Kiedy zacząłem pisać o sztucznej inteligencji, doszedłem do wniosku, że jest jeden fragment tego rozwoju, którego po prostu nie można pominąć. Głos.

REKLAMA

Nie chodzi już tylko o to, że AI potrafi przeczytać napisany tekst. Chodzi o głos, który rozwija się dynamicznie i z każdym kolejnym etapem technologii coraz bardziej przypomina prawdziwą rozmowę.
Mam zresztą nadzieję, że więcej światła na ten temat rzuci mój kolega, który pracował nad sztuczną inteligencją za Oceanem i prowadzi portal Gruszka Media, na którym również publikuję. Liczę na jego wiedzę i doświadczenie.

Jack, do dzieła! Bo temat jest zbyt ciekawy, żeby zostawić go wyłącznie na poziomie zachwytu nad nową technologią.

Głos AI, to rozmowa, która powstaje w czasie rzeczywistym
Rozwija się niezwykle dynamicznie. Jeszcze niedawno rozmowa z komputerem polegała właściwie na tym, że system rozpoznawał nasze słowa, przetwarzał je na tekst, a następnie odczytywał przygotowaną odpowiedź.

Dzisiaj wygląda to zupełnie inaczej.
Kiedy rozmawiamy z AI głosowo, odpowiedź powstaje na bieżąco. Nie ma gdzieś w szufladzie gotowego nagrania zdania, które właśnie usłyszymy. System analizuje to, co mówimy, uwzględnia kontekst, tworzy odpowiedź i generuje jej brzmienie w czasie rozmowy.
I na tym nie koniec.

AI potrafi wychwytywać również sposób, w jaki mówimy: tempo, pauzy, intonację, wysokość i barwę głosu czy nagłe zmiany w sposobie wypowiadania słów. To może sugerować, że człowiek jest zdenerwowany, smutny, spokojny albo podekscytowany. Wtedy system może odpowiednio dostosować swoją reakcję.
A

le właśnie tutaj pojawia się coś niezwykle ważnego. To jest również pewnego rodzaju iluzja.

AI może brzmieć tak, jakby naprawdę rozumiała nasze emocje. Może odpowiedzieć spokojniej, kiedy mówimy z napięciem, albo zareagować entuzjastycznie, kiedy jesteśmy pełni radości. Jednak ona tych emocji nie przeżywa. Rozpoznaje wzorce i na ich podstawie tworzy odpowiedź, która dla człowieka może brzmieć jak empatia. I chyba właśnie to jest najbardziej fascynujące.

Maszyna coraz lepiej potrafi naśladować rozmowę człowieka, choć sama nie doświadcza świata tak jak człowiek. Granica między zwykłym narzędziem a czymś, co sprawia wrażenie obecnego w rozmowie, zaczyna być coraz mniej oczywista i coraz bardziej rozmyta.
Technologia rozwija się niezwykle szybko. To, co jeszcze niedawno wydawało się futurystyczną wizją, dzisiaj możemy po prostu włączyć i powiedzieć:
„Cześć, pogadamy?”
I dostaniemy odpowiedź.

Może właśnie dlatego głos AI jest czymś więcej niż kolejną funkcją technologii. Bo tekst możemy przeczytać. Obraz możemy zobaczyć. Ale głos zawsze był dla człowieka sygnałem obecności drugiego człowieka. A teraz po raz pierwszy na taką skalę uczymy maszyny, żeby tę obecność naśladowały.