Рана Гуджрал, генеральний директор Behavioral Signals – Серія інтерв’ю

Рана Гуджрал – генеральний директор компанії Behavioral Signals, яка мостить комунікаційний розрив між людьми та машинами, вводячи емоційний інтелект, від мовлення, у розмови з штучним інтелектом.

Behavioral Signals – відносно молода компанія, заснована у 2016 році. Чи можете Ви поділитися історією її створення?

Підштовхнуті бажанням привести революційні патентовані технології “мовлення-емоції” та “мовлення-поведінки” на ринок, технічний директор Алекс Потаміанос та головний вчений Шрі Нараянан заснували компанію Behavioral Signals у 2016 році. Шрі – професор інженерії Андрія Дж. Вітербі університету Південної Каліфорнії (USC). Він заснував та зараз очолює лабораторію аналізу та інтерпретації сигналів (SAIL) у USC. Алекс – відомий інноватор у сфері мовлення та природної мови, інтерактивних систем голосової відповіді та поведінкової інформатики. У нього понад 20 років досвіду керівництва як у корпоративному, так і в підприємницькому секторах, а його попередній досвід включає роботу в AT&T Labs-Research, Bell Labs та Lucent Technologies.

Ми вважаємо, що технологія знаходиться в центрі того, чого можна досягти для покращення та зміни світу бізнесу. Алгоритми компанії Behavioral Signals аналізують людські емоції та поведінку, перетворюють дані на корисну інформацію та сприяють прийняттю кращих бізнес-рішень та збільшенню прибутку. До цього часу людські емоції вважалися неможливими для кількісної оцінки та вимірювання. Наш патентований аналітичний двигун вимірює та інтерпретує “як” частина людських взаємодій.

Behavioral Signals спирається на певний тип машинного навчання – афективний обчислювальний інтелект (також відомий як Emotion AI). Чи можете Ви пояснити, що це таке?

Емоційний штучний інтелект, також відомий як Emotion AI або афективний обчислювальний інтелект, використовується для розробки машин, які можуть читати, інтерпретувати, реагувати та імітувати людські афекти – те, як ми, люди, переживаємо та виражаємо емоції. Що це означає для споживачів? Це означає, що ваші пристрої, такі як смартфон або смарт-динаміки, зможуть пропонувати вам взаємодію, яка відчуватиметься більш природною, ніж будь-коли раніше, просто читając емоційні сигнали у вашому голосі.

По мірі зростання нашої залежності від штучного інтелекту зростає потреба в емоційно інтелектуальному штучному інтелекті. Це одна справа запитати у вашого віртуального помічника прочитати вам сьогодні результати гри, а зовсім інша справа – довірити догляд за вашими батьками боту, керованому штучним інтелектом. Наразі штучний інтелект може робити неймовірні речі, такі як діагностувати медичні умови та розробляти лікування, але йому все ще потрібен емоційний інтелект, щоб спілкуватися з пацієнтами більш людяним способом.

Які інші типи машинного навчання використовуються?

Коли мова йде про машинне навчання, ми в основному використовуємо глибоке навчання та NLP у наших моделях аналізу поведінки. Щоб пояснити це трохи краще, ми заснували галузь “Обробка поведінкових сигналів”, засновану на понад десятиріччі нагороджуваних та патентованих досліджень, для автоматичного виявлення інформації, закодованої в людському голосі з аудіо, та вимірювання якості людської взаємодії. Це нова галузь, яка поєднує інженерію з поведінковими науками та має на меті кількісно оцінити та інтерпретувати людську взаємодію та комунікацію за допомогою інженерних та обчислювальних інновацій. Глибоке навчання – це інструмент, який допомагає створювати кращі прогностичні моделі.

Який тип даних Ви збираєте з тону голосу?

Наша технологія глибокого навчання аналізує, що та як щось сказано, з обох сторін розмови, вимірюючи емоції та поведінку. Діапазон емоцій досить різноманітний, але що справді важливо, це агрегатна інтелігентність цього аналізу. Щоб дати приклад, розгляньте розмову між банківським працівником та клієнтом; ми можемо захопити та виміряти ввічливість, спокійність (спокійна чи агресивна), емпатію до клієнта, реакцію клієнта та загальний стиль мовлення, такий як повільний, швидкий, залучений чи незалучений, щоб розрахувати бал взаємодії, ефективність результату та продуктивність працівника.

