ਮਨੁੱਖੀ ਗੱਲਬਾਤ ਅਤੇ AI ਇੰਟਰੈਕਸ਼ਨ ਵਿਚਕਾਰਲੀ ਦੂਰੀ ਘਟ ਰਹੀ ਹੈ, ਪਰ ਅਸਲੀਅਤ ਦਾ ਅਹਿਸਾਸ ਕਰਵਾਉਣ ਵਿੱਚ ਲੇਟੈਂਸੀ (latency) ਅਜੇ ਵੀ ਇੱਕ ਵੱਡੀ ਰੁਕਾਵਟ ਹੈ। Smallest.ai ਮਨੁੱਖੀ ਸੋਚਣ ਦੇ ਤਰੀਕਿਆਂ ਦੀ ਨਕਲ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਵਿਸ਼ੇਸ਼, ਅਤਿ-ਤੇਜ਼ ਛੋਟੇ ਵੌਇਸ ਮਾਡਲਾਂ ਵੱਲ ਵਧ ਕੇ ਇਸ ਚੁਣੌਤੀ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਿਹਾ ਹੈ, ਅਤੇ ਵੱਡੇ, ਹੌਲੀ LLMs ਤੋਂ ਦੂਰ ਜਾ ਰਿਹਾ ਹੈ।
Large Language Models ਦੀ ਲੇਟੈਂਸੀ ਤੋਂ ਅੱਗੇ ਵਧਣਾ
ਮੌਜੂਦਾ AI ਵੌਇਸ ਏਜੰਟ ਅਕਸਰ "ਪ੍ਰੌਮਪਟ-ਫਿਰ-ਪ੍ਰੋਸੈਸ" (prompt-then-process) ਦੀ ਦੇਰੀ ਦਾ ਸ਼ਿਕਾਰ ਹੁੰਦੇ ਹਨ। ਇੱਕ ਸਟੈਂਡਰਡ LLM ਵਰਕਫਲੋ ਵਿੱਚ, ਸਿਸਟਮ ਪੂਰੀ ਆਡੀਓ ਕਲਿੱਪ ਦੀ ਉਡੀਕ ਕਰਦਾ ਹੈ, ਟੈਕਸਟ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਦਾ ਹੈ, ਅਤੇ ਫਿਰ ਜਵਾਬ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਜਿਵੇਂ ਕਿ Smallest.ai ਦੇ ਸੰਸਥਾਪਕ ਅਤੇ CEO ਸੁਦਰਸ਼ਨ ਕਾਮਾਥ ਨੋਟ ਕਰਦੇ ਹਨ, ਇਹ ਰੁਕਾਵਟ ਇੱਕ ਸਪੱਸ਼ਟ ਸੰਕੇਤ ਹੈ ਕਿ ਉਪਭੋਗਤਾ ਕਿਸੇ ਮਸ਼ੀਨ ਨਾਲ ਗੱਲ ਕਰ ਰਿਹਾ ਹੈ।
Smallest.ai ਦਾ ਤਰੀਕਾ ਮਨੁੱਖੀ ਨਿਊਰੋਬਾਇਓਲੋਜੀ ਦੀ ਨਕਲ ਕਰਦਾ ਹੈ: ਇੱਕੋ ਸਮੇਂ ਸੁਣਨਾ, ਸੋਚਣਾ ਅਤੇ ਬੋਲਣਾ। ਉਹਨਾਂ ਦਾ ਆਪਣਾ ਛੋਟਾ ਵੌਇਸ ਮਾਡਲ ਲਗਭਗ ਜ਼ੀਰੋ ਰਿਸਪਾਂਸ ਲੈਗ ਦੇ ਨਾਲ ਰੀਅਲ-ਟਾਈਮ ਇੰਟੈਲੀਜੈਂਸ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਵੱਡੇ ਫਾਊਂਡੇਸ਼ਨਲ ਮਾਡਲਾਂ ਦੀ ਬਜਾਏ ਛੋਟੇ, ਵਿਸ਼ੇਸ਼ ਮਾਡਲਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਕੇ, ਸਟਾਰਟਅੱਪ ਦਾ ਉਦੇਸ਼ ਰੁਕਾਵਟਾਂ ਅਤੇ ਕੁਦਰਤੀ ਗੱਲਬਾਤ ਦੇ ਪ੍ਰਵਾਹ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਣਾ ਹੈ, ਜਿਸਦਾ ਮਕਸਦ ਅਸਲ ਵਿੱਚ ਰਫ਼ਤਾਰ ਅਤੇ ਬਾਰੀਕੀ ਰਾਹੀਂ "ਟਿਊਰਿੰਗ ਟੈਸਟ" (Turing test) ਨੂੰ ਪਾਰ ਕਰਨਾ ਹੈ।
