Hääl-Tehisintellekt Ootab Endiselt Oma määravat „ChatGPT Momenti“, Väidavad Tööstuse Juhtfiguurid

Pilt: TechCrunch · Allikas

PolyAI ja Otteri eksperdid rõhutavad, et kuigi hääl-TEI tehnoloogia on arenenud, on tal raskusi konteksti mõistmise, järeldamiskiiruse ning loomuliku suhtlusega, mis viib selle läbimurdeni võrreldes ChatGPT mõjuga tekstipõhises TEIs hilinemiseni.

Hääl-TEId on juba pikka aega nimetatud järgmiseks muutvaks liideseks, mis on tõmmanud miljardeid investeeringuid alates mudelite arendajatest kuni ettevõtetele suunatud rakendusteni, nagu klienditeenindus ja koosolekute transkriptsioon. Kuid tööstuse juhtide hiljutiste teadmiste kohaselt ei ole hääl-TEI veel saavutanud oma pöördehetke, mis sarnaneks ChatGPT effectile tekstipõhises TEIs.

PolyAI tehnoloogiajuht Shawn Wen rääkis HumanX konverentsil hääl-TEI hetkeolukorrast ja väljakutsetest. Kuigi täielikud dupleksmudelid—mis suudavad samaaegselt kuulata ja rääkida—märgivad olulist verstaposti, rõhutas Wen, et järgmine takistus on järeldamisprotsesside kiirendamine. Kiirem vastamine on hädavajalik, et vestlused tunduksid ladusad ja loomulikud, mis on kasutajate usalduse ehitamisel eriti oluline, eriti klienditeeninduses. Wen selgitas, et kui häälagentidel õnnestub jõuda kvaliteeditasemeni, kus kasutajad on valmis mitu korda suhtlema, võib see soodustada usaldust, et TEI suudab probleeme lahendada ilma inimsekkumiseta.

Sarnaselt rõhutas Otteri turundusjuht Alex Gay, kes juhib AI-põhise koosolekumuudatuste teenuse arengut, et täpne kõnelejate tuvastamine, kavatsuse mõistmine ja kontekstipõhine transkriptsioon on tähendusliku automatiseerimise aluseks. Otter arendab digitaalsete kaksikute tehnoloogiat, et simuleerida koosolekute osalejaid, eesmärgiga, et need avatara väljendaksid inimlikke emotsioone. Gay hoiatas, et ilma nende emotsionaalsete nüanssideta võib vestlus-TEI muutuda pelgalt küsimuste-vastuste vestlusrobotiks, puududes peenusest, mis määratleb viljakaid ja strateegilisi arutelusid.

Vaatamata arengutele tõdesid nii Wen kui Gay, et hääl-TEI mõistmisvõime piirangud püsivad. Automaatse kõnetuvastuse (ASR) süsteemid jätavad tihti olulised märksõnad kahe silma vahele, mis takistab konteksti täpset mõistmist ning kahjustab transkriptsioonide ja koosolekumuudatuste täpsust. Gay märkis, et transkriptsiooni täpsus ei ole eesmärk omaette, vaid tingimus edasiseks tootlikkuse kasvuks. Transkriptsioonivead võivad viia viltu minevate järgnevate tegevusteni ja vähendada kasutajate usaldust platvormide vastu.

Läbipaistvus jääb samuti oluliseks murekohaks. Nii PolyAI kui Otter pooldavad selgeid teadustusi, mis annavad kasutajatele teada, et nad suhtlevad tehisintellekti või salvestusega, tugevdades usaldust ja eetilist kasutust. Näiteks Otter kasutab koosolekute vestlustes teavitusi, et informeerida osalejaid salvestustest isegi siis, kui TEI-botid aktiivselt ei osale.

Kokkuvõttes, kuigi hääl-TEI tehnoloogia jätkab arengut paljulubavate mudelite ja rakendustega, pole selle teekond läbimurde momendini, mis oleks võrreldav ChatGPT mõjuga, veel realiseerunud. Konteksti mõistmise, vastamiskiiruse, emotsionaalse loomulikkuse ja läbipaistvuse väljakutsuede lahendamine on vajalik, et täielikult rakendada hääl-TEI potentsiaali ettevõtetes ja laiemalt.