ഹലോ… ഒരു മിനിറ്റ്, ഞാൻ പറയുന്നത് തീർന്നിട്ടില്ല!”

ഇതുവരെ എഐയോട് സംസാരിക്കുമ്പോൾ നമ്മൾ പലപ്പോഴും പറഞ്ഞ വാചകമാണിത്.

കാരണം, പഴയ വോയ്സ് അസിസ്റ്റന്റുകൾക്ക് ഒരു വലിയ പരിമിതിയുണ്ടായിരുന്നു. നമ്മൾ സംസാരിച്ചു തീരുന്നതുവരെ അവ കാത്തിരിക്കും. പിന്നെ മാത്രമേ മറുപടി പറയൂ. മനുഷ്യർ തമ്മിലുള്ള സംഭാഷണം പോലെ ഇടയിൽ പ്രതികരിക്കാനോ, നമ്മൾ പറയുന്നതിനിടെ കാര്യങ്ങൾ മനസ്സിലാക്കാനോ അവയ്ക്ക് കഴിഞ്ഞിരുന്നില്ല.

ആ പരിമിതി പൊളിച്ചെഴുതുകയാണ് ഓപ്പൺഎഐയുടെ പുതിയ പ്രഖ്യാപനം.

മനുഷ്യർ സംസാരിക്കുന്നതുപോലെ കേൾക്കാനും അതേ സമയം സംസാരിക്കാനും കഴിയുന്ന GPT-Live-1, GPT-Live-1 mini എന്നീ പുതിയ വോയ്സ് മോഡലുകളാണ് കമ്പനി പുറത്തിറക്കിയത്. എഐയുമായുള്ള സംഭാഷണം ഒരു ചോദ്യോത്തര സെഷനിൽ നിന്ന് യഥാർഥ സംഭാഷണത്തിലേക്ക് മാറുന്ന വലിയ ചുവടുവയ്പ്പായാണ് ഇത് വിലയിരുത്തപ്പെടുന്നത്.

ഇനി എഐ “സംസാരിച്ച് തീരുന്നത്” കാത്തിരിക്കേണ്ടതില്ല

ഇതുവരെ മിക്ക എഐ വോയ്സ് സംവിധാനങ്ങളും ഒരു നിയമം പാലിച്ചിരുന്നു.

ആദ്യം നിങ്ങൾ സംസാരിക്കും.

പിന്നെ എഐ കേൾക്കും.

അതിനുശേഷം അത് മറുപടി പറയും.

ഇത് സ്വാഭാവിക സംഭാഷണമല്ല.

മനുഷ്യർ അങ്ങനെ സംസാരിക്കാറില്ല.

നമ്മൾ മറ്റൊരാൾ സംസാരിക്കുമ്പോഴും “ശരി…”, “മനസ്സിലായി…”, “ഒരു നിമിഷം…” എന്നൊക്കെ പ്രതികരിക്കും. ആവശ്യമെങ്കിൽ ഇടയിൽ ചോദ്യം ചോദിക്കും. ചിലപ്പോൾ എതിർക്കും. ചിലപ്പോൾ വിശദീകരണം തേടും.

പുതിയ GPT-Live മോഡലുകൾ ഈ മനുഷ്യസഹജമായ സംഭാഷണരീതിയാണ് അനുകരിക്കുന്നത്. ഇത് ഫുൾ ഡ്യൂപ്ലക്സ് (Full Duplex) സാങ്കേതികവിദ്യ ഉപയോഗിക്കുന്നതിനാലാണ് സാധ്യമാകുന്നത്. അതായത് കേൾക്കുകയും സംസാരിക്കുകയും ഒരേ സമയം ചെയ്യാൻ കഴിയും.

“നിങ്ങൾ പറയൂ… ഞാൻ കേൾക്കുന്നുണ്ട്” എന്ന അനുഭവത്തിലേക്ക് എഐ

ഒരു സുഹൃത്തുമായി സംസാരിക്കുമ്പോൾ അയാൾ ഇടയ്ക്ക് “ഹും…”, “ഓക്കേ…”, “തുടരൂ…” എന്ന് പ്രതികരിക്കാറുണ്ട്.

അതുകൊണ്ടാണ് സംഭാഷണം ജീവസുറ്റതാകുന്നത്.

