Rana Gujral，Behavioral Signals 的 CEO – 采访系列

Rana Gujral 是 Behavioral Signals 的 CEO，这是一家通过将情商从语音中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。您能否分享它的创立故事？

由首席技术官 Alex Potamianos 和首席科学家 Shri Narayanan 驱动的热情，将公司的开创性专利语音转情绪和语音转行为技术推向市场，于 2016 年创立了 Behavioral Signals。Shri 是南加州大学（USC）的 Andrew J. Viterbi 工程教授。他创立并目前领导着 USC 的 信号分析和解释实验室（SAIL）。Alex 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。他在企业和创业方面拥有超过 20 年的领导经验，他的背景包括在 AT&T Labs-Research、Bell Labs 和 Lucent Technologies 工作。

我们的目标是通过增强和永远改变商业世界，相信技术是核心的成就。Behavioral Signals 的算法分析人类的情绪和行为，将数据转化为可用的信息，并带来更好的商业决策和增加利润。直到现在，人类的情绪被认为是无法量化和测量的。有了我们的专利分析引擎，我们衡量和解释人类互动的“如何”部分。

Behavioral Signals 依赖于一种称为情绪人工智能（也称为 Emotion AI）的机器学习情感计算。您能解释一下这是什么吗？

情绪人工智能，也称为 Emotion AI 或情感计算，被用于开发能够阅读、解释、响应和模仿人类情感的机器。对于消费者来说，这意味着您的设备，例如智能手机或智能扬声器，将能够提供比以往任何时候都更自然的交互，只需简单地阅读您声音中的情感线索。

随着我们对人工智能的依赖程度的增加，对情感智能人工智能的需求也越来越大。要求虚拟助手朗读今天的比赛比分是一回事，但将老年父母交给人工智能驱动的机器人则是另一回事。目前，人工智能可以做到令人难以置信的事情，例如诊断医疗状况和概述治疗方法，但它仍然需要情感智能才能以更人性化的方式与患者交流。

使用了哪些其他类型的机器学习技术？

在机器学习方面，我们主要在 Behavioral Signals 处理分析模型中使用深度学习和 NLP。为了更好地解释这一点，我们开创了一个基于十多年来获奖和专利研究的领域——行为信号处理，以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，旨在通过工程和计算创新来量化和解释人类互动和交流。深度学习是帮助我们创建更好的预测模型的工具。

您从语音的语调中收集了什么类型的数据？

我们的深度学习人工智能技术分析了对话双方所说的话和说话方式，衡量情绪和行为。情绪的范围非常广泛，但真正重要的是这种分析的综合智能。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）、对客户的同情、客户的反应以及整体的说话风格，如缓慢、快速、参与或脱节，以计算对话质量评分、结果的有效性和员工的表现。

为了预测意图，进行了什么类型的数据分析？

意图预测与前面提到的内容非常相似。我们使用语音中的行为信号来预测客户购买产品、续订订阅或债务人是否会偿还债务的意图。意图预测可以帮助公司增加销售和收款比例、降低成本并最终提高客户满意度。

Behavioral Signals 曾六次获得 INTERSPEECH 人类互动质量和计算旁白挑战赛的金奖。这个挑战赛是什么，它的成就有多重要？

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。该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。赢得它是我们科学工作和从音频数据中检测与驱动人类决策的行为和特征相关的信号的独特能力的重要认可。

Behavioral Signals 能够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。我们倾听的是说话的方式，而不是所说的话。我们倾听的是情绪的表达，这在所有语言中都是非常普遍的。当然，每种语言都有其独特的特征，这可能需要调整我们的算法，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-Mediated Conversation？

AI-Mediated Conversations（AI-MC）是一种自动呼叫路由解决方案，使用情绪人工智能和语音数据将客户与处理特定呼叫的最合适员工匹配起来。如果我们回到前面提到的银行员工和客户的例子，我们的技术可以指导对话动态，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。无论目标是什么，总会有一个催化剂，使双方能够达到期望的结果。这个促成因素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。无论业务沟通的类型（销售呼叫、支持、收款），它始终是两个真实的人之间的互动，很少有两对人之间的亲和力是相同的。我们有特定的行为和特征，有助于我们与某些人相处得更好，而不是其他人。这种匹配是基于个人资料数据和我们在 NLP 和行为信号处理方面的卓越算法，这些算法是经过多年研究和经验积累的。

我们最近在欧盟一家银行的呼叫中心实施了 Behavioral Signals 的 AI-MC 解决方案。案例研究被 Gartner 认可，并被收录在其 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，这一改善是通过 7.6% 少的呼叫实现的，从而带来了额外的成本降低。在绝对数字上，这些结果对应于银行的 3 亿美元的盈余。

您是否还有其他关于 Behavioral Signals 的信息想要分享？

虽然我们为我们的研究成就感到自豪，但我们也对行业赞誉表示感谢。2019 年秋季，我们的技术被列为 Gartner备受瞩目的研究中的用例领导者。今年早些时候，我们被收录在 Gartner 的炒作周期中，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，希望了解更多的读者可以访问 Behavioral Signals。