如果你身處在疫情災區中，可能接到過這樣的電話。
一位小姐姐作為社區服務人員撥通了你的電話，依次詢問你是否到訪過疫區，關切你最近的身體的狀況，有沒有發燒，有沒有接觸過疫區的親友，甚至最後給你打個氣，讓你做好防護。
別想太多。其實這個電話可能是人工智能打來的，不信你聽聽下面的這則電話。
自從新型冠狀病毒感染的肺炎疫情發生以來，人工智能和大數據等科技正在助力疫情防控。
一位使用了智能外呼電話系統的社區負責人告訴PingWest品玩，如果不是因為使用了人工智能外呼系統，現在他們的外呼篩查工作應該還在由人工和筆紙完成。
這本身的出發點並沒有多麼高深。疫情期間，這是一種最常見的防控工作。但也是因為疫情本身的原因，挨家挨戶上門變得極其困難——一是如何快速統計社區內幾萬人甚至幾十萬人的健康狀態；二是工作量很大，一般來說並沒有那麼多的統計人員；三，更可怕，上門排查讓工作人員被感染的風險加大，事情可能會不小心變得更糟糕。
而使用人工智能撥打電話，其實也是在解一道數學題。想象一下，如果使用人工，一個人一分鐘可能只能撥出一到兩個統計電話，在擁有上千人甚至上萬人的社區中這是一件非常費力的事情，並且還需要人工在電腦前一條一條的錄入收集回來的信息。而使用人工智能外呼撥打統計電話，一分鐘可以同時撥打出上百個，並且電話回訪自動記入在案，基本上不需要人做什麼事情。
這段回訪電話中所使用的人工智能技術來自於同盾科技。後者旨在通過智能語音交互、自然語言處理、計算機視覺和機器學習4大核心研發技術幫助企業及政府提高提質增效，其中智能語音外呼解決方案只是人工智能場景落地的一部分。
定製智能外呼平臺
對於同盾科技來說，智能外呼解決方案其實最早可以追溯到2018年發佈的智能語音服務平臺——“赫茲”。
據同盾科技此前的新聞資料顯示，同盾智能語音服務平臺—— “赫茲”是基於自然語言處理、語音識別、語義理解、語音合成、聲紋識別等核心技術，面向政務、金融、互聯網等領域的各應用場景客戶群體，提供智能語音服務，提升客戶企業智能化、信息化、數字化等綜合能力。
隨著疫情期間對於語音對話和大數據排查技術的拓展，同盾在智能語音服務平臺 “赫茲”的基礎之上研發出了智能疫情回訪機器人。
利用智能疫情回訪機器人，社區負責人可以讓人工智能系統自動詢問並記錄居民疫情信息，最後生成數據統計報告，實現了對於社區人員疫情情況的快速排查和摸底。
PingWest品玩查詢同盾科技官網，發現同盾智能外呼解決方案提供了簡單易用的話術定製操作界面。
換句話說，同盾提供了場景配置平臺，通過簡單的參數設置、流程操作等，客戶就可以進行靈活可用的場景對話流設計。
“一方面使用同盾開發好的行業細分語義理解模型，也可以方便地構建自己的語義理解模型。而通過對話管理平臺，客戶也可以利用底層強大和靈活的語音合成音庫製作工具，生成客戶自己獨特和音質出眾的機器人⻆色。”同盾科技語音實驗室負責人燕鵬舉告訴PingWest品玩，而針對不同的場景，同盾也提供定製開發好的語言模型，來保證特定場景下語音識別達到客戶期待的實用準確率。
TensorFlow讓一切更簡單可靠
實際上，同盾為客戶提供一攬子的語音交互技術方案，包括語音識別、語音合成、語義理解、聲紋識別、語音質檢等等。而語音交互技術的底層是高度專業性的機器學習模型，在這其中最重要的部分就是深度學習。
燕鵬舉稱，基於對相關領域的深刻理解，同盾科技算法工程師選擇合適的模型結構，使用當下流行的機器學習開源框架Google TensorFlow進行建模和模型訓練，藉此構建了準確率和效果達到或超過業界先進水平的對話系統。
