Jauna interaktīva AI pieeja: domājošas mašīnas sarunu modelis

Vairums mākslīgā intelekta sistēmu joprojām uzvedas kā pieklājīgas rokas radioierīces. Jūs runājat, tās gaida. Tās atbild, jūs pārtraucat runāt. Šis ritms ir veidojis gandrīz katru mūsdienu lietoto tērzēšanas robotu, un tieši to Thinking Machines Lab tagad vēlas izjaukt.

Šis jaunuzņēmums, kuru dibināja bijusī OpenAI tehniskā direktore Mira Murati, ir atklājis to, ko sauc par interakcijas modeļiem, jaunu pieeju, kas paredzēta, lai AI šķistu mazāk kā aizkavēta ziņu plūsma un vairāk kā reāla saruna. Galvenā ideja ir vienkārša, bet ambicioza: nevis uzskatīt klausīšanos un atbildēšanu par atsevišķām kārtām, modelis risina abas darbības vienlaikus.

Šī pārmaiņa ir nozīmīga. Reālās cilvēku sarunās cilvēki nerunā ideāli sakārtotos blokos. Viņi pauzē, reaģē, iesaucas, maina toni un dažkārt pārtrauc otru. Thinking Machines uzskata, ka AI jādarbojas tāpat no pamatiem, nevis jāpaļaujas uz pievienotām balss slānēm, kas tikai imitē dabisku saziņu.

Drīzāk telefona zvans nekā tērzēšanas robots

Uzņēmuma pētnieciskā priekšskatījuma centrā ir modelis ar nosaukumu TML Interaction Small. Tehniski tas ir izstrādāts pilnīgai divvirzienu saziņai, kas nozīmē, ka tas var apstrādāt ienākošo runu, vienlaikus ģenerējot atbildi. Vienkārši sakot, sistēmai jāspēj klausīties, kamēr tā runā.

Pēc Thinking Machines datiem modelis atbild aptuveni 0,40 sekundēs, ātrumā, kas ir tuvs dabiskajam cilvēku dialogam. Ja šis rādītājs turēsies ārpus laboratorijas, tas varētu būt nozīmīgs solis uz priekšu sarunvalodas AI jomā, īpaši balss asistentiem, tiešās atbalsta rīkiem un digitālajiem aģentiem, kuriem jāšķiet mazāk robotiskiem un vairāk klātesošiem.

Tas arī padara plašāku nozares sacensību interesantāku. OpenAI, Google un citi lielie spēlētāji visi virzās uz ātrāku un plūstošāku balss mijiedarbību, taču pieredze joprojām var šķist mākslīga. Modelis, kas izstrādāts ar interaktivitāti kā iebūvētu uzvedību, nevis kā vēlāk pievienotu slāni, varētu pamanāmi mainīt šo apmaiņu raksturu.

Šobrīd tas tomēr joprojām ir pētījumu stāsts, nevis patērētāju produkta palaišana. Uzņēmums vēl neatver modeli plašai publikai. Ierobežots pētniecības priekšskatījums tiek gaidīts nākamo mēnešu laikā, bet plašāka izlaide plānota vēlāk šogad.

Tātad, vai tas ir patiesi sarunvalodas AI laikmeta sākums? Varbūt. Rādītāji izklausās daudzsološi, un pieņēmums ir grūti ignorējams. Tomēr iespaidīgi latentuma skaitļi un reāla saruna nav vienas un tās pašas lietas. Kamēr cilvēki nevarēs pārbaudīt, kā modelis tiks galā ar pārtraukumiem, netīru runu, vilcināšanos un neparedzamību, zināms skepsis ir pamatots.

Tomēr ideja parādās īstajā brīdī. AI nozare gadu desmitiem ir mācījusi mašīnām atbildēt. Tagad spiediens pārorientējas uz ko sarežģītāku: mācīt tām mijiedarboties. Tas ir pavisam cits izaicinājums, un Thinking Machines acīmredzami vēlas tajā būt savlaicīgs.