چگونه سیری، الکسا و دستیار گوگل در مسابقه هوش مصنوعی شکست خوردند

در یک سه‌شنبه بارانی در سانفرانسیسکو، مدیران اپل در سالنی پرجمعیت روی صحنه رفتند تا از نسل پنجم آیفون رونمایی کنند. این گوشی که شبیه نسخه قبلی به نظر می رسید، ویژگی جدیدی داشت که مخاطبان به زودی درباره آن سر و صدا می کردند: سیری، یک دستیار مجازی.

اسکات فورستال، رئیس وقت اپل، دکمه آیفون را فشار داد تا سیری را احضار کند و آن را با سؤالاتی برانگیخت. سیری در پاسخ به درخواست او، زمان پاریس را بررسی کرد (8:16 بعدازظهر)، کلمه “میتوز” (“تقسیم سلولی که در آن هسته به هسته هایی با همان تعداد کروموزوم تقسیم می شود” را تعریف کرد. و لیستی از 14 رستوران یونانی با رتبه بالا تهیه کرد که پنج تای آنها در پالو آلتو، کالیفرنیا هستند.

آقای او می‌گوید: «من مدت‌هاست که در زمینه هوش مصنوعی فعالیت می‌کنم، و این هنوز هم مرا غافلگیر می‌کند. فورستال گفت.

این 12 سال پیش بود. از آن زمان، مردم توسط سیری و دستیاران رقیب که از هوش مصنوعی قدرت می‌گیرند، مانند الکسای آمازون و دستیار گوگل، رانده شده‌اند. این فناوری تا حد زیادی راکد مانده است و دستیارهای سخنگو تبدیل به سوژه شوخی‌ها شده‌اند، از جمله در طرح «شنبه شب زنده» در سال 2018 که دارای یک بلندگوی هوشمند برای سالمندان است.

دنیای فناوری اکنون بر روی نوع دیگری از دستیار مجازی موج می زند: ربات های چت. این ربات‌های مجهز به هوش مصنوعی، مانند ChatGPT و ChatGPT Plus جدید از شرکت OpenAI در سانفرانسیسکو، می‌توانند پاسخ‌های بداهه‌ای به سوالاتی که در یک جعبه چت تایپ می‌شوند را با هوشیاری ارائه دهند. مردم از ChatGPT برای انجام کارهای پیچیده مانند نرم افزار کدنویسی، تهیه پیش نویس پیشنهادات تجاری و نوشتن داستان استفاده کرده اند.

و ChatGPT، که از هوش مصنوعی برای حدس زدن کلمه بعدی استفاده می کند، به سرعت در حال بهبود است. چند ماه پیش، او نتوانست یک هایکوی مناسب بنویسد. اکنون می تواند این کار را با ذوق انجام دهد. روز سه‌شنبه، OpenAI از موتور هوش مصنوعی نسل بعدی خود، GPT-4، که به ChatGPT قدرت می‌دهد، رونمایی کرد.

هیجان پیرامون چت ربات ها نشان می دهد که چگونه سیری، الکسا و سایر دستیاران صوتی – که زمانی شور و شوق مشابهی را برانگیختند – پیشتاز خود را در مسابقه هوش مصنوعی تلف کرده اند.

در دهه گذشته، محصولات با موانعی مواجه شدند. جان بورکی، مهندس سابق اپل که روی دستیار کار می‌کرد، گفت سیری با موانعی در فناوری مواجه شد، از جمله کدهای نامناسب که هفته‌ها طول کشید تا با ویژگی‌های اولیه به‌روزرسانی شود. به گفته کارمندان سابق آمازون و گوگل نحوه استفاده از دستیارهای صوتی را اشتباه محاسباتی کرده اند و آنها را به سرمایه گذاری در مناطقی با فناوری که به ندرت جواب می دهد، سوق داده است. آنها گفتند که وقتی این آزمایش ها با شکست مواجه شدند، اشتیاق به این فناوری در شرکت ها کاهش یافت.

ساتیا نادلا، مدیر اجرایی مایکروسافت، در مصاحبه‌ای با فایننشال تایمز در این ماه گفت که دستیاران صوتی «گنگ مانند سنگ هستند» و اعلام کرد که هوش مصنوعی جدیدتر این راه را پیشرو خواهد کرد. مایکروسافت از نزدیک با OpenAI همکاری کرده است و 13 میلیارد دلار در راه اندازی این شرکت سرمایه گذاری کرده و فناوری خود را در موتور جستجوی Bing و همچنین سایر محصولات گنجانده است.