Який тип аналізу даних проводиться для передбачення намірів?

Прогнозування намірів дуже схоже на те, що вже було згадано. Ми використовуємо поведінкові сигнали у голосі для передбачення намірів клієнта щодо покупки продукту, продовження підписки чи сплати боргу. Прогнозування намірів може допомогти компаніям збільшити свої продажі та співвідношення збору, зменшити витрати та покращити задоволеність клієнтів.

Behavioral Signals – шестикратний золотий переможець челленджу INTERSPEECH щодо якості людської взаємодії та комп’ютерної паралінгвістики. Що таке цей челлендж і наскільки це значуще досягнення?

Interspeech – найбільша технічна конференція, присвячена обробці мовлення та застосуванню. Вона має найбільшу кількість учасників у цій галузі та значну кількість дослідницьких робіт. Конференція підкреслює міжгалузеві підходи, які охоплюють всі аспекти науки та технології мовлення, від основних теорій до передових застосувань. Її челленджі вважаються премією Тюрінга у сфері розпізнавання мовлення та обробки природної мови. Перемога у цьому челленджі – важливе визнання нашої наукової роботи та унікальної здатності виявляти сигнали з аудіоданих, пов’язаних з поведінкою та ознаками, які керують прийняттям рішень людьми.

Як швидко Behavioral Signals може адаптуватися до різних мов, і який розмір набору даних потрібен?

Наша технологія не залежить від мови. Ми слухаємо як щось сказано, а не що саме сказано. Ми слухаємо виражені емоції, які досить універсальні для всіх мов. Очевидно, що кожна мова має свої унікальні особливості, які можуть потребувати коригування наших алгоритмів, але різниця у наших прогностичних моделях зазвичай невелика.

Чи можете Ви обговорити останнє рішення Behavioral Signals – AI-Медіативні розмови?

AI-Медіативні розмови (AI-MC) – це автоматичне рішення маршрутизації дзвінків, яке використовує емоційний інтелект та дані голосу для підбору клієнта до найбільш підходящого працівника для обробки конкретного дзвінка. Якщо ми повернемося до вищезгаданого прикладу розмови між банківським працівником та клієнтом, наша технологія може спрямувати динаміку розмови з кінцевою метою покращення результату, незалежно від того, чи це стосується кращого клієнтського досвіду, збільшення збору, чи швидшого вирішення проблем. Незалежно від типу бізнес-комунікації (дзвінок продажу, підтримка, збору), це завжди буде взаємодією між реальними людьми, де рідко ідентична афінність між двома парами людей. У нас є певні поведінкові особливості, які допомагають нам краще спілкуватися з деякими людьми, ніж з іншими. Ця відповідність ґрунтується на даних профілю та наших передових алгоритмах, розроблених за роки досліджень та досвіду у сфері NLP та обробки поведінкових сигналів.

Ми нещодавно реалізували рішення AI-MC компанії Behavioral Signals для підвищення ефективності та ефективності кол-центру одного з банків Євросоюзу. Випадок був визнаний компанією Gartner та включений до її звіту про прийняття Emotion AI. Рішення продемонструвало значну віддачу від інвестицій, збільшивши кількість активних申请ів про реструктуризацію боргу на 20%. Крім того, це покращення було досягнуто за рахунок зменшення кількості дзвінків на 7,6%, що призвело до додаткової економії коштів. У абсолютних цифрах ці результати відповідали збільшенню доходу банку на 300 мільйонів доларів.

Чи є щось ще, що Ви хотіли б поділитися про Behavioral Signals?

Хоча ми пишаємося своїми дослідницькими досягненнями, ми також вдячні за галузеві нагороди. Уосені 2019 року наша технологія була включена до списку лідерів використання у дослідженні Gartner Maverick, яке профільовані передові технології. На початку цього року ми були включені до циклу гіперболі Gartner, де наша технологія була оцінена як “трансформаційна”. У минулому місяці ми були включені до списку Cool Vendor 2020 компанії Gartner.

Дякуємо за велике інтерв’ю. Читачам, які бажають дізнатися більше, рекомендуємо відвідати сайт Behavioral Signals.