Голосовой ИИ: вложено миллиарды, а «момента ChatGPT» нет. Чего не хватает

► Читайте телеграмм-канал «Минфина»: главные финансовые новости

Инвесторы вкладывают деньги в разные направления голосового искусственного интеллекта — от разработки моделей до автоматизации служб поддержки, записи встреч и голосового ввода текста. Новые инструменты появляются еженедельно, а разработчики обещают общение, почти не отличающееся от человеческого. Однако технические возможности еще не гарантируют, что такие системы могут полноценно заменить человека в разговоре.

Почему голосовые ассистенты не всегда понимают людей

Технический директор PolyAI Шон Вен считает, что голосовому ИИ пока не хватает скорости обработки информации для природного диалога. Современные модели могут слушать собеседника и отвечать одновременно, но должны быстрее находить нужные ответы.

«Мы добились этапа создания моделей, которые могут говорить и слушать одновременно. Следующий вызов — сделать процесс рассуждения очень быстрым, чтобы модели могли быстро находить ответы, а разговор звучал естественно», — сказал Вен во время выступления на конференции HumanX в прошлом месяце.

Ошибки в расшифровке подрывают доверие

Голосовые помощники не всегда правильно понимают пользователей, а услуги для записи встреч могут ошибаться в транскрипциях и итогах разговоров.

Вен объясняет, что модели автоматического распознавания речи (ASR) иногда пропускают важные слова, из-за чего система теряет часть контекста.

Эй также считает точность транскрибирования одной из ключевых задач для разработчиков. Ошибки в начальной расшифровке влияют на все последующие операции — от подготовки итогов встречи до формирования задач по ее результатам.

Если система неправильно распознала сказанное, дальнейшие действия могут основываться на ложной информации. По словам Гея, это подрывает доверие пользователей к платформе. Он также отметил, что голосовым моделям нужно лучше работать с языками.

Когда ИИ записывает разговор, пользователи должны об этом знать

Еще одна проблема — прозрачность работы голосовых инструментов. Пользователей следует предупреждать, если их разговор записывают или они общаются с искусственным интеллектом.

Otter стремится повысить доверие между участниками встреч. В частности, компания рассматривает возможность сообщать всем участникам чата о записи разговора даже тогда, когда бот непосредственно не принимает в нем участия.

Вен также отмечает, что во время звонков в корпоративные службы поддержки клиентам важно сообщать об общении с ИИ.

Следовательно, для голосового прорыва ИИ нужно не только реалистично звучать. Он должен быстро отвечать, точно распознавать речь, понимать контекст и не скрывать пользователей, когда работает вместо человека. Именно эти задачи, по словам представителей PolyAI и Otter, остаются ключевыми для развития технологии.

Автор:

редактор новостей Игорь Тележников

Пишет на темы: Экономика, финансы, криптовалюты, технологии, инвестиции