انسانی گفتگو اور AI کے درمیان فرق کم ہو رہا ہے، لیکن حقیقی طور پر اس میں مکمل طور پر شامل ہونے (immersion) کے لیے لیٹنسی (latency) اب بھی ایک بڑی رکاوٹ ہے۔ Smallest.ai بڑے اور سست LLMs کے بجائے مخصوص، انتہائی تیز رفتار چھوٹے وائس ماڈلز کی طرف منتقل ہو کر اس چیلنج سے نمٹ رہا ہے، جو انسانی علمی نمونوں (cognitive patterns) کی نقل کرنے کے لیے ڈیزائن کیے گئے ہیں۔
Large Language Models کی لیٹنسی سے آگے بڑھنا
موجودہ AI وائس ایجنٹس اکثر "پہلے پرامپٹ پھر پروسیس" (prompt-then-process) کی تاخیر کا شکار ہوتے ہیں۔ ایک معیاری LLM ورک فلو میں، سسٹم مکمل آڈیو کلپ کا انتظار کرتا ہے، متن (text) کو پروسیس کرتا ہے، اور پھر جواب تیار کرتا ہے۔ جیسا کہ Smallest.ai کے بانی اور CEO Sudarshan Kamath کہتے ہیں، یہ وقفہ اس بات کا واضح اشارہ ہے کہ صارف کسی مشین سے بات کر رہا ہے۔
Smallest.ai کا طریقہ کار انسانی نیورو بیالوجی کی نقل کرتا ہے: ایک ساتھ سننا، سوچنا اور بولنا۔ ان کا ملکیتی (proprietary) چھوٹا وائس ماڈل تقریباً صفر رسپانس لیگ (response lag) کے ساتھ ریئل ٹائم انٹیلی جنس کو سنبھالنے کے لیے ڈیزائن کیا گیا ہے۔ بڑے بنیادی ماڈلز کے بجائے چھوٹے اور مخصوص ماڈلز پر توجہ مرکوز کر کے، یہ اسٹارٹ اپ گفتگو کے دوران مداخلت (interruptions) اور قدرتی بہاؤ کو ممکن بنانے کا ارادہ رکھتا ہے، جس کا مقصد رفتار اور باریکیوں کے ذریعے مؤثر طریقے سے "ٹیورنگ ٹیسٹ" (Turing test) کو عبور کرنا ہے۔
انٹرپرائز انٹیلی جنس کے لیے دوہرا ماڈل آرکیٹیکچر
Smallest.ai AI ایجنٹ آرکیٹیکچر کے لیے ایک نیا معیار تجویز کر رہا ہے۔ سب کچھ سنبھالنے کے لیے ایک ہی بڑے ماڈل پر زور دینے کے بجائے، کمپنی دو سطحی (two-tier) نظام کی وکالت کرتی ہے:
- The Small Voice Model: ایک ریئل ٹائم انٹیلی جنس لیئر جو فوری اور رواں گفتگو کی باریکیوں کو سنبھالتی ہے، بشمول لہجے (accents)، مختلف زبانیں، اور شور والے ماحول۔
- The "Offline" LLM: ایک بڑا بنیادی ماڈل جسے صرف اس وقت استعمال کیا جاتا ہے جب سوال چھوٹے ماڈل کے مخصوص نالج بیس سے باہر ہو۔
جب چھوٹا ماڈل کسی پیچیدہ مسئلے کا سامنا کرتا ہے، تو وہ بڑے LLM کے ذریعے مسئلے پر تحقیق کرنے کے لیے کالر کو مختصر طور پر "ہولڈ" (hold) پر رکھ کر ایک انسانی ایجنٹ کی نقل کرتا ہے۔ یہ ہائبرڈ طریقہ کار اس بات کو یقینی بناتا ہے کہ اعلیٰ درجے کی استدلال (reasoning) کی ضرورت ہونے پر بھی گفتگو کا تجربہ بلا تعطل رہے۔
