به نظر می رسد حلقه های هوشمند نوعی ابزار هوش مصنوعی من هستند

در چند ماه گذشته زمان زیادی را صرف صحبت کردن با کامپیوتر کرده ام. یکی از ویژگی های دست کم گرفته شده انقلاب LLM یک جهش قابل توجه به جلو در همه انواع فناوری دیکته است: حتی سریع ترین و ارزان ترین مدل ها در درک و پردازش گفتار بسیار خوب می شوند. من بسیاری از این برنامه‌ها، از WisprFlow تا Monologue، Spokenly تا Handy و غیره را آزمایش کرده‌ام و همه آنها را برای نوشتن سریع ایمیل، پیام‌های Slack و موارد دیگر مفید دانستم. آنها گاهی اوقات به همه چیز خیلی رسمی سبک قالب بندی می دهند و دوست دارند یک پیام متنی را با نقطه پایان دهند (مثل یک جامعه شناس)، اما در این مورد نیز بهتر می شوند.

اما هیچ چیز مانند نسخه ی نمایشی که اخیراً از مینا فهمی دریافت کردم، من را در مورد آینده صحبت کردن با رایانه متقاعد نکرد. فهمی مدیرعامل ساندبار است که در حال ساخت حلقه هوشمندی به نام استریم است که قرار است اواخر امسال عرضه شود. همانطور که در یک اتاق کنفرانس در دفاتر ساندبار در شهر نیویورک نشسته بودم، فهمی خلاصه ای از ویژگی های دستگاه، از جمله آخرین مورد: دیکته در همه دستگاه های شما را به من داد. او یک یادداشت جدید در Apple Notes باز کرد، حلقه را به دهانش آورد، صفحه لمسی دستگاه را با انگشت شستش فشار داد و برای چند ثانیه آرام با خودش چت کرد. لحظه ای پس از اتمام کار، دو جمله کامل و درست رونویسی شده در یادداشت ظاهر شد.

خود Stream اساساً فقط یک میکروفون، یک باتری و یک اتصال بلوتوث به تلفن شما است. می‌توانید بسیاری از ابزارهای هوش مصنوعی را به همین صورت توصیف کنید، اکنون که ظاهراً همه می‌خواهند راهی برای ضبط مکالمات و جلسات خود برای استخراج خلاصه‌ها و موارد اقدام به شما بفروشند. شرکت‌هایی مانند Plaud and Pocket و FoCase و Mobvoi و بسیاری دیگر از فروش این ضبط‌کننده‌های قابل حمل به شما خوشحال هستند – اگر برای ضبط تماس‌های تلفنی به تلفن شما متصل شود، امتیاز جایزه.

فهمی و سندبار سعی می کنند کاری متفاوت انجام دهند. Stream دستگاهی درونگراتر است که به جای صدای دیگران، بر ضبط صدای شما متمرکز است. (یکی دیگر از ویژگی های وعده داده شده حلقه حالت زمزمه است: فهمی آنقدر آرام صحبت می کرد که من نمی توانستم کلمه ای از او بشنوم و استریم همچنان کاملاً رونویسی می کرد. یا حداقل فهمی گفت که اینطور بود.) فهمی می گوید که ایده دستگاه را پیدا کرده است زیرا دوست دارد زیاد راه برود و از اینکه هر بار می خواست از دستیارش چیزی بخواهد تلفنش را بیرون بیاورد یا چیزی را از دستیارش بیرون بیاورد اذیت شد.

