Mütəxəssislər düşünür ki, səsli süni intellekt hələ ChatGPT məqamına çatmayıb

Səsin növbəti böyük interfeys olacağı nəzəriyyəsi güclü sürətlə yayılır. Sərmayəçilər model istehsal edənlərdən tutmuş müəssisə müştəri xidmətinə, görüş qeydləri tutur və süni intellektlə işləyən diktə proqramlarına qədər olan startup-lara milyardlarla dollar yatırırlar.

Hər həftə yeni model və ya vasitə çıxır, hansı ki, insan kimi danışdığını və söhbət etdiyini iddia edir. Lakin əslində vəziyyət həmin səviyyədə deyil. PolyAI şirkətinin texnologiya direktoru Şon Ven hesab edir ki, tam iki tərəfli (full-duplex) modellərin çıxmasına baxmayaraq, səsli süni intellekt ChatGPT kimi inqilabi mərhələyə çatmayıb.

Keçən ay HumanX konfransında o bildirib ki, tam iki tərəfli modellərin yaradılması uğur əldə edilib. Növbəti vəzifə təfəkkürün çox sürətli işləməsini təmin etməkdir ki, cavablar tez tapılsın və söhbət təbii görünsün.

O deyib ki, müştəri xidmətində süni intellekt agentləri robot kimi səslənməməli və zəng edənlərə problemlərini həll edə biləcəkləri inamını verməlidir.

Ven qeyd edib ki, səsli süni intellekt yaxşı səviyyəyə çatdıqda və müştəri ilk iki-üç dəfə onunla ünsiyyət qurmaq istəyəndə, inam artır. Vaxt keçdikcə insan düşünür ki, problemləri həll etmək üçün mütləq insanla danışmağa ehtiyac yoxdur.

Görüş qeydləri proqramı Otter-in marketinq direktoru Aleks Gey bildirib ki, danışanların identifikasiyası, məqsədin tutulması və təşkilati biliklərlə yazıya çevrilməsi avtomatlaşdırma yolunda əsas addımdır. Şirkət görüşlərdə insanları təmsil edən rəqəmsal əkizlər üzərində də işləyir. Bu texnologiyada səsin insan danışığını hiss etdirməsi önəmlidir.

Gey vurğulayıb ki, görüşlərdə ən yaxşı müzakirələr debat və strateji söhbətlərdir. İnsanlarla münasibət hiss etdiyin zaman uğurlu dialoq yaranır. Əgər bu bir avatarla mümkün deyilsə, o, sadəcə sual-cavab chatbota çevrilir.

Səsli süni intellektin anlaması və şəffaflığı

Səsli süni intellekt modelləri yaxşılaşsa da, süni intellekt köməkçiləri çox vaxt istifadəçini başa düşmür və görüş qeydləri səhv transkript və ya xülasə verə bilər.

Şon Ven deyir ki, avtomatik nitqin tanınması (ASR) modelləri tez-tez vacib açar sözləri əldən verir. Bu isə ümumi kontekstin tam tutulmadan problemdir.

Otter şirkətinin Geyi bu fikrə qoşulur və transkriptin təkmilləşdirilməsinə davam etdiklərini bildirib. O, səs modellərinin təkmilləşməli olduğu sahələrdən birinin dil olduğunu vurğulayıb.

Gey bildirib ki, Otter üçün transkript son nöqtə deyil. O, məhsuldarlığı artırmaq üçün başlanğıc qatdır. Dəqiq olmayan transkript nəticəsində bütün ardıcıl əməliyyatlar səhv olur və insanlar platformaya inamını itirir. Buna görə də ASR modelini yaxşılaşdırmaq vacibdir, çünki bunun bütün təsirləri genişdi.

Yeni səs vasitələri şəffaflıq məsələsini də ortaya qoyur. Müştərilərdən qeyd olunmaq və ya süni intellektlə ünsiyyət qurduqlarını bildirmələri tələb olunur. Otter görüşdə insanlarda etimadı artırmaq istəyir, hətta bot iştirak etməyən görüşlərdə belə, söhbətdə icazəsiz qeyd edildiyini xəbərdar etməyi planlaşdırır. PolyAI şirkətindən Ven də müəssisə zənglərində süni intellektlə danışıldığı barədə məlumat verməyin vacib olduğunu deyib.