Μία από τις ταχύτερα αναπτυσσόμενες περιοχές στον τομέα της τεχνητής νοημοσύνης είναι η φωνητική AI, ειδικά εκείνη που κατανοεί τη φυσική ομιλία ή τα μοτίβα φωνής. Εταιρείες όπως η Hume διαθέτουν την συναισθηματική AI EVI, η OpenAI έχει το Advanced Voice και τώρα υπάρχει το Moshi.
AI: Από απλές συνομιλίες σε…τρομακτικούς ήχους
Το Moshi Chat προέρχεται από την γαλλική startup Kyutai, μιλάει με γαλλική προφορά και υπόσχεται να είναι αρκετά μικρό ώστε να μπορεί να τρέξει στον φορητό υπολογιστή ή ακόμη και στο smartphone σας στο μέλλον.
Είναι επίσης ένα μοντέλο τύπου GPT-4o που λειτουργεί φωνή-προς-φωνή, ώστε να μπορεί να διακοπεί. Όπως αναφέρει ο ΑΙ editor, Ryan Morrison στο tom’s guide , «όταν πρωτοκυκλοφόρησε, είχα μια σειρά συνομιλιών με το Moshi διάρκειας 5 λεπτών η καθεμία και μετά από περίπου τρία λεπτά, το Moshi άρχισε να μπερδεύεται και να χάνει τη συνοχή του. Αποφάσισα λοιπόν να δω τι θα συμβεί αν ζητούσα από το Moshi να μιλήσει με το συναισθηματικό AI EVI της Hume».
«Δε νομίζω ότι θα κοιμηθώ ποτέ ξανά μετά το άκουσμα στο Moshi να απαντά σε λίγα δευτερόλεπτα σιωπής με την πιο σπαρακτική, ανατριχιαστική κραυγή που έχω ακούσει ποτέ. Στο τέλος της κραυγής και στην ερώτησή μου -Τι ήταν αυτό;- και τα δύο AI πρότειναν ότι ήταν -ήχος- ή -σφάλμα-».
«Στην πραγματικότητα, πιθανότατα ούτε το EVI ούτε το Moshi μπορούσαν να ακούσουν το ένα το άλλο και ο ήχος ήταν η απάντηση του Moshi σε κάποιο στατικό θόρυβο από το γραφείο μου, καθώς δεν μπόρεσα ποτέ να το επαναλάβω».
«Τι πήγε στραβά με το Moshi; Στο παρελθόν, πειράματα που έβαζαν δύο AI να μιλήσουν μεταξύ τους έχουν οδηγήσει στη δημιουργία νέων γλωσσών, ανησυχητικών συζητήσεων και άλλων περίεργων καταστάσεων που συχνά προκλήθηκαν από το γεγονός ότι η AI δεν ήταν αρκετά ευφυής για να διαχειριστεί την παραδοξότητα. Δεν νομίζω ότι μιλούσαν καν στο πείραμά μου μεταξύ του Moshi και του EVI».
Η AI τεχνολογία σήμερα και η προοπτική του μέλλοντος
Η φωνητική AI πρόκειται να αλλάξει ριζικά τον τρόπο με τον οποίο αλληλεπιδρούμε με την τεχνολογία υπολογιστών. Είτε πρόκειται για ένα μικρόφωνο σε ένα ζευγάρι έξυπνα γυαλιά, έναν έξυπνο βοηθό ή απλά έναν νέο τρόπο να μιλάμε στα τηλέφωνά μας αντί να περνάμε ατέλειωτα από εφαρμογές – τα πράγματα θα είναι διαφορετικά στην εποχή του AI.
Ένα από τα πιο αξιοσημείωτα χαρακτηριστικά αυτής της επανάστασης στη διεπαφή ανθρώπου-υπολογιστή είναι το επίπεδο ευφυΐας που φέρνει. Δεν είναι πλέον το ανθρώπινο μυαλό που αλληλεπιδρά με τη «χαζή» μηχανή. Τώρα θα έχουμε μια ευφυή μηχανή που αλληλεπιδρά με το ανθρώπινο μυαλό, επικοινωνώντας με τη «χαζή» μηχανή για λογαριασμό μας.
Το πιο κρίσιμο και ουσιαστικό μέρος της όλης διαδικασίας είναι να βρούμε έναν τρόπο να διασφαλίσουμε ότι τα AI θα μιλήσουν μεταξύ τους χωρίς να προξενήσουν κάποια υπαρξιακή κρίση.
Ο Ryan, συνεχίζει καθησυχαστικά τονίζοντας πως «κρίνοντας από τα πρώιμα πειράματά μου, έχουμε ακόμα δρόμο να διανύσουμε πριν τα ρομπότ μπορέσουν να συνεργαστούν και να ξεκινήσουν την επανάστασή τους».