如果你身处在疫情灾区中，可能接到过这样的电话。

一位小姐姐作为社区服务人员拨通了你的电话，依次询问你是否到访过疫区，关切你最近的身体的状况，有没有发烧，有没有接触过疫区的亲友，甚至最后给你打个气，让你做好防护。

别想太多。其实这个电话可能是人工智能打来的，不信你听听下面的这则电话。

自从新型冠状病毒感染的肺炎疫情发生以来，人工智能和大数据等科技正在助力疫情防控。

一位使用了智能外呼电话系统的社区负责人告诉PingWest品玩，如果不是因为使用了人工智能外呼系统，现在他们的外呼筛查工作应该还在由人工和笔纸完成。

这本身的出发点并没有多么高深。疫情期间，这是一种最常见的防控工作。但也是因为疫情本身的原因，挨家挨户上门变得极其困难——一是如何快速统计社区内几万人甚至几十万人的健康状态；二是工作量很大，一般来说并没有那么多的统计人员；三，更可怕，上门排查让工作人员被感染的风险加大，事情可能会不小心变得更糟糕。

而使用人工智能拨打电话，其实也是在解一道数学题。想象一下，如果使用人工，一个人一分钟可能只能拨出一到两个统计电话，在拥有上千人甚至上万人的社区中这是一件非常费力的事情，并且还需要人工在电脑前一条一条的录入收集回来的信息。而使用人工智能外呼拨打统计电话，一分钟可以同时拨打出上百个，并且电话回访自动记入在案，基本上不需要人做什么事情。

这段回访电话中所使用的人工智能技术来自于同盾科技。后者旨在通过智能语音交互、自然语言处理、计算机视觉和机器学习4大核心研发技术帮助企业及政府提高提质增效，其中智能语音外呼解决方案只是人工智能场景落地的一部分。

定制智能外呼平台

对于同盾科技来说，智能外呼解决方案其实最早可以追溯到2018年发布的智能语音服务平台——“赫兹”。

据同盾科技此前的新闻资料显示，同盾智能语音服务平台—— “赫兹”是基于自然语言处理、语音识别、语义理解、语音合成、声纹识别等核心技术，面向政务、金融、互联网等领域的各应用场景客户群体，提供智能语音服务，提升客户企业智能化、信息化、数字化等综合能力。

随着疫情期间对于语音对话和大数据排查技术的拓展，同盾在智能语音服务平台 “赫兹”的基础之上研发出了智能疫情回访机器人。

利用智能疫情回访机器人，社区负责人可以让人工智能系统自动询问并记录居民疫情信息，最后生成数据统计报告，实现了对于社区人员疫情情况的快速排查和摸底。

PingWest品玩查询同盾科技官网，发现同盾智能外呼解决方案提供了简单易用的话术定制操作界面。

换句话说，同盾提供了场景配置平台，通过简单的参数设置、流程操作等，客户就可以进行灵活可用的场景对话流设计。

“一方面使用同盾开发好的行业细分语义理解模型，也可以方便地构建自己的语义理解模型。而通过对话管理平台，客户也可以利用底层强大和灵活的语音合成音库制作工具，生成客户自己独特和音质出众的机器人⻆色。”同盾科技语音实验室负责人燕鹏举告诉PingWest品玩，而针对不同的场景，同盾也提供定制开发好的语言模型，来保证特定场景下语音识别达到客户期待的实用准确率。

TensorFlow让一切更简单可靠

实际上，同盾为客户提供一揽子的语音交互技术方案，包括语音识别、语音合成、语义理解、声纹识别、语音质检等等。而语音交互技术的底层是高度专业性的机器学习模型，在这其中最重要的部分就是深度学习。

燕鹏举称，基于对相关领域的深刻理解，同盾科技算法工程师选择合适的模型结构，使用当下流行的机器学习开源框架Google TensorFlow进行建模和模型训练，借此构建了准确率和效果达到或超过业界先进水平的对话系统。

