Pavel Osokin, AMAI’nin Kurucu Ortağı ve CEO’su – Röportaj Serisi

Pavel Osokin, San Francisco merkezli bir startup olan AMAI‘nin Kurucu Ortağı ve CEO’sudur. Pavel, Amai’nin operasyonunu ve stratejisini profesyonellikle yürütüyor ve şirketin ses teknolojisini dünyanın her telefonuna kurma amacını taşıyor. Amai’de geliştirilen AI sesi, %97’lik bir kullanıcı kitlesi tarafından gerçek insan konuşmasından ayırt edilemiyor.

Siz bir yaşam boyu girişimci olarak, 13 yaşında ilk şirketinizi kurmuşsunuz. İlk iş girişiminiz nedir ve bu girişimci zihniyeti size neler motive etti?

Ben buna şirket demiyordum, ancak bazı şeyler satmak veya sokakta bir kova ile araba yıkamak gibi işler yaparak para kazandım. Motivasyonum, bir Coke veya Snickers almak istiyordum, ancak ebeveynlerim para yoktu. Ya para ortaya çıkmasını bekleyebilirdim ya da kendim kazanabilirdim. Beklemek bana çekici gelmiyor.

AMAI’nin arkasındaki hikayeyi paylaşabilir misiniz?

Ortaklarıma, “Dünya çapındaki şirketler neye ihtiyaç duyar?” diye sordum. Bu konuşmada, her şirketin bir “satış” aradığını fark ettim. Müşterilerle ürün satmak için posta ve mesajlar aracılığıyla iletişim kuran robotlar geliştirdik. Ancak bu, özellikle çok sayıda sohbet botu bulunan bir alan olduğu için特别 yeni bir şey değildi. Bu nedenle, bu robotların ayrıca arama yapabilmesi hoş olurdu. Piyasadaki iyi çözümler az olduğu için, kendi sentezlenmiş sesimizin bir prototipini oluşturduk ve ilk satışlardan sonra robottan vazgeçip TTS’ye odaklandık.

AMAI’nin tam olarak ne anlama geldiğini açıklar mısınız?

Bu, “Ben yapay zeka” (I’m artificial intelligence) anlamına geliyor.

Devrim niteliğindeki Metin’den Konuşmaya (Text-to-speech) teknolojisini tasarlamakta karşılaşılan bazı zorlukları tartışabilir misiniz?

Devrim niteliğindeki TTS tasarımı beberapa zorluklar sunar. İlk zorluk, veri setlerinin toplanmasıdır. Bir sinir ağını eğitmek için, çeşitli yaşlarda kadın ve erkek seslerine ihtiyacınız vardır ve ne kadar çok olursa o kadar iyi olur. İkincisi, doğal bir sesle çok yakın bir benzerlik elde etmelisiniz. En iyi yöntem, farklı makine öğrenimi modellerini test etmek ve sürekli olarak farklı ses kullanım örnekleriyle deneylemektir: özellikle, en problemli örneği bulmanız ve onu ayrı olarak işlemeniz gerekir. Uzun vadeli zorluklardan bahsedecek olursak, sesin daha iyi veya daha kötü hale gelip gelmediğini ve hangi yönde geliştirilmesi gerektiğini değerlendirmek zor olabilir.

AMAI ses AI’si ile insanların etkileşiminde konuşma tanıma konusundaki zorluklar nelerdir?

Çok sayıda şirket ses tanıma üzerinde çalışıyor çünkü geliştirmesi daha kolay. Şu anda çözümü olmayan bir problem, çocukların sesinin tanınmasıdır. Çocuklar genç yaşta birçok konuşma özelliğine sahip olduklarından, hepsini dikkate almak zor. Buna rağmen, bu problemi çözmeye yönelik bir çözüm üzerinde çalışıyoruz ve sonucu açıklamaya çok yakınız – böylece AI’miz sadece yetişkinlerle değil, çocuklarla da sorun yaşamadan etkileşime girebilecek.

AMAI için popüler kullanım örnekleri nelerdir?

Şu anda, sesli kitap dublajı ve çağrı merkezlerinde kurumsal kullanım.

Şu anda hangi diller destekleniyor ve hangi diller üzerinde çalışılıyor?

Çok konuşmacı sistemimiz iki dil, Rusça ve İngilizce içeriyor. Bir dilde oluşturulan bir ses, modelimizde diğer dilleri de konuşabilir. Şu anda 40 dil için veri topluyoruz ve çok yakında 42 dil olacak.

Sesli asistanların geleceği ile ilgili vizyonunuz nedir?

İnanıyorum ki sesli asistanlar metaverse’e taşınacak ve bu fırsatları incelemekteyiz. Akıllı hoparlörlerle veya web tarayıcılarla asistanı entegre ederseniz, daha fazla insan her gün ses araması yapacak ve asistanla etkileşime girecek. Buzdolabınız veya televizyonunuzla konuşabilirsiniz.

AMAI hakkında paylaşmak istediğiniz başka bir şey var mı?

AMAI yalnızca kendi özel teknolojilerini kullanıyor.

Teşekkür ederiz röportaj için, daha fazla bilgi edinmek isteyen okuyucular AMAI‘yi ziyaret edebilir.