Spotify தனது இசைத் தளத்தை (music player) ஒரு உரையாடல் துணையாக (conversational companion) மாற்றுகிறது. இதன் மூலம் மேம்பட்ட AI குரல் மற்றும் உரைத் திறன்களை நேரடியாகத் தனது செயலியில் இணைத்துள்ளது. இந்த நடவடிக்கை, இசையைக் கேட்பதை வெறும் செயலற்ற அனுபவத்திலிருந்து, இயற்கை மொழி செயலாக்கம் (natural language processing) மூலம் ஆழமான ஈடுபாட்டைத் தரும் ஒரு ஊடாடும், கேள்வி சார்ந்த உரையாடலாக மாற்றுகிறது.

ஆடியோவிற்கான ஒரு உரையாடல் கட்டுப்பாட்டு மையம்

சாதாரண "play" மற்றும் "pause" கட்டளைகளுக்கு அப்பால், Spotify-இன் புதிய பீட்டா (beta) பதிப்பு, Premium சந்தாதாரர்களுக்கு "நான் இதுவரை கேட்டிராத சில கலைஞர்களை இசைக்கவும்," "இன்னும் உற்சாகமாக இருக்கட்டும்," அல்லது "அவருடைய சமீபத்திய பாடல்களை மட்டும் இசைக்கவும்" போன்ற நுணுக்கமான தூண்டுதல்களை (prompts) வழங்க அனுமதிக்கிறது. இந்த அம்சம், பயனரின் நோக்கத்தைப் புரிந்துகொள்ளவும், பாணி விருப்பங்களை அறியவும் மற்றும் குறிப்பிட்ட கலைஞர்களைத் தேடி எடுக்கவும் Large Language Models (LLMs)-ஐப் பயன்படுத்துகிறது. இதை நேரடியாக இசைக்கும் திரையிலேயே (playback view) வைப்பதன் மூலம், Spotify தனது செயலியை இசைத் தரம் மற்றும் புதிய கண்டுபிடிப்புகளைப் புரிந்துகொள்ளும் ஒரு தனிப்பட்ட AI DJ ஆக மாற்றுகிறது.

கேட்கும் வரலாறு மற்றும் பொது அறிவுத் திறன்களுடன் ஆழமான ஒருங்கிணைப்பு

இந்த இடைமுகம் (interface) இசையைத் தட்டுவதைத் தாண்டி, ஒரு அறிவுத் தேடலுக்கான கருவியாகவும் செயல்படுகிறது. "நான் இந்த பாடலை முதன்முதலில் எப்போது கேட்டேன்?" போன்ற கேள்விகளுக்குப் பதிலளிக்க இது பயனரின் கேட்கும் வரலாற்றைப் பயன்படுத்துகிறது. தனிப்பட்ட தரவு மற்றும் generative AI ஆகியவற்றின் இந்த கலவை, மற்ற ஸ்ட்ரீமிங் சேவைகளிடம் இல்லாத ஒரு தனிப்பயனாக்கப்பட்ட பயனை (hyper-personalized utility) உருவாக்குகிறது.

இந்த AI பொது அறிவுத் தொடர்பான கேள்விகளையும் கையாள்கிறது—"Odyssey எப்போது எழுதப்பட்டது?" என்று கேட்டால், செயலியிலேயே அதற்கான பதிலைப் பெறலாம். இந்த வசதியுடன் AI Hallucinations எனப்படும் அபாயமும் உள்ளது; அதாவது, தற்போதைய LLM-களில் உள்ள ஒரு சவாலான விஷயமாக, இந்த மாடல் தவறான தகவல்களை வழங்கக்கூடும்.

AI-ஆல் உருவாக்கப்பட்ட உள்ளடக்கச் சூழலை வழிநடத்துதல்

Spotify-இன் இந்த உரையாடல் AI முயற்சி, அந்தத் தளம் generative audio தொடர்பான சவால்களை எதிர்கொண்டு வரும் வேளையில் வருகிறது. ஒருபுறம், படைப்பாளர்கள் உயர்தர AI-ஆல் உருவாக்கப்பட்ட குரல்களைப் பயன்படுத்தி ஆடியோபுக்குகளை (audiobooks) வெளியிட ElevenLabs உடன் இது கூட்டாண்மை மேற்கொள்கிறது.

