पावेल ओसोकिन, एएमएआई के सह-संस्थापक और सीईओ – साक्षात्कार श्रृंखला

पावेल ओसोकिन एएमएआई के सह-संस्थापक और सीईओ हैं, जो एक सैन फ्रांसिस्को स्थित स्टार्टअप है जो एआई वॉयस इंजन बनाता है। पावेल एएमएआई के संचालन और रणनीति का नेतृत्व कर रहे हैं, जिसका उद्देश्य दुनिया भर में हर फोन में अपनी वॉयस तकनीक स्थापित करना है। एएमएआई में, उन्होंने एक एआई वॉयस विकसित की है जिसे 97% उपयोगकर्ता वास्तविक मानव भाषण से अलग नहीं कर सकते हैं।

आप एक जीवन भर के उद्यमी रहे हैं, जिन्होंने 13 साल की उम्र में अपनी पहली कंपनी शुरू की थी। आपका पहला व्यवसायिक प्रयास क्या था और आपको यह उद्यमी मानसिकता क्या प्रेरित करती है?

मैंने वास्तव में इसे एक कंपनी नहीं कहा, लेकिन मैंने अपना पहला पैसा कुछ चीजों को फिर से बेचकर या सड़क पर एक बाल्टी के साथ कारों को धोकर कमाया। मेरी प्रेरणा यह थी कि मुझे एक कोक या स्निकर्स चाहिए था, और मेरे माता-पिता के पास पैसे नहीं थे। मैं या तो पैसे के लिए इंतजार कर सकता था या इसे स्वयं कमा सकता था। इंतजार करना मुझे पसंद नहीं है।

आप एएमएआई की उत्पत्ति की कहानी साझा कर सकते हैं?

मैंने अपने साथी से पूछा, “दुनिया भर की कंपनियों को क्या चाहिए?” उस बातचीत में, मुझे एहसास हुआ कि हर व्यवसाय एक “बिक्री” की तलाश में है। हमने ग्राहकों के साथ संवाद करने और मेल और मैसेंजर के माध्यम से उत्पाद बेचने वाले रोबोट बनाने शुरू किए। दूसरी ओर, यह विशेष रूप से नया नहीं था क्योंकि बाजार में कई चैटबॉट उपलब्ध थे। इसलिए, हमने सोचा कि अगर ये रोबोट कॉल भी कर सकते हैं, तो यह शांत होगा। जैसा कि बाजार में कुछ अच्छे समाधान थे, हमने अपनी सिंथेटिक वॉयस का एक प्रोटोटाइप बनाया, और पहली बिक्री के बाद, हमने रोबोट को छोड़ दिया और टीटीएस पर ध्यान केंद्रित किया।

एएमएआई विशेष रूप से क्या है?

यह आई एम एआई (आई एम आर्टिफिशियल इंटेलिजेंस) के लिए खड़ा है।

आप राज्य के अत्याधुनिक टेक्स्ट-टू-स्पीच प्रौद्योगिकी के डिजाइन के पीछे कुछ चुनौतियों पर चर्चा कर सकते हैं?

राज्य के अत्याधुनिक टीटीएस को डिजाइन करने में कई चुनौतियां हैं। पहली चुनौती डेटासेट इकट्ठा करना है। एक न्यूरल नेटवर्क को प्रशिक्षित करने के लिए, आपको विभिन्न आयु वर्गों के पुरुष और महिला आवाजों की आवश्यकता होती है, और जितना अधिक, उतना बेहतर है। दूसरा, आपको एक प्राकृतिक आवाज के बहुत करीब पहुंचाना होगा। सबसे अच्छा तरीका यह है कि विभिन्न मशीन लर्निंग मॉडल का परीक्षण करें और विभिन्न मामलों में आवाज का उपयोग करने के लिए प्रयोग करें, विशेष रूप से आपको सबसे अधिक समस्याग्रस्त नमूने को ढूंढना होगा और इसे अलग से संसाधित करना होगा। लंबी अवधि की चुनौतियों की बात करें तो, यह मूल्यांकन करना मुश्किल हो सकता है कि आवाज बेहतर हुई है या खराब हुई है, और इसमें सुधार की दिशा में क्या किया जाना चाहिए।

एएमएआई वॉयस एआई के साथ मानव इंटरैक्शन के लिए भाषण मान्यता के पीछे कुछ चुनौतियां क्या हैं?

स्पीच रिकग्निशन पर काम करने वाली सैकड़ों कंपनियां हैं क्योंकि यह विकसित करना आसान है। वर्तमान में जिस समस्या का कोई समाधान नहीं है, वह एक बच्चे की आवाज को पहचानना है। बच्चों की कई विशेषताएं होती हैं जब वे छोटे होते हैं, इसलिए उन सभी को ध्यान में रखना मुश्किल है। इसके बावजूद, हम इस समस्या का समाधान निकालने पर काम कर रहे हैं, और हम जल्द ही परिणाम की घोषणा करने के करीब हैं – इसलिए जल्द ही, हमारा एआई न केवल वयस्कों के साथ, बल्कि बच्चों के साथ भी बातचीत करने में कोई समस्या नहीं होगी।

एएमएआई के लिए कुछ लोकप्रिय उपयोग क्या हैं?

वर्तमान में, यह ऑडियोबुक डबिंग और कॉल सेंटर में उद्यम उपयोग है।

वर्तमान में कौन सी भाषाएं पेश की जा रही हैं और कौन सी भाषाएं वर्तमान में काम की जा रही हैं?

हमारी मल्टी-स्पीकर सिस्टम में दो भाषाएं शामिल हैं, रूसी और अंग्रेजी। विचार यह है कि एक भाषा में बनाई गई आवाज हमारे मॉडल में अन्य भाषाओं को भी बोल सकती है। वर्तमान में, हम 40 और भाषाओं के लिए डेटा इकट्ठा कर रहे हैं, और जल्द ही हमारे पास 42 भाषाएं होंगी।

एआई वॉयस असिस्टेंट के भविष्य के लिए आपकी दृष्टि क्या है?

मेरा मानना है कि वॉयस असिस्टेंट मेटावर्स में जाएंगे, और हम इन अवसरों का अध्ययन कर रहे हैं। यदि आप सहायक को स्मार्ट स्पीकर या वेब ब्राउज़र के साथ एकीकृत करते हैं, तो अधिक लोग प्रतिदिन वॉयस सर्च का उपयोग करेंगे और सहायक के साथ बातचीत करेंगे। आप अपने रेफ्रिजरेटर या टीवी से बात कर सकते हैं।

क्या एएमएआई के बारे में और कुछ है जिसे आप साझा करना चाहेंगे?

एएमएआई केवल अपनी स्वामित्व प्रौद्योगिकियों का उपयोग करता है।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें एएमएआई पर जाना चाहिए।