જ્યારે આપણે ઇન્સ્ટાગ્રામ, ચેટબોટ અથવા ATM નો ઉપયોગ કરીએ છીએ, ત્યારે આપણે ઇન્ટરફેસને અનુકૂળ થઈએ છીએ. આપણે ક્યાં ટેપ કરવું, શું ટાઈપ કરવું અને કેવી રીતે પ્રશ્ન પૂછવો તે શીખીએ છીએ. મશીનો નિયમો સેટ કરે છે અને મનુષ્યો તેને અનુકૂળ થાય છે. આ સમજૂતી દાયકાઓથી ચાલી રહી છે, અને આ જ કારણ છે કે તમારા માતા-પિતા પણ રીલ્સ શેર કરતા શીખી ગયા છે.
પરંતુ, વોઇસ આ કરારને સંપૂર્ણપણે બદલી નાખે છે. અહમદાબાદ એક્સપ્રેસ સાથેની વાતચીતમાં, પ્લીવોના પ્રોડક્ટ વોઇસના વડા આયુષ આનંદે જણાવ્યું કે, "આપણે હજારો વર્ષોથી એકબીજા સાથે વાતચીત કરી રહ્યા છીએ." "આ બે ઇન્ટરફેસમાં, AI ને મનુષ્યોને અનુકૂળ થવું પડે છે, આપણે જે રીતે આપણી ભાષાઓમાં બોલીએ છીએ, આપણે કોડ મિક્સ કરીએ છીએ, આપણે વિરામ લઈએ છીએ, આપણે વિચારીએ છીએ."
આ સરળ લાગતી ઉલટફેર જ વોઇસ AI ને ટેકનિકલ રીતે સૌથી જટિલ ક્ષેત્રોમાંનું એક બનાવે છે. અહમદાબાદ એક્સપ્રેસના ફ્લેગશિપ ડેવલપર સમિટમાં આયુષે આ પડકારને પહોંચી વળવા માટે શું જરૂરી છે તે સ્પષ્ટપણે સમજાવ્યું.
સહનશીલતાનો તફાવત
આયુષે એક સરખામણીથી શરૂઆત કરી જે તરત જ સમજાઈ ગઈ. જો ચેટબોટ "મારો ઓર્ડર ક્યાં છે" નો જવાબ આપવામાં પાંચ સેકન્ડ લે, તો તમને ભાગ્યે જ ધ્યાન આવશે. પરંતુ ફોન કોલ પર તે જ વિલંબ આવે, તો તમે બે સેકન્ડમાં જ નિરાશ થઈ જાઓ છો.
વોઇસમાં એક જ ખોટા વળાંકના જોખમો અતિશય વધારે હોય છે. ચેટ ઇન્ટરફેસ તમને તેની ભૂલો સ્ક્રીન પર બતાવે છે, જેનાથી તમને સુધારવાની તક મળે છે. કોલ પર, તમને કદાચ ખબર પણ ન પડે કે એજન્ટે તમને ખોટી રીતે સાંભળ્યા છે. આયુષે કહ્યું, "તે તેની પોતાની દિશામાં જઈ રહ્યું છે, અને તમને ખબર પણ નથી." તેમણે એક ચોક્કસ ઉદાહરણ આપ્યું: 'મુંબઈ' શબ્દ. સામાન્ય, તાલીમ ડેટામાં સારી રીતે રજૂ થયેલું, અને તેમ છતાં વોઇસ મોડેલો દ્વારા નિયમિતપણે કંઈક બીજું જ સાંભળવામાં આવે છે. તેમણે કહ્યું કે, "ભારતમાં આવા રસપ્રદ નામો અને સ્થળો વિશે વિચારો."
ભારતની વધતી જટિલતા
જો વોઇસ AI દરેક જગ્યાએ મુશ્કેલ હોય, તો ભારત તેને માળખાકીય રીતે વધુ મુશ્કેલ બનાવે છે. આયુષે 22 સત્તાવાર ભાષાઓનો ઉલ્લેખ કર્યો, જેમાં આશરે 60% કોલ કોડ-મિક્સ હોય છે, જેમાં અંગ્રેજી અને હિન્દી, તમિલ, બંગાળી અથવા ક્યારેક એક જ વાક્યમાં ત્રણેય વચ્ચે સ્વિચ થાય છે.
