتصالات الصوتية مع موظفي مركز الاتصال والدعم.

يستخدم النظام قاعدة بيانات مخصصة من التسجيلات الصوتية لمدة 40 طالبًا ومعلمًا خلال مناقشات حول مواضيع خلافية، بما في ذلك مشروعية عقوبة الإعدام والرسوم الدراسية. تم تدريب النموذج على هيكل يستخدم شبكاتニューラル التلافيفية (CNNs) وذاكرة التأخير الطويل (LSTM)، وحقق معدل دقة مدعومًا يبلغ 98٪.

على الرغم من أن الغرض المعلن للعمل يذكر اتصالات العملاء، فإن الباحثين يقررون أن النظام يعمل بشكل فعال ككاشف كذب عام الغرض:

‘النتائج قابلة للتطبيق على مجموعة واسعة من عمليات الخدمة ومفيدة بشكل خاص لجميع التفاعلات مع العملاء التي تحدث عبر الهاتف. يمكن تطبيق الخوارزمية المقدمة في أي حالة يكون فيها من المفيد لموظف الدعم أن يعرف ما إذا كان العميل يتحدث بصدق.

‘هذا يمكن أن يؤدي، على سبيل المثال، إلى تقليل المطالبات التأمينية المشكوك فيها أو البيانات الكاذبة في المقابلات الوظيفية. هذا لن يقلل فقط من الخسائر التشغيلية للشركات الخدمية، بل سيعزز أيضًا من دوافع العملاء للكلام بصدق.’

إنشاء مجموعة البيانات

في غياب قاعدة بيانات عامة متاحة باللغة الألمانية، أنشأ الباحثون – من جامعة Neu-Ulm التطبيقية (HNU) – مادة المصدر الخاصة بهم. تم وضع المنشورات في الجامعة والمدرسة المحلية، وتم اختيار 40 متطوعًا بحد أدنى للعمر 16 عامًا. تم دفع المشاركين بمكافأة بقيمة 10 يورو من قسائم AMAZON.

تم إجراء الجلسات على نموذج نادي المناقشة المصمم لتحفيز الرأي وتحريض الاستجابات القوية حول المواضيع المثيرة للجدل، مما يجسد بالفعل التوتر الذي يمكن أن يحدث في محادثات العملاء المشكلة على الهاتف.

المواضيع التي كان على المتطوعين التحدث بحرية لمدة ثلاث دقائق في الجمهور كانت:

– هل يجب إعادة إدخال عقوبة الإعدام والتنفيذ العام في ألمانيا؟
– هل يجب فرض رسوم دراسية تغطي التكاليف في ألمانيا؟
– هل يجب قانونية استخدام المخدرات القاسية مثل الهيروين والميثامفيتامين في ألمانيا؟
– هل يجب حظر سلاسل المطاعم التي تقدم الطعام السريع غير الصحي، مثل ماكدونالدز أو برجر كينج، في ألمانيا؟

المعالجة المسبقة

فضّل المشروع تحليل ميزات الكلام الصوتي في نهج التعرف التلقائي على الكلام (ASR) أكثر من نهج NLP (حيث يتم تحليل الكلام على مستوى لغوي، ويتحسس “درجة حرارة” الخطاب مباشرة من استخدام اللغة).

تم تحليل العينات المستخرجة المعالجة مسبقًا في البداية من خلال معاملات السيفيسترا لميل (MFCCs)، وهو طريقة قديمة موثوقة لا تزال شائعة جدًا في تحليل الكلام. منذ أن تم اقتراح الطريقة لأول مرة في عام 1980، فهي ملحوظة في كفاءة الموارد الحاسوبية من حيث التعرف على الأنماط المتكررة في الكلام، ومقاومة لمستويات جودة الصوت المختلفة. نظرًا لأن الجلسات تمت عبر منصات VOIP في ظروف الإغلاق في ديسمبر 2020، كان من المهم وجود إطار تسجيل يمكنه التعامل مع جودة الصوت الرديئة عند الضرورة.

من المثير للاهتمام أن نلاحظ أن القيدين الفنيين المذكورين أعلاه (الموارد الحاسوبية المحدودة في الثمانينيات و特يارات VOIP في سياق الشبكة المزدحمة) ي 结ب هنا لإنشاء ما يعادل “نموذجًا فنيًا نادرًا” يبدو أنه قوي بشكل غير عادي في غياب ظروف العمل المثالية والموارد عالية المستوى – مما يقلد الساحة المستهدفة للخوارزمية الناتجة.

بعد ذلك، تم تطبيق خوارزمية تحويل فورييه السريع (FFT) على مقاطع الصوت لتوفير ملف تعريف طيفي لكل “إطار صوتي”، قبل الخريطة النهائية إلى مقياس ميل.

التدريب والنتائج والقيود

خلال التدريب، يتم تمرير متجهات الميزات المستخرجة إلى طبقة شبكة توزيعية متواصلة، ثم يتم تسطيحها وتمريرها إلى طبقة LSTM.

هيكل عملية التدريب لجهاز كشف الكذب القائم على الذكاء الاصطناعي. مصدر: https://arxiv.org/ftp/arxiv/papers/2107/2107.11175.pdf

أخيرًا، يتم توصيل جميع العصبونات ببعضها البعض لإنشاء تنبؤ ثنائي لتحديد ما إذا كان المتحدث يقول أشياء يعتقد أنها صحيحة.

في الاختبارات بعد التدريب، حقق النظام مستوى دقة يصل إلى 98.91٪ من حيث تمييز النية (حيث قد لا تعكس المحتوى المُتحدث نية المتحدث). يعتبر الباحثون أن العمل يثبت تجريبيًا تحديد الإقناع بناءً على أنماط الصوت، ويمكن تحقيقه بدون تحليل اللغة على غرار NLP.

فيما يتعلق بالقيود، يقر الباحثون بأن عينة الاختبار صغيرة. على الرغم من أن الورقة لا تنص صراحة على ذلك، يمكن أن يقلل حجم البيانات المنخفض من التطبيق اللاحق في حالة أن افتراضات وسمات الهيكل وعمليات التدريب العامة يتم تعريفها بشكل مبالغ فيه على البيانات. تشير الورقة إلى أن ستة من النماذج الثمانية التي تم بناؤها خلال المشروع تم تعريفها بشكل مبالغ فيه في مرحلة معينة من عملية التعلم، وهناك المزيد من العمل الذي يجب القيام به في تعميم قابلية تطبيق المعلمات المحددة للنموذج.

علاوة على ذلك، يجب أن تأخذ الأبحاث من هذا القبيل في الاعتبار الخصائص الوطنية، وتشير الورقة إلى أن المواضيع الألمانية المشاركة في إنشاء البيانات قد يكون لديها أنماط اتصال لا يمكن تكرارها بشكل مباشر عبر الثقافات – وهو وضع قد ي发生 في أي دراسة من هذا القبيل في أي دولة.