Rana Gujral, generální ředitel Behavioral Signals – rozhovor

Rana Gujral je generálním ředitelem Behavioral Signals, společnosti, která mostí komunikační mezery mezi lidmi a stroji zavedením emocionální inteligence ze řeči do konverzací s umělou inteligencí.

Behavioral Signals je relativně mladá firma, která byla založena v roce 2016. Můžete sdílet příběh jejího vzniku?

Vedeni vášní přivést společnost revoluční patentované technologie speech-to-emotion a speech-to-behaviors na trh, založili CTO Alex Potamianos a hlavní vědec Shri Narayanan Behavioral Signals v roce 2016. Shri je Andrew J. Viterbi Professor of Engineering na University of Southern California (USC). Založil a目前 řídí Signal Analysis and Interpretation Laboratory (SAIL) na USC. Alex je uznávaný inovátor v oblasti řeči a zpracování přirozeného jazyka, interaktivních hlasových systémů a behaviorálních informatických technologií. Má více než 20 let zkušeností z vedení firem a podnikání, zatímco jeho pozadí zahrnuje práci v AT&T Labs-Research, Bell Labs a Lucent Technologies.

S cílem vylepšit a navždy změnit svět byznysu, věříme, že technologie je jádrem toho, co lze dosáhnout. Algoritmy Behavioral Signals analyzují lidské emoce a chování, transformují data na využitelné informace a vedou k lepšímu rozhodování a zvýšení zisků. Do teď byla lidská emoce považována za něco, co nelze kvantifikovat a změřit. Naším patentovaným analytickým motorem měříme a interpretujeme „jak“ část lidské interakce.

Behavioral Signals spoléhá na typ strojového učení affective computing (také nazývané Emotion AI). Můžete vysvětlit, co to je?

Emocionální umělá inteligence, také nazývaná Emotion AI nebo affective computing, se používá k vývoji strojů, které jsou schopny číst, interpretovat, reagovat a napodobovat lidské emoce – způsob, jakým lidé prožívají a vyjadřují emoce. Co to znamená pro spotřebitele? To znamená, že vaše zařízení, jako je váš smartphone nebo inteligentní reproduktor, budou moci nabízet interakci, která se bude cítit přirozeněji než kdykoli předtím, a to pouze tím, že budou číst emocionální signály ve vašem hlasu.

Čím více se naše závislost na umělých inteligencích zvyšuje, tím více roste potřeba emocionálně inteligentních umělých inteligencí. Je jedna věc požádat vašeho virtuálního asistenta, aby vám přečetl dnešní sportovní výsledky, ale je to úplně jiná věc, když svěříte péči o vaše rodiče umělým inteligencím řízenému botu. V současné době mohou umělá inteligence dělat úžasné věci, jako diagnostikovat lékařské stavy a navrhnout léčbu, ale stále potřebují emocionální inteligenci, aby komunikovaly s pacienty lidským způsobem.

Jaké další typy strojového učení se používají?

Při strojovém učení主要 používáme hluboké učení a NLP v našich analytických modelech Behavioral Signals Processing. Chceme vysvětlit to lépe, my jsme zavedli nové pole, Behavioral Signal Processing, založené na více než desetiletí výzkumu a patentovaných výsledků, abychom automaticky detekovali informace zakódované v lidském hlasu z audio a měřili kvalitu lidské interakce. Je to vznikající disciplína, která spojuje inženýrství s behaviorálními vědami a cílem je kvantifikovat a interpretovat lidskou interakci a komunikaci pomocí inženýrských a počítačových inovací. Hluboké učení je nástroj, který pomáhá vytvářet lepší predikční modely.

Jaký typ dat shromažďujete z tónu hlasu?

Naše hluboké učení AI technologie analyzují, co a jak něco říkají, na obou stranách konverzace, měří emoce a chování. Rozsah emocí je khá různorodý, ale co opravdu záleží, je agregovaná inteligence této analýzy. Chceme dát příklad, zvažte konverzaci mezi bankovním zaměstnancem a zákazníkem; můžeme zachytit a měřit zdvořilost, klid (klid vs. rozrušení), empatii vůči zákazníkovi, reakce zákazníka a celkový styl mluvení, jako je pomalý, rychlý, zapojený nebo nezapožený, aby se vypočítal skóre kvality konverzace, účinnost výsledku a výkon zaměstnance.

