Detektor Lie Berbasis AI pikeun Paguneman Pusat Telepon

Panaliti di Jerman parantos ngagunakeun pembelajaran mesin pikeun nyiptakeun sistem analisa audio anu dimaksudkeun utamina pikeun janten detektor bohong berbasis AI pikeun konsumén dina komunikasi audio sareng pusat telepon sareng staf dukungan.

nu sistim ngagunakeun set data rekaman audio anu didamel khusus ku 40 siswa sareng guru salami debat ngeunaan topik anu kontroversial, kalebet moralitas hukuman pati sareng biaya SPP. Modél ieu dilatih dina arsitéktur anu ngagunakeun Convolutional Neural Networks (CNNs) sareng Long Short-Term Memory (LSTM), sareng ngahontal tingkat akurasi anu dilaporkeun 98%.

Sanaos maksud anu dinyatakeun tina padamelan nyarioskeun komunikasi palanggan, panaliti ngaku yén éta sacara efektif beroperasi salaku detektor bohong tujuan umum:

'Papanggihan ieu lumaku pikeun rupa-rupa prosés layanan sarta husus mangpaat pikeun sakabéh interaksi customer anu lumangsung via telepon. Algoritma anu disayogikeun tiasa diterapkeun dina kaayaan naon waé anu ngabantosan agén pikeun terang naha palanggan nyarioskeun kayakinanna.

'Ieu tiasa, contona, nyababkeun pangurangan klaim asuransi anu diragukeun, atanapi pernyataan anu teu leres dina wawancara padamelan. Ieu henteu ngan ukur ngirangan karugian operasional pikeun perusahaan jasa, tapi ogé nyorong para nasabah janten langkung jujur.'

Generasi Dataset

Dina henteuna dataset sadia masarakat awam merenah dina basa Jerman, peneliti - ti Neu-Ulm University of Applied Sciences (HNU) - dijieun bahan sumber sorangan. Fliers anu dipasang di universitas sarta di sakola lokal, kalawan 40 sukarelawan dipilih ku umur minimum 16. Sukarelawan anu dibayar ku 10 euro Amazon voucher.

Sesi anu dilakukeun dina modél klub debat dirancang polarize pamadegan sarta ngahudangkeun réspon kuat sabudeureun jejer incendiary, éféktif modeling stress nu bisa lumangsung dina paguneman customer masalah dina telepon.

Topik anu para sukarelawan kedah nyarios sacara bébas salami tilu menit di masarakat nyaéta:

- Naha hukuman pati sareng eksekusi umum kedah diwanohkeun deui di Jerman?
- Naha biaya SPP anu nutupan biaya kedah ditagihkeun di Jerman?
- Naha pamakean obat keras sapertos heroin sareng kristal meth dilegalkeun di Jerman?
- Naha ranté réstoran anu nyayogikeun tuangeun gancang anu teu séhat, sapertos McDonald's atanapi Burger King, dilarang di Jerman?

Pra-Ngolah

Proyék éta langkung milih analisa fitur ucapan akustik dina pendekatan Automatic Speech Recognition (ASR) tibatan pendekatan NLP (dimana ucapan dianalisis dina tingkat linguistik, sareng 'suhu' wacana disimpulkeun langsung tina panggunaan basa).

Sampel ékstraksi anu tos diolah dianalisis mimitina via Mel-frékuénsi Cepstral Coefficients (MFCCs), metode anu dipercaya, anu langkung lami masih populer dina analisis ucapan. Kusabab métode ieu mimiti diajukeun dina 1980, éta utamana frugal kalawan sumberdaya komputasi dina watesan recognizing pola ngulang dina ucapan, sarta tahan ka sagala rupa tingkat kualitas néwak audio. Kusabab sési dilaksanakeun dina platform VOIP dina kaayaan dikonci dina bulan Désémber 2020, penting pikeun gaduh kerangka rékaman anu tiasa nyababkeun audio kualitas goréng upami diperyogikeun.

Éta pikaresepeun pikeun dicatet yén dua watesan téknis anu disebatkeun di luhur (sumber daya CPU kawates dina awal 1980-an sareng ékséntrisitas konektipitas VOIP dina kontéks jaringan anu rame) digabungkeun di dieu pikeun nyiptakeun modél anu sacara épéktip 'téhnis jarang' anu (katingalina) luar biasa kuat. dina henteuna kaayaan kerja idéal jeung sumberdaya-tingkat tinggi - mimicking arena target pikeun algoritma hasilna.

Salajengna Transformasi Fourier Gancang (FFT) Algoritma diterapkeun ngalawan bagéan audio pikeun nyayogikeun profil spéktral unggal 'pigura audio', sateuacan pemetaan ahir kana Skala Mel.

Pelatihan, Hasil sareng Watesan

Salila latihan, véktor fitur anu diekstrak disalurkeun ka lapisan jaringan konvolusional anu disebarkeun waktos, diratakeun teras dialihkeun ka lapisan LSTM.

Arsitéktur prosés palatihan pikeun detektor kabeneran AI. Sumber: https://arxiv.org/ftp/arxiv/papers/2107/2107.11175.pdf

Tungtungna, sadaya neuron disambungkeun ka silih pikeun ngahasilkeun prediksi binér naha panyatur nyarioskeun hal-hal anu aranjeunna yakin leres.

Dina tés sanggeus latihan, sistem ngahontal tingkat akurasi nepi ka 98.91% dina watesan discernment maksud (dimana eusi diucapkeun bisa jadi teu ngagambarkeun maksud). Panaliti nganggap yén karya sacara émpiris nunjukkeun idéntifikasi kapercayaan dumasar kana pola sora, sareng ieu tiasa dihontal tanpa dekonstruksi basa NLP.

Dina watesan watesan, panalungtik ngaku yén sampel tés leutik. Sanaos makalah éta henteu nyatakeun sacara eksplisit, data tés volume-rendah tiasa ngirangan panerapan engké upami anggapan, fitur arsiték sareng prosés pelatihan umum langkung pas kana data. Tulisan nyatet yén genep tina dalapan modél anu diwangun sapanjang proyék éta over-dipasang dina sababaraha waktos dina prosés diajar, sareng aya padamelan salajengna anu kedah dilakukeun dina ngageneralisasi panerapan parameter anu disetél pikeun modél.

Salajengna, panalungtikan alam ieu kudu akun pikeun ciri nasional, sarta kertas catetan yén subjék Jerman aub dina generasi data bisa mibanda pola komunikasi nu teu langsung replicable sakuliah budaya - kaayaan anu dipikaresep bakal timbul dina sagala ulikan misalna dina. bangsa naon waé.