بر این اساس حلقه Stream دارای سه وظیفه است: شروع گفتگو با دستیار هوش مصنوعی، یادداشت برداری و دیکته متن. در حال حاضر، بیشتر این موارد در برنامه همراه استریم اتفاق می‌افتد. اما این پاسخ بلندمدت درستی نیست و برنامه بلندمدت سندبار هم نیست. در نهایت، دستگاه‌هایی مانند این باید به تمام ابزارهای دیگری که استفاده می‌کنید متصل باشند، بنابراین می‌توانید با هر دستیار که می‌خواهید چت کنید، مستقیماً در برنامه موجود خود یادداشت برداری کنید و در هر جعبه متنی در هر کجا دیکته کنید. در مورد دوم، استریم در حال حاضر پیشرفت‌های شگفت‌انگیزی داشته است: فهمی در مرحله‌ای از دموی خود، سیستم‌افزار جدیدی را روی Ring نصب کرد، آن را به مک و آیفون خود وصل کرد و توانست متن را به‌صورت یکپارچه به یک دستگاه و سپس دستگاه دیگر دیکته کند. او به من نمی گفت که چگونه کار می کند، اما به طرز شگفت انگیزی به آرامی کار می کرد.

من بسیاری از گجت‌های هوش مصنوعی را آزمایش کرده‌ام و بیشتر آنها جایگزین‌های ضعیفی برای گوشی هوشمند شما هستند. اما تلفن های ما سیستم های ورودی وحشتناکی هستند. شما باید گوشی خود را بردارید، قفل آن را باز کنید، یک برنامه را باز کنید، یادداشت جدیدی ایجاد کنید یا مکالمه جدیدی را شروع کنید، ضربه بزنید و تایپ کنید، فقط برای اینکه فکری از ذهنتان خارج شود. دستیارهای صوتی و چت بات های مجهز به هوش مصنوعی برخی از تعاملات را آسان تر می کنند، اما بسیاری از زندگی مدرن هنوز شامل تایپ کردن در جعبه های متنی است. چت کردن جلوی لپ تاپ من در آسایش و آرامش خانه من خوب است. در یک بار، در قطار یا حتی راه رفتن در خیابان، از نظر اجتماعی مشکل‌ساز است و از نظر فنی بسیار دشوارتر است. (و صادقانه بگویم، من چندان علاقه ای به عادی کردن صحبت کردن در جمع با بهترین دوستان خود در زمینه هوش مصنوعی ندارم.) حلقه های هوشمند می توانند مشکل را حل کنند: فقط حلقه را به دهان خود بیاورید، یک دکمه را فشار دهید و صحبت کنید. این ژست طبیعی به نظر می رسد، میکروفون به اندازه کافی به دهان شما نزدیک است تا صدای شما را با دقت دریافت کند، و کل فرآیند بسیار محتاطانه تر از فریاد زدن در هدفون است.

برخی از شرکت ها در حال حاضر روی این نوع حلقه هوش مصنوعی کار می کنند. بنیانگذار Pebble، اریک میگیکوفسکی، شاخص 01 را به همان دلیلی ایجاد کرد که فهمی استریم را ایجاد کرد: او به سریع ترین راه ممکن برای بیرون آوردن ایده ها، یادآوری ها و یادداشت ها از ذهنش نیاز داشت. Vocci نیز وجود دارد، نسخه‌ای که بیشتر بر روی دوست‌یابی متمرکز شده است. با گذشت زمان، ممکن است شاهد باشیم که حلقه های موجود از شرکت هایی مانند Oura و Ultrahuman شروع به اضافه کردن برخی از این فناوری نیز می کنند. این تکنولوژی پیچیده نیست! این یک میکروفون است. همه چیزهای پیچیده در جاهای دیگر اتفاق می‌افتد، در دستگاه‌هایی که تقریباً مطمئناً با خود دارید.

بیشتر این موارد تمام نشده یا محصولات ارسال نمی‌شوند، اما من به‌طور فزاینده‌ای جذب این چشم‌انداز می‌شوم که بیشتر با دستگاه‌هایم صحبت کنم و به طور فزاینده‌ای متقاعد می‌شوم که جایی بهتر از روی انگشتم برای گذاشتن میکروفون وجود ندارد. حلقه های هوشمند سعی نمی کنند تلفن شما را جایگزین یا جایگزین کنند – آنها به سادگی به شما این امکان را می دهند که بیشتر اوقات آن را در جیب خود نگه دارید.