AI WORLD HQ
Főzés közben kérdezel valamit a telefontól, és válaszol — de a válasz két másodperccel később, egy robotikus csengő után jön. Újra próbálod. Ugyanaz a szünet. Harmadikra leteszed a telefont, és elmosogatsz magad. Ez az a kis rés, ami a mai hangasszisztensek és az éppen most megjelenő valós idejű hangos AI között van.
Mit jelent itt a „valós idő"
Egyszerűen fogalmazva a valós idejű hangos AI azt jelenti, hogy a rendszer nagyjából egyharmad másodperc alatt válaszol — ez közelíti meg azt a szünetet, ami két ember között van egy normális beszélgetésben. Ha ennél lassabb, az agyad megint eszközként kezeli az AI-t. Ha hasonló, elkezd embernek érződni.
Három dolog dolgozik együtt:
- Folyamatos figyelés. Az AI mindig hallgat, nem kell minden alkalommal megnyomnod a mikrofont vagy kimondanod egy ébresztőszót.
- Alacsony késleltetés. A késleltetés csak szó arra, hogy „mennyit kell várnod." Ha elég kicsi a várakozás, észre sem veszed.
- Közbevágás kezelése. Bármikor közbevághatsz, meggondolhatod magad, vagy rákérdezhetsz valamire — az AI figyel, megáll, és követi, amit mondasz.
A régebbi hangasszisztensek walkie-talkie-szerűen működtek: nyomd meg, beszélj, várj, hallgasd. Az újak telefonhívásként épülnek.
Miért számít a sebesség jobban, mint gondolnád
Az egy másodperces szünet rövidnek érződik. A három másodperces hosszúnak. A különbség leginkább pszichológiai: a hosszabb szünetek megszakítják a gondolatmeneted, ezért elkezded egyszerűsíteni, amit mondasz. Rövid parancsokat adsz, mert a rövid parancsok átvészelik a várakozást.
Amikor a várakozás nagyjából egy másodperc alá csökken, valami csendesen megváltozik — úgy kezdesz beszélni, ahogy egy emberhez szoktál. Elbizonytalanodsz. Azt mondod: „izé, igazából...". Rákérdezel, mielőtt az első válasz befejeződne. A beszélgetés beszélgetéssé válik.
Hogyan néz ez ki a mindennapokban
Néhány valósághű felhasználás, ami érezhetően jobb lesz, ha az AI lépést tud tartani veled:
- Nyelvtanulás. Megakadhatsz, ismételhetsz, kérheted, hogy lassítson az AI, és folytathatod, anélkül hogy elvesztenéd a fonalat.
- Kéznélküli segítség munka közben. Megbeszélések között sétálva hangosan gondolkodhatsz, és az AI közben összefoglal, fogalmaz vagy utánanéz dolgoknak.
- Ötletelőpartner. A hangos párbeszéd gyorsabb, mint az gépelés, amikor még magad sem tudod, mit is gondolsz pontosan.
- Akadálymentesség. Akinek a gépelés lassú vagy fájdalmas, annak egy gyors hangasszisztens sokkal inkább valódi segítség, mint egy kütyü.
Ez mit jelent számodra
- Ha leginkább Sirit, Alexát vagy a Google Assistantet használod: számíts rá, hogy egy-két éven belül érezhetően hasznosabbá válnak, ahogy ez a technológia átkerül a hétköznapi termékekbe. A változás nem lesz feltűnő — egyszerűen kevesebb lesz a súrlódás.
- Ha sokat dolgozol a kezeddel vagy útközben: érdemes kipróbálnod a valós idejű hangos AI-t olyan feladatokra, amiket eddig egy kézzel csináltál — e-mailek diktálása séta közben, meetingjegyzetek vezetés közben, vagy egy probléma hangos végiggondolása.
- Ha már próbáltad a hangos AI-t és feladtad: érdemes újra ránézni. A két évvel ezelőtti rendszerek most már ügyetlennek érződnek. Az új generáció inkább hasonlít egy telefonhívásra egy segítőkész baráttal, aki sosem fárad el.
- Egy kis őszinte megjegyzés: a legjobb valós idejű hangos élmények többsége jelenleg fizetős termékekben vagy korlátozott demókban érhető el. Valószínűleg olyan alkalmazásokon keresztül találkozol velük, amiket már amúgy is használsz, nem pedig külön letölthető cuccokként.
A nagyobb váltás nem az, hogy az AI beszélni tud. Hanem az, hogy most először elég gyorsan tud figyelni és válaszolni ahhoz, hogy elfelejtsd: géppel beszélsz. A legegyszerűbb módja annak, hogy megtapasztald, hol tartunk most: nyisd meg a már használt hangasszisztensed, tegyél fel egy több részből álló kérdést hangosan, és próbáld meg közbevágni. Minél ügyetlenebbnek érződik, annál több tér van még a jövőben érkező dolgok előtt.