استارتاپ میرا موراتی در پی گفت وگوی طبیعی تر با هوش مصنوعی

بیشتر سیستم‌های هوش مصنوعی هنوز شبیه واکی‌تاکی‌های مودب عمل می‌کنند. شما حرف می‌زنید، آن‌ها صبر می‌کنند. آن‌ها پاسخ می‌دهند، شما ساکت می‌شوید. همین ریتم تقریباً بر همه چت‌بات‌هایی که امروز مردم استفاده می‌کنند حاکم بوده و دقیقاً همان چیزی است که Thinking Machines Lab حالا می‌خواهد بشکند.

این استارتاپ که توسط میرا موراتی، مدیر ارشد پیشین فناوری OpenAI، بنیان‌گذاری شده، چیزی را معرفی کرده که آن را «مدل‌های تعامل» می‌نامد؛ رویکردی تازه که قرار است هوش مصنوعی را کمتر شبیه یک رشته پیام با تأخیر و بیشتر شبیه یک گفت‌وگوی واقعی کند. ایده اصلی ساده است، اما جاه‌طلبانه: به جای آن‌که گوش دادن و پاسخ دادن را دو نوبت جداگانه در نظر بگیرد، مدل هر دو را هم‌زمان انجام می‌دهد.

این تغییر اهمیت زیادی دارد. در گفت‌وگوی انسانی واقعی، افراد در بلوک‌های کاملاً نوبتی و منظم ارتباط برقرار نمی‌کنند. آن‌ها مکث می‌کنند، واکنش نشان می‌دهند، وسط حرف می‌پرند، لحن خود را تنظیم می‌کنند و گاهی هم صحبت یکدیگر را قطع می‌کنند. Thinking Machines روی این شرط بسته است که هوش مصنوعی هم باید از همان ابتدا به همین شکل کار کند، نه این‌که صرفاً به لایه‌های صوتی الحاقی تکیه کند که فقط تبادل طبیعی را تقلید می‌کنند.

بیشتر شبیه تماس تلفنی تا چت‌بات

پیش‌نمایش پژوهشی این شرکت بر مدلی به نام TML Interaction Small متمرکز است. از نظر فنی، این مدل برای ارتباط تمام‌دوپلکس ساخته شده است؛ یعنی می‌تواند هم‌زمان با تولید پاسخ، گفتار ورودی را نیز پردازش کند. به زبان ساده، این سیستم قرار است هم‌زمان که حرف می‌زند، گوش هم بدهد.

به گفته Thinking Machines، این مدل در حدود 0.40 ثانیه پاسخ می‌دهد؛ سرعتی که به رفت‌وبرگشت طبیعی انسان نزدیک است. اگر این عدد در خارج از آزمایشگاه هم ثابت بماند، می‌تواند گامی مهم برای هوش مصنوعی مکالمه‌محور باشد، به‌ویژه در دستیارهای صوتی، ابزارهای پشتیبانی زنده و ایجنت‌های دیجیتالی که باید کمتر ربات‌گونه و بیشتر حاضر و پاسخ‌گو به نظر برسند.

همین‌جا است که رقابت گسترده‌تر صنعت جذاب می‌شود. OpenAI، گوگل و دیگر بازیگران بزرگ همگی به سمت تعامل صوتی سریع‌تر و روان‌تر حرکت کرده‌اند، اما تجربه کاربری هنوز گاهی مصنوعی به نظر می‌رسد. مدلی که تعامل‌پذیری را به‌عنوان یک رفتار ذاتی و نه چیزی که بعداً روی آن سوار شده باشد طراحی کرده‌اند، می‌تواند بافت این تبادل‌ها را به‌طور محسوسی تغییر دهد.

با این حال، فعلاً این فقط یک داستان پژوهشی است، نه یک عرضه برای مصرف‌کننده. شرکت هنوز مدل را برای عموم باز نکرده است. انتظار می‌رود یک پیش‌نمایش پژوهشی محدود در ماه‌های آینده ارائه شود و عرضه گسترده‌تر برای اواخر امسال برنامه‌ریزی شده است.

پس آیا این آغاز عصر هوش مصنوعی واقعاً گفت‌وگومحورتر است؟ شاید. ادعاهای مربوط به بنچمارک امیدوارکننده هستند و ایده به‌سختی می‌تواند نادیده گرفته شود. اما اعداد جذابِ تأخیر و گفت‌وگوی واقعی در دنیای واقعی همیشه یکی نیستند. تا زمانی که مردم نتوانند ببینند مدل با قطع شدن صحبت، گفتار نامنظم، تردید و غیرقابل‌پیش‌بینی بودن چگونه کنار می‌آید، کمی تردید کاملاً طبیعی است.

با این همه، این ایده در زمان مناسبی مطرح شده است. صنعت هوش مصنوعی سال‌هاست به ماشین‌ها یاد داده چگونه پاسخ بدهند. حالا فشار به سمت چیزی سخت‌تر در حال جابه‌جایی است: یاد دادن این‌که چطور تعامل کنند. این چالشی کاملاً متفاوت است و Thinking Machines آشکارا می‌خواهد از نخستین‌ها در آن باشد.