具体来说，在建模和模型训练过程中，工程师负责从概念上设计模型结构，而TensorFlow提供丰富和设计优秀的API供同盾科技使用，从而帮助同盾科技快速地搭建新模型和改善旧模型。

在同盾科技语音和自然语言处理的建模中，“常用的模型结构包括循环神经网络(RNN)、卷积网络(Convolution)、注意力机制(Attention)；通过灵活的数据输入机制(input pipelines)将领域数据组织成小批量数据进行参数迭代；学习过程中善用统计信息使得模型收敛到最优的状态(比如early stopping)；在进行极大规划数据训练时也能从容中断和重启中断的训练过程。”

燕鹏举告诉我们，传统的语音识别流程中，需要HMM模型训练、强制对⻬、神经网络模型训练和区分度训练多个分离的步骤，工程师常常需要维护几千行的脚本，分好几个步骤进行模型训练过程的发起、监督等。

而使用TensorFlow构建端到端语音识别模型可以大幅简化语音识别训练流程，缩短语音识别模型训练时间和降低模型大小。“整个模型训练过程合并成一个步骤，省去了维护大量脚本工具的工作，将模型训练所需时间从此前2个星期缩短到小于1个星期。 ”

在对话系统的多个步骤——语音识别、语音理解和语音合成中，TensorFlow也大大提升了生产效率。利用TensorFlow快速的搭建训练模型后，对话系统的各项指标也领先于业界水平。

在使用智能外呼解决方案时还会经常遇到一个问题——如果一个外呼电话听起来不像真的人类，会被当做机器人电话马上挂机。

同盾科技使用TensorFlow构建端到端的语音合成系统，不光使得整个系统抛弃了传统引擎中必须存在的多个中间步骤，还通过采用适当的模型和不断优化，语音合成的主观音质（MOS）提升了20%，实时率提升了30%。 “采用TensorFlow搭建深度学习模型后，使得合成语音的音质得到大幅度提高，同盾语音机器人的挂机率相比于业内竞品降低了31%。”

在真实世界的语音识别，由于环境噪声和用户口音等多种复杂因素，准确率相比实验室可控环境下要低。如果是新的业务场景，语音识别准确率会降到更低的程度。

燕鹏举称，在语义理解中，为了应对不可避免的语音识别错误对后续模块造成的影响，使用TensorFlow构建深度语义理解模型，包括表示学习预训练模型的采用、分类模型的迁移学习，语义理解模型准确率比使用传统方法提高了15%。

同盾对话机器人中增加了语音识别结果的后纠正模块，使用深度学习模型对带有识别错误的文本进行转换，将其中部分错误进行修复，来提高整体对话机器人对用户意图的理解准确性。语音识别错误得到修正之后，用户语音的理解变得更为准确，交互的轮数比此前降低了20%。

“TensorFlow一些独特或新近推出的功能也在同盾的建模过程发挥了重要作用， 比如动态构图、模型平均、三元损失函数等。”燕鹏举称。

当然另一面是，像TensorFlow这种技术的进步让人工智能识别的准确率得到了大幅提升，也可能会带来它“发音太像人”而引发的新问题，比如技术被滥用做骚扰电话。

任何技术的进步都可能会带来新问题，但技术本身是中立的。燕鹏举也认为，同盾遵循用户信息的保护，外呼电话的名单由同盾的客户来指定，同盾仅仅作为技术提供商给客户提供外呼工具。至于用户语音数据是否保留，客户负责获取用户的授权，保留的语音数据也交由客户来使用。

在疫情防控机器人这个领域来说，它的客户主要是社区以及政府机构，外呼电话多是以政府机构的名义拨出。在疫情战时帮助机构统计工作实现效率提升，那它肯定是好的技术。

目前，我们仍在征集更多杰出的TensorFlow应用案例，你可以扫描海报下方二维码或点击 “阅读原文” 提交案例参与我们的报道！