目前人工智能最成熟的应用之一就是图像和语音识别，其已经广泛应用到拍照识物、画面增强、人机交互等各种领域。但显而易见的是，目前其很大程度上还是处于识别和归类的层面，想要透过表层的识别去进行深层的情绪认识和理解，进而优化人机交互的体验，尚需时日。
人工智能的另一个赛道
作为人工智能的下一个战场，在ai情绪识别领域，技术巨头们早已布局。针对各式需求，市场已涌现出多个采用情感计算来监测人类情绪的ai公司：beyond verbal、ei technologies专注研究语音情绪识别；alchemyapi、receptiviti.ai等公司在文本情绪识别领域建树颇多；affectiva、emotient等公司重心则更多的放在表情识别；另外，中国的旷视科技（face++）在该领域也有重要突破。
ai“情绪识别”实际上就是通过“情感计算”的方式获得类似情感机制，使其能够基于对语言、肢体动作、面部表情等的分析计算来感知人类情绪，从而由生硬冷漠的“机器”变为具有“情感”的机器人，比如日本软银公司的情感机器人pepper，其搭载的摄像头让其具备识别微表情的功能，同时又可以基于云端的语音识别来实现对人说话的语调识别，从而获取人的说话情绪，来实现其所标榜的“情感机器人”的功能。同时，ibm开发的能感知情感的在线客服系统，也可以通过学习识别藏在语法、打字速度中的人的情绪，类似的对话式情感识别人工智能还有微软的小冰等。
市场上，ai情感识别在安防、广告、教育等与特殊人群密切相关的行业中得到初步应用。而在被视为高端服务业的金融业，价值则更为明显。目前，中腾信ai情绪识别的实践体现在催收质检环节的应用。人的情绪体现是多方面的。中腾信如何利用人工智能完成催收领域的质检，实现合规，中腾信大数据架构师霍谅将详细解读。
霍谅，现任中腾信大数据架构师，负责大数据平台产品相关项目的需求评估、技术方案及架构设计，协助团队实现大数据计算平台、智能建模平台、智能质检以及智能语音机器人等平台和ai产品的构建。
消费金融行业，dai后催收管理人工坐席一直是个人力密集且工作强度大的岗位，尤其是在催收环节，强压之下，容易发生不当催收、dai催收等情况。为了约束催收员的行为，企业都会有质检措施的安排。但，随着业务量增大，质检员无法覆盖全部录音，漏检率高，且人员受主观判断因素限制，呼叫中心的质检标准不一，不良的催收作业行为很难得到有效约束，存在合规隐患。
传统质检以人工抽检为主，数据显示，其抽检比例仅能达到1%-2%，信息的提取与处理时长平均需要60分钟，每天人均质检数量也不过100件左右。企业依赖于人工质检，每年成本支出又居高不下。此外，质检数据如不能有效聚合、统一管理，无法更深入地剖析数据潜藏的价值，语音数据成了“沉睡”的富矿。
中腾信智能质检应运而生。“目前，智能质检已对质检流程做了全面优化，使工作效率大幅提升，质检覆盖率达百分百，信息提取与处理时长缩到数秒，质检数量每天超万件，效率同时提升了百倍以上。既解决传统质检效率低、成本高、合规风险大的诸多痛点，又大大降低了成本。”霍谅介绍道。
ai如何读懂人的情绪
人工智能理解人类情绪的方法其实和人类一样，无非就是看脸和听声。中腾信根据多年消费金融风控经验，结合催收场景，通过基于文本和基于音频两种方式来训练了情绪识别模型，使质检系统具备起情绪识别能力。
文本层面，基于文本的情绪识别模型通过情绪关键字与机器学习分类器相结合的方式对文本进行训练和分类，关键字保证了识别的精确率，机器学习模型又保证了识别具有一定的召回率，从而能够较好的实时检测出用户在对话过程中文本内容的情绪波动。
音频层面，基于音频的情绪识别模型将用户的语音从音频格式转化为mel谱图像格式，通过cnn+lstm相结合的方法进行建模训练，创造性的把音频识别问题转化成了图像识别问题，以解决文本内容无法识别到情绪较为强烈、且起伏波动大的情况。
中腾信智能质检所采用的文本和音频情绪识别交叉结合的方式，其识别准确率上相较利用传统模型进行建模和对纯音频直接识别的方法有了一定的提升，一方面用户的意图识别更为精准，另一方面也在促使催收员对话过程中情感饱满度和沟通准确度。
据霍谅介绍，中腾信语音情绪识别在催收质检环节的应用，尚处于逐步深入的阶段，随着系统应用样本的不断扩充，机器将持续学习、模拟人的判断逻辑，通过对质检人员判断结果数据不断运算，优化自身的判断规则，自主迭代升级。因此，依赖机器学习的加入，未来有望实现完全由机器质检，人机合一，机器学会“察言观色”将成为现实。
ai识别人类情绪技术发展已成趋势。未来，中腾信将立足自身优势，持续加大情绪识别领域的研发与创新，在金融领域“情绪识别”赛道上表现出更强的爆发力，成为在人工智能等前沿科技探索，并将优秀经验、技术转化成果，为合作机构赋能的金融科技领头羊。