Kardome’un CEO ve Kurucu Ortağı Dani Cherkassky ile Röportaj Serisi

Dani Cherkassky, Kardome’un CEO ve Kurucu Ortağı, ses teknolojisi inovasyonunun ön saflarına akustik, sinyal işleme ve algoritma geliştirme konularında yirmi yılı aşkın deneyimi getiriyor. Kardome’u kurmadan önce, Silentium Ltd.’de CTO olarak görev yaptı ve Tier 1 şirketleri ve araştırma kurumları ile R&D işbirlikleri yönetti. Bar-Ilan Üniversitesi’nden Mikrofon Dizisi İşleme alanında doktorası bulunan Cherkassky, derin teknik uzmanlığını, modern ses etkileşiminin frustrasyonlarını ortadan kaldırmak için teknoloji geliştirmek misyonuyla birleştiriyor – bu teknoloji insanların değil, etrafındaki gürültünün sesini dinler.

Kardome, her ortamda – arabalardan ve konferans odalarından akıllı evlere ve kamu alanlarına kadar – kişiselleştirilmiş ses etkileşimleri sunan AI destekli uzaysal işitme çözümlerini geliştiriyor. Özel ses toplama teknolojisi, sesleri konumlarına göre ayırarak cihazların her konuşmacıyı tek başına konuşuyormuş gibi anlamasını sağlıyor. Donanım-agnostic ve kenar-nokta hazır olarak tasarlanan Kardome platformu, konuşma tanıma doğruluğunu, güvenliği ve kullanıcı deneyimini geliştirerek, insan-makine iletişiminin gelecek neslini güçlendiriyor.

Sizi ve Dr. Alon Slapak’ı Kardome’u kurmaya iten şey nedir?

Kardome’un ilhamı, hem bir fascinasyon hem de bir frustrasyon karışımıdır. Konuşma ve ses alanındaki akademik ve endüstriyel geçmişimizle, özellikle derin sinir ağlarının sahneye girdiği konuşma tanıma alanındaki ilerlemeye hayran kaldık.

Sessiz bir laboratuvarda teknoloji mucizeviydi. Ancak gerçek dünyaya adım attığınız anda bu sihir ortadan kayboldu. Gürültülü bir araba, yoğun bir ofis veya kaotik bir evde, en gelişmiş sistemler 1990’ların teknolojisinin çok da ilerisine geçemiyordu. Bu, ilerlemeye büyük bir engel oluşturuyordu.

Ses, cihazlarımızla etkileşim kurmanın en doğal yoludur, dokunmatik ekranın gerçek halefi. Ancak bunun gerçekleşmesi için teknolojinin gerçek hayatın kaosunu aşması gerekiyordu. Bunu misyonumuz olarak belirledik. Bir yıl boyunca garajda, ses dalgası yayılma denklemleriyle boğuşarak ve yeni fikirleri test ederek, Kardome’un Uzaysal İşitme Teknolojisi olarak bilinen şeyin ilk demonstrasyonuna ulaştık.

O anda, anahtarı elimizde olduğunu bildik. Kardome’u sadece bir ürün geliştirmek için değil, insan-makine iletişiminde bir devrim başlatmak için kurduk.

Çok sayıda ses asistanı, seslerin çakışması veya arka plan gürültüsünün hakim olması durumunda sık sık başarısız olur ve kullanıcıları frustrasyona uğratır. Geleneksel yöntemler neden gerçek dünya koşullarında bu kadar kötü performans gösterir?

Geleneksel ses arayüzleri, gerçek dünyada kötü performans gösterir çünkü yazılımı, sesi anlamak için aşırı basit bir yönteme dayanır. Çoğu sistem, sesin geliş yönünü belirlemek için birden fazla mikrofon kullanır, bu approach sadece sesin açısına odaklanır ve diğer kritik 3B uzaysal bilgileri görmezden gelir. Bu method, araba, ofis veya oturma odası gibi gerçek dünya ortamlarında hemen başarısız olur, çünkü bu ortamlar yankılanma ile doludur ve ses dalgaları her yansıtıcı yüzeyden seker. Bu, bir “akustik ayna” salonu gibi bir etki yaratır, burada tek bir ses, yüzlerce farklı yönden gelen ses olarak algılanır.

Bu, sistemin ses manzarasını doğru bir şekilde çözmesini engeller ve bu nedenle güncel ses teknolojileri, gerçek yaşam senaryolarında güvenilir bir şekilde performans gösteremez.

Kardome’un teknolojileri, her kişiyi odadaki tek konuşmacıymış gibi ele alır. Bu mümkün kılan teknik đột break ve geleneksel uzak alan ses tanıma yöntemlerinden nasıl farklıdır?

Teknik đột breakımız, sesin precisa konumunu 3B uzaysal alanda belirleyerek, geleneksel yöntemlerin sadece sesin geliş yönünü tespit etmesine kıyasla, Spatial Hearing AI olarak adlandırılan bir teknolojidir. Bu, bir sesin bir oda içindeki yankılanma desenini analiz ederek, bu deseni sesin konumuna özgü bir “akustik parmak izi” olarak kullanır. AI, her ses kaynağından bu parmak izini anında ve pasif bir şekilde çıkarır, böylece ortamı haritalar. Bu, konum temelli yaklaşım, geleneksel yöntemlerden temelde farklıdır, çünkü onlar yankılanmalardan kolayca karıştırılır, oysa bizim teknolojimiz bu yankılanmaları değerli veri olarak kullanır.

Ses AI, “iPhone anı” yaşıyor deniliyor. Bu, sizin bakış açınızdan ne anlama geliyor ve gerçek anlamda ana akım benimsemeye ne kadar yakınız?

