Ο ιαπωνικός τηλεπικοινωνιακός κολοσσός Softbank ανακοίνωσε πρόσφατα την ανάπτυξη μιας τεχνολογίας ‘ακύρωσης συναισθημάτων’ με ΑΙ (Softbank emotion canceling AI), η οποία θα τροποποιεί τις φωνές των θυμωμένων πελατών ώστε να ακούγονται πιο ήρεμες κατά τη διάρκεια τηλεφωνικών κλήσεων με εκπροσώπους εξυπηρέτησης πελατών.
Το project έχει ως στόχο να μειώσει την ψυχολογική επιβάρυνση των τηλεφωνητών που παρενοχλούνται κατά τη διάρκεια κλήσεων με ένθερμους’ πελάτες και βρίσκεται υπό ανάπτυξη εδώ και τρία χρόνια.
Η Softbank σχεδιάζει να κυκλοφορήσει το σύστημα έως τον Μάρτιο του 2026, ωστόσο η ιδέα έχει προκαλέσει ανάμεικτες αντιδράσεις στο διαδίκτυο.
Πως δουλεύει το emotion canceling AI της Softbank;
Σύμφωνα με δημοσίευμα της ιαπωνικής εφημερίδας The Asahi Shimbun, το σύστημα της SoftBank βασίζεται σε ένα μοντέλο Τεχνητής Νοημοσύνης που θα αλλοιώνει τον τόνο και την ένταση της φωνής του πελάτη σε πραγματικό χρόνο κατά τη διάρκεια μιας τηλεφωνικής κλήσης.
Οι προγραμματιστές της Softbank, με επικεφαλής τον Toshiyuki Nakatani, εκπαίδευσαν το σύστημα χρησιμοποιώντας περισσότερα από 10.000 φωνητικά δείγματα, τα οποία δημιουργήθηκαν από 10 Ιάπωνες ηθοποιούς που εξέφρασαν πάνω από 100 φράσεις με διάφορα συναισθήματα, όπως φωνές που ουρλιάζουν ή έχουν κατηγορηματικό τόνο.
Η τεχνολογία κλωνοποίησης και σύνθεσης φωνής (deepfake) έχει κάνει τεράστια άλματα τα τελευταία τρία χρόνια και υπάρχει μέχρι και τρόπος να φτιάξουμε τα δικά μας με τη χρήση ενός τυπικού υπολογιστή. Με αυτά κατά νου, η τεχνολογία της Softbank είναι θεωρητικά εφικτή και με το παραπάνω.
Αναλύοντας τα δείγματα φωνής που αναφέραμε παραπάνω, το μοντέλο AI της Softbank φέρεται να έχει μάθει να αναγνωρίζει και να τροποποιεί τα φωνητικά χαρακτηριστικά που σχετίζονται με τον θυμό και την εχθρότητα.
Όταν ένας πελάτης μιλάει σε έναν τηλεφωνητή, το μοντέλο επεξεργάζεται τον εισερχόμενο ήχο και προσαρμόζει τον τόνο και την έμφαση της φωνής του πελάτη ώστε να ακούγεται πιο ήρεμη και λιγότερο απειλητική στον εκπρόσωπο του customer service.
Η τεχνολογία δεν αλλάζει το περιεχόμενο ή τη διατύπωση των όσων λέει ο/η καλών/ούσα και διατηρεί ένα ελαφρύ στοιχείο οργής ώστε η εξυπηρέτηση πελατών να μπορεί ακόμα να εκτιμήσει την συναισθηματική κατάσταση.
Το μοντέλο Τεχνητής Νοημοσύνης παρακολουθεί επίσης τη διάρκεια και το περιεχόμενο της συζήτησης, στέλνοντας προειδοποιητικό μήνυμα εάν διαπιστώσει ότι η αλληλεπίδραση είναι πολύ μεγάλη σε διάρκεια ή προσβλητική.
Πηγή.