പുതിയ മോഡലിലും ഇതേ അനുഭവം നൽകാനാണ് ശ്രമം.

നിങ്ങൾ പറയുന്നതിനിടെ തന്നെ എഐ ചെറിയ പ്രതികരണങ്ങൾ നൽകും. നിങ്ങൾ വാചകം പൂർത്തിയാക്കുന്നതിന് മുമ്പേ സന്ദർഭം മനസ്സിലാക്കുകയും സംഭാഷണം കൂടുതൽ സ്വാഭാവികമായി മുന്നോട്ട് കൊണ്ടുപോകുകയും ചെയ്യും.

തത്സമയ വിവർത്തനത്തിന് ഇനി പുതിയ മുഖം

പുതിയ മോഡലിന്റെ ഏറ്റവും ശ്രദ്ധേയമായ സവിശേഷതകളിലൊന്നാണ് ലൈവ് ട്രാൻസ്ലേഷൻ.

ഇംഗ്ലീഷ് സംസാരിക്കുന്ന ഒരാളും ജാപ്പനീസ് സംസാരിക്കുന്ന മറ്റൊരാളും നേരിട്ട് സംസാരിക്കുകയാണെന്ന് കരുതുക.

ഇനി ഒരാൾ വാചകം പൂർത്തിയാക്കി നിൽക്കേണ്ടതില്ല.

സംഭാഷണം തുടരുന്നതിനിടയിൽ തന്നെ ഭാഷാന്തരം നടക്കും.

ടൂറിസം, അന്താരാഷ്ട്ര ബിസിനസ്, വിദ്യാഭ്യാസം, ആരോഗ്യരംഗം തുടങ്ങിയ മേഖലകളിൽ ഇത് വലിയ മാറ്റമുണ്ടാക്കുമെന്നാണ് വിലയിരുത്തൽ.

ഒരു സംഭാഷണത്തിനിടെ തന്നെ പല ജോലികളും ചെയ്യാൻ കഴിയും

ഓപ്പൺഎഐയുടെ ഡെമോകളിൽ പുതിയ മോഡൽ ഒരേസമയം നിരവധി കാര്യങ്ങൾ കൈകാര്യം ചെയ്യുന്നതാണ് കാണിച്ചത്.

സംസാരിക്കുമ്പോൾ കലണ്ടർ പരിശോധിക്കുക.

റൂട്ട് നിർദേശിക്കുക.

അടുത്ത അപ്പോയിന്റ്മെന്റ് ഓർമ്മിപ്പിക്കുക.

സംഭാഷണത്തിന്റെ ഒഴുക്ക് നഷ്ടപ്പെടുത്താതെ വിവരങ്ങൾ നൽകുക.

ഇതിലൂടെ വോയ്സ് അസിസ്റ്റന്റ് എന്നതിൽ നിന്ന് വ്യക്തിഗത ഡിജിറ്റൽ സഹായി എന്ന നിലയിലേക്ക് എഐ മാറുകയാണ്.

വോയ്സ് മോഡൽ മാത്രമല്ല… പുതിയ തലമുറ എഐ ഏജന്റിന്റെ അടിത്തറ

ഇത് ഒരു ശബ്ദ അപ്ഡേറ്റ് മാത്രമല്ല.

ഭാവിയിൽ എഐ ഏജന്റുകൾ മനുഷ്യരുമായി ഇടപഴകുന്ന രീതിയുടെ അടിസ്ഥാന സാങ്കേതികവിദ്യ കൂടിയാണ്.

ഫോൺ, കാറുകൾ, സ്മാർട്ട് ഗ്ലാസുകൾ, റോബോട്ടുകൾ, സ്മാർട്ട് ഹോം ഉപകരണങ്ങൾ തുടങ്ങി ശബ്ദത്തിലൂടെ പ്രവർത്തിക്കുന്ന നിരവധി സംവിധാനങ്ങളുടെ ഹൃദയഭാഗമാകാൻ ഈ മോഡലുകൾക്ക് കഴിയും.

ഡെവലപ്പർമാർക്കുള്ള പുതിയ അവസരങ്ങൾ

ഈ മോഡലുകൾ ചാറ്റ്ജിപിടിക്ക് മാത്രമല്ല.