ਐਂਟਰਪ੍ਰਾਈਜ਼ ਇੰਟੈਲੀਜੈਂਸ ਲਈ ਇੱਕ ਦੁਵਿਧਾ-ਮਾਡਲ ਆਰਕੀਟੈਕਚਰ
Smallest.ai AI ਏਜੰਟ ਆਰਕੀਟੈਕਚਰ ਲਈ ਇੱਕ ਨਵਾਂ ਮਿਆਰ ਪੇਸ਼ ਕਰ ਰਿਹਾ ਹੈ। ਸਭ ਕੁਝ ਸੰਭਾਲਣ ਲਈ ਇੱਕੋ ਇੱਕ ਵੱਡੇ ਮਾਡਲ 'ਤੇ ਜ਼ੋਰ ਪਾਉਣ ਦੀ ਬਜਾਏ, ਕੰਪਨੀ ਦੋ-ਪੱਧਰੀ ਪ੍ਰਣਾਲੀ ਦੀ ਵਕਾਲਤ ਕਰਦੀ ਹੈ:
- ਛੋਟਾ ਵੌਇਸ ਮਾਡਲ (The Small Voice Model): ਇੱਕ ਰੀਅਲ-ਟਾਈਮ ਇੰਟੈਲੀਜੈਂਸ ਲੇਅਰ ਜੋ ਤੁਰੰਤ, ਸੁਚਾਰੂ ਗੱਲਬਾਤ ਦੇ ਸੂਖਮ ਵੇਰਵਿਆਂ ਨੂੰ ਸੰਭਾਲਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਲਹਿਜੇ, ਵੱਖ-ਵੱਖ ਭਾਸ਼ਾਵਾਂ ਅਤੇ ਸ਼ੋਰ ਵਾਲੇ ਮਾਹੌਲ ਸ਼ਾਮਲ ਹਨ।
- "ਆਫਲਾਈਨ" LLM: ਇੱਕ ਵੱਡਾ ਫਾਊਂਡੇਸ਼ਨਲ ਮਾਡਲ ਜਿਸ ਨੂੰ ਸਿਰਫ ਉਦੋਂ ਬੁਲਾਇਆ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਕੋਈ ਸਵਾਲ ਛੋਟੇ ਮਾਡਲ ਦੇ ਵਿਸ਼ੇਸ਼ ਗਿਆਨ ਦੇ ਅਧਾਰ ਤੋਂ ਬਾਹਰ ਹੋਵੇ।
ਜਦੋਂ ਛੋਟਾ ਮਾਡਲ ਕਿਸੇ ਗੁੰਝਲਦਾਰ ਸਮੱਸਿਆ ਦਾ ਸਾਹਮਣਾ ਕਰਦਾ ਹੈ, ਤਾਂ ਇਹ ਵੱਡੇ LLM ਰਾਹੀਂ ਮੁੱਦੇ ਦੀ ਖੋਜ ਕਰਨ ਲਈ ਕਾਲਰ ਨੂੰ ਥੋੜ੍ਹੀ ਦੇਰ ਲਈ "ਹੋਲਡ" 'ਤੇ ਰੱਖ ਕੇ ਇੱਕ ਮਨੁੱਖੀ ਏਜੰਟ ਦੀ ਨਕਲ ਕਰਦਾ ਹੈ। ਇਹ ਹਾਈਬ੍ਰਿਡ ਪਹੁੰਚ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦੀ ਹੈ ਕਿ ਜਦੋਂ ਉੱਚ-ਪੱਧਰੀ ਤਰਕ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਉਦੋਂ ਵੀ ਗੱਲਬਾਤ ਦਾ ਅਨੁਭਵ ਨਿਰਵਿਘਨ ਰਹੇ।
ਮਾਰਕੀਟ ਪੋਜੀਸ਼ਨਿੰਗ ਅਤੇ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਦਾ ਦ੍ਰਿਸ਼
