外呼機器人具有哪些挑戰(zhàn)和風(fēng)險呢？

如今大家對于機器人都是很熟悉的，簡單一點來說機器人就是自動執(zhí)行工作的機器裝置。它既可以接受人類指揮，又可以運行預(yù)先編排的程序的。而大家對于外呼機器人都是否熟悉呢？其具有哪些挑戰(zhàn)和風(fēng)險呢？

首先是語音識別技術(shù)的挑戰(zhàn)，前面說到實驗室環(huán)境下語音識別準(zhǔn)確率已經(jīng)從2013年的87%提高到了2017年的97%，而在實際環(huán)境中，這個數(shù)字會降低到85%左右，因為實際環(huán)境中有大量的噪音、口音、聲源遠(yuǎn)近等問題。在外呼機器人這個領(lǐng)域，短語音識別是一個難點，因為在缺少更多上下文信息的時候，語音識別很難確定你發(fā)的音和對應(yīng)的字之間的關(guān)系，中文更是如此，因為中文是一個同音不同字的語言，還有音調(diào)的變化，比如我發(fā)一個音“l(fā)ao shi” ，這在不同的語境下，可能代表這是一個教書育人的職業(yè)，在另外的語境下，可能代表這個人的性格很老實。

來自于技術(shù)方面的第二個挑戰(zhàn)是多輪對話，人的自然語言從來都是含糊不清的，特別依賴上下文關(guān)系。比如說“我想訂一個房間”， “什么位置?”， “中關(guān)村附近”，“什么時間?”，“周六”… …這個例子里面，關(guān)于訂房間的信息是散落在多輪對話之間的。如何綜合全面考慮上下文信息一直是學(xué)術(shù)界的一項挑戰(zhàn)。

第三，人類的對話行為模型非常復(fù)雜。因為在外呼機器人場景下，人們期待的是和另一個人之間的交流而不是一臺機器。研究顯示，人們在和機器人對話的時候，會自然的放慢語速，發(fā)音會更清晰，也會用更加配合機器人的句式來交互。但是在和人溝通的場景中，人們的發(fā)音或更含糊，會在句子中省略很多字詞，也會在句子中突然修改前面的對話信息，這些都給語音識別，語義理解造成了極大的困難。

最后，我們目前的外呼機器人大部分都還是播放提前錄音，為了實現(xiàn)真正的人機語音對話系統(tǒng)，我們需要讓機器能發(fā)出人的聲音，這就是語音合成技術(shù)。但是要合成出人自然對話中的抑揚頓挫，并且騙過人是一件非常困難的事情，人的耳朵對于音頻的敏感程度遠(yuǎn)超過人眼對圖像的敏感程度，這也讓語音合成這件事情的難度更高。