Сказка послезавтрашнего дня
Колонка HomePod — иллюстрация того, как сложно идет процесс разработки и продвижения голосовых помощников и ими оснащенных устройств. На HomePod установлена совсем не та Siri, к который все привыкли — говорить колонка пока будет только по-английски.
У HomePod есть ограничения, связанные с голосовым набором, работой с календарем, она не умеет общаться на общие темы и шутить. В общем, младшая сестра Siri не очень умна, но особых претензий по этому поводу к ней предъявлять не стоит.
И сама Siri, и другие голосовые помощницы — Сortana (Microsoft), Alexa (Amazon), Bixby (Samsung), «Алиса» (Яндекс), а также единственный представитель «мужского рода» Google Assistant — тоже не блещут интеллектом.
И это вполне объяснимо. «Умные» голосовые помощники базируются на архитектуре нейронных сетей и технологии машинного обучения. При этом надо понимать, что в мозгу человека около 86 млрд нейронов, а в современном ИИ их всего несколько сот тысяч. Если посчитать количество нейронов в нервной системе различных животных, то выяснится, что, как отметил основатель и глава компании ABBYY Дэвид Ян, сейчас искусственный интеллект глупее пчелы.
Почему же голосовые помощники привлекают такое внимание и такие инвестиции? В данном случае все довольно просто. Имидж компании, устремленной в будущее, выглядит привлекательно и в глазах акционеров, и в глазах инвесторов и в конечном счете влияет на капитализацию бренда.
Компании публично не выделяют работы над голосовыми ассистентами из общего R&D-бюджета. Однако известно, что большую часть стоимости разработки голосовых помощников составляют НИОКР по разработке искусственного интеллекта, на базе которого они работают. Цифры эти довольно интересные — так, например, китайский интернет-гигант Baidu потратил на подобные работы около $3 млрд за 2015-2016 годы и $412 млн за первый квартал 2017.
Амбиции есть, опыта не хватает
Однако, несмотря на все усилия и впечатляющие инвестиции, до конца не решены даже такие базовые проблемы, как распознавание речи. Разница в распознавании между английским и остальными языками пока еще очень велика.
По-русски сейчас понимают и говорят только два умных голосовых помощника — Siri и «Алиса».
«Для каждого языка требуется обучение программ распознавания, когнитивной обработки распознанного текста и синтеза речи по сформированному тексту. И поскольку русский язык в мире востребован существенно меньше, чем английский, далеко не все компании готовы тратить время и средства на разработки в этом направлении. Не хватает и технологической базы, например, мал корпус русского языка, нужный для алгоритмов машинного обучения», — считает аналитик агентства MForum Analytic Алексей Бойко.
Тем не менее, слабая мультиязыковая поддержка — далеко не главная проблема голосовых помощников. Самое важное на текущий момент — сделать «умные» голосовые помощники «еще умнее».
Пока даже такие безобидные занятия, как голосовой поиск, прокладка маршрута или диктовка текстового сообщения, приводят к стрессу.
Количество различных инцидентов и просто нелепых историй, происходящих из-за несовершенства голосовых помощников, довольно велико и, скорее всего, будет расти по мере их распространения.
Так, например, в январе 2018 года, жительница Нэшвила Сесилия Муле решила «обсудить» со своим iPhone понравившегося ей парня. Siri довольно своеобразно отреагировала на попытку поговорить на свободную тему и отправила молодому человек от имени Cесилии сообщение: «Ты мне когда-нибудь напишешь?».
Девушка поделилась своей историей в твиттере, подписав публикацию «мои похороны пройдут в 20:00 в четверг». Как выяснилось в дальнейшем, юноша не оценил такого прямолинейного подхода и заблокировал Сесилию в социальных сетях.
В 2017 году исследователи Николас Карлини и Давид Вагнер из университета в Беркли использовали особенности распознавания речи нейросетевыми ИИ для хакерской атаки. Ее смысл в подмешивании в трансляции или музыкальные треки звуковых последовательностей, которые не распознает человек, но на которые реагирует голосовой помощник.
