首页 > 科技未来 > 内容

央视315曝光的AI机器人推销公司到底采用了什么核心技术？

发布于：2024-06-18 编辑：匿名来源：网络

一年一度的央视“晚会”，是企业一年中最“恐惧”的时刻。

昨晚，央视栏目组曝光了多个行业的违规行为。

医疗垃圾、危险的辣条、脏鸡蛋、不卫生的卫生用品、家电售后服务套路等等……其背后的产业链庞大、触目惊心。

其中，智能机器人骚扰电话的曝光，引起了很多人的关注。

因为每个人在日常生活中都会接到各种各样的销售电话。

房地产、银行贷款、培训机构、教育、汽车等……然而，大多数人可能不明白，打出营销号召的人可能不是真人，而是一个AI机器人。

首先，通过探针盒识别出连接无线网络的手机。

然后，在用户不知情的情况下获取用户的私有MAC信息。

然后将MAC转换成手机号码，与大数据进行“匹配”。

然后使用类似真人的AI机器人拨打外线电话。

这些探针盒广泛分布于商场、超市、写字楼、便利店等公共场所，隐蔽性很强。

央视曝光了很多企业。

全产业链包括智能机器人骚扰电话、大数据营销、探针盒等。

具体公司为：一格科技有限公司、陕西一龙新科人工智能科技有限公司、中科智联科技有限公司、合和科技有限公司、圣雅科技有限公司、萨摩耶互联网有限公司金融科技有限公司深圳妙迪科技有限公司上海智子信息技术有限公司灵沃网络科技有限公司财神科技有限公司杭州地金网络科技有限公司央视节目据报道，一家公司每年可拨打超过40亿通电话。

在电信行业，“骚扰电话”从未杜绝。

涉及网络安全、不同运营商的通信网络、互联网接入通信网络、主叫和被叫职责等。

近年来，随着新兴技术的不断出现和迭代，早期通信行业的“叫你死”和非法号码千变万化的软件演化成了如今的AI机器人骚扰电话，技术也在不断升级。

国外类似案例分析还记得2016年谷歌在加州举办的年度开发者大会Google I/O吗？除了Android P之外，还有Gmail、Gboard、TPUv3等众多新产品。

Duplex已被添加到Google Assistant中，它可以拨打餐馆、发廊和其他商业商店的电话，帮助用户进行预约。

从会议上展示的案例可以看出，Duplex不仅可以在不被察觉的情况下与人类进行自然流畅的语音交流，而且还可以成功处理突发情况。

例如，它可以响应粒子“emm”、“uha”等并理解对话上下文，并且具有主动提供语料库的功能。

当然，谷歌并不是世界上唯一一家实现这种神奇“效果”的公司。

随后，微软也站出来发表了技术声明：全双工语音技术（Full Duplex）的意义在于它可以将“人机交互”进化为“人机通信”。

一字之差具有巨大的价值。

今年4月4日，我们正式在美国和中国同步发布了Full Duplex传感器，并预测业界将认识到这项技术的价值，并加速向这个方向集中。

我们很高兴看到越来越多的行业参与者加入我们。

事实上，人类历史上第一个人工智能的全双工语音通话并不是发生在美国，而是发生在中国。

我们很荣幸将这顶皇冠献给我们的祖国。

今年8月以来，微软（亚洲）互联网工程院通过人类用户的积极主动，让小冰与人类用户完成了超过60万次通话。

今天，我们将两年前的一段电话实录作为珍贵资料公开，献给全世界华语人民。

Google Duplex 背后的核心技术：它实际上是一个基于 TensorFlow Extended (RFX) 构建的 RNN 网络。

为了实现高精度，Google 使用匿名电话对话数据训练 Duplex 的 RNN 网络。

该网络使用谷歌自动语音识别（ASR）的文本识别结果，以及音频、对话历史、对话参数（例如要预订的服务、当前时间）等中的特征。

谷歌训练了不同的理解模型对于每个不同的任务，但是一些训练语料库在不同的任务之间共享。

最后，谷歌还利用TFX的超参数优化来进一步改进模型。

输入的语音首先由自动语音识别系统（ASR）处理，生成的文本与上下文数据和其他输入一起输入到 RNN 网络中。

然后，文本转语音 (TTS) 系统会读出生成的响应文本。

Google 使用级联 TTS 引擎和生成 TTS 引擎（使用 Tacotron 和 WaveNet）根据不同情况控制语音的语调。

该系统还可以生成一些情态粒子（例如“嗯”、“呃”），这也使得语音更加自然。

当级联TTS需要组合变化较大的语音单元，或者需要添加生成的停顿时，会在生成的语音中添加模态粒子，这使得系统可以以自然的方式向对方发出“是”的信号“是” ，我在听”或者“我还在思考”（人类说话时，经常会在思考的同时说出一些情态助词）。

谷歌的用户调查还证实，人类发现与情态粒子的对话更加熟悉和自然。

另一方面，系统的延迟也必须符合人类语音特征。

在某些情况下，系统甚至采用快速逼近模型。

使系统达到ms以内的延迟。

从微软的技术表述中也可以看出，微软所谓的全双工语音交互技术Full-Deplex Voice和谷歌的Duplex在技术上应该是非常相似的。

不过，微软使用的生成模型是LSTM，而谷歌使用的是RNN网络。

正如微软所说，“事实上，人类历史上第一个采用人工智能的全双工语音通话并不是发生在美国，而是发生在中国。

”从谷歌和微软的应用场景都可以看出，研究“人机通信”的最初目的是好的，就是把人从单一、简单、非熟练的劳动力中解放出来。

但目前国内基于人工智能的全双工语音通话被一些灰色地带的企业使用，导致骚扰电话“泛滥”。

那么，这些在中国曝光的公司都采用了哪些技术呢？专家解读其背后的技术和伦理。

为此，雷锋网采访了科大讯飞人工智能研究院副院长王世锦。