جان لويس كيغوينر، مؤسس ومدير تنفيذي لجلاديا – سلسلة المقابلات

جان لويس كيغوينر هو مؤسس ومدير تنفيذي لجلاديا. شغل منصب نائب الرئيس التنفيذي لبيانات شركة آي آي وكمبيوتر الكم في شركة اوف اتش كلاود، واحدة من أبرز مزودي الخدمات السحابية في أوروبا. يحمل درجة الماجستير في الذكاء الاصطناعي الرمزي من جامعة كيبيك في كندا وآرتس إي متير باريس تيك في باريس. على مدار مسيرته المهنية، شغل مناصب مهمة في مختلف الصناعات، بما في ذلك تحليل البيانات المالية، وتطبيقات التعلم الآلي للإعلانات الرقمية في الوقت الفعلي، وتنمية واجهات برمجة التطبيقات للكلام الاصطناعي.

جلاديا توفر خدمات متقدمة لترجمة الصوت و حلول الذكاء الاصطناعي في الوقت الفعلي للاستخدام السلس في المنتجات عبر الصناعات واللغات ومجموعات التكنولوجيا. من خلال تحسين نماذج الذكاء الاصطناعي وتوليد النماذج، تضمن دقة وسرعة في معالجة اللغة والكلام. كما تمكن منصة جلاديا من استخراج معلومات وبيانات من المكالمات والاجتماعات في الوقت الفعلي، مما يدعم حالات استخدام رئيسية مثل مساعدة المبيعات والدعم العملاء التلقائي.

ما الذي ألهمك لمواجهة التحديات في تكنولوجيا الكلام إلى النص، وما هي الفجوات التي رأيتها في السوق؟

عندما أسست جلاديا، كان الهدف الأول واسعًا – شركة ذكاء اصطناعي تجعل التكنولوجيا المعقدة متاحة. ولكن عندما غامرنا أكثر، أصبح واضحًا أن تكنولوجيا الصوت هي المنطقة الأكثر كسرًا وأهمية للتكزيز عليها.

الصوت هو جزء مركزي من حياتنا اليومية، وتحدث معظم تواصلنا من خلال الكلام. ومع ذلك، كانت الأدوات المتاحة للمطورين للعمل مع بيانات الصوت غير كافية من حيث السرعة والدقة وال价格 – خاصة عبر اللغات.

أردت إصلاح ذلك، لفك لغة الصوت وتحويلها إلى شيء بسيط وفعال وقوي ومتاح. لا ينبغي للمطورين أن يقلقوا بشأن تعقيدات نماذج الذكاء الاصطناعي أو دقة السياق في التعرف على الكلام. كان هدفي إنشاء واجهة برمجة تطبيقات للكلام إلى النص من الدرجة الأولى تعمل بسلاسة، بغض النظر عن النموذج أو التكنولوجيا الأساسية – حل بلاج اند بلاي حقيقي.

ما هي بعض التحديات الفريدة التي واجهتها أثناء بناء حل لترجمة النص للمستخدمين التجاريين؟

عندما يتعلق الأمر بالتعرف على الكلام، فإن السرعة والدقة – المؤشران الرئيسيان الأداء في هذا المجال – عكسياً متناسباً بتصميم. هذا يعني أن تحسين أحدهما سيؤثر على الآخر، على الأقل إلى حد ما. يتأثر عامل التكلفة إلى حد كبير باختيار المزود بين السرعة والجودة.

عند بناء جلاديا، كان هدفنا العثور على التوازن المثالي بين هذين العاملين، مع ضمان أن تظل التكنولوجيا متاحة للشركات الناشئة والمتوسطة الحجم. في هذه العملية، أدركنا أيضًا أن النماذج الأساسية للتعرف على الكلام مثل نماذج ويسبر من أوبن آي آي، والتي عملنا معها بشكل مكثف، متحيزة بشكل كبير نحو اللغة الإنجليزية بسبب بيانات التدريب، مما يترك الكثير من اللغات غير ممثلة.

لذلك، بالإضافة إلى حل معضلة التبادل بين السرعة والدقة، كان من المهم لنا – كفريق أوروبي متعدد اللغات – تحسين وتحسين نماذجنا الأساسية لإنشاء واجهة برمجة تطبيقات حقيقية عالمية تساعد الشركات على العمل عبر اللغات.