ഡെവലപ്പർമാർക്കും ഇവ ഉപയോഗിക്കാൻ കഴിയും.

ഉപഭോക്തൃ സേവന സംവിധാനങ്ങൾ.

ആരോഗ്യ സഹായികൾ.

ഓൺലൈൻ അധ്യാപകർ.

ഭാഷാ പരിശീലന ആപ്പുകൾ.

കാൾ സെന്ററുകൾ.

റിയൽ ടൈം വിവർത്തന സേവനങ്ങൾ.

ഇങ്ങനെ ശബ്ദം ഉപയോഗിക്കുന്ന ഏത് സംവിധാനത്തിനും കൂടുതൽ സ്വാഭാവിക സംഭാഷണശേഷി നൽകാൻ ഇവ സഹായിക്കും.

സ്വാഭാവികത കൂടുമ്പോൾ ഉയരുന്ന പുതിയ ചോദ്യങ്ങളും

ഒരു എഐ മനുഷ്യനെപ്പോലെ സംസാരിക്കാൻ തുടങ്ങുമ്പോൾ, അതുമായി ആളുകൾ കൂടുതൽ വൈകാരിക ബന്ധം സ്ഥാപിക്കുമോ?

എഐ യഥാർഥ മനുഷ്യനാണെന്ന് തെറ്റിദ്ധരിക്കപ്പെടുമോ?

തെറ്റായ വിവരങ്ങൾ കൂടുതൽ വിശ്വസനീയമായി അവതരിപ്പിക്കപ്പെടുമോ?

ഓപ്പൺഎഐ പറയുന്നത് സുരക്ഷാ സംവിധാനങ്ങളും പ്രായാനുസൃത പ്രതികരണ സംവിധാനങ്ങളും പുതിയ മോഡലിൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ടെന്നാണ്. എന്നിരുന്നാലും, കൂടുതൽ സ്വാഭാവികമായ സംഭാഷണം എഐയുടെ സാമൂഹിക സ്വാധീനത്തെക്കുറിച്ചുള്ള ചർച്ചകൾക്ക് പുതിയ ഊർജം നൽകുന്നുണ്ട്.

ഇനി ടൈപ്പ് ചെയ്യുന്നതല്ല… സംസാരിക്കുന്ന കാലമോ?

സ്മാർട്ട്ഫോണുകൾ കീബോർഡിനെ പിന്നിലാക്കി.

ചാറ്റ്ബോട്ടുകൾ സെർച്ച് ബോക്സിനെ വെല്ലുവിളിച്ചു.

ഇപ്പോൾ വോയ്സ് എഐ, ടെക്സ്റ്റ് ചാറ്റിനെയും പിന്നിലാക്കാൻ ഒരുങ്ങുകയാണ്.

എഐയോട് സംസാരിക്കുന്നത് ഇനി “കമാൻഡ് നൽകൽ” അല്ല.

ഒരു മനുഷ്യനോട് സംസാരിക്കുന്നതുപോലുള്ള അനുഭവം സൃഷ്ടിക്കുകയാണ് ലക്ഷ്യം.

അവസാന വാക്ക്: അടുത്ത വലിയ മാറ്റം സ്ക്രീനിലല്ല… ശബ്ദത്തിലാണ്

കഴിഞ്ഞ ഏതാനും വർഷങ്ങളായി എഐയുടെ മത്സരം കൂടുതൽ ബുദ്ധിയുള്ള മോഡൽ നിർമ്മിക്കാനായിരുന്നു.

ഇനി മത്സരം മറ്റൊന്നാണ്.

ഏറ്റവും സ്വാഭാവികമായി സംസാരിക്കുന്ന എഐ ആരുടേതാണ്?

ഓപ്പൺഎഐയുടെ പുതിയ GPT-Live മോഡലുകൾ ആ മത്സരത്തെ അടുത്ത ഘട്ടത്തിലേക്ക് എത്തിച്ചിരിക്കുകയാണ്. ഇനി മനുഷ്യനും യന്ത്രവും തമ്മിലുള്ള സംഭാഷണത്തിന്റെ അതിർത്തി കൂടുതൽ മങ്ങിപ്പോകുമോ എന്നതാണ് ലോകം ഉറ്റുനോക്കുന്നത്.