سباق الذكاء الاصطناعي الصوتي في الصين يشتد مع كشف آي فلاي تك عن سبارك أوديو 1.0
استخدمت شركة الذكاء الاصطناعي الصينية آي فلاي تك مهرجان المطورين السنوي 1024 يوم الخميس للكشف عن سبارك أوديو 1.0، وهو نموذج أساسي للكلام تصفه الشركة بأنه اللبنة الأولى في مجموعة تقنياتها الصوتية. يدمج النموذج الترجمة الآلية والتعرف على الكلام والفهم الدلالي في نظام واحد، بدلاً من تجميع أدوات منفصلة لكل مهمة.
في عرض توضيحي مبني حول مقطع فيلم، ميّز النموذج الأصوات عن الصوت الخلفي، وحدد جنس المتحدثين، وقدم أحكاماً دقيقة حول المشهد. تقول آي فلاي تك إن النظام يتعامل مع فصل المتحدثين في الوقت الفعلي، وفهم البيئة، وفهم الصوت، والتعرف على المشاعر. بالنسبة للقراء العالميين، الطرح واضح: نموذج واحد يمكنه سماع محادثة وتحليلها وترجمتها أثناء تطورها، وهو ما يهم مراكز الاتصال والترجمة الحية والاجتماعات العابرة للحدود والمساعدين الصوتيين الذين يعتمدون حالياً على عدة محركات منفصلة.
جاء إطلاق الصوت إلى جانب إصدار سبارك إكس 2.6، وهو نموذج كبير طرفي سحابي مبني على بنية خليط الخبراء بـ 293 مليار معامل، مع 30 مليار معامل نشط ونافذة سياق تبلغ مليون رمز. تقول آي فلاي تك إن الترقية تركز على قدرات البرمجة والوكلاء، وإن النموذج دُرّب بالكامل على عتاد حوسبة محلي. كما قدمت الشركة نموذجاً مفتوح المصدر على الجهاز يهدف إلى تشغيل الذكاء الاصطناعي محلياً على الهواتف والأجهزة الأخرى.
السياق الأوسع هو سوق صيني مزدحم للمساعدين بالذكاء الاصطناعي وواجهات الصوت. لفت كلود دويت من أنثروبيك، وهو تطبيق جوال مستقل يراقب البريد الإلكتروني والتقويمات ويمكنه تقديم الطلبات بموافقة المستخدم، الانتباه كمثال غربي للوكيل الشخصي. يتسابق المطورون الصينيون لبناء منتجات مماثلة، والصوت هو أحد أكثر الواجهات طبيعية لهم، لأن الكتابة على الهاتف لا تزال بطيئة والعديد من المستخدمين يتفاعلون بالفعل مع الأجهزة بالتحدث.
يشير تركيز سبارك أوديو 1.0 على المشاعر وفهم البيئة إلى أين تتجه المنافسة. لم يعد التعرف على ما يقال كافياً؛ يتم تقييم الأنظمة على قدرتها على تحديد من يتحدث، وكيف يشعر، وما يحدث من حوله. هذه هي نفس مجموعة القدرات التي يسعى إليها باحثو الروبوتات البشرية تحت راية الذكاء الاصطناعي المادي، حيث يجب على الآلات تفسير الأوامر الصوتية في بيئات واقعية صاخبة.
كما يتناسب ادعاء آي فلاي تك بالتدريب على رقائق محلية مع نمط أوسع في صناعة الذكاء الاصطناعي الصينية، حيث تعمل الشركات على تقليل الاعتماد على العتاد الأجنبي. لم تكشف الشركة عن مقارنات تفصيلية للمعايير، ولم تظهر بعد تقييمات مستقلة لسبارك أوديو 1.0. سيحدد الأداء الواقعي للنموذج في مراكز الاتصال الصاخبة واللهجات الإقليمية والمحادثات متعددة اللغات ما إذا كان النهج المتكامل يفي بوعوده.
ما هو واضح هو الوتيرة. خلال حدث مطورين واحد، أعلنت آي فلاي تك عن نموذج أساسي للصوت، وترقية كبيرة لنموذج لغوي، ونموذج طرفي مفتوح المصدر، وهي علامة على أن شركات الذكاء الاصطناعي الصينية تطلق منتجات عبر المجموعة بدلاً من التركيز على منتج رئيسي واحد. بالنسبة للمطورين، السؤال هو ما إذا كانت هذه القطع تتناسب معاً بما يكفي للبناء عليها. بالنسبة للمستخدمين، سيكون الاختبار أهدأ: ما إذا كان المساعد الصوتي على الطرف الآخر يبدو أخيراً وكأنه يفهم.