تعريف Modulate لطراز Ensemble Listening Models ، وإعادة تعريف كيفية فهم الذكاء الاصطناعي للصوت البشري

قد تقدم الذكاء الاصطناعي بسرعة ، ومع ذلك ظلت منطقة واحدة صعبة باستمرار: فهم الصوت البشري真正. ليس فقط الكلمات الملفوظة ، ولكن العاطفة وراءها ، والنية المشكلة بواسطة النبرة والtiming ، والإشارات الدقيقة التي تميز المحادثة الودية من الإحباط أو الخداع أو الضرر. اليوم ، أعلنت Modulate عن تقدم كبير مع إدخال Ensemble Listening Model (ELM) ، وهي архитектура جديدة للذكاء الاصطناعي مصممة خصيصًا لفهم الصوت في العالم الحقيقي.

إلى جانب الإعلان عن البحث ، كشفت Modulate عن Velma 2.0 ، وهو أول نشر إنتاجي لنموذج Ensemble Listening . وتفيد الشركة بأن Velma 2.0 يتجاوز النماذج الأساسية الرائدة في دقة المحادثة أثناء تشغيله بنسبة جزء من التكلفة ، وهو ادعاء ملحوظ في وقت ت重新 الشركات لتقييم استدامة عمليات الذكاء الاصطناعي على نطاق واسع.

لماذا كان الصوت صعبًا للذكاء الاصطناعي

تتبع معظم أنظمة الذكاء الاصطناعي التي تحليل الكلام نهجًا مألوفًا. يتم تحويل الصوت إلى نص ، ويتم بعد ذلك معالجة النص بواسطة نموذج لغة كبير. في حين أن هذا النهج فعال للترجمة والتلخيص ، إلا أنه يزيل الكثير مما يجعل الصوت ذا معنى.

تحمل النبرة والانفعال والتردد والسخرية والكلام المتداخل والضوضاء الخلفية جميعًا سياقًا هامًا. عندما يتم تحويل الكلام إلى نص ، يتم فقدان هذه الأبعاد ، مما يؤدي غالبًا إلى سوء تفسير النية أو العاطفة. يصبح هذا مشكلة خاصة في البيئات مثل دعم العملاء ، وكشف الاحتيال ، والألعاب عبر الإنترنت ، والاتصالات التي تعتمد على الذكاء الاصطناعي ، حيث تؤثر الدقة مباشرة على النتائج.

وفقًا لشركة Modulate ، هذه المحدودة هي معمارية وليست مدفوعة بالبيانات. النماذج اللغوية الكبيرة مُختبرة للتنبؤ بالنص ، وليس لدمج العديد من الإشارات الصوتية والسلوكية في الوقت الفعلي. تم إنشاء نماذج Ensemble Listening لتلبية هذه الفجوة.

ما هو نموذج Ensemble Listening؟

نموذج Ensemble Listening ليس شبكة عصبية واحدة تم تدريبها على القيام بكل شيء في وقت واحد. بل هو نظام منسق يتكون من العديد من النماذج المتخصصة ، كل منها مسؤول عن تحليل بعد مختلف من تفاعل الصوت.

في ELM ، يتم فحص نماذج منفصلة للعاطفة والتوتر ومؤشرات الخداع وهوية المتحدث والtiming والنبرة والضوضاء الخلفية والأصوات الاصطناعية أو المقلدة. يتم تنسيق هذه الإشارات من خلال طبقة تنسيق متزامنة تعمل في الوقت الفعلي ، مما ينتج تفسيرًا موحدًا ويمكن تفسيره لما يحدث في محادثة.

هذا التقسيم الصريح للعمل هو مركزي في نهج ELM. بدلاً من الاعتماد على نموذج ضخم لاستنتاج المعنى بشكل ضمني ، يجمع نماذج Ensemble Listening بين وجهات نظر متعددة موجهة ، مما يحسن من الدقة والشفافية.

داخل Velma 2.0

Velma 2.0 هو تطور كبير لنظم Modulate السابقة المعتمدة على Ensemble. يستخدم أكثر من 100 نموذج مكون يعملون معًا في الوقت الفعلي ، منظمة عبر خمس طبقات تحليلية.

تركز الطبقة الأولى على معالجة الصوت الأساسية ، وتحديد عدد المتحدثين وtiming الفواصل. ثم يأتي استخراج الإشارات الصوتية ، الذي يحدد الحالات العاطفية ومستويات التوتر وإشارات الخداع والضوضاء البيئية.

تقييم الطبقة الثالثة للنية المتصورة ، مما يميز بين الثناء الحقيقي والتعليقات الساخرة أو العدائية. ثم يتبع نمذجة السلوك ديناميات المحادثة بمرور الوقت ، مما يحدد الإحباط والارتباك والكلام المكتوب أو محاولات الهندسة الاجتماعية. الطبقة النهائية ، تحليل المحادثة ، يترجم هذه الاكتشافات إلى أحداث ذات صلة بالمنشأة مثل العملاء غير الراضين عن السياسات أو الاحتيال المحتمل أو وكلاء الذكاء الاصطناعي المعطلة.

