कॉल सेंटर वार्तालापों के लिए एआई-आधारित झूठ डिटेक्टर

जर्मनी में शोधकर्ताओं ने एक ऑडियो विश्लेषण प्रणाली बनाने के लिए मशीन लर्निंग का उपयोग किया है जिसका उद्देश्य मुख्य रूप से कॉल सेंटर और सहायक कर्मचारियों के साथ ऑडियो संचार में ग्राहकों के लिए एआई-आधारित झूठ डिटेक्टर के रूप में कार्य करना है।

RSI प्रणाली मृत्युदंड की नैतिकता और ट्यूशन फीस सहित विवादास्पद विषयों पर बहस के दौरान 40 छात्रों और शिक्षकों द्वारा ऑडियो रिकॉर्डिंग के विशेष रूप से बनाए गए डेटासेट का उपयोग करता है। मॉडल को एक आर्किटेक्चर पर प्रशिक्षित किया गया था जो कन्वेन्शनल न्यूरल नेटवर्क्स (सीएनएन) और लॉन्ग शॉर्ट-टर्म मेमोरी (एलएसटीएम) का उपयोग करता है, और 98% की रिपोर्ट की गई सटीकता दर हासिल की है।

यद्यपि कार्य का घोषित इरादा ग्राहक संचार का हवाला देता है, शोधकर्ताओं ने माना कि यह प्रभावी रूप से एक सामान्य प्रयोजन झूठ-डिटेक्टर के रूप में कार्य करता है:

'निष्कर्ष सेवा प्रक्रियाओं की एक विस्तृत श्रृंखला पर लागू होते हैं और टेलीफोन के माध्यम से होने वाली सभी ग्राहक बातचीत के लिए विशेष रूप से उपयोगी होते हैं। प्रस्तुत एल्गोरिदम को किसी भी स्थिति में लागू किया जा सकता है जहां एजेंट के लिए यह जानना सहायक होता है कि ग्राहक उसके विश्वास के अनुसार बात कर रहा है या नहीं।

'उदाहरण के लिए, इससे संदिग्ध बीमा दावों या नौकरी के साक्षात्कार में असत्य बयानों में कमी आ सकती है। इससे न केवल सेवा कंपनियों का परिचालन घाटा कम होगा, बल्कि ग्राहकों को अधिक सच्चा होने के लिए भी प्रोत्साहन मिलेगा।'

डेटासेट जनरेशन

जर्मन भाषा में उपयुक्त सार्वजनिक रूप से उपलब्ध डेटासेट की अनुपस्थिति में, न्यू-उल्म यूनिवर्सिटी ऑफ एप्लाइड साइंसेज (एचएनयू) के शोधकर्ताओं ने अपनी स्वयं की स्रोत सामग्री बनाई। विश्वविद्यालय और स्थानीय स्कूलों में फ़्लायर्स पोस्ट किए गए थे, जिसमें न्यूनतम 40 वर्ष की आयु वाले 16 स्वयंसेवकों का चयन किया गया था। स्वयंसेवकों को 10 यूरो अमेज़ॅन वाउचर के साथ भुगतान किया गया था।

सत्र एक डिबेट क्लब मॉडल पर आयोजित किए गए थे, जो राय को ध्रुवीकृत करने और भड़काऊ विषयों पर मजबूत प्रतिक्रियाएं पैदा करने के लिए डिज़ाइन किया गया था, जिससे फोन पर समस्याग्रस्त ग्राहक वार्तालापों में होने वाले तनाव को प्रभावी ढंग से मॉडलिंग किया जा सके।

जिन विषयों पर स्वयंसेवकों को जनता के बीच तीन मिनट तक खुलकर बोलना था वे थे:

- क्या जर्मनी में मृत्युदंड और सार्वजनिक फाँसी फिर से शुरू की जानी चाहिए?
- क्या जर्मनी में लागत-कवरिंग ट्यूशन फीस ली जानी चाहिए?
- क्या जर्मनी में हेरोइन और क्रिस्टल मेथ जैसी कठोर दवाओं के उपयोग को वैध किया जाना चाहिए?
- क्या मैकडॉनल्ड्स या बर्गर किंग जैसी अस्वास्थ्यकर फास्ट फूड परोसने वाली रेस्तरां श्रृंखलाओं पर जर्मनी में प्रतिबंध लगाया जाना चाहिए?

