Advertisement
ವ್ಯಕ್ತಿ 1: ಶುಭ ಸಂಜೆವ್ಯಕ್ತಿ 2: ಹೆಲೋ?
ವ್ಯಕ್ತಿ 1: ಹೆಲೋ
ವ್ಯಕ್ತಿ 2: ಹಾಯ್, ಆಂ… ಶುಕ್ರವಾರ ಮೂರನೇ ತಾರೀಖು ನಾನು ಹೋಟೆಲ್ ಟೇಬಲ್ ಬುಕ್ ಮಾಡಬೇಕಿದೆ.
ವ್ಯಕ್ತಿ 1: ಓಕೆ. ಒಂದು ನಿಮಿಷ ಇರಿ.
ವ್ಯಕ್ತಿ 2: ಹಂ.. ಹಂ…
ವ್ಯಕ್ತಿ 1: ಒಂದು ಸೆಕೆಂಡ್ ವೇಟ್ ಮಾಡಿ.
ವ್ಯಕ್ತಿ 2: ಹಂ.. ಹಂ…
ವ್ಯಕ್ತಿ 1: ಶುಕ್ರವಾರ ನವೆಂಬರ್ ಮೂರಕ್ಕೆ. ಎಷ್ಟು ಜನರಿಗೆ?
ವ್ಯಕ್ತಿ 2: ಇಬ್ಬರಿಗೆ.
ವ್ಯಕ್ತಿ 1: ಇಬ್ಬರಿಗಾ?
ವ್ಯಕ್ತಿ 2: ಹೌದು.
ನಿಸ್ಟ್ಗೆ ತಾನು ಇಷ್ಟು ಹೊತ್ತೂ ಯಂತ್ರವೊಂದರ ಜೊತೆಗೆ ಮಾತನಾಡಿದ್ದೇನೆ ಎಂದು ತಿಳಿಯಲೇ ಇಲ್ಲ! ಅಂದ ಹಾಗೆ, ಈ ಯಂತ್ರವೇ ಗೂಗಲ್ ಅಸಿಸ್ಟೆಂಟ್ನ ಹೊಸ ಫೀಚರ್. ಇದಕ್ಕೆ ಗೂಗಲ್ ಡುಪ್ಲೆಕ್ಸ್ ಎಂದು ಹೆಸರಿಟ್ಟಿದ್ದಾರೆ. ಕಳೆದ ತಿಂಗಳು ಗೂಗಲ್ನ ಡೆವಲಪರ್ ಕಾನ್ಫರೆನ್ಸ್ನಲ್ಲಿ ಇಂಥದ್ದೊಂದು ವೈಶಿಷ್ಟéವನ್ನು ಗೂಗಲ್ ಪರಿಚಯಿಸಿದೆ. ಹಾಗಾದರೆ ಇದನ್ನೇ ಹೋಲುವ ಐವಿಆರ್ ವ್ಯವಸ್ಥೆ ಈಗಾಗಲೇ ಇದೆಯಲ್ಲವೇ ಎಂದು ನೀವು ಕೇಳಬಹುದು. ಐವಿಆರ್ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಈ ಮೊದಲೇ ಧ್ವನಿಗಳನ್ನು ರೆಕಾರ್ಡ್ ಮಾಡಲಾಗಿರುತ್ತದೆ. ನಾವು ಒಂದು ಸಂಖ್ಯೆ ಒತ್ತುತ್ತಿದ್ದಂತೆಯೇ ಅದಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಆಯ್ಕೆ ಮಾಡಿಕೊಂಡು ಮುಂದುವರಿಯುತ್ತದೆ. ಇನ್ನು ಗೂಗಲ್ ಹೋಮ್, ಅಮೇಜಾನ್ ಅಲೆಕ್ಸಾ, ಮೈಕ್ರೋಸಾಫ್ಟ್ನ ಕೊರ್ಟಾನಾ ಕೂಡ ಇದೇ ರೀತಿ ಕೆಲಸ ಮಾಡುತ್ತವೆಯಾದರೂ, ಇವು ಮಾನವ ಧ್ವನಿಯಂತಿಲ್ಲ. ಅಷ್ಟೇ ಅಲ್ಲ, ಮನುಷ್ಯನ ಮಾತಿನ ಶೈಲಿಯನ್ನು ಇವು ಅನುಕರಿ ಸುವುದಿಲ್ಲ. ನಾವು ಇವುಗಳೊಂದಿಗೆ ಮಾತನಾಡುವಾಗ ಅಥವಾ ಆದೇಶ ನೀಡುವಾಗ ನಮಗೆ ಮನುಷ್ಯರ ಜೊತೆ ಮಾತನಾಡು ತ್ತಿದ್ದೇವೆ ಎಂಬ ಭಾವ ಉಂಟಾಗುವುದಿಲ್ಲ. ಜೊತೆಗೆ ಇವು ನಾವು ಮಾತನಾಡುವುದನ್ನು ಕೇಳಿಸಿಕೊಳ್ಳುತ್ತವೆಯಷ್ಟೇ. ಗ್ರಹಿಸುವುದಿಲ್ಲ! ಅಂದರೆ ನಾವು ಯಾವ ಕಂಟೆಕ್ಸ್ಟ್ನಲ್ಲಿ ಮಾತನಾಡುತ್ತಿದ್ದೇವೆ ಎಂಬುದು ಅರ್ಥವಾಗುವುದಿಲ್ಲ. ಇದೇ ಕಾರಣಕ್ಕೆ ಗೂಗಲ್ನ ಟ್ರಾನ್ಸ್ಲೇಟ್ ಕೂಡ ಇನ್ನೂ ಶೇ. 90ರಷ್ಟು ನಿಖರತೆಯನ್ನೂ ಪಡೆದಿಲ್ಲ. ಇತ್ತೀಚೆಗೆ ಅದಕ್ಕೆ ನ್ಯೂರಲ್ ಮಶಿನ್ ಕಲಿಕೆಯನ್ನು ಅಳವಡಿಸಿದ ಮೇಲೆ ಸ್ವಲ್ಪವಾದರೂ ಸುಧಾರಿಸಿದೆ.
Related Articles
Advertisement
ಡುಪ್ಲೆಕ್ಸ್ ಮಾಡಿದ ಕರೆಯನ್ನು ಗೂಗಲ್ ಡೆವಲಪರ್ ಕಾನ್ಫರೆನ್ಸ್ನಲ್ಲಿ ಸಿಇಒ ಸುಂದರ್ ಪಿಚೆò ಸೇರಿದ ಡೆವಲಪರ್ಗಳಿಗೆ ಕೇಳಿಸಿದ್ದರು. ಈ ವೇಳೆ ಆಡಿಯೋದಲ್ಲಿ ಗೂಗಲ್ ಡುಪ್ಲೆಕ್ಸ್ ಹಂ… ಹಂ… ಎಂದಾಗ ಸೇರಿದ್ದ ಜನ ಅಚ್ಚರಿಯಿಂದ ಹೋ ಎಂದು ಕೂಗಿದ್ದರು. ಯಾಕೆಂದರೆ ಶಬ್ದಗಳಲ್ಲಿ ಅಭಿವ್ಯಕ್ತಿ ಮಾಡುವುದನ್ನು ಯಂತ್ರಕ್ಕೆ ಕಲಿಸುವುದು ಸುಲಭ. ಆದರೆ ಮನುಷ್ಯ ಮಾಡುವ ಧ್ವನಿಯ ಏರಿಳಿತಗಳನ್ನೂ ಯಂತ್ರಕ್ಕೆ ಕಲಿಸುವುದು ಸವಾಲಿನ ಕೆಲಸ. ಈ ಒಟ್ಟು ತಂತ್ರಜ್ಞಾನದಲ್ಲಿ ಧ್ವನಿಯ ಏರಿಳಿತಗಳನ್ನು ಹೊರಡಿಸಿದ ಡುಪ್ಲೆಕ್ಸ್ನ ವೈಶಿಷ್ಟéವೇ ಜನರಲ್ಲಿ ಹೆಚ್ಚು ಕುತೂಹಲ ಮೂಡಿಸಿದೆ.