Seligman Ventures ਦੀ ਅਗਵਾਈ ਵਿੱਚ $13 ਮਿਲੀਅਨ ਦੇ ਸੀਰੀਜ਼ A ਰਾਊਂਡ ਦੇ ਨਾਲ—ਜਿਸ ਨਾਲ ਕੁੱਲ ਫੰਡਿੰਗ $21 ਮਿਲੀਅਨ ਤੋਂ ਵੱਧ ਹੋ ਗਈ ਹੈ—Smallest.ai ਆਪਣੇ ਆਪ ਨੂੰ ਵੌਇਸ AI ਅਰਥਵਿਵਸਥਾ ਲਈ ਇੱਕ ਜ਼ਰੂਰੀ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਜੋਂ ਪੇਸ਼ ਕਰ ਰਿਹਾ ਹੈ। ਸਟਾਰਟਅੱਪ ਐਂਡ-ਟੂ-ਐਂਡ ਕਸਟਮਰ ਸਪੋਰਟ ਪਲੇਟਫਾਰਮ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਨਹੀਂ ਕਰ ਰਿਹਾ; ਇਸ ਦੀ ਬਜਾਏ, ਇਹ ਉਹ ਵਿਸ਼ੇਸ਼ ਵੌਇਸ ਲੇਅਰ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜਿਸਦੀ ਵਰਤੋਂ RingCentral ਅਤੇ Truecaller ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਪਹਿਲਾਂ ਹੀ ਕਰ ਰਹੀਆਂ ਹਨ।
ਜਦੋਂ ElevenLabs ਵਰਗੇ ਮੁਕਾਬਲੇਬਾਜ਼ ਆਡੀਓ ਡਬਿੰਗ ਅਤੇ ਪੋਡਕਾਸਟਿੰਗ 'ਤੇ ਜ਼ਿਆਦਾ ਧਿਆਨ ਦਿੰਦੇ ਹਨ, ਅਤੇ Cartesia ਜਾਂ Sarvam ਵਰਗੇ ਹੋਰ ਖਾਸ ਖੇਤਰੀ ਨਿਚ (niches) ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਂਦੇ ਹਨ, Smallest.ai ਰੀਅਲ-ਟਾਈਮ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਕੰਵਰਸੇਸ਼ਨਲ ਏਜੰਟਾਂ 'ਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਕੇਂਦਰਿਤ ਹੈ। ਕਾਮਾਥ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ Sierra ਅਤੇ Decagon ਵਰਗੇ ਕਸਟਮਰ ਸਪੋਰਟ ਸਟਾਰਟਅੱਪਸ ਲਈ, ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੀ, ਘੱਟ-ਲੇਟੈਂਸੀ ਵਾਲੀ ਵੌਇਸ ਨੂੰ ਸੰਵਾਰਨਾ ਉਹਨਾਂ ਦੇ ਮੁੱਖ ਕਾਰੋਬਾਰ ਤੋਂ ਧਿਆਨ ਭਟਕਾਉਣ ਵਾਲਾ ਹੈ, ਜਿਸ ਨਾਲ Smallest.ai ਦਾ ਵਿਸ਼ੇਸ਼ "ਪਲੱਗ-ਐਂਡ-ਪਲੇ" ਮਾਡਲ ਇੱਕ ਰਣਨੀਤਕ ਲੋੜ ਬਣ ਜਾਂਦਾ ਹੈ।
ਮੁੱਖ ਗੱਲਾਂ
