Как новые edge AI и микрофоны ускоряют принятие голосовых ассистентов

Изобретение телефона более 150 лет назад вызвало революцию в коммуникациях. Сегодня происходит новый качественный скачок: ИИ научился извлекать смысл из звука, позволяя устройствам отвечать на голосовые команды более естественным и интуитивным образом. Эта статья обзор текущего ландшафта и смотрит вперед к технологиям, которые сделают голосовых ассистентов повседневными спутниками.

«Мистер Уотсон, иди сюда…»

Заявление Александра Грэма Белла 1876 года стало первым случаем электрической передачи звука — прорыва, изменившего то, как мы работаем, живем и играем. Эта базовая инновация продолжает лежать в основе современных достижений в человеко-машинном взаимодействии.

Первый век телефонной сети соединил людей по всему миру. Электронный бум последних пяти десятилетий превратил голос и видео в портативные беспроводные разговоры. В текущем десятилетии мы вышли за пределы беспроводных звонков между людьми к разговорам с машинами — переход, движущий следующую волну инноваций.

Современные смартфоны, умные колонки и другие подключенные устройства теперь содержат встроенные голосовые ассистенты на базе облачных моделей глубокого обучения. Эти ассистенты позволяют пользователям задавать вопросы и запускать действия простой речью. По данным Statista, к 2020 году около 1,8 миллиарда людей будут иметь доступ к голосовому ассистенту на носимом устройстве и на дополнительных платформах в домах, офисах и других средах.

Существующие препятствия

Несмотря на быстрое принятие, голосовые ассистенты все еще сталкиваются с серьезными препятствиями. Задержка — главная проблема: человеческий разговор опирается на субсотые времена отклика, тогда как текущие системы часто вводят задержки в несколько секунд. Эти задержки возникают из-за необходимости записать аудио локально, передать его в облако для обработки и вернуть ответ. Отправка аудиопотоков низшего качества для экономии полосы пропускания повышает частоту ошибок. Более того, переменные скорости интернета еще больше усугубляют нестабильность времени отклика.

Даже с этими ограничениями энтузиазм потребителей остается высоким. Продажи умных колонок — первой категории устройств со встроенными голосовыми ассистентами — выросли в темпах, сравнимых с ранним бумом смартфонов. В 2018 году продажи устройств в США выросли на 40%, было продано 66,4 млн единиц, общий объем составил 133 млн умных колонок. Это чуть более 26% взрослых жителей США, по данным voicebot.ai.

Edge-вычисления как решение

Улучшение конверсационного потока во многом зависит от переноса обработки ближе к пользователю. Edge-вычисления позволяют выполнять ИИ-вывод на самом устройстве, снижая зависимость от облачной связи. Преимущества очевидны: более быстрые ответы, меньшее потребление энергии и повышенная приватность, так как аудиоданные не должны покидать локальную среду.

Недавняя демонстрация Infineon чипа распознавания ключевых слов с минимальным потреблением энергии на краю ejemplifies эту тенденцию. Локализуя захват звука, вычисления и хранение, edge-решения могут обрабатывать чувствительные данные — такие как дыхание для обнаружения апноэ сна — без передачи личной информации в облако. Пользователи могут сами решать, когда и как делиться инсайтами, повышая комфорт от приложений мониторинга здоровья.

Аппаратные достижения

Аппаратные успехи, особенно специализированные чипы глубокого обучения от партнеров вроде Syntiant, ускоряют внедрение ИИ на краевых устройствах. В ближайшие годы миллиарды людей будут ежедневно взаимодействовать с голосовыми асситентами, которые кажутся почти человеческими, в то время как базовая технология будет обеспечивать батарейно-эффективное аудиораспознавание во широком спектре сценариев использования.

Потребительские устройства и не только

За пределами потребительских устройств голосовой ИИ интегрируется в сенсорные комплекты умных машин, способствуя Индустрии 4.0, автономным автомобилям, умным заводам и городским системам безопасности. Например, автомобили могут «слышать» звуки трафика для обнаружения препятствий за пределами прямой видимости, заводы могут предварительно диагностировать проблемы оборудования через акустические сигнатуры, а городская инфраструктура может оповещать власти о событиях вроде разбивания стекла или аварий.

— Прадьюмна Мишра, Entrepreneur-in-Residence, Infineon Technologies