ಇದಕ್ಕಾಗಿ ಗೂಗಲ್ ಕೋಟ್ಯಂತರ ಸಂಭಾಷಣೆಗಳನ್ನು ಅಧ್ಯ ಯನ ನಡೆಸಿದೆ. ಅದನ್ನು ತನ್ನ ರಿಕರೆಂಟ್ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ಗೆ ತುಂಬಿಸಿದೆ. ಇದರಲ್ಲಿ ಮನುಷ್ಯ ವಿವಿಧ ಸನ್ನಿವೇಶದಲ್ಲಿ ಯಾವ ಯಾವ ರೀತಿಯ ಧ್ವನಿಯನ್ನು ಹೊರಡಿಸುತ್ತಾನೆ, ಯಾವ ರೀತಿ ಧ್ವನಿಯ ಏರಿಳಿತ ಮಾಡುತ್ತಾನೆ ಎಂಬ ಅಂಶಗಳಿವೆ. ಈ ದತ್ತಾಂಶದ ಆಧಾರದಲ್ಲಿ ಸಮಯಕ್ಕೆ ಸರಿಯಾಗಿ ಹೆಕ್ಕಿ ತೆಗೆದ ಒಂದು ಧ್ವನಿಯನ್ನು ಡುಪ್ಲೆಕ್ಸ ಬಳಸುತ್ತದೆ. ಡುಪ್ಲೆಕ್ಸ್ ಹಲವು ಹಂತದ ಕೆಲಸಗಳನ್ನು ಒಟ್ಟಿಗೆ ಮಾಡುತ್ತದೆ. ಅಟೊಮ್ಯಾಟಿಕ್ ಸ್ಪೀಚ್ ರಿಕಗ್ನಿಶನ್, ಸಂಭಾಷಣೆಯ ಭಾವವನ್ನು ಗುರುತಿಸುವುದು, ಸಂಭಾಷಣೆಯ ಕಂಟೆಕ್ಸ್ಟ್ ಗುರುತಿಸುವುದು… ಇವೆಲ್ಲವೂ ಒಟ್ಟಿಗೆ ನಡೆಯುತ್ತಿರುತ್ತದೆ.
ಮೊದಲು ಕರೆಯ ಇನ್ನೊಂದು ತುದಿಯಲ್ಲಿರುವವರು ಏನು ಹೇಳುತ್ತಾರೋ ಅದನ್ನು ಪಠ್ಯಕ್ಕೆ ಇಳಿಸಲಾಗುತ್ತದೆ. ಈಗಾಗಲೇ ಮಾತಿನಿಂದ ಪಠ್ಯಕ್ಕೆ ಇಳಿಸುವ ತಂತ್ರಜ್ಞಾನ ಸಾಕಷ್ಟು ಅಭಿವೃದ್ಧಿ ಹೊಂದಿದೆ. ಹೀಗಾಗಿ ಈ ಹಂತವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು ಸವಾಲಿನ ಕೆಲಸವಲ್ಲ. ಆದರೆ ಕಂಟೆಕ್ಸ್ಟ್ ಅನ್ನು ಮಶಿನ್ಗೆ ಅರ್ಥ ಮಾಡಿಸುವುದು ಸವಾಲಿನ ಕೆಲಸ. ಇದಕ್ಕೆ ಗೂಗಲ್ನ ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ ಕೆಲಸಕ್ಕೆ ಬರುತ್ತದೆ. ಇಲ್ಲಿ ಧ್ವನಿಯಾಗಿ ಪರಿವರ್ತಿಸಲು ಅತ್ಯಂತ ಸುಧಾರಿತವಾದ ಟಿಟಿಎಸ್ (ಟೆಕ್ಸ್ಟ್ ಟು ಸ್ಪೀಚ್, ಅಂದರೆ ಪಠ್ಯವನ್ನು ಧ್ವನಿಯನ್ನಾಗಿ ಪರಿವರ್ತಿಸುವುದು) ಇಂಜಿನ್ ಬಳಸಲಾಗುತ್ತದೆ.