كيف تتميز جلاديا في سوق الكلام إلى النص المزدحم؟ ما يجعل محرك ويسبر زيرو فريداً؟

محركنا الجديد في الوقت الفعلي (جلاديا ريل تايم) يصل إلى تأخر صناعي قياسي يبلغ 300 مللي ثانية. بالإضافة إلى ذلك، يمكنه استخراج معلومات من مكالمة أو اجتماع باستخدام ميزات ذكاء الصوت، مثل تعرف الكيان أو تحليل المشاعر.

لدنا، لا يوجد منافس قليل يمكنه تقديم كل من الترجمة والرؤى في مثل هذا التأخر القصير (أقل من ثانية واحدة من النهاية إلى النهاية) – ويفعل ذلك بدقة في لغات أخرى غير الإنجليزية. تدعم لغاتنا أكثر من 100 لغة اليوم.

كما وضعنا تركيزًا خاصًا على جعل المنتج حقيقيًا ومستقلًا. واجهة برمجة التطبيقات الخاصة بنا متوافقة مع جميع المجموعات التكنولوجية والبروتوكولات الهاتفية الحالية، بما في ذلك بروتوكول اتصال الصوت عبر الإنترنت وبروتوكول اتصال الصوت عبر الإنترنت الحر وبروتوكول asterisk. بروتوكولات الاتصالات الهاتفية معقدة بشكل خاص للدمج، لذلك نعتقد أن هذا الجانب من المنتج يمكن أن يقدم قيمة كبيرة للسوق.

هل يمكنك شرح ما هي الهلوسة في نماذج الذكاء الاصطناعي، خاصة في الترجمة الفورية؟ وكيف تتعامل جلاديا مع هذه المشكلة؟

الهلوسة عادة ما تحدث عندما يفتقر النموذج إلى المعرفة أو لا يمتلك السياق الكافي حول الموضوع. على الرغم من أن النماذج يمكنها إنتاج مخرجات مخصصة لطلب معين، إلا أنها يمكن فقط الإشارة إلى المعلومات التي كانت موجودة في وقت تدريبها، وقد لا تكون هذه المعلومات حديثة. سينتج النموذج استجابات متسقة من خلال ملء الفجوات بمعلومات تبدو معقولة ولكنها غير صحيحة.

بينما أصبحت الهلوسة معروفة في سياق نماذج اللغة الكبيرة أولاً، إلا أنها تحدث أيضًا مع نماذج التعرف على الكلام – مثل ويسبر، نموذج رائد في هذا المجال تم تطويره بواسطة أوبن آي آي. هلوسات ويسبر تشبه تلك الخاصة بنماذج اللغة الكبيرة بسبب هيكلها المماثل، لذلك这是 مشكلة تهم النماذج التوليدية القادرة على توقع الكلمات التي تليها بناءً على السياق العام. يمكن مقارنة هذا النهج بنماذج التعرف على الكلام التقليدية القائمة على الميكانيكا الصوتية التي تتماشى مع الصوت الإدخال إلى الإخراج بطريقة ميكانيكية أكثر.

نتيجة لذلك، قد تجد كلمات في النص المترجم التي لم تُقال في الواقع، وهو أمر مشكلة واضحة، خاصة في مجالات مثل الطب، حيث يمكن أن يؤدي خطأ من هذا النوع إلى عواقب وخيمة.

هناك عدة طرق لإدارة واكتشاف الهلوسة. أحد النهج الشائع هو استخدام نظام توليد مدعوم بالاسترجاع (RAG)، الذي يجمع بين القدرات التوليدية للنموذج مع آلية استرجاع للتحقق من الحقائق. طريقة أخرى تتضمن استخدام نهج “سلسلة الأفكار”، حيث يُوجه النموذج من خلال سلسلة من الخطوات المحددة مسبقًا أو نقاط التفتيش لضمان بقاءه على مسار منطقي.

استراتيجية أخرى لاكتشاف الهلوسة تتضمن استخدام أنظمة تقييم صدق مخرجات النموذج أثناء التدريب. هناك معايير مصممة خصيصًا لتقييم الهلوسة، والتي تتضمن مقارنة استجابات مرشحة مختلفة التي ينتجها النموذج وتحديد التي هي الأكثر دقة.

