Sesli Yapay Zeka Henüz ChatGPT Anına Ulaşmadı, Uzmanlar Uyarıyor
Sesli yapay zeka, tam dupleks modellerin geliştirilmesiyle önemli bir adım atsa da, hâlâ hızlı akıl yürütme ve yüksek doğruluklu konuşma tanıma eksikliği nedeniyle ChatGPT benzeri bir patlama yaşamamış. PolyAI CTO'su Shawn Wen ve Otter CMO'su Alex Gay, güven, şeffaflık ve insan benzeri duygusal ifadelerin eksikliğinin sektördeki benimsenmeyi sınırladığını vurguluyor.
Öne Çıkan Başlıklar
- Tam dupleks ses modelleri geliştirildi, ancak hızlı akıl yürütme hâlâ eksik.
- ASR hataları bağlam kaybına ve güven kaybına yol açıyor; doğruluk artırılmalı.
- Dijital ikizler ve duygusal ifade, sesli AI'nın insan benzeri deneyim sunmasında kritik.
- Şeffaflık ve AI ile konuşulduğunun bildirilmesi, kullanıcı güveni için zorunlu.
Sesli arayüzün bir sonraki büyük devrim olacağı teorisi, yatırımcıların sesli AI girişimlerine milyarlarca dolar yönlendirmesiyle ivme kazandı. Model üreticilerinden kurumsal müşteri hizmeti sağlayıcılarına, toplantı not tutucularından AI destekli dikte çözümlerine kadar geniş bir yelpazede yeni araçlar haftalık olarak piyasaya sürülüyor. Ancak bu araçların çoğu hâlâ insan gibi doğal bir diyalog sunmaktan uzakta.
PolyAI'nin CTO'su Shawn Wen, HumanX konferansında tam dupleks modellerin (konuşurken aynı anda dinleyebilen) geliştirildiğini, fakat bir sonraki büyük engelin akıl yürütmenin çok hızlı yapılması olduğunu belirtti. Modelin sorulara anında yanıt verebilmesi, konuşmanın akıcılığını ve kullanıcıların güvenini artıracak. Wen, müşteri hizmetlerinde sesli AI'nin robotik olmaması ve sorunları çözebileceği konusunda kullanıcıya güven vermesi gerektiğini vurguladı.
Otter'in CMO'su Alex Gay ise sesli AI'nın sadece doğru transkripsiyonla sınırlı kalmadığını, aynı zamanda konuşmacı tanıma, niyet yakalama ve organizasyonel bilgiyle entegrasyonun kritik olduğunu söyledi. Şirket, toplantılarda insanları temsil edebilecek dijital ikizler geliştirmeyi hedefliyor; bu ikizlerin duygusal ifadeleri gerçek bir insanla konuşuyormuş gibi hissettirmeli. Gay, bu özellikler olmadan sesli avatarların sadece soru-cevap botu kalacağını ifade etti.
Her iki lider de sesli AI'nın hâlen şeffaflık sorunlarıyla mücadele ettiğini dile getirdi. Otter, toplantıların kaydedildiğini ve bir AI ile etkileşimde bulunulduğunu tüm katılımcılara bildirmeyi, böylece güven inşa etmeyi amaçlıyor. PolyAI de kurumsal aramalarda AI ile konuşulduğunu açıkça belirtmenin önemine değindi. ASR (Automatic Speech Recognition) hatalarının bağlam kaybına yol açması, yanlış eylemlere ve platforma duyulan güvenin sarsılmasına neden olabiliyor; bu yüzden transkripsiyon doğruluğu geliştirilmesi gereken temel bir alan olarak öne çıkıyor.
YZ Yorumu
Sesli AI'nın hâlen ChatGPT seviyesinde bir patlama yakalayamaması, geliştiricilerin akıl yürütme hızı ve transkripsiyon doğruluğu üzerine odaklanması gerektiğini gösteriyor. Kullanıcıların güvenini kazanmak için şeffaflık ve duygusal ifade entegrasyonu da kritik bir rol oynayacak.
Yapay zekâ tarafından üretilmiştir.