ቁልፍ መውሰጃዎች
- ከኮምፒዩተር የመነጨ ንግግርን ከእውነተኛው ነገር መለየት የማትችልበት ቀን በፍጥነት እየቀረበ ነው።
- Google ተጨማሪ ተፈጥሯዊ ውይይቶችን ለማድረግ የሚያስችል ሞዴል የሆነውን LaMDAን በቅርቡ አስተዋውቋል።
- ሰውን የሚመስል ንግግር ማዘጋጀትም ከፍተኛ መጠን ያለው የማቀናበር ኃይል ይጠይቃል።
አሁን፣ ከኮምፒዩተር ጋር ሲነጋገሩ ማወቅ ቀላል ነው፣ነገር ግን ያ በቅርብ ጊዜ በ AI ውስጥ ላደረጉት መሻሻሎች ምስጋና ይግባው ሊቀየር ይችላል።
Google በቅርቡ ላኤምዲኤ ይፋ አድርጓል፣ይህም ኩባንያው የውይይት AI ረዳቶቹን አቅም ያሳድጋል እና የበለጠ ተፈጥሯዊ ውይይቶችን ለማድረግ ያስችላል ብሏል።LaMDA ውሎ አድሮ ስለማንኛውም ነገር ማለት ይቻላል ያለ ምንም ቅድመ ሥልጠና ለመነጋገር ያለመ ነው።
ከሰው ልጅ ጋር እየተነጋገርክ እንደሆነ እንድታስብ ሊያደርግህ ከሚችል የኤአይአይ ፕሮጄክቶች ውስጥ አንዱ ነው።
"የእኔ ግምት በሚቀጥሉት 12 ወራት ውስጥ ተጠቃሚዎች ለእነዚህ አዲስ፣ የበለጠ ስሜታዊ ድምጾች መጋለጥ እና መለማመድ ይጀምራሉ" ጄምስ ካፕላን፣ የMeetKai ዋና ስራ አስፈፃሚ፣ የውይይት AI ምናባዊ ድምጽ ረዳት እና ፍለጋ ሞተር፣ በኢሜይል ቃለ መጠይቅ ላይ ተናግሯል።
"አንድ ጊዜ ይህ ከሆነ፣ የዛሬው የተቀናጀ ንግግር ዛሬ ለእኛ እንደ 2000ዎቹ መጀመሪያ ድምፅ ለተጠቃሚዎች ይሰማል።"
የድምፅ ረዳቶች በገፀ ባህሪ
የጉግል ላኤምዲኤ የተገነባው በጎግል ጥናትና ምርምር በተፈጠረው የነርቭ አውታረመረብ አርክቴክቸር ትራንስፎርመር ላይ ነው። ከሌሎች የቋንቋ ሞዴሎች በተለየ የጉግል ላኤምዳ በእውነተኛ ውይይት ላይ የሰለጠነው።
ተፈጥሮአዊ ድምጽ ያለው AI ንግግር ለማድረግ ከተግዳሮቱ አንዱ ክፍል ክፍት የሆነ የውይይት ተፈጥሮ ነው ሲል የጎግል ኤሊ ኮሊንስ በብሎግ ፖስት ላይ ጽፏል።
"ከጓደኛ ጋር ስለ ቲቪ ትዕይንት መወያየት ስለዚያች ሀገር ምርጥ ክልላዊ ምግቦች ክርክር ላይ ከመቀመጡ በፊት ትዕይንቱ የተቀረፀበት ሀገር ወደ ውይይት ሊቀየር ይችላል" ሲል አክሏል።
ነገሮች በሮቦት ንግግር በፍጥነት እየሄዱ ነው። በውይይት AI ላይ ኢንቨስት የሚያደርገው የTsingyuan Ventures የማኔጂንግ ባልደረባ ኤሪክ ሮዝንብሎም በኮምፒዩተር የታገዘ ንግግር ውስጥ አንዳንድ በጣም መሠረታዊ ችግሮች ተፈትተዋል ብለዋል ።
ለምሳሌ ንግግርን የመረዳት ትክክለኛነት ልክ እንደ በሶፍትዌሩ Otter.ai በሚደረጉ ግልባጮች ወይም በ DeepScribe የተወሰዱ የህክምና ማስታወሻዎች ባሉ አገልግሎቶች ውስጥ በጣም ከፍተኛ ነው።