لقد قمنا في جلاديا بتجربة مزيج من التقنيات عند بناء ويسبر زيرو، نموذج التعرف على الكلام الخاص بنا الذي يزيل تقريبًا جميع الهلوسات. وقد أظهر نتائج ممتازة في الترجمة غير المتزامنة، ونحن حاليًا نضيفه لتحقيق نفس إمكانية الثقة بنسبة 99.9% في الوقت الفعلي.

كيف تتعامل جلاديا مع تحديات مثل اللهجات والضوضاء والمكالمات متعددة اللغات؟

اكتشاف اللغة في التعرف على الكلام هو مهمة معقدة بشكل استثنائي. لكل متكلم توقيع صوتي فريد، الذي نسميه سمات. من خلال تحليل الطيف الصوتي، يمكن للخوارزميات التعلم الآلي أن ت执行 التصنيفات، باستخدام معاملات التردد الصوتي الميل (MFCC) لاستخراج السمات الرئيسية للتردد.

MFCC هو نهج مستوحى من الإدراك السمعي البشري. إنه جزء من مجال “الpsychoacoustic”، الذي يركز على كيف ندرك الصوت. إنه يؤكد على الترددات الأقل ويستخدم تقنيات مثل تحلل فورييه المعياري لتحويل الصوت إلى طيف ترددي.

然而، هذا النهج له حدود: إنه قائم فقط على الميكانيكا الصوتية. إذا كنت تتحدث الإنجليزية بلهجة قوية، قد لا يفهم النظام المحتوى ولكنه قد يحكم على أساس نطقك (النغمة والإيقاع والتنغيم).

هنا يأتي حل جلاديا المبتكر. لقد طوّرنا نهجًا هجينًا يجمع بين السمات الصوتية النفسية مع فهم المحتوى لاكتشاف اللغة الديناميكية.

نظامنا لا يستمع فقط إلى كيفية نطقك، ولكنه يفهم أيضًا ما تقوله. هذا النهج المزدوج يسمح بالتبديل السلس للرموز ولا يسمح لللهجات القوية أن تُgrosslyrepresented.

التبديل الرمزى – وهو واحد من أهم مميزاتنا – هو ميزة مهمة بشكل خاص في التعامل مع المحادثات متعددة اللغات. قد ينتقل المتحدثون بين اللغات في منتصف المحادثة (أو حتى في منتصف الجملة)، ويتطلب من النموذج khả năng النص بشكل دقيق على الفور尽管 التبديل.

واجهة برمجة التطبيقات جلاديا فريدة في khả năngها لمعالجة التبديل الرمزى مع इतन nhiều أزواج لغة بدقة عالية وتؤدي بشكل جيد حتى في البيئات الصاخبة، المعروفة بتقليل جودة الترجمة.

كيف تحقق واجهة برمجة التطبيقات الخاصة بك تأخيرًا أقل من 300 مللي ثانية مع الحفاظ على الدقة؟

الحفاظ على التأخير أقل من 300 مللي ثانية مع الحفاظ على الدقة يتطلب نهجًا متعددة الأوجه يجمع بين الخبرة الفنية وتنظيم الخوارزميات وتصميم الهيكل.

الذكاء الاصطناعي في الوقت الفعلي ليس مثل الحوسبة التقليدية – إنه مربوط بشكل وثيق بقوة وكفاءة وحدات معالجة الرسومات (GPGPUs). لقد عملت في هذا المجال لما يقرب من عقد من الزمن، وقاد قسم الذكاء الاصطناعي في شركة أوف اتش كلاود (أكبر مزود للخدمات السحابية في الاتحاد الأوروبي)، وتعلمت من خلاله أن الأمر دائمًا يتعلق بالعثور على التوازن الصحيح: كم من قوة الأجهزة تحتاجها، وكيف تtailor الخوارزميات لتعمل بسلاسة مع تلك الأجهزة.

الأداء في الذكاء الاصطناعي في الوقت الفعلي يأتي من محاذاة الخوارزميات بشكل فعال مع إمكانيات الأجهزة، وضمان أن كل عملية تزيد من الإنتاجية وتقلل من التأخير.

ولكن الأمر لا يتعلق فقط بالذكاء الاصطناعي والأجهزة. يلعب هيكل النظام دورًا كبيرًا أيضًا، خاصة الشبكة، التي يمكن أن تؤثر بشكل كبير على التأخير. قام مدير التكنولوجيا لدينا، الذي لديه خبرة عميقة في تصميم الشبكات منخفضة التأخير من وقت عمله في شركة Sigfox (رائدة في مجال إنترنت الأشياء)، بتحسين إعداد الشبكة لقطع مللي ثانية قيمة.

لذلك، إنها مزيج من كل هذه العوامل – اختيارات الأجهزة الذكية، الخوارزميات المُحسنة، وتصميم الشبكة – التي تتيح لنا تحقيق تأخير أقل من 300 مللي ثانية باستمرار دون المساس بالدقة.

جلاديا تتجاوز الترجمة مع ميزات مثل تحليل المتحدث و تحليل المشاعر و النصوص المُوسّعة. ما هي بعض التطبيقات المبتكرة التي رأيتها عملاءك يطورونها باستخدام هذه الأدوات؟

• التدوين الذكي: العديد من العملاء يبنيون أدوات للمحترفين الذين يحتاجون إلى التقاط المعلومات بسرعة ومنظمة من اجتماعات العمل أو محاضرات الطلاب أو استشارات طبية. مع تحليل المتحدث، يمكن لواجهة برمجة التطبيقات الخاصة بنا تحديد من قال ماذا، مما يسهل متابعة المحادثات وتعيين عناصر الإجراء. بالإضافة إلى ذلك، يمكن للمستخدمين القفز مباشرة إلى لحظات محددة في التسجيل، مما يوفر الوقت وضمان عدم فقدان أي شيء في الترجمة.
• تمكين المبيعات: في عالم المبيعات، السرعة والرؤى الدقيقة هي كل شيء. الفرق تستخدم ميزة تحليل المشاعر الخاصة بنا للحصول على رؤى في الوقت الفعلي حول كيفية استجابة العملاء خلال المكالمات أو العروض الترويجية. بالإضافة إلى ذلك، تساعد النصوص المُوسّعة الفرق على إعادة زيارة أجزاء رئيسية من المحادثة لتحسين عرضها أو معالجة مخاوف العملاء بشكل أكثر فعالية. في هذه الحالة بشكل خاص، تعرف الكيان هو أيضًا مفتاح تحديد الأسماء و تفاصيل الشركة والمعلومات الأخرى التي يمكن استخراجها من المكالمات للتغذية تلقائيًا إلى نظام إدارة العلاقات مع العملاء.
• مساعدة مركز الاتصال: الشركات في مجال مركز الاتصال تستخدم واجهة برمجة التطبيقات الخاصة بنا لتوفير المساعدة الحية للوكلاء، بالإضافة إلى تحديد مشاعر العملاء خلال المكالمات. تحليل المتحدث يضمن أن الأشياء المذكورة تُ归 إلى الشخص الصحيح، في حين أن النصوص المُوسّعة تمكن المشرفين من مراجعة اللحظات الحرجة أو قضايا الامتثال بسرعة. هذا لا يحسن فقط تجربة العملاء – مع تحسين معدل الحل في الوقت الفعلي وجودة المراقبة – ولكنه يزيد أيضًا من إنتاجية ورضا الوكلاء.

يمكنك مناقشة دور القواميس المخصصة واعتراف الكيان في تحسين موثوقية الترجمة للمستخدمين التجاريين؟

تعتمد العديد من الصناعات على مصطلحات متخصصة وأسماء العلامات التجارية وخصوصيات اللغة الفريدة. يسمح دمج القواميس المخصصة لحل الترجمة بالتكيف مع هذه الاحتياجات الخاصة، وهو أمر حاسم لالتقاط دقة السياق وتقديم مخرجات تعكس بدقة احتياجات العمل.

لماذا هو مفيد: يسمح تعديل الترجمة إلى الصنف الخاص بتقليل الأخطاء في النصوص، مما يؤدي إلى تحسين تجربة المستخدم. هذه الميزة حاسمة بشكل خاص في مجالات مثل الطب أو المالية.

تعرف الكيان يسترجع ويعرف المعلومات الرئيسية من البيانات الصوتية غير المهيكلة، مثل أسماء الأشخاص والمنظمات والأماكن والمزيد. تحدي شائع مع البيانات غير المهيكلة هو أن هذه المعلومات الحاسمة ليست متاحة بسهولة – إنها مدفونة داخل النص.

