هوش مصنوعی فارسی به کمک مراکز تماس تلفنی ایران می‌آید
عضو هیئت علمی دانشکده سامانه‌های هوشمند دانشگاه تهران، از توسعه و ساخت یک سامانه تخصصی تشخیص گفتار فارسی برای مکالمات تلفنی خبر داد و گفت: این سامانه بر اساس ارزیابی‌های انجام‌شده، عملکرد دقیق‌تری نسبت به سامانه‌های مطرح تشخیص گفتار فارسی از جمله سرویس گوگل داشته است
به گزارش سیناپرس، دکتر هادی ویسی، با اشاره به اهمیت فناوری تشخیص گفتار در توسعه خدمات هوش مصنوعی گفت: یکی از زیرساخت‌های کلیدی برای هوشمندسازی مراکز تماس و توسعه دستیارهای هوشمند، برخورداری از فناوری دقیق و قابل اتکای تبدیل گفتار به متن است. این موضوع به‌ویژه در زبان فارسی و در شرایط مکالمات تلفنی، به دلیل کیفیت متفاوت خطوط ارتباطی، تنوع گویش‌ها و لهجه‌ها، سرعت گفتار و استفاده از واژگان محاوره‌ای، با چالش‌های فنی قابل توجهی همراه است.
وی افزود: در همین راستا، با تکیه بر حدود دو دهه تجربه و فعالیت تخصصی در حوزه تشخیص گفتار، پروژه توسعه یک سامانه تخصصی تبدیل گفتار به متن فارسی برای مکالمات تلفنی را دنبال کردیم. یکی از مهم‌ترین بخش‌های این پروژه، گردآوری و آماده‌سازی مجموعه داده‌ای گسترده شامل چند هزار ساعت مکالمات واقعی تلفنی از مراکز تماس داخل کشور بود.
این عضو هیئت علمی دانشگاه تهران ادامه داد: داده‌های گردآوری‌شده، پس از طی مراحل مختلف آماده‌سازی، رونویسی دقیق، بازبینی و پالایش، به‌عنوان زیرساخت آموزش و ارزیابی مدل تشخیص گفتار مورد استفاده قرار گرفتند.
وی خاطرنشان کرد: ویژگی مهم این مجموعه‌داده، واقعی بودن مکالمات و برخورداری از تنوع قابل توجه در لهجه‌ها، گویش‌ها و الگوهای گفتاری فارسی‌زبانان در نقاط مختلف کشور است؛ موضوعی که نقش تعیین‌کننده‌ای در افزایش دقت سامانه در مواجهه با مکالمات واقعی و غیرآزمایشگاهی دارد.
ویسی با بیان اینکه تشخیص گفتار در مکالمات تلفنی با تشخیص گفتار در فایل‌های صوتی معمولی تفاوت‌های فنی مهمی دارد، اظهار کرد: در این پروژه، مدل به‌صورت تخصصی برای شرایط صوتی و زبانی مکالمات تلفنی طراحی و آموزش داده شده است. در ارزیابی‌های مقایسه‌ای و بنچمارک‌های انجام‌شده، دقت این سامانه از بهترین سامانه‌های موجود تشخیص گفتار فارسی، از جمله سرویس تشخیص گفتار گوگل، بالاتر بوده است. این نتیجه نشان می‌دهد که با استفاده از داده‌های واقعی و متناسب با دامنه کاربرد، می‌توان به عملکردی فراتر از سامانه‌های عمومی و بین‌المللی در یک کاربرد تخصصی دست یافت.
این عضو هیأت علمی دانشگاه تهران، درباره کاربردهای این فناوری گفت: این سامانه صرفاً یک ابزار تبدیل صوت به متن نیست، بلکه می‌تواند به‌عنوان یکی از زیرساخت‌های اصلی نسل جدید خدمات هوش مصنوعی در مراکز تماس مورد استفاده قرار گیرد. از جمله کاربردهای آن می‌توان به توسعه ایجنت‌ها و دستیارهای هوشمند تلفنی برای پاسخ‌گویی خودکار به مشتریان، نظارت و کنترل کیفیت عملکرد کارشناسان مراکز تماس، تحلیل محتوای مکالمات، استخراج اطلاعات و نیازهای مشتریان، شناسایی مسائل پرتکرار و کمک به بهبود فرایندهای ارتباطی سازمان‌ها اشاره کرد.
ویسی با اشاره به ورود این فناوری به مرحله بهره‌برداری عملیاتی، خاطرنشان کرد: این محصول در حال حاضر در چند دستیار هوشمند مراکز تماس که برای پاسخ‌گویی به مشتریان چند سازمان بزرگ‌مقیاس توسعه یافته‌اند، مورد استفاده قرار گرفته است. استفاده عملیاتی از این فناوری در محیط‌های واقعی، علاوه‌بر نشان دادن قابلیت کاربردی آن، امکان ارزیابی مستمر و بهبود عملکرد سامانه در مواجهه با تنوع واقعی مکالمات را نیز فراهم می‌کند.
به نقل از ایسنا، این عضو هیأت علمی دانشکده سامانه‌های هوشمند دانشگاه تهران تصریح کرد: توسعه فناوری‌های پایه‌ای مانند تشخیص گفتار فارسی، گامی مهم در مسیر بومی‌سازی زیرساخت‌های هوش مصنوعی و کاهش وابستگی به سرویس‌های خارجی است. دسترسی به داده‌های واقعی زبان فارسی و توسعه مدل‌هایی که متناسب با نیازها و شرایط ارتباطی داخل کشور آموزش دیده‌اند، می‌تواند زمینه‌ساز شکل‌گیری نسل جدیدی از محصولات و خدمات هوشمند در حوزه ارتباط با مشتریان و سایر کاربردهای سازمانی باشد.
