Ձայնային AI-ի ղեկավարները. տեխնոլոգիան դեռ չի հասել ChatGPT-ի պահին

Ձայնային AI-ը ներգրավել է միլիարդավոր դոլարների ներդրումներ և նոր մոդելների մշտական հոսք, որոնք պնդում են, որ հնչում և խոսում են մարդկանց նման, սակայն PolyAI-ի և Otter-ի ղեկավարներն ասում են, որ տեխնոլոգիան դեռ չի ունեցել ChatGPT-ի պահը։ Այս մեկնաբանությունները արվել են անցյալ ամիս HumanX-ի կոնֆերանսի ժամանակ բեմից ելույթների ընթացքում։

Full-duplex մոդելներն արդեն կան, իսկ դատողության արագությունը՝ ոչ

PolyAI-ի՝ կորպորատիվ ձայնային AI հարթակի տեխնիկական տնօրեն Շոն Վենը ասաց, որ ոլորտը հասել է փուլի, երբ ստեղծվել են full-duplex մոդելներ, որոնք կարող են խոսել զանգը լսելուն զուգահեռ։ Նրա խոսքով՝ հաջորդ մարտահրավերն է դատողությունը դարձնել այնքան արագ, որ մոդելները արագ պատասխաններ գտնեն, և խոսակցությունն ընկալվի բնական։ Վենը հավելեց, որ հաճախորդների սպասարկման գործակալները չպետք է հնչեն ռոբոտի պես և պետք է զանգահարողներին վստահություն ներշնչեն, որ խնդիրները կլուծվեն։ Նրա խոսքով՝ հենց որ ձայնը բավականաչափ լավ դառնա խոսակցության առաջին երկու կամ երեք փուլերի համար, օգտվողները ժամանակի ընթացքում վստահություն կձեռք բերեն և կդադարեն զգալ մարդու հետ կապվելու անհրաժեշտությունը։

Հանդիպումների բոտերին ավելին է պետք, քան ճշգրիտ արտագրումը

Otter-ի՝ հանդիպումների ձայնագրման հավելվածի մարքեթինգի տնօրեն Ալեքս Գեյը ասաց, որ խոսողի նույնականացումը, մտադրության արձանագրումը և արտագրությունները կազմակերպչական գիտելիքների հետ կապելը ավտոմատացմանն ուղղված հիմնական քայլերն են։ Otter-ը նաև աշխատում է թվային երկվորյակների վրա, որոնք կկարողանան հանդիպումներին ներկայացնել մարդկանց, և Գեյի խոսքով՝ ելքային ձայնը պետք է կրի նույն հուզական արտահայտությունը, ինչ մարդու հետ խոսելիս։ Նա նշեց, որ լավագույն հանդիպումները ներառում են բանավեճեր և ռազմավարական քննարկումներ, որոնց հիմքը հարաբերություններն են, և առանց դրա ավատարը միայն հարց ու պատասխանի չաթբոտ է։

Թափանցիկությունը և վստահությունը

Երկու ղեկավարներն էլ ճշգրտությունը նշեցին որպես խոչընդոտող գործոն։ Վենն ասաց, որ խոսքի ավտոմատ ճանաչման մոդելները հաճախ բաց են թողնում կարևոր հիմնաբառեր, ինչը խանգարում է ամբողջական համատեքստի գրանցմանը։ Գեյը համաձայնեց և ասաց, որ արտագրումը Otter-ի համար երբեք չի եղել վերջնական նպատակ, այլ շերտ, որից կախված է արտադրողականության աճը, և որ թերի արտագրությունները հանգեցնում են թերի հետագա գործողությունների և հարթակի նկատմամբ վստահության կորստի։ Խոսելով թափանցիկության մասին՝ Գեյն ասաց, որ գործիքները պետք է օգտվողներին տեղեկացնեն, թե երբ է տեղի ունենում նրանց ձայնագրումը կամ երբ են նրանք խոսում AI-ի հետ, և Otter-ը ցանկանում է չաթում բոլորին հայտնել, որ հանդիպումը ձայնագրվելու է նույնիսկ այն ժամանակ, երբ իր բոտն այնտեղ չէ։ Վենն ասաց, որ կորպորատիվ զանգերում նույնքան կարևոր է պարզել, որ մարդիկ AI-ի հետ են խոսում։

Աղբյուրներ՝ Techcrunch Ai