اپل از اظهار نظر درباره سیری خودداری کرد. گوگل اعلام کرد که متعهد به ارائه یک دستیار مجازی عالی برای کمک به مردم در تلفن هایشان و داخل خانه و ماشین است. این شرکت به طور جداگانه یک ربات چت به نام Bard را آزمایش می کند. آمازون اعلام کرد که در سال گذشته شاهد افزایش 30 درصدی در تعامل با مشتریان در سطح جهانی با الکسا بوده است و نسبت به ماموریت خود برای ساخت هوش مصنوعی در سطح جهانی خوشبین است.

دستیارها و ربات‌های چت مبتنی بر طعم‌های مختلف هوش مصنوعی هستند. سپس می توانند کلماتی را برای تکمیل یک جمله پیشنهاد کنند.

در مقابل، سیری، الکسا و دستیار گوگل اساساً به عنوان سیستم های فرمان و کنترل شناخته می شوند. اینها می توانند لیست محدودی از سؤالات و درخواست هایی مانند “آب و هوا در شهر نیویورک چگونه است؟” را درک کنند. یا «چراغ های اتاق خواب را روشن کنید». اگر کاربری از دستیار مجازی بخواهد کاری را انجام دهد که در کد آن نیست، ربات به سادگی می گوید که نمی تواند کمک کند.

Siri همچنین طراحی دست و پا گیر داشت که افزودن ویژگی های جدید را زمان بر می کرد. بورکی، که در سال 2014 وظیفه بهبود سیری را بر عهده گرفت. پایگاه داده سیری حاوی فهرست عظیمی از کلمات، از جمله نام هنرمندان موسیقی و مکان‌هایی مانند رستوران‌ها، به تقریباً دوجین زبان است.

او گفت که این باعث شد “یک گلوله برفی بزرگ”. اگر کسی بخواهد کلمه ای را به پایگاه داده سیری اضافه کند، او اضافه کرد: “در یک توده بزرگ قرار می گیرد.”

بنابراین به‌روزرسانی‌های به ظاهر ساده، مانند افزودن عبارات جدید به مجموعه داده‌ها، نیازمند بازسازی کل پایگاه داده است که می‌تواند تا شش هفته طول بکشد. برکی گفت. افزودن ویژگی های پیچیده تر مانند ابزارهای جستجوی جدید ممکن است نزدیک به یک سال طول بکشد. او گفت که این بدان معناست که سیری راهی برای تبدیل شدن به یک دستیار خلاق مانند ChatGPT وجود ندارد.

به گفته مدیران سابق آمازون و گوگل، الکسا و دستیار گوگل به فناوری مشابه سیری متکی بودند، اما این شرکت ها برای کسب درآمد معنی دار با دستیاران تلاش کردند. (در مقابل، اپل با موفقیت از سیری برای جذب خریداران به آیفون های خود استفاده کرد.)

یکی از رهبران سابق آمازون که با الکسا مرتبط است، گفت: پس از اینکه آمازون در سال 2014 Echo را منتشر کرد، یک بلندگوی هوشمند مجهز به الکسا، این شرکت امیدوار بود که این محصول به افزایش فروش در فروشگاه آنلاین خود کمک کند تا مشتریان بتوانند با الکسا صحبت کنند تا سفارش دهند. اما در حالی که مردم از بازی با توانایی الکسا برای پاسخ دادن به درخواست‌های آب و هوا و تنظیم آلارم لذت می‌برند، تعداد کمی از الکسا از الکسا خواسته‌اند تا مواردی را سفارش دهد.

به گفته مدیر اجرایی سابق، آمازون ممکن است در ساخت انواع جدید سخت افزار، مانند ساعت های زنگ دار و مایکروویوهای متوقف شده که با الکسا کار می کنند، بیش از حد سرمایه گذاری کرده باشد، که به قیمت یا کمتر از قیمت به فروش می رسید.

به گفته این شخص، این شرکت همچنین در ایجاد اکوسیستمی برای مردم که به راحتی توانایی های الکسا را ​​گسترش دهند، سرمایه گذاری چندانی نکرده است، همان کاری که اپل با App Store خود انجام داده بود، که به جلب علاقه به آیفون کمک کرد. در حالی که آمازون یک فروشگاه «مهارت‌ها» را برای کنترل لوازم جانبی شخص ثالث مانند سوئیچ‌های چراغ به الکسا ارائه داد، بر خلاف تجربه بدون اصطکاک دانلود برنامه‌های تلفن همراه از فروشگاه‌های برنامه، یافتن و تنظیم مهارت‌ها برای بلندگوها برای افراد دشوار بود.

