Smallest.ai-მ $13 მილიონი მოიზიდა ადამიანის მსგავსი, ულტრასწრაფი ხმოვანი ხელოვნური ინტელექტის შესაქმნელად

ხელოვნური ინტელექტის აგენტები სულ უფრო ეფექტურად უმკლავდებიან მომხმარებელთა მხარდაჭერის საკითხებს, თუმცა ადამიანების უმეტესობა მაინც მარტივად ხვდება, როდესაც მანქანას ესაუბრება. 2024 წლის ბოლოს დაფუძნებული სტარტაპი Smallest.ai მიიჩნევს, რომ ხმოვანი აგენტების განვითარების შემდეგი ეტაპი არა დიდი ენობრივი მოდელების (LLM) აჩქარებაზე, არამედ ადამიანური საუბრისთვის შექმნილ მცირე, სპეციალიზებულ მოდელებზე იქნება დაფუძნებული.

კომპანიის მიზანია, ხელოვნურ ინტელექტთან საუბარი ადამიანთან კომუნიკაციისგან პრაქტიკულად განურჩეველი გახადოს. ამისთვის Smallest.ai ავითარებს ხმის მცირე მოდელს, რომელიც ადამიანის მიერ ინფორმაციის დამუშავების პროცესს იმეორებს — ის ერთდროულად უსმენს, ფიქრობს და საუბრობს.

„სანამ მე თქვენ გესაუბრებით, თქვენ უკვე ფიქრობთ და შესაძლოა შემაწყვეტინოთ კიდეც, თუ ძალიან დიდხანს ვილაპარაკებ“, — განუცხადა TechCrunch-ს სუდარშან კამატმა, Smallest.ai-ს დამფუძნებელმა და აღმასრულებელმა დირექტორმა. მისი თქმით, სტარტაპის მოდელი ზუსტად ამ პრინციპით მუშაობს.

ამ მისიის განსახორციელებლად Smallest.ai-მ Series A რაუნდში 13 მილიონი დოლარი მოიზიდა. რაუნდს Seligman Ventures ხელმძღვანელობდა, მასში ასევე მონაწილეობდნენ Sierra Ventures და 3one4 Capital. ახალი კაპიტალის ჩათვლით, სტარტაპის მთლიანმა დაფინანსებამ 21 მილიონ დოლარს გადააჭარბა.

ტექნოლოგიური მიდგომა და დაყოვნების პრობლემა

კამატის განმარტებით, დიდი ენობრივი მოდელების (LLM) მუშაობის პრინციპი გულისხმობს მთლიანი მოთხოვნის (prompt) მიღებას და მხოლოდ ამის შემდეგ ფიქრის დაწყებას. მიუხედავად იმისა, რომ ტექსტურ ჩატში ასეთი დაყოვნება მისაღებია, ხმოვან საუბარში მცირე პაუზაც კი არაბუნებრივად აღიქმება. „თუ დაფიქრდებით იმაზე, თუ როგორ ვსაუბრობთ, მე არ გაწვდით ჩემი აუდიოს დიდ ნაჭერს და თქვენ მხოლოდ ამის შემდეგ არ იწყებთ ფიქრს“, — აღნიშნავს ის.

სტარტაპის მოდელი მუშაობს როგორც რეალური დროის ინტელექტუალური შრე, რომელიც კონკრეტულ თემებზე ბუნებრივ დიალოგს პრაქტიკულად ყოველგვარი დაყოვნების გარეშე უზრუნველყოფს. თუმცა, თუ მოდელი ისეთ საკითხს წააწყდება, რომელიც მის შეზღუდულ ცოდნის ბაზას სცილდება, Smallest.ai მოთხოვნას დიდ ფუნდამენტურ მოდელს გადასცემს. ამ დროს მომხმარებელი მცირე ხნით „ლოდინის რეჟიმში“ გადადის, სანამ სისტემა საკითხს „იკვლევს“ — ზუსტად ისე, როგორც ამას რეალური ადამიანი გააკეთებდა.

კამატს სჯერა, რომ მომავალში ყველა AI აგენტი ორ მოდელს დაეყრდნობა:

• მცირე ხმოვანი მოდელი: რეალურ დროში ინტერაქციისა და საუბრისთვის.
• „ოფლაინ“ LLM: რომელიც საჭიროებისამებრ გამოიძახება რთული პრობლემების გადასაჭრელად.

ბაზარი და კონკურენცია

დიდი ფუნდამენტური მოდელებისგან განსხვავებით, Smallest.ai ფოკუსირებულია ხმის სპეციფიკურ ნიუანსებზე, როგორიცაა სხვადასხვა აქცენტების მართვა, ათობით ენის მხარდაჭერა და ხმაურიან გარემოში მუშაობა. სტარტაპის ამჟამინდელ კლიენტებს შორის არიან ისეთი კომპანიები, როგორიცაა RingCentral და Truecaller.

კამატის თქმით, ნებისმიერი კომპანია, რომელიც მომხმარებელთა მხარდაჭერაზე მუშაობს (მათ შორის ახალი მოთამაშეები, როგორიცაა Sierra და Decagon), მათი პოტენციური კლიენტია. კითხვაზე, თუ რატომ არ ქმნიან კარგად დაფინანსებული AI კომპანიები საკუთარ ხმოვან მოდელებს, მან უპასუხა, რომ ხმის ტექნოლოგიაში სრულყოფილების მიღწევა მათთვის ძირითადი ბიზნესიდან ყურადღების გადატანა იქნებოდა.

Smallest.ai კონკურენციას უწევს ხმოვანი AI-ს ლიდერ ElevenLabs-ს, ასევე Cartesia-ს და რეგიონულ მოთამაშეებს, როგორიცაა Sarvam. თუმცა, ზოგიერთი კონკურენტისგან განსხვავებით, რომლებიც ხმოვან AI-ს დუბლირებისთვის ან პოდკასტებისთვის იყენებენ, Smallest.ai ექსკლუზიურად რეალური დროის სასაუბრო აგენტებზეა ორიენტირებული.

„ჩვენ გვინდა, რომ ჩვენმა მოდელებმა ტიურინგის ტესტი გაიარონ. თქვენ უნდა ესაუბროთ ჩვენს მოდელს და ვერ ხვდებოდეთ, ეს ხელოვნური ინტელექტია თუ ადამიანი. ეს არის კომპანიის ერთადერთი ფოკუსი“, — აცხადებს კამატი.