ಸಂವಹನದ ಮಧ್ಯದಲ್ಲಿ ಪ್ರತಿಕ್ರಿಯೆಗೆ ಒಂದು ಸೆಕೆಂಡು ವಿಳಂಬಕ್ಕೂ, ಐದು ಸೆಕೆಂಡು ವಿಳಂಬಕ್ಕೂ ಬೇರೆ ಬೇರೆ ಅರ್ಥ ವಿರುತ್ತದೆ. ಕೆಲವು ಬಾರಿ ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ವಿಳಂಬ ಮಾಡು ವುದೂ ಸಂಭಾಷಣೆಯಲ್ಲಿ ನೈಜತೆಯನ್ನು ಕೊಡುತ್ತದೆ. ಇವೆಲ್ಲವನ್ನೂ ಟಿಟಿಎಸ್ ಇಂಜಿನ್ ಸಮರ್ಥವಾಗಿ ನಿಭಾಯಿಸುತ್ತವೆ. ಸಾಮಾನ್ಯವಾಗಿ ವ್ಯಕ್ತಿ ಪದಗಳಿಗಾಗಿ ತಡಕಾಡುವಾಗ ಆಂ.. ಊಂ… ಒಂದು ಶಬ್ದ ಹೊರಡಿಸುವುದು ಸಹಜ.
ಮಾತಿನಲ್ಲಿ ಈ ಧ್ವನಿಗಳೆಲ್ಲ ಬಂದರೆ ಮಾತ್ರವೇ ಕೇಳುತ್ತಿರುವವರಿಗೆ ನಾವು ಮನುಷ್ಯರ ಜೊತೆಗೆ ಮಾತನಾಡುತ್ತಿದ್ದೇವೆ ಎಂಬ ಭಾವ ಮೂಡುತ್ತದೆ.ಡುಪ್ಲೆಕ್ಸ್ ಅನ್ನು ಗೂಗಲ್ ತನ್ನ ಡೆವಲಪರ್ ಕಾನ್ಫರೆನ್ಸ್ನಲ್ಲಿ ಕರೆ ಮಾಡುವುದಕ್ಕಷ್ಟೇ ಬಳಸಿ ತೋರಿಸಿದೆ. ಹೇರ್ ಸಲೂನ್, ಹೋಟೆಲ್ಗೆ ಬುಕ್ ಮಾಡಿ ಅಪಾಯಿಂಟ್ಮೆಂಟ್ ಫಿಕ್ಸ್ ಮಾಡುವ ಪ್ರದರ್ಶನ ಮಾಡಿದೆ. ಆದರೆ ಇದರ ಮಿತಿ ಇಲ್ಲಿಗೇ ನಿಲ್ಲುವುದಿಲ್ಲ. ಡುಪ್ಲೆಕ್ಸ್ನ ತನ್ನ ಉದ್ದೇಶವನ್ನು ಪೂರೈಸುವಲ್ಲಿ ಯಶಸ್ವಿಯಾದರೆ, ಸ್ವಂತವಾಗಿ ಯೋಚಿಸಿ ಮಾತನಾಡುವ ಶಕ್ತಿ ಹೊಂದುವ ಯಂತ್ರವೊಂದು ಏನೇನಲ್ಲ ಮಾಡಬಹುದು ಎಂದು ಊಹಿಸುವುದು ಕಷ್ಟ.
ಸದ್ಯಕ್ಕೆ ಗೂಗಲ್ ಇದನ್ನು ಕೆಲವೇ ಸೇವೆಗಳಿಗೆ ಬಳಸಲಿದೆ. ಕಾನ್ಫರೆನ್ಸ್ನಲ್ಲಿ ಪಿಚೆò ಹೇಳಿದ ಪ್ರಕಾರ ನೀವು ಗೂಗಲ್ ಅಸಿಸ್ಟೆಂಟ್ಗೆ ನಿಗದಿತ ದಿನಾಂಕದಂದು ಹೋಟೆಲ್ ಟೇಬಲ್ ಬುಕ್ ಮಾಡುವಂತೆ ಸೂಚಿಸದರೆ ಸಾಕು. ಈ ನಿಮ್ಮ ಕಮಾಂಡ್ ಕೇಳಿಸಿಕೊಂಡು ಉಳಿದ ಎಲ್ಲವನ್ನೂ ನಿಮಗೆ ಗೊತ್ತಿಲ್ಲದಂತೆಯೇ ಮಾಡುತ್ತದೆ. ಕರೆ ಮುಗಿದು, ಅಪಾಯಿಂಟ್ ಫಿಕ್ಸ್ ಆದ ಮೇಲೆ ನಿಮಗೆ ಅದರ ಮಾಹಿತಿಯನ್ನು ನೀಡುತ್ತದೆ.
