Rana Gujral，Behavioral Signals 的 CEO – 采访系列

Rana Gujral 是 Behavioral Signals 的 CEO，这是一家通过将情感智能引入人机对话来弥合人类和机器之间的沟通差距的公司。

Behavioral Signals 是一家相对较新的创业公司，成立于 2016 年。您能否分享这家公司的创立故事？

由首席技术官 Alex Potamianos 和首席科学家 Shri Narayanan 驱动的创新精神，Behavioral Signals 于 2016 年成立。Shri Narayanan 是南加州大学（USC）的 Andrew J. Viterbi 工程教授，他创立并领导了 USC 的信号分析和解释实验室（SAIL）。Alex Potamianos 是语音和自然语言处理、交互式语音响应系统和行为信息学领域的知名创新者。他拥有超过 20 年的领导经验，曾在 AT&T Labs-Research、Bell Labs 和 Lucent Technologies 任职。

我们的目标是通过技术来改变商业世界。Behavioral Signals 的算法分析人类的情感和行为，转化数据为可用的信息，并帮助做出更好的商业决策和增加利润。到目前为止，人类的情感被认为是无法量化和衡量的。然而，我们的专利分析引擎可以衡量和解释人类互动的“如何”部分。

Behavioral Signals 依赖于一种叫做情感计算（也称为 Emotion AI）的机器学习技术。您能否解释这是什么？

情感人工智能（Emotion AI）或情感计算是一种被用于开发能够读取、解释、响应和模仿人类情感的机器的技术。对于消费者来说，这意味着您的设备，如智能手机或智能扬声器，将能够提供更自然的交互，只需通过读取您声音中的情感线索。

随着我们对 AI 的依赖度越来越高，情感智能 AI 的需求也越来越大。要求虚拟助手读出今天的比赛比分和将您的父母托付给 AI 驱动的机器人助手是两回事。目前，AI 可以做出令人难以置信的事情，如诊断医疗状况和制定治疗计划，但它仍需要情感智能来以更人性化的方式与患者沟通。

Behavioral Signals 使用了哪些其他类型的机器学习技术？

在机器学习方面，我们主要使用深度学习和自然语言处理（NLP）在我们的行为信号处理分析模型中。为了更好地解释这一点，我们开创了一个领域，即行为信号处理，基于十多年的获奖和专利研究，自动检测编码在人类声音中的信息并衡量人类互动的质量。这是一个涵盖工程和行为科学的新兴学科，旨在使用工程和计算创新来量化和解释人类互动和沟通。深度学习有助于创建更好的预测模型。

您从语音的语调中收集了哪些类型的数据？

我们的深度学习 AI 技术分析了对话的两方，衡量情感和行为，分析了什么和如何被说出来。情感的范围非常广泛，但最重要的是这种分析的聚合智能。例如，考虑银行员工和客户之间的对话；我们可以捕获和衡量礼貌、镇定（冷静与激动）、同理心、客户的反应和整体说话风格，如慢、快、参与或脱节，以计算对话质量得分、结果的有效性和员工的表现。

为了预测意图，进行了哪些类型的数据分析？

意图预测与前面提到的类似。我们使用语音中的行为信号来预测客户购买产品、续订订阅或还债的意图。意图预测可以帮助公司增加销售和收款比率、降低成本并最终提高客户满意度。

Behavioral Signals 曾六次获得 INTERSPEECH 人类互动和计算语调挑战赛的金奖。这个挑战赛是什么，它的意义是什么？

INTERSPEECH 是世界上最大的专注于语音处理和应用的技术会议。它拥有该领域最大的出席人数和大量的研究论文。会议强调了解决语音科学和技术所有方面的跨学科方法，从基本理论到高级应用。其挑战被认为是语音识别和自然语言处理学科中的图灵奖。赢得它是对我们科学工作和从音频数据中检测与行为和特征相关的信号的独特能力的重要认可。

Behavioral Signals 可以多快地适应不同的语言，需要多大的数据集？

我们的技术是语言无关的。我们倾听的是如何说某些东西，而不是说了什么。我们倾听的是表达的情感，这些情感在所有语言中都是普遍的。当然，每种语言都有其独特的特征，这可能需要对我们的算法进行一些调整，但对我们的预测分析模型的影响通常很小。

您能否讨论 Behavioral Signals 最新的解决方案——AI 介导的对话？

AI 介导的对话（AI-MC）是一种自动呼叫路由解决方案，使用情感 AI 和语音数据将客户与最适合处理特定呼叫的员工匹配。如果我们回到前面提到的银行员工和客户的例子，我们的技术可以引导对话动态，以改善结果，无论是更好的客户体验、增加收款还是更快的解决时间。实现这一目标的催化剂通常是一个简单而自然的人类过程：人们之间形成的亲和力或融洽关系。我们开发了优越的算法，基于多年的 NLP 和行为信号处理研究和经验，来匹配客户和员工的个人资料数据和行为特征。

我们最近实施了 Behavioral Signals 的 AI-MC 解决方案，以提高欧盟一家银行的呼叫中心的有效性和效率。该案例研究被 Gartner 认可并纳入其 Emotion AI 采用报告中。该解决方案展示了显著的投资回报率，活跃的债务重组申请增加了 20%。此外，这一改进是通过 7.6% 少的呼叫实现的，从而带来了额外的成本节约。在绝对数字上，这些结果对应于银行的 3 亿美元的收益。

您还想分享关于 Behavioral Signals 的其他信息吗？

虽然我们为自己的研究成就感到自豪，但我们也对行业的认可表示感谢。2019 年秋季，我们的技术被列为 Gartner备受瞩目的研究中使用案例的领导者，这项研究介绍了尖端技术。今年早些时候，我们被纳入 Gartner 的炒作周期报告中，我们的技术被评为“变革性”的。上个月，我们被列为 Gartner 2020 年的酷炫供应商。

感谢这次精彩的采访，希望读者能够通过访问 Behavioral Signals 的网站来了解更多信息。