具體來說，在建模和模型訓練過程中，工程師負責從概念上設計模型結構，而TensorFlow提供豐富和設計優秀的API供同盾科技使用，從而幫助同盾科技快速地搭建新模型和改善舊模型。
在同盾科技語音和自然語言處理的建模中，“常用的模型結構包括循環神經網絡(RNN)、卷積網絡(Convolution)、注意力機制(Attention)；通過靈活的數據輸入機制(input pipelines)將領域數據組織成小批量數據進行參數迭代；學習過程中善用統計信息使得模型收斂到最優的狀態(比如early stopping)；在進行極大規劃數據訓練時也能從容中斷和重啟中斷的訓練過程。”
燕鵬舉告訴我們，傳統的語音識別流程中，需要HMM模型訓練、強制對⻬、神經網絡模型訓練和區分度訓練多個分離的步驟，工程師常常需要維護幾千行的腳本，分好幾個步驟進行模型訓練過程的發起、監督等。
而使用TensorFlow構建端到端語音識別模型可以大幅簡化語音識別訓練流程，縮短語音識別模型訓練時間和降低模型大小。“整個模型訓練過程合併成一個步驟，省去了維護大量腳本工具的工作，將模型訓練所需時間從此前2個星期縮短到小於1個星期。 ”
在對話系統的多個步驟——語音識別、語音理解和語音合成中，TensorFlow也大大提升了生產效率。利用TensorFlow快速的搭建訓練模型後，對話系統的各項指標也領先於業界水平。
在使用智能外呼解決方案時還會經常遇到一個問題——如果一個外呼電話聽起來不像真的人類，會被當做機器人電話馬上掛機。
同盾科技使用TensorFlow構建端到端的語音合成系統，不光使得整個系統拋棄了傳統引擎中必須存在的多箇中間步驟，還通過採用適當的模型和不斷優化，語音合成的主觀音質（MOS）提升了20%，實時率提升了30%。 “採用TensorFlow搭建深度學習模型後，使得合成語音的音質得到大幅度提高，同盾語音機器人的掛機率相比於業內競品降低了31%。”
在真實世界的語音識別，由於環境噪聲和用戶口音等多種複雜因素，準確率相比實驗室可控環境下要低。如果是新的業務場景，語音識別準確率會降到更低的程度。
燕鵬舉稱，在語義理解中，為了應對不可避免的語音識別錯誤對後續模塊造成的影響，使用TensorFlow構建深度語義理解模型，包括表示學習預訓練模型的採用、分類模型的遷移學習，語義理解模型準確率比使用傳統方法提高了15%。
同盾對話機器人中增加了語音識別結果的後糾正模塊，使用深度學習模型對帶有識別錯誤的文本進行轉換，將其中部分錯誤進行修復，來提高整體對話機器人對用戶意圖的理解準確性。語音識別錯誤得到修正之後，用戶語音的理解變得更為準確，交互的輪數比此前降低了20%。
“TensorFlow一些獨特或新近推出的功能也在同盾的建模過程發揮了重要作用， 比如動態構圖、模型平均、三元損失函數等。”燕鵬舉稱。
當然另一面是，像TensorFlow這種技術的進步讓人工智能識別的準確率得到了大幅提升，也可能會帶來它“發音太像人”而引發的新問題，比如技術被濫用做騷擾電話。
任何技術的進步都可能會帶來新問題，但技術本身是中立的。燕鵬舉也認為，同盾遵循用戶信息的保護，外呼電話的名單由同盾的客戶來指定，同盾僅僅作為技術提供商給客戶提供外呼工具。至於用戶語音數據是否保留，客戶負責獲取用戶的授權，保留的語音數據也交由客戶來使用。
在疫情防控機器人這個領域來說，它的客戶主要是社區以及政府機構，外呼電話多是以政府機構的名義撥出。在疫情戰時幫助機構統計工作實現效率提升，那它肯定是好的技術。
目前，我們仍在徵集更多傑出的TensorFlow應用案例，你可以掃描海報下方二維碼或點擊“閱讀原文”提交案例參與我們的報道！