Jaký typ datové analýzy se provádí pro předpověď záměru?

Předpověď záměru je velmi podobná tomu, co již bylo zmíněno. Používáme behaviorální signály v hlasu k předpovědi záměru zákazníka na nákup produktu, prodloužení předplatného nebo zda dlužník splatí svůj dluh. Předpověď záměru může pomoci firmám zvýšit své prodeje a poměr sběru, snížit náklady a nakonec zlepšit spokojenost zákazníků.

Behavioral Signals získala 6krát zlatou medaili v soutěži INTERSPEECH kvality lidské interakce a výpočetní paralingvistiky. Co je tato soutěž a jak významné je toto ocenění?

Interspeech je největší technická konference zaměřená na zpracování řeči a aplikaci. Má největší účast v tomto oboru a významný počet výzkumných prací. Konference zdůrazňuje mezikruhové přístupy, které řeší všechny aspekty vědy a technologie řeči, od základních teorií po pokročilé aplikace. Její výzvy jsou považovány za Turingovu cenu v oblasti rozpoznávání řeči a zpracování přirozeného jazyka. Získání této ceny je důležitým uznáním našeho vědeckého díla a naší jedinečné schopnosti detekovat signály z audio dat spojených s chováním a rysy, které řídí lidské rozhodování.

Jak rychle může Behavioral Signals přizpůsobit různé jazyky a jak velké datové sady jsou potřeba?

Naše technologie je jazykově nezávislá. Posloucháme jak něco říkají, spíše než co se vlastně říká. Posloucháme vyjádřené emoce, které jsou bastante univerzální ve všech jazycích. Samozřejmě, každý jazyk má své vlastní jedinečné rysy, které mohou vyžadovat úpravu našich algoritmů, ale rozdíl v našich predikčních analytických modelech je obecně malý.

Můžete diskutovat o nejnovějším řešení Behavioral Signals, AI-Mediated Conversation?

AI-Mediated Conversations (AI-MC) je automatizované řešení pro směrování hovorů, které používá emocionální umělou inteligenci a hlasová data k nejlepšímu zaměstnanci pro zpracování konkrétního hovoru. Pokud se vrátíme k výše zmíněnému příkladu bankovního zaměstnance a zákazníka, naše technologie může vést dynamiku konverzace s konečným cílem zlepšit výsledek, ať už se jedná o lepší zákaznickou zkušenost, zvýšené inkaso nebo rychlejší řešení. Bez ohledu na typ obchodního sdělení (prodejní hovor, podpora, inkaso) se vždy jedná o interakci mezi skutečnými lidmi, kde je vzácně shoda mezi dvěma páry lidí. Máme specifické chování a rysy, které nám pomáhají lépe vycházet s některými lidmi než s jinými. Tento výběr je založen na profilových datech a našich nadřazených algoritmech vyvinutých z let výzkumu a zkušeností v oblasti NLP a Behavioral Signal Processing.

Nedávno jsme implementovali řešení AI-MC Behavioral Signals, abychom zvýšili účinnost a efektivitu call centra evropské banky. Případová studie byla uznána Gartnerem a byla zahrnuta do jeho zprávy o adopci Emotion AI. Řešení prokázalo významný návratnost investic se 20% nárůstem aktivních žádostí o restrukturalizaci dluhů. Kromě toho bylo toto zlepšení dosaženo se 7,6% méně hovorů, což vedlo k dalším úsporám nákladů. V absolutních číslech tyto výsledky odpovídaly $300M nárůstu pro banku.

Je něco jiného, co byste rádi sdíleli o Behavioral Signals?

Zatímco jsme hrdí na naše výzkumné úspěchy, jsme stejně vděční za ocenění odvětví. Na podzim roku 2019 byla naše technologie uvedena jako vedoucí případ v Gartnerově vyhledávací zprávě o pokročilých technologiích. Letos jsme byli součástí Gartnerovy Hype Cycle, kde byla naše technologie označena jako „transformační“. Minulý měsíc jsme byli uvedeni jako Gartner Cool Vendor 2020.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Behavioral Signals.