مارکیٹ پوزیشننگ اور مسابقتی منظرنامہ
Seligman Ventures کی قیادت میں 13 ملین ڈالر کے سیریز اے (Series A) راؤنڈ کے ساتھ—جس سے کل فنڈنگ 21 ملین ڈالر سے تجاوز کر گئی ہے—Smallest.ai خود کو وائس AI اکانومی کے لیے ضروری انفراسٹرکچر کے طور پر پوزیشن کر رہا ہے۔ یہ اسٹارٹ اپ اینڈ ٹو اینڈ کسٹمر سپورٹ پلیٹ فارمز بنانے کے بجائے، وہ مخصوص وائس لیئر فراہم کرتا ہے جسے RingCentral اور Truecaller جیسی کمپنیاں پہلے ہی استعمال کر رہی ہیں۔
جہاں ElevenLabs جیسے حریف آڈیو ڈبنگ اور پوڈ کاسٹنگ پر زیادہ توجہ دیتے ہیں، اور Cartesia یا Sarvam جیسے دیگر مخصوص علاقائی شعبوں (niches) کو نشانہ بناتے ہیں، وہیں Smallest.ai ریئل ٹائم انٹرپرائز کنورسیٹل ایجنٹس پر پوری توجہ مرکوز کیے ہوئے ہے۔ Kamath کا کہنا ہے کہ Sierra اور Decagon جیسے کسٹمر سپورٹ اسٹارٹ اپس کے لیے، ہائی فائیڈیلٹی اور کم لیٹنسی والی آواز کو مکمل کرنا ان کے بنیادی کاروبار سے توجہ ہٹانا ہے، جس کی وجہ سے Smallest.ai کا مخصوص "پلگ اینڈ پلے" (plug-and-play) ماڈل ایک تزویراتی ضرورت بن جاتا ہے۔
اہم نکات
- مخصوص کارکردگی (Specialized Efficiency): Smallest.ai تقریباً صفر لیٹنسی حاصل کرنے کے لیے چھوٹے، وقف شدہ وائس ماڈلز کا استعمال کرتا ہے، جس سے روایتی بڑے پیمانے کے LLMs کی فطری تاخیر سے بچا جا سکتا ہے۔
- ہائبرڈ انٹیلی جنس (Hybrid Intelligence): کمپنی دوہرا ماڈل حکمت عملی اپناتی ہے، جس میں ریئل ٹائم بات چیت کے لیے تیز رفتار چھوٹے ماڈلز اور پیچیدہ، گہری استدلال والے کاموں کے لیے بڑے LLMs کا استعمال کیا جاتا ہے۔
- انفراسٹرکچر پر توجہ (Infrastructure Focus): کسٹمر سپورٹ پلیٹ فارمز کے ساتھ براہ راست مقابلہ کرنے کے بجائے، Smallest.ai وہ اہم وائس ٹیکنالوجی لیئر فراہم کرتا ہے جو زیادہ قدرتی اور انسانوں جیسے AI ایجنٹس کو ممکن بناتی ہے۔
خلاصہ
Smallest.ai کا 13 ملین ڈالر کا فنڈنگ راؤنڈ ایک خاص مقصد کے لیے بنائے گئے دو سطحی وائس-AI اسٹیک کی مالی معاونت کرتا ہے، جو بڑے LLMs کی ہمہ گیریت کے مقابلے میں چھوٹے، کام پر مرکوز ماڈلز کی رفتار کو ترجیح دیتا ہے۔ وعدہ واضح ہے: اس عجیب و غریب وقفے کو ختم کر کے AI گفتگو کو انسان سے بات کرنے جتنا قدرتی بنانا جو فی الحال زیادہ تر وائس اسسٹنٹس کی پہچان ہے۔ آیا اس کے فوائد اضافی انجینئرنگ کے بوجھ سے زیادہ ہوں گے یا نہیں، یہ اس وقت واضح ہوگا جب ادارے اس ٹیکنالوجی کو حقیقی دنیا کے کال فلو میں شامل کرنا شروع کریں گے۔