אם היה לי שקל על כל פעם שמישהו אמר לי שבוט קולי הולך לקחת לי את המיקרופון באולפן, כנראה שכבר הייתי מקים תחנת רדיו פרטית משלי. בשנה האחרונה התחושה היא שכל עולם הטכנולוגיה החליט שתחום בינה מלאכותית קולית הוא הדבר הגדול הבא. משקיעים שופכים מיליארדי דולרים על חברות שמפתחות מודלים למוקדי שירות לקוחות, תמלול פגישות ועוזרים אישיים, וכולם בטוחים שהמקלדת בדרך לפח האשפה של ההיסטוריה.
הרעש הגדול סביב הדיבור
כמעט בכל שבוע אנחנו שומעים על כלי חדש שמבטיח להישמע בדיוק כמו בן אדם אמיתי ולנהל שיחה חלקה בלי לגמגם. פתאום מציגים לנו מודלים שמסוגלים להקשיב ולדבר בו-זמנית, לתפוס את הניואנסים שלנו, ואפילו להבין כשמתפרצים להם לדברים. על הנייר זה נשמע מדהים, אבל במציאות כל מי שמנסה לנהל איתם שיחה של יותר מחצי דקה מגלה מהר מאוד שמשהו שם עדיין חורק ומרגיש מתוכנת למדי.
האם המהפכה האמיתית בכלל התחילה?
אפילו האנשים שמובילים את התעשייה הזו מבינים שצריך להנמיך קצת ציפיות. שון וון, המנהל הטכנולוגי של חברת פולי איי-איי, מודה שלמרות כל ההתקדמות המרשימה, התחום עוד לא הגיע לרגע הצ'אט ג'יפיטי שלו. הטקסט הכתוב כבר עבר מהפך שגרם לכולנו להישמט מהכיסא, אבל דיבור חי דורש שכבות שלמות של אינטונציה, רגש, הפסקות נכונות וסאבטקסט – דברים שמחשב עדיין מתקשה מאוד לחקות בצורה אמינה.
אצלנו בישראל, הרי קשה מאוד לעבוד על האוזן המקומית, והמאזינים מזהים זיוף תוך שבריר שנייה. תנסו לתת לבוט כזה לנהל שיחה עם נהג ישראלי עצבני בפקק באיילון או להתווכח על תור בדואר, ותראו איך כל המודלים המתוחכמים קורסים תוך רגע. כדי שנוכל באמת להאמין לקול שבוקע מהרמקול, האלגוריתמים יצטרכו ללמוד לא רק להגות מילים, אלא גם לשדר נשמה אמיתית.
עד שהרגע הזה יגיע, נראה לי שאני יכול להמשיך לשדר ברדיו בראש שקט, בלי לחשוש שמחר בבוקר יחליף אותי רובוט עם אינטונציה מושלמת ופסאודו-חיוך.
מקור: TechCrunch AI