ಸಾಮಾನ್ಯವಾಗಿ ಅಮೆರಿಕದಂಥಾ ಮುಂದುವರಿದ ದೇಶದಲ್ಲೇ ಇನ್ನೂ ಶೇ. 60ಕ್ಕೂ ಹೆಚ್ಚು ವಹಿವಾಟು ಆಫ್ಲೈನಲ್ಲೇ ನಡೆಯುತ್ತದೆ. ಸಣ್ಣ ಸಣ್ಣ ಸಲೂನ್ಗಳು ಹಾಗೂ ಅಂಗಡಿಗಳು ಆನ್ಲೈನ್ ಬುಕಿಂಗ್ ಸೌಲಭ್ಯವನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ. ಇವುಗಳಿಗೆ ಕರೆ ಮಾಡಿಯೇ ಬುಕ್ ಮಾಡಬೇಕಿರುತ್ತದೆ. ಹೀಗೆ ನೇರವಾಗಿ ಕರೆ ಮಾಡಿ ಮಾತನಾಡುವುದು ಡುಪ್ಲೆಕ್ಸ್ನ ಒಂದು ಅಂಶವಷ್ಟೇ. ಗೂಗಲ್ ಅಸಿಸ್ಟೆಂಟ್ ಸೇರಿದಂತೆ ಎಲ್ಲ ಆರ್ಟಿಫಿಶಿಯಲ್ ಇಂಟಲಿಜೆನ್ಸ್ ಆಧರಿತ ಧ್ವನಿ ಅಸಿಸ್ಟೆಂಟ್ನ ದಿಕ್ಕು ಬದಲಿಸುವ ಸಂಶೋಧನೆಯಾಗಲಿದೆ.
ಮುಂದೊಂದು ದಿನ ನಾವು ಯಾವುದೇ ಆಸ್ಪತ್ರೆಗೋ ಅಥವಾ ಯಾವುದೋ ಕಸ್ಟಮರ್ ಕೇರ್ಗೊà ಕರೆ ಮಾಡಿದರೆ ನಾವು ಮನುಷ್ಯರ ಜೊತೆಗೇ ಮಾತನಾಡುತ್ತಿದ್ದಂತೆ ಎನಿಸಬಹುದು. ವಿವಿಧ ಧ್ವನಿಯ ಮಾದರಿಗಳನ್ನೂ ಗೂಗಲ್ ಅಧ್ಯಯನ ನಡೆಸುತ್ತಿರುವುದರಿಂದ, ನಮ್ಮ ಧ್ವನಿಯನ್ನೇ ಅನುಕರಿಸಿ ನಾವು ಮಾತನಾಡಿದಂತೆಯೇ ಮುಂದೊಂದು ದಿನ ಮಾತನಾಡಲೂ ಬಹುದು. ಈ ಸಂಶೋಧನೆಯು ವ್ಯಕ್ತಿಯನ್ನು ಡಿಜಿಟಲ್ ರೂಪ ದಲ್ಲಿ ಮರುಸೃಷ್ಟಿ ಮಾಡುವ ವಿಶಿಷ್ಟ ಸಾಹಸದವರೆಗೂ ತೆರಳೀತು.
