Назад към съдържанието

История № 60

Тайни кодове и съобщения

Гласовият асистент

Гласовият асистент превръща изговорена заявка в действие и отговор. За това са нужни няколко технологии: разпознаване на реч, обработка на смисъла, връзка с услуги и синтез на глас.

Сподели

Изпрати историята или запази картичката.

Картичката все още не е достъпна. Можеш да споделиш или копираш връзката към тази страница.

Източници и права
Секретарка притиска компютърна разпечатка към гърдите си и гледа към празна врата — сцената с текстовата ELIZA въвежда темата за доверието в разговорните и гласовите асистенти.
Сцената по спомен на Вайценбаум поставя въпроса защо приписваме разбиране на компютърния отговор — ELIZA общува с текст, но темата остава важна и за гласовите асистенти.

От „Напомни ми“ до запис в календара

Представи си, че искаш напомняне за среща, докато подреждаш бюрото. Вместо да отвориш приложение и да попълваш полета, изговаряш задачата. Асистентът трябва да различи какво искаш, за кой ден и в колко часа. Едва тогава може да предаде нужните данни на подходящата услуга.

При разпространената архитектура разпознаването на реч превръща звуковия сигнал в текст. Следващият етап определя намерението и нужните подробности. Накрая системата изпълнява достъпно действие или подготвя отговор, а синтезът на реч го превръща в звук. Конкретните реализации могат да съчетават тези етапи по различен начин.

Грешка е възможна на повече от едно място. Устройството може да чуе друга дума, да изтълкува погрешно датата или да няма достъп до необходимата услуга. Звучният отговор сам по себе си не доказва, че правилното напомняне е записано. Важна е обратната връзка: каква задача е разбрана и какво действително е направено.

Разговорът с компютър е по-стар от гласа му

През 1966 г. Джоузеф Вайценбаум описва ELIZA — програма в MIT, която приема написани съобщения и генерира текстови отговори. Тя използва правила за разпознаване и преобразуване на части от изречения. Известният ѝ сценарий имитира определен вид терапевтичен разговор.

ELIZA не слуша през микрофон и не е ранна версия на Siri. Историческата връзка е в разговорния интерфейс: човекът може да възприеме подходящо подадени думи като знак, че е разбран. Самият Вайценбаум обсъжда тази склонност в оригиналната си публикация.

Изследователски екипи и масов продукт

Сред важните по-късни разработки е CALO, частта на SRI от програмата PAL на DARPA. Тя обединява работа по цифрови помощници от много изследователи и институции. SRI използва натрупаното за Siri, отделена като компания през 2007 г.

Apple придобива компанията през 2010 г. и представя Siri като вградена функция на iPhone 4S през 2011 г. Това е важен момент на популяризиране, а не начало на цялото разпознаване на реч. Зад продукта стоят различни изследователски и инженерни направления.

Удобство, което се оценява по резултата

Гласовите заявки намаляват нуждата да намираш правилното меню или да пишеш всяка дума. Те могат да улеснят напомняния, търсене и изпращане на съобщения. Полезният критерий е конкретен: изпълнена ли е задачата и верни ли са данните? Човешкият тембър и учтивата реплика правят взаимодействието приятно, но не заменят тази проверка.

Източници и още за четене

Човекът зад идеята

Продължи с книгата

В „100 изобретения“ гласовият асистент продължава въпроса за отношенията ни с машините: кога добрият интерфейс ни помага и кога ни кара да му приписваме повече, отколкото прави?

Научи за излизането на книгата

Избор за проследяване

С разрешение използваме Google Analytics за посещенията и Meta Pixel за резултатите от рекламите. Можеш да откажеш и пак да използваш сайта. Прочети повече в информацията за поверителност.