ت报道 Modulate أن Velma 2.0 يفهم معنى المحادثة والنية بدقة أكبر بحوالي 30٪ من النماذج القائمة على LLM ، مع كونها بين 10 و 100 مرة أكثر كفاءة في التكلفة على نطاق واسع.

من تعديل الألعاب إلى ذكاء المنشأة

تعود أصول نماذج Ensemble Listening إلى عمل Modulate المبكر مع الألعاب عبر الإنترنت. الألعاب الشهيرة مثل Call of Duty و Grand Theft Auto Online تنتج بعض بيئات الصوت الأكثر تحديًا في العالم. المحادثات سريعة وملونة عاطفيًا ومليئة باللهجات والمراجع السياقية.

فصل الحديث الودي عن المضايقة الحقيقية في الوقت الفعلي يتطلب أكثر من مجرد نسخ. عندما تعمل Modulate نظام تعديل الصوت ، ToxMod ، جمعت تدريجيًا مجموعات متزايدة التعقيد من النماذج لتقاط هذه النفاسيات. أصبح تنسيق عشرات النماذج المتخصصة ضروريًا لتحقيق الدقة المطلوبة ، مما أدى في النهاية إلى قيام الفريق بتحويل النهج إلى إطار معماري جديد.

Velma 2.0 يعمم هذا الإطار ما وراء الألعاب. اليوم ، يقوم بتشغيل منصة Modulate للشركات ، حيث يتحليل مئات الملايين من المحادثات عبر الصناعات لتحديد الاحتيال والسلوك العدواني وعدم رضا العملاء والنشاط غير العادي لوكلاء الذكاء الاصطناعي.

تحدي للنماذج الأساسية

يأتي الإعلان في لحظة ت重新 الشركات لتقييم استراتيجيات الذكاء الاصطناعي. على الرغم من الاستثمارات الكبيرة ، نسبة كبيرة من مبادرات الذكاء الاصطناعي تفشل في الوصول إلى الإنتاج أو تقديم قيمة مستدامة. تشمل العوائق الشائعة الوهم ، وتكاليف الاستدلال المتزايدة ، وصنع القرار غير الشفاف ، وdifficulty دمج رؤى الذكاء الاصطناعي في سير العمل التشغيلي.

تعالج نماذج Ensemble Listening هذه القضايا مباشرة. من خلال الاعتماد على نماذج صغيرة متعددة بدلاً من نظام ضخم ، تكون ELMs أقل تكلفة في التشغيل ، وأسهل في التدقيق ، وأكثر تفسيرًا. يمكن تتبع كل إخراج إلى إشارات محددة ، مما يسمح للشركات بفهم سبب الوصول إلى استنتاج معين.

هذا المستوى من الشفافية مهم بشكل خاص في البيئات المنظمة أو عالية الخطورة حيث لا يتم قبول القرارات السوداء. تضع Modulate ELMs ليس كبديل للنماذج اللغوية الكبيرة ، ولكن كبنية أكثر ملاءمة لذكاء الصوت من الدرجة المؤسسية.

ما وراء النص إلى النص

أحد الجوانب الأكثر تطلعًا في Velma 2.0 هو قدرته على تحليل كيفية قول شيء ، وليس فقط ما قيل. هذا يشمل الكشف عن الأصوات الاصطناعية أو المقلدة ، وهو قلق متزايد مع تحسين تقنية توليد الصوت.

مع تحسين تكنولوجيا تقليد الصوت ، تواجه الشركات مخاطر متزايدة تتعلق بالاحتيال والتحايل على الهوية والهندسة الاجتماعية. من خلال دمج الكشف عن الأصوات الاصطناعية مباشرة في Ensemble ، يعامل Velma 2.0 الصحة كإشارة أساسية وليس إضافة اختيارية.

يسمح نمذجة السلوك أيضًا بالرؤى الوقائية. يمكنه تحديد متى يتحدث شخص ما من نص ، أو متى يتزايد الإحباط ، أو عندما تنتقل التفاعل نحو الصراع. تتيح هذه القدرات للشركات التدخل في وقت مبكر وأكثر فعالية.

اتجاه جديد لذكاء الشركات

Modulate يصف نموذج Ensemble Listening كفئة جديدة من بنية الذكاء الاصطناعي ، متميزة عن كلاً من трубوبات معالجة الإشارات التقليدية والنماذج الأساسية الكبيرة. الفكرة الأساسية هي أن التفاعلات البشرية المعقدة تفهم بشكل أفضل من خلال التخصص المنسق بدلاً من التوسع القسري.

مع demande الشركات لأنظمة ذكاء اصطناعي يمكن مساءلتها وفعاليتها وتناسب الاحتياجات التشغيلية الحقيقية ، تشير نماذج Ensemble Listening إلى مستقبل حيث يتم تجميع الذكاء من مكونات متعددة مركزة. مع Velma 2.0 الآن في بيئات الإنتاج ، تراهن Modulate على أن هذا التحول المعماري سيكون له صدى بعيدًا عن تعديل الصوت ودعم العملاء.

في صناعة تبحث عن بديل للصندوق الأسود المتزايد ، تشير نماذج Ensemble Listening إلى أن التطور الرئيسي التالي في الذكاء الاصطناعي قد يأتي من الاستماع بحرص أكبر ، وليس ببساطة الحوسبة بشكل أكثر عدوانية.