ಅಷ್ಟಕ್ಕೂ, ದಶಕದಿಂದಲೂ ಅಂತಹ ಯಾವ ಹೇಳಿಕೊಳ್ಳಬಹು ದಾದ ಪ್ರಾಡಕ್ಟ್ನಲ್ಲೂ ಯಶಸ್ಸು ಕಾಣದ ಗೂಗಲ್ ನಾಲ್ಕಾರು ವರ್ಷಗಳಿಂದ ಅಸಿಸ್ಟೆಂಟ್ ಮೇಲೆ ಹೆಚ್ಚಿನ ಗಮನ ಹರಿಸಿದೆ. ಅಸಿಸ್ಟೆಂಟ್ ವ್ಯಕ್ತಿಯ ಜೀವನ ಮಟ್ಟವನ್ನೇ ಬದಲಿಸಿಬಿಡಬಹುದಾದ ತಾಂತ್ರಿಕತೆ. ಅಲ್ಲಿ ಆರ್ಟಿಫಿಶಿಯಲ್ ಇಂಟಲಿಜೆನ್ಸ್ ಇದೆ, ಮಶಿನ್ ಲರ್ನಿಂಗ್ ಇದೆ. ನ್ಯೂರಲ್ ಮಶಿನ ಇದೆ. ದಿನದಿಂದ ದಿನಕ್ಕೂ ಅಸಿಸ್ಟೆಂಟ್ ಹೊಸ ಹೊಸ ಕಮಾಂಡ್ಗಳನ್ನು ಅರ್ಥ ಮಾಡಿಕೊಳ್ಳುವುದನ್ನು ಕಲಿಯುತ್ತಿದೆ.
ಸದ್ಯಕ್ಕಂತೂ ವೈಫೈ ಸಂಪರ್ಕ ಹೊಂದಿರುವ ಎಲ್ಲ ಸಾಧನಗಳನ್ನೂ ಗೂಗಲ್ ಅಸಿಸ್ಟೆಂಟ್ ಬಳಸಿ ನಿಯಂತ್ರಿಸಬಹುದು. ಮನೆಯ ಬಲ್ಬ್ಗಳು, ಟಿವಿ ಸೇರಿದಂತೆ ಎಲ್ಲ ಸಲಕರಣೆಗಳನ್ನೂ ಕೇವಲ ಧ್ವನಿಯ ಮೂಲಕ ನಿಯಂತ್ರಿಸಬಹುದು. ಅಸಿಸ್ಟೆಂಟ್ ಬಳಸಿ ನಮ್ಮ ಮೊಬೈಲ್ ಮುಟ್ಟದೆಯೇ ಬರಿ ಮಾತಿನಲ್ಲೇ ಕರೆ ಮಾಡಬಹುದು, ಮ್ಯೂಸಿಕ್ ಪ್ಲೇ ಮಾಡಬಹುದು. ಡುಪ್ಲೆಕ್ಸ್ನ ಸೌಲಭ್ಯ ಎಲ್ಲರಿಗೂ ಇನ್ನೂ ಲಭ್ಯವಿಲ್ಲ. ಕೆಲವೇ ಆಯ್ದ ಬಳಕೆದಾರರಿಗೆ ಪ್ರಾಯೋಗಿಕವಾಗಿ ಈ ಸೌಲಭ್ಯ ನೀಡಲಾಗಿದ್ದು, ಇನ್ನೆರಡು ವರ್ಷಗಳಲ್ಲಿ ಈ ವ್ಯವಸ್ಥೆ ಜಾರಿಗೆ ಬರಲಿದೆ. ಸದ್ಯಕ್ಕಂತೂ ಇಂಗ್ಲಿಷನ್ನು ಮಾತ್ರ ಇದು ಅರ್ಥ ಮಾಡಿಕೊಳ್ಳುತ್ತಿದೆ. ಈ ಮೇಲಿನ ಸಂಭಾಷಣೆ ನಡೆದಿದ್ದೂ ಇಂಗ್ಲಿಷ್ನಲ್ಲೇ. ಆದರೆ ಮುಂದಿನ ದಿನಗಳಲ್ಲಿ ಬೇರೆ ಭಾಷೆಗಳ ಕಮಾಂಡ್ಗಳನ್ನೂ ಡುಪ್ಲೆಕ್ಸ್ ಸ್ವೀಕರಿಸಬಹುದು.
– ಕೃಷ್ಣ ಭಟ್