மறுபுறம், பரிந்துரை முறையின் (recommendation integrity) நம்பகத்தன்மையைப் பாதிக்கும் வகையில், AI-ஆல் உருவாக்கப்பட்ட பாடல்கள் மற்றும் பாட் (bot) மூலம் செயற்கையாக அதிகரிக்கப்படும் எண்ணிக்கையை Spotify எதிர்கொள்கிறது. அதிகாரப்பூர்வமான மற்றும் பயனுள்ள குரல் அம்சத்தை வழங்குவதன் மூலம், Spotify பயனர்களைக் கட்டுப்பாடற்ற தானியங்கி உள்ளடக்கங்களுக்குப் பதிலாக, நம்பகமான AI உரையாடல்களுக்குத் திருப்புகிறது.

ஆடியோ கண்டுபிடிப்பின் எதிர்காலத்தை விரிவுபடுத்துதல்

இந்த பீட்டா பதிப்பு அமெரிக்கா, அயர்லாந்து மற்றும் ஸ்வீடன் ஆகிய நாடுகளில் 18 வயது மற்றும் அதற்கு மேற்பட்ட பயனர்களுக்காகத் தொடங்கப்பட்டுள்ளது. உலகளாவிய வெளியீட்டிற்கு முன்னதாக, தனது மொழி மாதிரிகளை (language models) நுணுக்கமாகச் சரிசெய்ய இந்தத் தற்காலிக வெளியீடு Spotify-க்கு உதவுகிறது. பரந்த AI துறையைப் பொறுத்தவரை, நுகர்வோர் தொழில்நுட்ப நிறுவனங்கள் எவ்வாறு பயனர்களைத் தக்கவைக்க LLM-களைத் தற்போதைய தயாரிப்புகளில் இணைக்கின்றன என்பதற்கான ஒரு ஆய்வுப் பொருளாக (case study) இந்த சோதனை அமைகிறது.

முக்கியக் குறிப்புகள்

  • ஊடாடும் கண்டுபிடிப்பு: இயற்கை மொழித் தூண்டுதல்கள் மூலம் பயனர்கள் இசைத் தரம், வகை மற்றும் குறிப்பிட்ட கலைஞர்களின் பாடல்களைத் தீர்மானிக்கலாம்.
  • தனிப்பயனாக்கப்பட்ட தரவு நுண்ணறிவு: காலவரிசைப்படி உண்மைகளை வழங்க, AI பயனரின் கேட்கும் வரலாற்றைத் தேடுகிறது.
  • கலப்பு உள்ளடக்க உத்தி: Spotify படைப்பாளர்களுக்கான AI கருவிகளை (ElevenLabs) ஏற்றுக்கொள்கிறது, அதே சமயம் AI-ஆல் உருவாக்கப்பட்ட பாட் ஸ்பேமிற்கு எதிராகப் போராடுகிறது.

Spotify அமெரிக்கா, அயர்லாந்து மற்றும் ஸ்வீடன் ஆகிய நாடுகளில் உள்ள Premium சந்தாதாரர்களுக்காக ஒரு பீட்டா-மட்டும் (beta-only) AI குரல் உதவியாளரை அறிமுகப்படுத்தியுள்ளது. இந்த அம்சம் பயனர்கள் செயலியில் உரையாட அனுமதிக்கிறது—"நான் இதுவரை கேட்டிராத ஒன்றை இசைக்கவும்" அல்லது "இந்தத் துணையை நான் முதன்முதலில் எப்போது கேட்டேன் என்பதைக் காட்டு" என்று கேட்கலாம். இது இசை ஸ்ட்ரீமிங்கை வெறும் பொத்தானை அழுத்துவதை விட, ஒரு உரையாடல் போல உணரச் செய்யும் வகையில் வடிவமைக்கப்பட்டுள்ளது.

இந்த நடவடிக்கை இப்போது ஏன் முக்கியமானது

Spotify நீண்டகாலமாகப் பயனர்களைத் தனது செயலியில் வைத்திருக்க அல்காரிதமிக் பிளேலிஸ்ட்கள் (algorithmic playlists) மற்றும் எளிய குரல் கட்டளைகளைச் சார்ந்தே இருந்து வருகிறது. ஒரு Large Language Model (LLM)-ஐ நேரடியாக இசைக்கும் திரையில் இணைப்பதன் மூலம், அந்தப் செயலற்ற கருவிகளை நுணுக்கமான கோரிக்கைகளைப் புரிந்துகொள்ளக்கூடிய ஒரு உரையாடல் DJ ஆக மாற்றுகிறது.

உரையாடலுக்குப் பின்னால் உள்ள தொழில்நுட்பம்

இந்த பீட்டா பதிப்பு Premium கட்டணம் செலுத்தும் 18 வயது அல்லது அதற்கு மேற்பட்ட பயனர்களுக்கு மட்டுமே கிடைக்கும். ஒரு பயனர் ஒரு கோரிக்கையைச் சொல்லும்போதோ அல்லது தட்டச்சு செய்யும்போதோ, LLM அதன் நோக்கத்தைப் பகுப்பாய்வு செய்து, அந்த நபரின் கேட்கும் வரலாற்றோடு ஒப்பிட்டுப் பார்த்து, பின்னர் ஒரு இசை வரிசையை (playback queue) அல்லது ஒரு உண்மையான பதிலைத் தருகிறது. "நான் இந்த பாடலை முதன்முதலில் எப்போது கேட்டேன்?" போன்ற தனிப்பட்ட கேள்விகளுக்கும், "Odyssey எப்போது எழுதப்பட்டது?" போன்ற பொது அறிவுத் தகவல்களுக்கும் இந்த மாடல் பதிலளிக்க முடியும். பயனர்கள் வழக்கமாக play, pause அல்லது skip பொத்தான்களைப் பயன்படுத்தும் அதே திரையிலேயே இவை அனைத்தும் நிகழ்கின்றன.

எளிய கட்டளைகளிலிருந்து சூழல் சார்ந்த கண்டுபிடிப்பு வரை

ஸ்ட்ரீமிங் தளங்களில் முந்தைய குரல் ஒருங்கிணைப்புகள் "play — Taylor Swift" அல்லது "skip" போன்ற கட்டளைகளுக்கு மட்டுமே மட்டுப்படுத்தப்பட்டிருந்தன. Spotify-இன் புதிய உதவியாளர் அதைவிடத் தூரம் செல்கிறது: இது மனநிலையை மாற்றவும் ("இன்னும் உற்சாகமாக இருக்கட்டும்"), அறிமுகமான பாடல்களை வடிகட்டவும் ("நான் இதுவரை கேட்டிராத கலைஞர்களை இசைக்கவும்") மற்றும் குறிப்பிட்ட கேட்டலாக் பகுதிகளைத் தேடவும் ("அவருடைய சமீபத்திய பாடல்களை மட்டும்") முடியும். இந்தப் பல படிநிலை அறிவுறுத்தல்களைப் புரிந்துகொள்வதன் மூலம், AI ஒவ்வொரு உரையாடலிலிருந்தும் கற்றுக்கொள்ளும் ஒரு தனிப்பட்ட கியூரேட்டராக (curator) செயல்படுகிறது.

படைப்பாளர்கள் மற்றும் தளத்திற்கு கிடைக்கும் நன்மைகள்

Spotify ஆடியோபுக்குகளுக்கான (audiobooks) AI-ஆல் உருவாக்கப்பட்ட குரல் விளக்கங்களை வழங்கும் ஒரு குரல்-தொகுப்பு (voice-synthesis) நிறுவனத்துடனான தனது கூட்டாண்மையை ஆழமாக்குகிறது. படைப்பாளர்கள் குறைந்த செலவில், விரைவாக வெளியிடுவதற்கு உதவும் உருவாக்கும் ஆடியோ கருவிகளை (generative audio tools) இந்தச் சேவை ஏற்றுக்கொள்ளத் தயாராக உள்ளது என்பதை இந்த ஒத்துழைப்பு காட்டுகிறது. அதே நேரத்தில், தரம் குறைந்த, AI-ஆல் உருவாக்கப்பட்ட பாடல்கள் மற்றும் பாட் (bot) மூலம் செய்யப்படும் "செயற்கை ஊக்கங்கள்" (artificial boosts) ஆகியவற்றின் பெருக்கத்தை நிறுவனம் எதிர்கொண்டு வருகிறது; இவை அதன் பரிந்துரை இயந்திரத்தின் (recommendation engine) நம்பகத்தன்மைக்கு அச்சுறுத்தலாக உள்ளன. ஒரு அதிகாரப்பூர்வமான, அதிக பயனுள்ள AI அம்சத்தை வழங்குவது, பயனர்களை நம்பகமான தொடர்புகளை நோக்கி வழிநடத்தவும், சரிபார்க்கப்படாத ஸ்பேம் (spammy) உள்ளடக்கங்களிலிருந்து விலக்கி வைக்கவும் ஒரு வழியாகும்.

அபாயங்கள் மற்றும் மாயத்தோற்றப் (hallucination) பிரச்சனை

LLM-கள் "மாயத்தோற்றங்களை" (hallucinations) உருவாக்கக்கூடும் - அதாவது உண்மையை விடத் தவறான தகவல்களை மிகவும் நம்பிக்கையான முறையில் பதில்களாகத் தரும். ஒரு பயனர் வரலாற்று ரீதியான கேள்வியைக் கேட்கும்போது, உதவியாளர் தவறான தேதி அல்லது ஆதாரத்தைத் தரக்கூடும். கேட்பவர்கள் தகவலைத் திரும்பச் சரிபார்க்காமல் அப்படியே ஏற்றுக்கொள்வதால், ஒரு இசைச் செயலியில் இந்த அபாயம் அதிகரிக்கிறது. இத்தகைய பிழைகளை எவ்வாறு வடிகட்டுவது அல்லது திருத்துவது என்பதை Spotify இன்னும் வெளிப்படுத்தவில்லை, இது உடனடி அறிவு பற்றிய வாக்குறுதிக்கும் அவ்வப்போது ஏற்படும் தவறான தகவல்களின் உண்மைக்கும் இடையே ஒரு இடைவெளியை ஏற்படுத்துகிறது.

பங்குதாரர்களின் தாக்கம்

  • Premium பயனர்கள் தங்கள் நூலகங்களை (libraries) ஆராய ஒரு செழுமையான மற்றும் அதிக ஊடாடும் (interactive) வழியைப் பெறுகிறார்கள், இது அவர்களின் திருப்தியை அதிகரிக்கவும் மற்றும் சேவையை விட்டு விலகுவதைக் (churn) குறைக்கவும் வாய்ப்புள்ளது.
  • கலைஞர்கள் மற்றும் உரிமையாளர்கள், AI ஒரு கேட்பவரின் மனநிலைக்குப் பொருந்தும் ஆழமான பாடல்களை (deeper cuts) வெளிக்கொண்டு வந்தால், அதிக இலக்கு வைக்கப்பட்ட வெளிப்பாட்டைப் பெறலாம்; ஆனால், ராயல்டி (royalty) கணக்கீடுகளைக் குழப்பக்கூடிய AI-ஆல் உருவாக்கப்பட்ட பாடல்களால் அவர்கள் பாதிக்கப்படவும் வாய்ப்புள்ளது.
  • போட்டியாளர்கள், LLM-களை நுகர்வோர் சார்ந்த தயாரிப்பில் எவ்வாறு இணைக்கலாம் என்பதற்கு இப்போது ஒரு உறுதியான உதாரணத்தைப் பெற்றுள்ளனர், இது நிலையான மெனுக்கள் (static menus) அல்லது வரையறுக்கப்பட்ட குரல் கட்டளைகளை (voice commands) மட்டுமே நம்பியிருக்கும் எந்தவொரு சேவைக்கும் ஒரு சவாலை ஏற்படுத்துகிறது.

அடுத்து கவனிக்க வேண்டியவை

Spotify-இன் அறிமுகம் மூன்று சந்தைகளுடன் மட்டுப்படுத்தப்பட்டுள்ளது, இது நோக்கத்தைக் கண்டறிவதை (intent detection) மேம்படுத்தவும், மாயத்தோற்றங்களைக் குறைக்கவும் மற்றும் உதவியாளர் எவ்வளவு கூடுதல் கேட்கும் நேரத்தை உருவாக்குகிறது என்பதைக் கணக்கிடவும் நிறுவனத்திற்கு ஒரு தரவுத் தொகுப்பை வழங்குகிறது. பீட்டா (beta) பதிப்பு பயனர்களின் ஈடுபாட்டில் (engagement) குறிப்பிடத்தக்க உயர்வைச் காட்டினால், உலகளாவிய விரிவாக்கம் சாத்தியமாகும். தனிப்பட்ட தரவுப் பயன்பாட்டிற்கும் AI-ஆல் இயக்கப்படும் தனிப்பயனாக்கத்திற்கும் (personalization) இடையிலான எல்லை மங்குவதால், ஒழுங்குமுறை அமைப்புகளும் (regulators) இதில் ஆர்வம் காட்டலாம்; எந்தவொரு தவறும் தனியுரிமை குறித்த ஆய்வைத் தூண்டக்கூடும்.

மாற்றுக்கருத்து: உரையாடல் உண்மையிலேயே தேவையா?

பெரும்பாலான கேட்பவர்கள் ஏற்கனவே இசையைக் கண்டறிய திறமையான வழிகளைக் கொண்டுள்ளனர் - தனிப்பயனாக்கப்பட்ட பிளேலிஸ்ட்கள் (playlists), தொகுக்கப்பட்ட ஆசிரியர் பட்டியல்கள் மற்றும் Spotify உடன் ஏற்கனவே ஒருங்கிணைந்துள்ள மூன்றாம் தரப்பு உதவியாளர்கள் என்று விமர்சகர்கள் வாதிடுகின்றனர். தட்டச்சு செய்வதை விட அல்லது பேசுவதை விட விரைவான தொடுதல்களை (quick taps) விரும்புபவர்களுக்கு, ஒரு உரையாடல் அடுக்கைச் (conversational layer) சேர்ப்பது அனுபவத்தை சிக்கலாக்கலாம். மேலும், பெரிய அளவில் LLM-களை இயக்குவதற்கான கணக்கீட்டுச் செலவு (computational cost), அதிக செயல்பாட்டுச் செலவுகளாக மாறக்கூடும், இது இறுதியில் சந்தா விலையை (subscription pricing) பாதிக்கலாம்.

சுருக்கம்

Spotify-இன் AI குரல் உதவியாளர், ஒரு நிலையான இசைப் பிளேயரை (music player) ஒரு ஊடாடும் கண்டுபிடிப்பு கருவியாக மாற்ற, பெரிய மொழி மாதிரிகளை (large language models) ஒரு முதன்மையான நுகர்வோர் செயலியில் இணைக்க முடியும் என்பதைக் காட்டுகிறது. இந்தச் சோதனை, சேர்க்கப்பட்ட உரையாடல் ஆழம் தொழில்நுட்பச் சுமையையும் தவறான தகவல்கள் குறித்த அபாயத்தையும் நியாயப்படுத்துகிறதா என்பதையும், நெரிசலான ஸ்ட்ரீமிங் சந்தையில் இது ஒரு நிலையான வேறுபாடாக (differentiator) மாற முடியுமா என்பதையும் வெளிப்படுத்தும்.