- ਵਿਸ਼ੇਸ਼ ਕੁਸ਼ਲਤਾ: Smallest.ai ਲਗਭਗ ਜ਼ੀਰੋ ਲੇਟੈਂਸੀ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਛੋਟੇ, ਸਮਰਪਿਤ ਵੌਇਸ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਜੋ ਰਵਾਇਤੀ ਵੱਡੇ ਪੱਧਰ ਦੇ LLMs ਦੀ ਕੁਦਰਤੀ ਦੇਰੀ ਤੋਂ ਬਚਦਾ ਹੈ।
- ਹਾਈਬ੍ਰਿਡ ਇੰਟੈਲੀਜੈਂਸ: ਕੰਪਨੀ ਦੋਹਰੇ ਮਾਡਲ ਦੀ ਰਣਨੀਤੀ ਅਪਣਾਉਂਦੀ ਹੈ, ਰੀਅਲ-ਟਾਈਮ ਇੰਟਰੈਕਸ਼ਨ ਲਈ ਤੇਜ਼ ਛੋਟੇ ਮਾਡਲਾਂ ਅਤੇ ਗੁੰਝਲਦਾਰ, ਡੂੰਘੇ ਤਰਕ ਵਾਲੇ ਕੰਮਾਂ ਲਈ ਵੱਡੇ LLMs ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ।
- ਬੁਨਿਆਦੀ ਢਾਂਚੇ 'ਤੇ ਧਿਆਨ: ਕਸਟਮਰ ਸਪੋਰਟ ਪਲੇਟਫਾਰਮਾਂ ਨਾਲ ਸਿੱਧਾ ਮੁਕਾਬਲਾ ਕਰਨ ਦੀ ਬਜਾਏ, Smallest.ai ਉਹ ਮਹੱਤਵਪੂਰਨ ਵੌਇਸ ਟੈਕਨੋਲੋਜੀ ਲੇਅਰ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜੋ ਵਧੇਰੇ ਕੁਦਰਤੀ, ਮਨੁੱਖ ਵਰਗੇ AI ਏਜੰਟਾਂ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦੀ ਹੈ।
ਨਿਚੋੜ
Smallest.ai ਦੀ $13 ਮਿਲੀਅਨ ਦੀ ਰਾਖ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਤਿਆਰ ਕੀਤੇ ਗਏ, ਦੋ-ਪੱਧਰੀ ਵੌਇਸ-AI ਸਟੈਕ ਨੂੰ ਵਿੱਤ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ ਜੋ ਵੱਡੇ LLMs ਦੀ ਵਿਸ਼ਵਵਿਆਪਕਤਾ ਦੇ ਬਦਲੇ ਛੋਟੇ, ਕੰਮ-ਮੁਖੀ ਮਾਡਲਾਂ ਦੀ ਰਫ਼ਤਾਰ ਨੂੰ ਚੁਣਦਾ ਹੈ। ਵਾਅਦਾ ਸਪੱਸ਼ਟ ਹੈ: ਮੌਜੂਦਾ ਵੌਇਸ ਸਹਾਇਕਾਂ ਦੀ ਅਜੀਬ ਰੁਕਾਵਟ ਨੂੰ ਖਤਮ ਕਰਕੇ AI ਗੱਲਬਾਤ ਨੂੰ ਇੰਨਾ ਕੁਦਰਤੀ ਬਣਾਉਣਾ ਜਿਵੇਂ ਕਿ ਕਿਸੇ ਮਨੁੱਖ ਨਾਲ ਗੱਲ ਕਰ ਰਹੇ ਹੋਵੋ। ਕੀ ਇਸਦੇ ਫਾਇਦੇ ਵਧੇ ਹੋਏ ਇੰਜੀਨੀਅਰਿੰਗ ਖਰਚੇ ਨਾਲੋਂ ਵੱਧ ਹੋਣਗੇ, ਇਹ ਉਦੋਂ ਸਾਫ਼ ਹੋਵੇਗਾ ਜਦੋਂ ਉਦਯੋਗਿਕ ਕੰਪਨੀਆਂ ਇਸ ਤਕਨਾਲੋਜੀ ਨੂੰ ਅਸਲ ਦੁਨੀਆ ਦੇ ਕਾਲ ਫਲੋਅ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰਨਗੀਆਂ।