Spotify ਆਪਣੇ ਮਿਊਜ਼ਿਕ ਪਲੇਅਰ ਨੂੰ ਇੱਕ ਗੱਲਬਾਤ ਕਰਨ ਵਾਲੇ ਸਾਥੀ (conversational companion) ਵਿੱਚ ਬਦਲ ਰਿਹਾ ਹੈ, ਜੋ ਕਿ ਇਸਦੇ ਐਪ ਵਿੱਚ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਉੱਨਤ AI ਵੌਇਸ ਅਤੇ ਟੈਕਸਟ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਜੋੜ ਰਿਹਾ ਹੈ। ਇਹ ਕਦਮ ਅਨੁਭਵ ਨੂੰ ਪੈਸਿਵ ਲਿਸਨਿੰਗ (passive listening) ਤੋਂ ਇੱਕ ਇੰਟਰਐਕਟਿਵ, ਪ੍ਰਸ਼ਨ-ਅਧਾਰਤ ਸੰਵਾਦ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ ਜੋ ਨੈਚੁਰਲ ਲੈਂਗੂਏਜ ਪ੍ਰੋਸੈਸਿੰਗ ਰਾਹੀਂ ਉਪਭੋਗਤਾ ਦੀ ਦਿਲਚਸਪੀ ਨੂੰ ਹੋਰ ਡੂੰਘਾ ਕਰਦਾ ਹੈ।
ਆਡੀਓ ਲਈ ਇੱਕ ਗੱਲਬਾਤ ਕਰਨ ਵਾਲਾ ਕਮਾਂਡ ਸੈਂਟਰ
ਸਧਾਰਨ "play" ਅਤੇ "pause" ਕਮਾਂਡਾਂ ਤੋਂ ਇਲਾਵਾ, Spotify ਦਾ ਨਵਾਂ ਬੀਟਾ Premium ਸਬਸਕ੍ਰਾਈਬਰਾਂ ਨੂੰ ਬਾਰੀਕ ਪ੍ਰੋਂਪਟ (nuanced prompts) ਦੇਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ "play some artists I haven't heard before," "make it more upbeat," ਜਾਂ "just his recent stuff." ਇਹ ਫੀਚਰ ਇਰਾਦੇ ਨੂੰ ਪੜ੍ਹਨ, ਸ਼ੈਲੀਗਤ ਪਸੰਦਾਂ ਨੂੰ ਸਮਝਣ ਅਤੇ ਖਾਸ ਕਲਾਕਾਰਾਂ ਨੂੰ ਲੱਭਣ ਲਈ Large Language Models (LLMs) ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਪਲੇਅਬੈਕ ਵਿਊ ਵਿੱਚ ਇਸ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਰੱਖ ਕੇ, Spotify ਐਪ ਨੂੰ ਇੱਕ ਨਿੱਜੀ AI DJ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ ਜੋ ਸੰਗੀਤਕ ਮੂਡ ਅਤੇ ਖੋਜ ਨੂੰ ਸਮਝਦਾ ਹੈ।
ਸੁਣਨ ਦੇ ਇਤਿਹਾਸ ਅਤੇ ਆਮ ਗਿਆਨ ਨਾਲ ਡੂੰਘਾ ਇੱਕੀਕਰਨ
ਇਹ ਇੰਟਰਫੇਸ ਸਿਰਫ਼ ਪਲੇਅਬੈਕ ਨੂੰ ਕੰਟਰੋਲ ਕਰਨ ਤੋਂ ਕਿਤੇ ਵੱਧ ਕੁਝ ਕਰਦਾ ਹੈ; ਇਹ ਇੱਕ ਗਿਆਨ ਇੰਜਣ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ। ਇਹ "ਮੈਂ ਪਹਿਲੀ ਵਾਰ ਇਹ ਗੀਤ ਕਦੋਂ ਸੁਣਿਆ ਸੀ?" ਵਰਗੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਲਈ ਉਪਭੋਗਤਾ ਦੇ ਸੁਣਨ ਦੇ ਇਤਿਹਾਸ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਨਿੱਜੀ ਡੇਟਾ ਅਤੇ generative AI ਦਾ ਇਹ ਸੁਮੇਲ ਇੱਕ ਅਜਿਹੀ ਹਾਈਪਰ-ਪਰਸਨਲਾਈਜ਼ਡ ਸਹੂਲਤ ਬਣਾਉਂਦਾ ਹੈ ਜੋ ਹੋਰ ਸਟ੍ਰੀਮਿੰਗ ਸੇਵਾਵਾਂ ਵਿੱਚ ਨਹੀਂ ਹੈ।
AI ਆਮ ਗਿਆਨ ਨਾਲ ਸਬੰਧਤ ਸਵਾਲਾਂ ਨੂੰ ਵੀ ਸੰਭਾਲਦਾ ਹੈ—ਪੁੱਛੋ "The Odyssey ਕਦੋਂ ਲਿਖੀ ਗਈ ਸੀ?" ਅਤੇ ਐਪ ਦੇ ਅੰਦਰ ਹੀ ਜਵਾਬ ਪ੍ਰਾਪਤ ਕਰੋ। ਇਸ ਸਹ便利ਤਾ ਦੇ ਨਾਲ AI ਹਲੂਸੀਨੇਸ਼ਨ (hallucinations) ਦਾ ਜੋਖਮ ਵੀ ਆਉਂਦਾ ਹੈ, ਜਿੱਥੇ ਮਾਡਲ ਗਲਤ ਤੱਥ ਦੱਸ ਸਕਦਾ ਹੈ, ਜੋ ਕਿ ਮੌਜੂਦਾ LLMs ਲਈ ਇੱਕ ਜਾਣਿਆ-ਪਛਾਣਿਆ ਚੁਣੌਤੀ ਹੈ।
AI-ਨਿਰਮਿਤ ਕੰਟੈਂਟ ਈਕੋਸਿਸਟਮ ਵਿੱਚ ਨਾਵਿਗੇਟ ਕਰਨਾ
Spotify ਦਾ ਗੱਲਬਾਤ ਕਰਨ ਵਾਲੇ AI ਵੱਲ ਵਧਣਾ ਉਸ ਸਮੇਂ ਹੋ ਰਿਹਾ ਹੈ ਜਦੋਂ ਪਲੇਟਫਾਰਮ generative audio ਨਾਲ ਜੂਝ ਰਿਹਾ ਹੈ। ਇੱਕ ਪਾਸੇ, ਇਹ ElevenLabs ਨਾਲ ਭਾਈਵਾਲੀ ਕਰ ਰਿਹਾ ਹੈ ਤਾਂ ਜੋ ਕ੍ਰਿਏਟਰ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੀਆਂ AI-ਨਿਰਮਿਤ ਆਵਾਜ਼ਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਆਡੀਓਬੁੱਕਾਂ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰ ਸਕਣ।
ਦੂਜੇ ਪਾਸੇ, Spotify AI-ਨਿਰਮਿਤ ਗੀਤਾਂ ਅਤੇ ਬੋਟ-ਅਧਾਰਿਤ ਨਕਲੀ ਵਾਧੇ (artificial boosts) ਦੇ ਹੜ੍ਹ ਨਾਲ ਲੜ ਰਿਹਾ ਹੈ ਜੋ ਸਿਫਾਰਸ਼ਾਂ ਦੀ ਸ਼ੁੱਧਤਾ ਲਈ ਖਤਰਾ ਹਨ। ਇੱਕ ਅਧਿਕਾਰਤ, ਉੱਚ-ਉਪਯੋਗੀ ਵੌਇਸ ਫੀਚਰ ਪੇਸ਼ ਕਰਕੇ, Spotify ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਅਣਚੈੱਕ, ਆਟੋਮੇਟਿਡ ਕੰਟੈਂਟ ਦੀ ਬਜਾਏ ਭਰੋਸੇਯੋਗ AI ਇੰਟਰੈਕਸ਼ਨਾਂ ਵੱਲ ਮੋੜ ਰਿਹਾ ਹੈ।
ਆਡੀਓ ਡਿਸਕਵਰੀ ਦੇ ਭਵਿੱਖ ਨੂੰ ਵਧਾਉਣਾ
ਇਹ ਬੀਟਾ ਅਮਰੀਕਾ, ਆਇਰਲੈਂਡ ਅਤੇ ਸਵੀਡਨ ਵਿੱਚ 18 ਸਾਲ ਅਤੇ ਇਸ ਤੋਂ ਵੱਧ ਉਮਰ ਦੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਲਾਂਚ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਸੀਮਤ ਰੋਲਆਊਟ Spotify ਨੂੰ ਵਿਸ਼ਵਵਿਆਪੀ ਲਾਂਚ ਤੋਂ ਪਹਿਲਾਂ ਆਪਣੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਨੂੰ ਸੈੱਟ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। ਵਿਸ਼ਾਲ AI ਖੇਤਰ ਲਈ, ਇਹ ਟੈਸਟ ਇੱਕ ਕੇਸ ਸਟੱਡੀ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਉਪਭੋਗਤਾ ਤਕਨਾਲੋਜੀ ਦੀਆਂ ਦਿੱਗਜ ਕੰਪਨੀਆਂ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਜੋੜ ਕੇ ਰੱਖਣ (stickiness and retention) ਲਈ ਮੌਜੂਦਾ ਉਤਪਾਦਾਂ ਵਿੱਚ LLMs ਨੂੰ ਜੋੜਦੀਆਂ ਹਨ।
ਮੁੱਖ ਗੱਲਾਂ
- ਇੰਟਰਐਕਟਿਵ ਡਿਸਕਵਰੀ: ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਵਾਲੇ ਪ੍ਰੋਂਪਟ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਮੂਡ, ਸ਼ੈਲੀ (genre) ਅਤੇ ਕਲਾਕਾਰ-ਵਿਸ਼ੇਸ਼ ਪਲੇਅਬੈਕ ਨੂੰ ਰੂਪ ਦੇਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ।
- ਨਿੱਜੀ ਡੇਟਾ ਇਨਸਾਈਟਸ: AI ਕ੍ਰੋਨੋਲੋਜੀਕਲ ਤੱਥ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਉਪਭੋਗਤਾ ਦੇ ਸੁਣਨ ਦੇ ਇਤਿਹਾਸ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ।
- ਹਾਈਬ੍ਰਿਡ ਕੰਟੈਂਟ ਰਣਨੀਤੀ: Spotify ਕ੍ਰਿਏਟਰਾਂ ਲਈ AI ਟੂਲ (ElevenLabs) ਨੂੰ ਅਪਣਾ ਰਿਹਾ ਹੈ ਅਤੇ ਨਾਲ ਹੀ AI-ਨਿਰਮਿਤ ਬੋਟ ਸਪੈਮ ਦੇ ਵਿਰੁੱਧ ਰੱਖਿਆ ਕਰ ਰਿਹਾ ਹੈ।
Spotify ਨੇ ਅਮਰੀਕਾ, ਆਇਰਲੈਂਡ ਅਤੇ ਸਵੀਡਨ ਵਿੱਚ Premium ਸਬਸਕ੍ਰਾਈਬਰਾਂ ਲਈ ਇੱਕ ਬੀਟਾ-ਸਿਰਫ਼ AI ਵੌਇਸ ਅਸਿਸਟੈਂਟ ਲਾਂਚ ਕੀਤਾ ਹੈ। ਇਹ ਫੀਚਰ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਐਪ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ—ਜਿਵੇਂ ਕਿ "play something I haven’t heard before" ਜਾਂ "show me the first time I ever listened to this track" ਕਹਿਣਾ—ਅਤੇ ਇਸ ਨੂੰ ਸੰਗੀਤ ਸਟ੍ਰੀਮਿੰਗ ਨੂੰ ਸਿਰਫ਼ ਇੱਕ ਬਟਨ ਦਬਾਉਣ ਦੀ ਬਜਾਏ ਇੱਕ ਸੰਵਾਦ ਵਾਂਗ ਮਹਿਸੂਸ ਕਰਵਾਉਣ ਦੇ ਤਰੀਕੇ ਵਜੋਂ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਹੈ।
ਇਹ ਕਦਮ ਹੁਣ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ
Spotify ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਸਰੋਤਿਆਂ ਨੂੰ ਐਪ ਵਿੱਚ ਰੱਖਣ ਲਈ ਅਲਗੋਰਿਦਮਿਕ ਪਲੇਲਿਸਟਾਂ ਅਤੇ ਸਧਾਰਨ ਵੌਇਸ ਕਮਾਂਡਾਂ 'ਤੇ ਨਿਰਭਰ ਰਿਹਾ ਹੈ। ਪਲੇਅਬੈਕ ਸਕ੍ਰੀਨ ਵਿੱਚ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਇੱਕ ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲ (LLM) ਨੂੰ ਜੋੜਨਾ ਉਨ੍ਹਾਂ ਪੈਸਿਵ ਟੂਲਸ ਨੂੰ ਇੱਕ ਗੱਲਬਾਤ ਕਰਨ ਵਾਲੇ DJ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ ਜੋ ਬਾਰੀਕ ਬੇਨਤੀਆਂ ਦੀ ਵਿਆਖਿਆ ਕਰ ਸਕਦਾ ਹੈ।
ਗੱਲਬਾਤ ਦੇ ਪਿੱਛੇ ਦੀ ਤਕਨਾਲੋਜੀ
ਬੀਟਾ ਸਿਰਫ਼ ਉਨ੍ਹਾਂ 18 ਸਾਲ ਜਾਂ ਇਸ ਤੋਂ ਵੱਧ ਉਮਰ ਦੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਚੱਲ ਰਿਹਾ ਹੈ ਜੋ Premium ਲਈ ਭੁਗਤਾਨ ਕਰਦੇ ਹਨ। ਜਦੋਂ ਕੋਈ ਉਪਭੋਗਤਾ ਕੋਈ ਬੇਨਤੀ ਬੋਲਦਾ ਜਾਂ ਟਾਈਪ ਕਰਦਾ ਹੈ, ਤਾਂ LLM ਇਰਾਦੇ ਦੀ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ, ਵਿਅਕਤੀ ਦੇ ਸੁਣਨ ਦੇ ਇਤਿਹਾਸ ਨਾਲ ਮਿਲਾਨ ਕਰਦਾ ਹੈ ਅਤੇ ਫਿਰ ਪਲੇਅਬੈਕ ਕਿਊ (queue) ਜਾਂ ਇੱਕ ਤੱਥ-ਅਧਾਰਤ ਜਵਾਬ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਮਾਡਲ ਨਿੱਜੀ ਸਵਾਲਾਂ ਜਿਵੇਂ ਕਿ "ਮੈਂ ਪਹਿਲੀ ਵਾਰ ਇਹ ਗੀਤ ਕਦੋਂ ਸੁਣਿਆ ਸੀ?" ਅਤੇ ਆਮ ਗਿਆਨ ਵਾਲੇ ਸਵਾਲਾਂ ਜਿਵੇਂ ਕਿ "The Odyssey ਕਦੋਂ ਲਿਖੀ ਗਈ ਸੀ?" ਦੇ ਜਵਾਬ ਦੇ ਸਕਦਾ ਹੈ। ਇਹ ਸਭ ਉਸੇ ਵਿਊ ਦੇ ਅੰਦਰ ਹੁੰਦਾ ਹੈ ਜਿੱਥੇ ਉਪਭੋਗਤਾ ਆਮ ਤੌਰ 'ਤੇ play, pause ਜਾਂ skip ਦਬਾਉਂਦੇ ਹਨ।
ਸਧਾਰਨ ਕਮਾਂਡਾਂ ਤੋਂ ਲੈ ਕੇ ਸੰਦਰਭਿਕ ਡਿਸਕਵਰੀ ਤੱਕ
ਸਟ੍ਰੀਮਿੰਗ ਪਲੇਟਫਾਰਮਾਂ 'ਤੇ ਪਹਿਲਾਂ ਦੇ ਵੌਇਸ ਇੰਟੈਗ੍ਰੇਸ਼ਨ "play — Taylor Swift" ਜਾਂ "skip" ਵਰਗੀਆਂ ਕਮਾਂਡਾਂ ਤੱਕ ਸੀਮਤ ਸਨ। Spotify ਦਾ ਨਵਾਂ ਅਸਿਸਟੈਂਟ ਇਸ ਤੋਂ ਅੱਗੇ ਜਾਂਦਾ ਹੈ: ਇਹ ਮੂਡ ਨੂੰ ਐਡਜਸਟ ਕਰ ਸਕਦਾ ਹੈ ("make it more upbeat"), ਜਾਣ-ਪਛਾਣ ਦੇ ਅਧਾਰ 'ਤੇ ਫਿਲਟਰ ਕਰ ਸਕਦਾ ਹੈ ("play artists I haven’t heard before") ਅਤੇ ਖਾਸ ਕੈਟਾਲਾਗ ਸੈਕਸ਼ਨਾਂ ਨੂੰ ਲੱਭ ਸਕਦਾ ਹੈ ("just his recent stuff")। ਇਹਨਾਂ ਬਹੁ-ਪੜਾਅ ਵਾਲੀਆਂ ਹਦਾਇਤਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਕੇ, AI ਇੱਕ ਨਿੱਜੀ ਕਿਊਰੇਟਰ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ ਜੋ ਹਰ ਇੰਟਰੈਕਸ਼ਨ ਤੋਂ ਸਿੱਖਦਾ ਹੈ।
ਕ੍ਰਿਏਟਰਾਂ ਅਤੇ ਪਲੇਟਫਾਰਮ ਲਈ ਲਾਭ
Spotify ਇੱਕ ਵੌਇਸ-ਸਿੰਥੇਸਿਸ (voice-synthesis) ਕੰਪਨੀ ਨਾਲ ਆਪਣੀ ਭਾਈਵਾਲੀ ਨੂੰ ਹੋਰ ਡੂੰਘਾ ਕਰ ਰਿਹਾ ਹੈ ਜੋ ਆਡੀਓਬੁੱਕਾਂ ਲਈ AI-ਨਿਰਮਿਤ ਨਰੇਸ਼ਨ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ। ਇਹ ਸਹਿਯੋਗ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਸੇਵਾ ਜਨਰੇਟਿਵ ਆਡੀਓ ਟੂਲਸ ਨੂੰ ਅਪਣਾਉਣ ਲਈ ਤਿਆਰ ਹੈ ਜੋ ਕ੍ਰਿਏਟਰਾਂ ਨੂੰ ਘੱਟ ਲਾਗਤ 'ਤੇ ਤੇਜ਼ੀ ਨਾਲ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ। ਇਸ ਦੇ ਨਾਲ ਹੀ, ਕੰਪਨੀ ਘੱਟ-ਗੁਣਵੱਤਾ ਵਾਲੇ, AI-ਨਿਰਮਿਤ ਗੀਤਾਂ ਅਤੇ ਬੋਟ-ਚਲਾਇਤ "ਆਰਟੀਫੀਸ਼ੀਅਲ ਬੂਸਟਸ" (artificial boosts) ਦੀ ਭੜਕਾਅ ਨਾਲ ਲੜ ਰਹੀ ਹੈ ਜੋ ਇਸਦੇ ਰੈਕੋਮੈਂਡੇਸ਼ਨ ਇੰਜਣ ਦੀ ਅਖੰਡਤਾ ਲਈ ਖਤਰਾ ਹਨ। ਇੱਕ ਅਧਿਕਾਰਤ, ਉੱਚ-ਉਪਯੋਗੀ AI ਫੀਚਰ ਪੇਸ਼ ਕਰਨਾ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਭਰੋਸੇਯੋਗ ਇੰਟਰੈਕਸ਼ਨਾਂ ਵੱਲ ਮੋੜਨ ਅਤੇ ਅਣਚੈੱਕ, ਸਪੈਮੀ ਸਮੱਗਰੀ ਤੋਂ ਦੂਰ ਰੱਖਣ ਦਾ ਇੱਕ ਤਰੀਕਾ ਹੈ।
ਜੋਖਮ ਅਤੇ ਹੈਲੂਸੀਨੇਸ਼ਨ (hallucination) ਦੀ ਸਮੱਸਿਆ
LLMs "ਹੈਲੂਸੀਨੇਸ਼ਨ" ਪੈਦਾ ਕਰ ਸਕਦੇ ਹਨ – ਭਾਵ ਅਜਿਹੇ ਜਵਾਬ ਜੋ ਸੁਣਨ ਵਿੱਚ ਭਰੋਸੇਯੋਗ ਲੱਗਦੇ ਹਨ ਪਰ ਤੱਥਾਂ ਦੇ ਅਧਾਰ 'ਤੇ ਗਲਤ ਹੁੰਦੇ ਹਨ। ਜਦੋਂ ਕੋਈ ਉਪਭੋਗਤਾ ਇਤਿਹਾਸਕ ਸਵਾਲ ਪੁੱਛਦਾ ਹੈ, ਤਾਂ ਸਹਾਇਕ ਇੱਕ ਗਲਤ ਮਿਤੀ ਜਾਂ ਕ੍ਰੇਡਿਟ ਦੇ ਸਕਦਾ ਹੈ। ਇਹ ਜੋਖਮ ਇੱਕ ਮਿਊਜ਼ਿਕ ਐਪ ਵਿੱਚ ਵਧ ਜਾਂਦਾ ਹੈ ਜਿੱਥੇ ਸਰੋਤੇ ਦੁਬਾਰਾ ਚੈੱਕ ਕੀਤੇ ਬਿਨਾਂ ਜਵਾਬ ਨੂੰ ਸਵੀਕਾਰ ਕਰ ਸਕਦੇ ਹਨ। Spotify ਨੇ ਇਹ ਖੁਲਾਸਾ ਨਹੀਂ ਕੀਤਾ ਹੈ ਕਿ ਉਹ ਅਜਿਹੀਆਂ ਗਲਤੀਆਂ ਨੂੰ ਕਿਵੇਂ ਫਿਲਟਰ ਜਾਂ ਸੁਧਾਰੇਗਾ, ਜਿਸ ਨਾਲ ਤੁਰੰਤ ਗਿਆਨ ਦੇ ਵਾਅਦੇ ਅਤੇ ਕਦੇ-ਕਦੇ ਗਲਤ ਜਾਣਕਾਰੀ ਦੀ ਅਸਲੀਅਤ ਵਿਚਕਾਰ ਇੱਕ ਖਲਾਅ ਰਹਿ ਜਾਂਦਾ ਹੈ।
ਸਟੇਕਹੋਲਡਰਾਂ 'ਤੇ ਪ੍ਰਭਾਵ
- Premium ਉਪਭੋਗਤਾ ਆਪਣੀਆਂ ਲਾਇਬ੍ਰੇਰੀਆਂ ਦੀ ਖੋਜ ਕਰਨ ਲਈ ਇੱਕ ਅਮੀਰ ਅਤੇ ਵਧੇਰੇ ਇੰਟਰਐਕਟਿਵ ਤਰੀਕਾ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਸੰਤੁਸ਼ਟੀ ਵਧੇਗੀ ਅਤੇ ਚਰਨ (churn) ਘਟੇਗਾ।
- ਆਰਟਿਸਟ ਅਤੇ ਰਾਈਟਸ ਹੋਲਡਰ ਵਧੇਰੇ ਨਿਸ਼ਾਨਾ-ਬੱਧ ਐਕਸਪੋਜ਼ਰ ਦੇਖ ਸਕਦੇ ਹਨ ਜੇਕਰ AI ਅਜਿਹੇ ਗਹਿਰੇ ਕੱਟਸ (deeper cuts) ਨੂੰ ਸਾਹਮਣੇ ਲਿਆਉਂਦਾ ਹੈ ਜੋ ਸਰੋਤੇ ਦੇ ਮੂਡ ਨਾਲ ਮੇਲ ਖਾਂਦੇ ਹਨ, ਪਰ ਉਹ AI-ਨਿਰਮਿਤ ਟ੍ਰੈਕਾਂ ਦੇ ਪ੍ਰਭਾਵ ਹੇਠ ਵੀ ਰਹਿੰਦੇ ਹਨ ਜੋ ਰਾਇਲਟੀ ਦੀ ਗਣਨਾ ਨੂੰ ਉਲਝਾ ਸਕਦੇ ਹਨ।
- ਪ੍ਰਤੀਯੋਗੀਆਂ ਕੋਲ ਹੁਣ ਇੱਕ ਠੋਸ ਉਦਾਹਰਣ ਹੈ ਕਿ ਕਿਵੇਂ LLMs ਨੂੰ ਉਪਭੋਗਤਾ-ਮੁਖੀ ਉਤਪਾਦ ਵਿੱਚ ਪਰੋਇਆ ਜਾ ਸਕਦਾ ਹੈ, ਜੋ ਕਿ ਕਿਸੇ ਵੀ ਅਜਿਹੀ ਸੇਵਾ ਲਈ ਮਿਆਰ ਵਧਾਉਂਦਾ ਹੈ ਜੋ ਅਜੇ ਵੀ ਸਟੈਟਿਕ ਮੀਨੂਆਂ ਜਾਂ ਸੀਮਤ ਵੌਇਸ ਕਮਾਂਡਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ।
ਅੱਗੇ ਕੀ ਦੇਖਣਾ ਹੈ
Spotify ਦਾ ਰੋਲਆਊਟ ਤਿੰਨ ਬਾਜ਼ਾਰਾਂ ਤੱਕ ਸੀਮਤ ਹੈ, ਜੋ ਕੰਪਨੀ ਨੂੰ ਇੰਟੈਂਟ ਡਿਟੈਕਸ਼ਨ (intent detection) ਨੂੰ ਸੁਧਾਰਨ, ਹੈਲੂਸੀਨੇਸ਼ਨਾਂ ਨੂੰ ਘਟਾਉਣ ਅਤੇ ਇਹ ਮਾਪਣ ਲਈ ਇੱਕ ਡੇਟਾ ਸੈੱਟ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਕਿ ਸਹਾਇਕ ਕਿੰਨਾ ਵਾਧੂ ਸੁਣਨ ਦਾ ਸਮਾਂ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਜੇਕਰ ਬੀਟਾ (beta) ਵਿੱਚ ਐਂਗੇਜਮੈਂਟ ਵਿੱਚ ਮਾਪਣਯੋਗ ਵਾਧਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ, ਤਾਂ ਵਿਸ਼ਵਵਿਆਪੀ ਵਿਸਥਾਰ ਦੀ ਸੰਭਾਵਨਾ ਹੈ। ਨਿਯਮਕ ਵੀ ਇਸ ਵਿੱਚ ਦਿਲਚਸਪੀ ਲੈ ਸਕਦੇ ਹਨ ਕਿਉਂਕਿ ਨਿੱਜੀ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਅਤੇ AI-ਅਧਾਰਿਤ ਵਿਅਕਤੀਗਤਕਰਨ (personalization) ਵਿਚਕਾਰ ਦੀ ਰੇਖਾ ਧੁੰਦਲੀ ਹੋ ਰਹੀ ਹੈ; ਕੋਈ ਵੀ ਗਲਤੀ ਪ੍ਰਾਈਵੇਸੀ ਦੀ ਜਾਂਚ ਨੂੰ ਟਰਿੱਗਰ ਕਰ ਸਕਦੀ ਹੈ।
ਵਿਰੋਧੀ ਪੱਖ: ਕੀ ਗੱਲਬਾਤ ਦੀ ਸੱਚਮੁੱਚ ਲੋੜ ਹੈ?
ਆਲੋਚਕਾਂ ਦਾ ਤਰਕ ਹੈ ਕਿ ਜ਼ਿਆਦਾਤਰ ਸਰੋਤਿਆਂ ਕੋਲ ਪਹਿਲਾਂ ਹੀ ਸੰਗੀਤ ਲੱਭਣ ਦੇ ਕੁਸ਼ਲ ਤਰੀਕੇ ਹਨ—ਵਿਅਕਤੀਗਤ ਪਲੇਲਿਸਟਾਂ, ਕਿਊਰੇਟਡ ਐਡੀਟੋਰੀਅਲ ਲਿਸਟਾਂ ਅਤੇ ਤੀਜੀ-ਪਾਰਟੀ ਸਹਾਇਕ ਜੋ ਪਹਿਲਾਂ ਹੀ Spotify ਨਾਲ ਜੁੜੇ ਹੋਏ ਹਨ। ਇੱਕ ਗੱਲਬਾਤ ਵਾਲੀ ਲੇਅਰ ਜੋੜਨਾ ਉਨ੍ਹਾਂ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਅਨੁਭਵ ਨੂੰ ਗੁੰਝਲਦਾਰ ਬਣਾ ਸਕਦਾ ਹੈ ਜੋ ਟਾਈਪ ਕਰਨ ਜਾਂ ਬੋਲਣ ਦੀ ਬਜਾਏ ਤੇਜ਼ ਟੈਪਸ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਵੱਡੇ ਪੱਧਰ 'ਤੇ LLMs ਚਲਾਉਣ ਦੀ ਕੰਪਿਊਟੇਸ਼ਨਲ ਲਾਗਤ ਵਧੇਰੇ ਸੰਚਾਲਨ ਖਰਚਿਆਂ ਵਿੱਚ ਬਦਲ ਸਕਦੀ ਹੈ, ਜੋ ਅੰਤ ਵਿੱਚ ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਕੀਮਤਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦੀ ਹੈ।
ਸਿੱਟਾ
Spotify ਦਾ AI ਵੌਇਸ ਸਹਾਇਕ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲਜ਼ ਨੂੰ ਇੱਕ ਮੁੱਖਧਾਰਾ ਉਪਭੋਗਤਾ ਐਪ ਵਿੱਚ ਇਨਬੈਡ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਤਾਂ ਜੋ ਇੱਕ ਸਟੈਟਿਕ ਮਿਊਜ਼ਿਕ ਪਲੇਅਰ ਨੂੰ ਇੱਕ ਇੰਟਰਐਕਟਿਵ ਡਿਸਕਵਰੀ ਟੂਲ ਵਿੱਚ ਬਦਲਿਆ ਜਾ ਸਕੇ। ਇਹ ਪ੍ਰਯੋਗ ਇਹ ਪ੍ਰਗਟ ਕਰੇਗਾ ਕਿ ਕੀ ਵਧਾਈ ਗਈ ਗੱਲਬਾਤ ਦੀ ਡੂੰਘਾਈ ਤਕਨੀਕੀ ਓਵਰਹੈੱਡ ਅਤੇ ਗਲਤ ਜਾਣਕਾਰੀ ਦੇ ਜੋਖਮ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਉਂਦੀ ਹੈ, ਅਤੇ ਕੀ ਇਹ ਭੀੜ-ਭੜੱਕੇ ਵਾਲੇ ਸਟ੍ਰੀਮਿੰਗ ਮਾਰਕੀਟ ਵਿੱਚ ਇੱਕ ਟਿਕਾਊ ਵਿਲੱਖਣਤਾ ਬਣ ਸਕਦੀ ਹੈ।