पूर्व प्रसंस्करण

परियोजना ने एनएलपी दृष्टिकोण (जहां भाषाई स्तर पर भाषण का विश्लेषण किया जाता है, और प्रवचन का 'तापमान' सीधे भाषा के उपयोग से अनुमान लगाया जाता है) पर स्वचालित भाषण मान्यता (एएसआर) दृष्टिकोण में ध्वनिक भाषण सुविधाओं के विश्लेषण का समर्थन किया।

पूर्व-संसाधित निकाले गए नमूनों का प्रारंभ में मेल-फ़्रीक्वेंसी सेप्स्ट्रल गुणांक (एमएफसीसी) के माध्यम से विश्लेषण किया गया था, जो एक विश्वसनीय, पुरानी विधि है जो अभी भी भाषण विश्लेषण में बहुत लोकप्रिय है। चूंकि विधि पहली बार 1980 में प्रस्तावित की गई थी, यह भाषण में आवर्ती पैटर्न को पहचानने के मामले में कंप्यूटिंग संसाधनों के साथ विशेष रूप से मितव्ययी है, और ऑडियो कैप्चर गुणवत्ता के विभिन्न स्तरों के लिए लचीला है। चूंकि सत्र 2020 के दिसंबर में लॉक-डाउन स्थितियों में वीओआइपी प्लेटफार्मों पर आयोजित किए गए थे, इसलिए एक रिकॉर्डिंग ढांचा होना महत्वपूर्ण था जो आवश्यक होने पर खराब गुणवत्ता वाले ऑडियो के लिए जिम्मेदार हो सके।

यह ध्यान रखना दिलचस्प है कि उपरोक्त दो तकनीकी सीमाएँ (1980 के दशक की शुरुआत में सीमित सीपीयू संसाधन और भीड़भाड़ वाले नेटवर्क संदर्भ में वीओआइपी कनेक्टिविटी की विलक्षणताएं) यहां प्रभावी रूप से एक 'तकनीकी रूप से विरल' मॉडल बनाने के लिए संयोजित होती हैं जो (स्पष्ट रूप से) असामान्य रूप से मजबूत है आदर्श कामकाजी परिस्थितियों और उच्च-स्तरीय संसाधनों के अभाव में - परिणामी एल्गोरिदम के लिए लक्ष्य क्षेत्र की नकल करना।

इसके बाद एक फास्ट फूरियर ट्रांसफॉर्म (FFT) मेल स्केल पर अंतिम मैपिंग से पहले, प्रत्येक 'ऑडियो फ्रेम' की वर्णक्रमीय प्रोफ़ाइल प्रदान करने के लिए ऑडियो सेगमेंट के खिलाफ एल्गोरिदम लागू किया गया था।

प्रशिक्षण, परिणाम और सीमाएँ

प्रशिक्षण के दौरान, निकाले गए फ़ीचर वैक्टर को समय-वितरित कन्वेन्शनल नेटवर्क परत में पास किया जाता है, चपटा किया जाता है और फिर LSTM परत में पास किया जाता है।

एआई सत्य डिटेक्टर के लिए प्रशिक्षण प्रक्रिया की वास्तुकला। स्रोत: https://arxiv.org/ftp/arxiv/papers/2107/2107.11175.pdf

अंत में, सभी न्यूरॉन्स एक दूसरे से जुड़े हुए हैं ताकि एक द्विआधारी भविष्यवाणी उत्पन्न की जा सके कि वक्ता उन चीजों को कह रहा है या नहीं जिन्हें वे सच मानते हैं।

प्रशिक्षण के बाद परीक्षणों में, सिस्टम ने इरादे की पहचान (जहां बोली जाने वाली सामग्री इरादे को प्रतिबिंबित नहीं कर सकती है) के संदर्भ में 98.91% तक का सटीकता स्तर हासिल किया। शोधकर्ताओं का मानना ​​​​है कि कार्य अनुभवजन्य रूप से आवाज के पैटर्न के आधार पर दृढ़ विश्वास की पहचान को प्रदर्शित करता है, और यह भाषा के एनएलपी-शैली के पुनर्निर्माण के बिना हासिल किया जा सकता है।

सीमाओं के संदर्भ में, शोधकर्ता मानते हैं कि परीक्षण का नमूना छोटा है। हालाँकि पेपर स्पष्ट रूप से यह नहीं बताता है, कम-मात्रा परीक्षण डेटा उस स्थिति में बाद में प्रयोज्यता को कम कर सकता है जब अनुमान, वास्तुकला की विशेषताएं और सामान्य प्रशिक्षण प्रक्रिया डेटा के लिए अधिक उपयुक्त होती हैं। पेपर में कहा गया है कि पूरे प्रोजेक्ट में बनाए गए आठ मॉडलों में से छह को सीखने की प्रक्रिया में किसी बिंदु पर ओवर-फिट किया गया था, और मॉडल के लिए निर्धारित मापदंडों की प्रयोज्यता को सामान्य बनाने के लिए और काम किया जाना बाकी है।

इसके अलावा, इस प्रकृति के शोध में राष्ट्रीय विशेषताओं को ध्यान में रखा जाना चाहिए, और पेपर में कहा गया है कि डेटा के उत्पादन में शामिल जर्मन विषयों में संचार पैटर्न हो सकते हैं जो सीधे संस्कृतियों में दोहराए जाने योग्य नहीं हैं - ऐसी स्थिति जो संभवतः ऐसे किसी भी अध्ययन में उत्पन्न होगी कोई भी राष्ट्र.