کارولینا میلانسی، تحلیلگر فناوری مصرف کننده در شرکت تحقیقاتی Creative Strategies که مشاور آمازون بود، گفت: «ما هرگز آن لحظه فروشگاه App را برای دستیاران نداشتیم.

اواخر سال گذشته، بخش آمازون که بر روی الکسا کار می کرد، هدف اصلی 18000 اخراج این شرکت بود و تعدادی از مدیران ارشد الکسا شرکت را ترک کردند.

کینلی پیرسال، سخنگوی آمازون، گفت که الکسا چیزی فراتر از یک دستیار صوتی است و “ما مثل همیشه به این ماموریت خوشبین هستیم.”

یکی از مدیران سابق که روی Google Assistant کار می‌کرد، می‌گوید اشتباهات آمازون با الکسا ممکن است گوگل را به بیراهه کشانده باشد. مهندسان گوگل سال‌ها با دستیار خود آزمایش کردند تا آنچه را الکسا می‌توانست انجام دهد، از جمله طراحی بلندگوهای هوشمند و صفحه‌نمایش تبلت‌های کنترل‌شده با صدا برای کنترل لوازم جانبی خانه مانند ترموستات‌ها و کلیدهای نور، آزمایش کردند. این شرکت بعداً تبلیغات را در آن محصولات خانگی ادغام کرد که به منبع اصلی درآمد تبدیل نشد.

مدیر سابق گفت، با گذشت زمان، گوگل متوجه شد که اکثر مردم از دستیار صوتی فقط برای تعداد محدودی از کارهای ساده مانند شروع تایمر و پخش موسیقی استفاده می کنند. در سال 2020، زمانی که Prabhakar Raghavan، یکی از مدیران گوگل، Google Assistant را به دست گرفت، گروه او مجدداً به همراه مجازی به عنوان یک ویژگی خیمه شب بازی برای تلفن های هوشمند اندرویدی تمرکز کرد.

در ژانویه، زمانی که شرکت مادر گوگل 12000 کارمند خود را اخراج کرد، تیمی که بر روی سیستم عامل های دستگاه های خانگی کار می کرد، 16 درصد از مهندسان خود را از دست داد.

بسیاری از شرکت های بزرگ فناوری اکنون در حال رقابت برای ارائه پاسخ هایی به ChatGPT هستند. در مقر اپل ماه گذشته، این شرکت نشست سالانه هوش مصنوعی خود را برگزار کرد، یک رویداد داخلی برای کارمندان به منظور آشنایی با مدل زبان بزرگ و سایر ابزارهای هوش مصنوعی، دو نفر که در مورد این برنامه مطلع شدند، گفتند. به گفته مردم، بسیاری از مهندسان، از جمله اعضای تیم سیری، هر هفته مفاهیم تولید زبان را آزمایش می‌کنند.

روز سه‌شنبه، گوگل همچنین اعلام کرد که به زودی ابزارهای هوش مصنوعی مولد را برای کمک به کسب‌وکارها، دولت‌ها و توسعه‌دهندگان نرم‌افزار در ساخت برنامه‌های کاربردی با چت‌بات‌های تعبیه‌شده و گنجاندن فناوری زیربنایی در سیستم‌های خود منتشر خواهد کرد.

به گفته کارشناسان هوش مصنوعی، در آینده، فناوری‌های چت ربات و دستیارهای صوتی با هم همگرا خواهند شد. این بدان معناست که مردم می‌توانند چت‌بات‌ها را با گفتار کنترل کنند و کسانی که از محصولات اپل، آمازون و گوگل استفاده می‌کنند، می‌توانند از دستیاران مجازی بخواهند که در کارشان به آنها کمک کنند، نه فقط کارهایی مانند بررسی آب و هوا.

آراویند سرینیواس، بنیانگذار Perplexity، یک استارت آپ هوش مصنوعی که موتور جستجوی مبتنی بر چت بات را ارائه می دهد، می گوید: «این محصولات در گذشته هرگز کار نمی کردند، زیرا ما هرگز قابلیت گفتگو در سطح انسانی را نداشتیم. “اکنون ما انجام می دهیم.”

کید متز گزارش کمک کرد