Им удалось передать на смартфон команду, заставляющую открыть определенный сайт. Такая уязвимость дает очень широкие возможности для злоумышленников.
Более комичная история произошла год назад в Сан-Диего. Телевизионный канал CW6 сделал передачу об уязвимости «умной» колонки Amazon Echo, работающей под управлением голосового помощника Alexa. В передаче рассказывалось о проблеме Amazon Echo, которая не умеет различать голоса и следует указаниям любого человека, в том числе и маленьких детей.
Иллюстрируя уязвимость, один из ведущих сказал фразу «I love the little girl, saying 'Alexa, order me a dollhouse» (рус. Мне нравится та девочка, которая сказала: «Алекса, купи мне кукольный домик»).
Колонки Amazon Echo, которые работали у пользователей смотрящих этот канал, начали в массовом порядке покупать на Amazon кукольные домики.
Еще один недостаток голосовых помощников — их юзабилити. Те голосовые интерфейсы которые предлагают Google, Apple и Amazon, очень далеки от понятия юзерфрендли. Например, если вы набираете текст на клавиатуре, то исправить ошибку можно за секунду. Если же вы его надиктовываете, то исправление ошибки с помощью голосовой команды превращается в практически невыполнимую миссию. Объясняется это довольно просто — на текущий момент ни у кого нет опыта создания удобных голосовых интерфейсов.
Все будет, но не сразу
Все вышесказанное не значит, что современные голосовые помощники на базе ИИ бесперспективны и бесполезны. Уже сейчас на базе ИИ можно создавать более или менее удобные сценарии работы голосовых помощников, совмещая их с визуальными. Именно в этой логике были разработаны представленные в январе 2018 года умные колонки, оснащенные дисплеем, — например, вы запрашиваете у голосового помощника рецепт блюда, а он выводит его на экран.
Таких сценариев уже сейчас можно придумать немало, особенно тех, которые связаны с распознаванием образов — это именно та у область, где ИИ достиг наибольшего прогресса.
Периодически различные исследователи проводят тесты ИИ, выясняя кто же из них умнее, но тут важны даже не абсолютные цифры, а то что
IQ искусственного интеллекта удваивается примерно каждые два года.
Такая прогрессия показывает, что рано или поздно ИИ все же достигнет уровня человека — но до этого пока далеко. По мнению ведущего аналитика Mobile Research Group Эльдара Муртазина, голосовые помощники в ближайшие год-два будут отличительным признаком премиальной потребительской электроники, а затем перейдут в среднеценовой и бюджетный сегмент.
«Сейчас этот рынок только зарождается и находится в стадии «early adopters», но совершенно точно, что интеллектуальные голосовые помощники и голосовые интерфейсы — это перспективная технология, которая со временем войдет в каждый дом. Скорость ее проникновения на рынок будет зависеть от цен на новую технику и полезности тех сервисов, которые поддерживают голосовые интерфейсы, но в ближайшие два года на массовое проникновение интеллектуальных голосовых помощников в потребительскую электронику рассчитывать не стоит», — считает Муртазин.
Алексей Бойко также полагает, что массовое внедрение голосовых помощников в повседневную жизнь произойдет не в ближайшее время: «У голосовых помощников, безусловно, светлые перспективы. Но речь идет о будущем, о новом качественном уровне, недостижимом на сегодня. Множество людей нуждается, например, в персональном «социальном» роботе, которого они хотели бы использовать в качестве собеседника, компаньона, друга. В ситуации с нулевым физическим интерфейсом он может быть всего лишь «голосом из смартфона».
Но для того, чтобы выступать собеседником и, тем более, компаньоном, нужен качественный скачок в развитии технологий, существенное улучшение когнитивной функции.
Голосовой помощник, которого захотел бы иметь каждый, должен быть неотличим по возможностям голосового взаимодействия с помощником-человеком. Когда технологии достигнут этого уровня, спрос на таких помощников-компаньонов будет космическим»
Пока же полезность голосового помощника определяется в первую очередь не его интеллектом, а качеством распознавания речи и интегрированностью в различные информационные сети, интернет-сервисы, системы «умного» города и «умного» дома.