"የሚቀጥለው ድንበር ግን በጣም ከባድ ነው" ሲል አክሏል።
"ከተፈጥሮአዊ የቋንቋ አሰራር ባለፈ ችግር የሆነውን የዐውደ-ጽሑፉን ግንዛቤ ማቆየት እና እንደ ኮምፒውተሮች ከሰዎች ጋር መስተጋብር መፍጠር ብስጭት፣ ቁጣ፣ ትዕግስት ማጣት፣ ወዘተ የመሳሰሉትን መረዳት አለባቸው።እነዚህ ሁለቱም ጉዳዮች እየተሰሩ ነው፣ ነገር ግን ሁለቱም በጣም አጥጋቢ አይደሉም።"
የነርቭ መረቦች ቁልፍ ናቸው
ሕይወትን የሚመስሉ ድምፆችን ለማፍለቅ ኩባንያዎች እንደ ጥልቅ የነርቭ ኔትወርኮች ቴክኖሎጂን እየተጠቀሙ ነው፣ መረጃን በንብርብሮች የሚከፋፍል የማሽን መማሪያ ዓይነት፣ ማት ሙልዶን፣ የሰሜን አሜሪካ ፕሬዚዳንት በ ReadSpeaker፣ የጽሑፍ ከንግግር ሶፍትዌር የሚያዘጋጀው ኩባንያ፣ በኢሜል ቃለ መጠይቅ ተናግሯል።
"እነዚህ ንብርብሮች ምልክቱን ያጠራራሉ፣ ወደ ውስብስብ ምደባዎች ይመድባሉ" ሲል አክሏል። "ውጤቱም ሰው ሰራሽ ንግግሮች በቀላሉ የማይታወቁ የሚመስሉ ናቸው።"
ሌላው በመገንባት ላይ ያለው ቴክኖሎጂ ፕሮሶዲ ማስተላለፍ ሲሆን ይህም የአንድን የፅሁፍ ወደ ንግግር ድምጽ ከሌላው የንግግር ዘይቤ ጋር ማጣመርን ያካትታል ሲል ማልዶን ተናግሯል። አዲስ የነርቭ ጽሑፍ-ወደ-ንግግር ድምጽ ለማምረት የሚያስፈልገውን የሥልጠና መረጃ መጠን የሚቀንስ የዝውውር ትምህርት አለ።
ካፕላን ሰው መሰል ንግግርን ማዘጋጀት ከፍተኛ መጠን ያለው የማቀናበር ሃይል ይጠይቃል ብሏል። ኩባንያዎች ከመደበኛ ፕሮሰሰሮች ጋር በጥምረት የሚሰሩ ብጁ ሞጁሎች የሆኑትን የነርቭ አፋጣኝ ቺፖችን በማዘጋጀት ላይ ናቸው።
"በዚህ ውስጥ ቀጣዩ ደረጃ እነዚህን ቺፖችን ወደ ትናንሽ ሃርድዌር ማስገባት ይሆናል፣ ምክንያቱም በአሁኑ ጊዜ AI ለእይታ በሚያስፈልግበት ጊዜ ለካሜራዎች እንደሚደረግ ሁሉ" ሲል አክሏል። "ይህ ዓይነቱ የማስላት ችሎታ በራሱ የጆሮ ማዳመጫዎች ውስጥ እስኪገኝ ድረስ ብዙም አይቆይም።"
በ AI የሚመራ ንግግርን ለማዳበር አንዱ ፈታኝ ሁኔታ ሁሉም ሰው በተለያየ መንገድ መናገሩ ነው፣ስለዚህ ኮምፒውተሮች እኛን ለመረዳት ይቸገራሉ።
"የጆርጂያ ከቦስተን ከሰሜን ዳኮታ ዘዬዎችን ያስቡ እና እንግሊዘኛ ዋና ቋንቋህ እንደሆነም አልሆነም" በMDinc የድምጽ ፍለጋ ትንታኔ ላይ የምትሰራ ሞኒካ ዴማ በኢሜል ተናግራለች። "በአለምአቀፍ ደረጃ ስናስብ፣ ይህንን ለሁሉም የጀርመን፣ ቻይና እና ህንድ ክልሎች ማድረግ ውድ ነው፣ ግን ይህ ማለት አይቻልም ወይም አይቻልም ማለት አይደለም።"