للحل هذه المشكلة، طوّرنا في جلاديا نهج استخراج البيانات الهيكلية (KDE). من خلال استغلال القدرات التوليدية للهيكل القائم على ويسبر – مشابهة لنماذج اللغة الكبيرة – يقوم نظام جلاديا بتقدير السياق لتحديد و استخراج المعلومات ذات الصلة مباشرة.

يمكن تعزيز هذه العملية بشكل أكبر بميزات مثل القواميس المخصصة واعتراف الكيان، مما يسمح للأعمال بملء أنظمة إدارة العلاقات بالبيانات الرئيسية بسرعة و كفاءة.

ما رأيك في كيفية تأثير الترجمة الفورية على صناعات مثل الدعم العملاء والمبيعات وإنشاء المحتوى؟

الترجمة الفورية تحول هذه الصناعات بطرق عميقة، مما يؤدي إلى مكاسب إنتاجية كبيرة و فوائد تجارية ملموسة.

أولاً، الترجمة الفورية هي لعبة تغيير للفرق الداعمة. المساعدة الفورية هي مفتاح تحسين معدل الحل بفضل الاستجابات السريعة، وكلاء أكثر ذكاءً، ونتائج أفضل (من حيث NSF و أوقات التعامل، إلخ). مع تحسين أنظمة التعرف على الكلام بشكل أفضل في معالجة اللغات غير الإنجليزية وأداء الترجمة الفورية، يمكن لمراكز الاتصال تحقيق تجربة عملاء عالمية بحدود أقل.

في المبيعات، السرعة والرؤى الدقيقة هي كل شيء. بشكل مشابه لما يحدث مع وكلاء الاتصال، تساعد الترجمة الفورية المبيعات على الحصول على الرؤى الصحيحة في الوقت الصحيح، مما يسمح لهم بالتركيز على ما يهم في إغلاق الصفقات.

للمبدعين، الترجمة الفورية قد تكون أقل صلة اليوم، ولكنها لا تزال مليئة بالاحتمالات، خاصة فيما يتعلق بالترجمة الفورية والترجمة أثناء الأحداث الإعلامية. معظم عملائنا الإعلاميين لا يزالون يفضلون الترجمة غير المتزامنة، لأن السرعة أقل أهمية هناك، بينما الدقة هي المفتاح للتطبيقات مثل تحرير الفيديو المُوسّع وإنشاء العناوين.

يبدو أن الترجمة الفورية بالذكاء الاصطناعي هي اتجاه متزايد. إلى أين ترى هذه التكنولوجيا تتجه في السنوات الخمس إلى عشرة القادمة؟

أشعر أن هذه الظاهرة، التي نسميها الآن الذكاء الاصطناعي في الوقت الفعلي، ستكون في كل مكان. بشكل أساسي، ما نعنيه هنا هو القدرة السلسة للألات على التفاعل مع البشر، بالطريقة التي نتفاعل بها بالفعل مع بعضنا البعض.

وإذا نظرنا إلى أي فيلم هوليوودي (مثل Her) تم إعداده في المستقبل، لن نرى أحدًا هناك يتفاعل مع الأنظمة الذكية عبر لوحة مفاتيح. بالنسبة لي، هذا يثبت أن الصوت سيكون دائمًا الطريقة الأساسية التي نتفاعل بها مع العالم من حولنا.

الصوت، كوسيلة رئيسية لجمع ومعرفة البشر، كان جزءًا من ثقافة التاريخ البشري لفترة أطول من الكتابة. ثم أخذت الكتابة على عاتقها الحفاظ على معرفتنا بشكل أكثر فعالية من الاعتماد على كبار السن في المجتمع ليكونوا حراس قصصنا وحكمتنا.

أنظمة الذكاء الاصطناعي القادرة على فهم الكلام و توليد استجابات وتخزين تفاعلاتنا، أضافت شيئًا جديدًا تمامًا إلى هذا المجال. إنه أفضل ما في الكلمات وأفضل ما في البشرية حقًا. إنه يعطينا هذه القوة الفريدة و الطاقة للتواصل الصوتي معประโยชนات الذاكرة، والتي كانت فقط وسائل الكتابة يمكن أن تأمنها لنا من قبل. هذا هو السبب الذي أعتقد أنه سيكون في كل مكان – إنه حلمنا الجماعي الأعظم.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة جلاديا.