Benim için “iPhone anı”, sesin nihayet cihazlarımızla etkileşim kurmanın varsayılan yolu haline geldiği anlamına geliyor.

Üreticilerin, ses AI teknolojilerini tüm ürün hatlarına entegre etmeye çalıştıklarını görüyorum. Arabalar, güvenlik nedenleriyle ses-öncelikli arayüzlere dönüşüyor. Akıllı evler, her yere dokunmatik ekran koymanın pratik olmadığı için ses arayüzlerine ihtiyaç duyuyor. Geleneksel elektronik cihazlar da ses özelliklerini ekliyor, çünkü menüleri gezinmekten daha hızlı oluyor. Birçok teknoloji, sesin benimsenmesini hızlandırıyor, ancak gerçek devrim, robotik tarafından belirlenecek. Robotlar evlerimizde ve işyerlerimizde entegre olduğunda, ses, etkileşim için tek etkili ve doğal arayüz haline gelecek.

Pratik olarak, uzaysal işitme ve bilişsel AI’nin, arabalardan ve akıllı evlerden giyilebilir cihazlara ve kamu alanlarına kadar günlük cihazları nasıl dönüştüreceğini görüyorsunuz?

Dönüşüm, her yerde doğal etkileşimi sağlamak, teknolojiye uyum sağlamak yerine. Arabalarda, bu, gerçekten eller serbest kontrol anlamına geliyor, müzik çalar ve yolcular konuşurken otoyol hızlarında sürüş sırasında çalışıyor. Akıllı evler, gerçekten zeki hale geliyor, çünkü kimin konuştuğunu ve nereden konuştuğunu anlıyor ve aynı anda birden fazla talebi karıştırmadan işliyor.

Gizlilik, her zaman dinleyen cihazlar ile ilgili olarak artan bir endişe kaynağı. Kardome, performans ve doğruluk ihtiyacıyla birlikte, kenar-nokta işleme talebini nasıl dengeliyor?

Bugünün çoğu Ses AI çözümü, kenar-nokta (edge) bileşeni ve bulut tabanlı bileşenden oluşan bir hibrit model üzerinde çalışır. Kenar-nokta işleme, veri kullanıcının cihazından hiç ayrılmadığı için hiçbir gizlilik endişesi yaratmaz, ancak bulut işleme önemli bir veri gizliliği sorununu ortaya çıkarır.

Kardome, bu sorunu, kenar-nokta bileşenin yeteneklerini önemli ölçüde genişleterek çözüyor. Daha fazla veriyi yerel olarak işleyerek ve bulut bağımlılığını azaltarak, Kardome, diğer sistemlere kıyasla üstün veri gizliliği koruması sağlıyor.

Endüstrinin daha geniş bir perspektifinden bakıldığında, ses AI’nin, tüketici elektroniğinde baskın arayüz haline gelmeden önce aşması gereken en büyük engeller nelerdir?

En büyük engel, ses AI’nin hala insan gibi iletişim kuramamasıdır. Ses AI, tam bağlam farkındalığı ve konuşma akışını anlamak için insan düzeyinde anlamadan önce, birincil arayüz haline gelemeyecek. Şu anda, většesi bulut tabanlı olan Ses AI teknolojisinin, sürekli dinleme ve konuşma akışı anlamını engelleyen bir başka önemli teknik engeli vardır.

Atılım, ses sistemlerinin gerçekten konuşma bağlamını ve akışını anladığında, insanlara benzer şekilde yanıt verdiğinde gerçekleşecek. İşte o zaman ses, tüm tüketici elektroniğinde baskın arayüz haline gelecek.

Gürültülü ortamlarda doğruluk ve güvenilirlik çözüldüğünde, ses asistanları ile tüketicilerin ilişkisinin nasıl evrileceğini düşünüyorsunuz?

Doğruluk ve doğal konuşma çözüldüğünde, ses asistanları, yenilikçi özelliklerden vazgeçilmez arayüzlere dönüşecek. İnsanlar, ses AI’nin ilk seferde doğru anlayacağından emin olduklarında, teknolojiye uyum sağlamak yerine, doğal dil ve bağlamsal konuşmalarla içgüdüsel olarak kullanmaya başlayacaklar.

Son olarak, beş yıl içinde Kardome ve ses AI ekosisteminin nerede olacağını görüyorsunuz ve ses-öncelikli bilgisayarlamaya gerçekten girdiğimizi gösteren kilometre taşları neler olacak?

Beş yıl içinde, ses AI, dokunmatik ekranlar ve klavyeler gibi her yerde bulunacak ve几乎 her hesaplama cihazında beklenecek. Kardome, kullanıcıların cihazlarını sesle kontrol etmelerini sağlayan işletim sistemi olacak, böylece her ortamda, her cihazda doğal etkileşim mümkün olacak – robotlardan, akıllı gözlüklere, arabalara kadar.

Kilometre taşları, teknolojik değil, davranışsal olacak. Ses-öncelikli bilgisayarlamaya ulaştığımızı, insanların ses komutlarını düşünmeyi bıraktığını, çevreleriyle doğal konuşmalar yaptığını, çoklu kullanıcı ortamlarının sorunsuz çalıştığını ve çocukların her cihaza doğal olarak konuşmayı beklediğini gördüğümüzde bileceğiz. Nihai ölçüt, teknolojinin ne kadar geliştiğinden değil, insanların dijital dünya ile nasıl etkileşimde bulunduğundan oluşacak.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Kardome‘u ziyaret edebilir.