漫长的等待、令人不知所措的菜单选项、保留通话的背景音乐，最后客服人员终于接听电话，但又不能提供您需要的帮助，难怪大家都对客服没什么好感。
一群粒子物理研究员在旧金山成立了一家新创公司，借助 AI 和 GPU 来减轻这种痛苦。这家名叫 Deepgram 的公司开发出可供企业快速评估顾客来电的技术，以帮助改善服务。
Deepgram 共同创办人兼首席执行官 (CEO) Scott Stephenson 说：“大家其实不想打给客服，也不想浪费时间。我们想协助客户更快达到目标。”
客服中心如此差劲的原因
客服的责任重大。客服顾问公司 SQM Group 的一项研究指出，企业只要将首次打来便获得解决的客户来电数增加 1%，一年便可省下平均 27.6 万美元。该研究也发现，如果一次来电未能解决问题，客户流失的可能性则会增加八倍之多。
Stephenson 说道：“公司其实想知道在客户来电期间发生了什么状况，却又没有经济高效的方法做到这一点。”
Deepgram 使用 GPU 加速的深度学习技术让语音内容变得可供搜索，以及检测能反映出通话过程是否顺利的模式。Stephenson 指出，现在这要耗费大量人力去听和评估通话录音内容，因此，只能对 1% 的电话这么做。
他说，公司也可以将语音转换成文字以进行复查，但这又会受到语音质量和错误的困扰。
人在说出一句话时的声音模式。图片由 Deepgram 提供。
让客户感到满意
Deepgram 的深度学习软件让企业能检查每通电话的服务质量。Stephenson 指出，无论客服人员是否使用正确的字眼，也无论通常出现哪些话题，该软件都会检测声音和短语的模式，从而让公司找出令客户感到失望或高兴的言辞。
Stephenson 说，企业能够运用这些信息来改进客服人员的话术和训练、找出潜在的销售客户、检查是否符合规定，以及减少转投竞争对手的客户数量。
他指出，使用该公司技术的某个 Deepgram 客户将收入增加了 3%。
从暗物质到大数据
Stephenson 与共同创办人 Noah Shutty 为密歇根大学到中国研究暗物质时，萌生了创办 Deepgram 的想法。Shutty 录制了数千小时的生活内容，而他需要设法找出特定时刻的内容。
在解决了 Shutty 的问题后，他们发现自己的方法也能帮助企业。
俩人使用数千小时的录音内容（绝大部分是客服通话内容）来训练神经网络。他们创建了一个叫做 Kur 的开源深度学习框架，当中包含了 CUDA 并行计算平台及 TensorFlow 深度学习框架。为了加快训练速度，他们使用了 GeForce GTX 1080 GPU 以及 cuDNN。
Deepgram 是我们面向新创公司的 Inception 加速器计划的一部分，它使用我们的 Tesla K80 GPU 加速器在 Amazon Web Services 云端部署其技术。
Stephenson 说：“没有 GPU 的助力，我们便无法取得这项成就。”
如需详细了解 AI 计算如何改变众多行业，请订阅 NVIDIA 的 AI 播客。通过 iTunes 订阅请访问 http://nvda.ws/2hQ4Leb，通过 Google Play Music 订阅请访问 http://nvda.ws/2hQaIrh。
