ساعدني «ميوز» (Muse) -وهو وكيل الذكاء الاصطناعي الذي طورته شركة «ميتا»- في إدارة شؤون تأمين الأسنان الخاص بي، وحجز طاولات العشاء، وإنشاء بودكاست خاص بي. لكن الأمر تطلب أيضاً منحي إياه بياناتي الأكثر خصوصية، ووضع ثقتي فيه، كما كتب إيلي تان.
تأمين المكالمات
في الأسبوع الماضي رددتُ على مكالمة من رقم مجهول. انطلق صوت قائلاً: «لقد تواصلتُ مع شركة (أنثيم) (Anthem) لتأمين طبابة الأسنان، وأنا بصدد تحويل المكالمة إليك الآن»... كانت المكالمة صادرة عن «وكيل» ذكاء اصطناعي ابتكرته شركة «ميتا» المالكة لمنصتي «فيسبوك» و«إنستغرام»». وقبل تلك اللحظة بعشر دقائق، كان وكيل الذكاء الاصطناعي قد اتصل بشركة التأمين، وزودها برقم عضويتي، وأجاب عن سؤال أمني (للتأكد من شخصي)، وانتظر على الخط قبل أن يحول المكالمة إليّ لأتحدث مع الموظف المختص... تماماً كما طلبتُ منه.
لقد أدهشني مدى السهولة التي أتاحها هذا الوكيل في التعامل مع إجراءات التأمين. وكانت تلك واحدة من مهام عديدة أنجزتها بمساعدة «ميوز»، الذي كشفت عنه «ميتا» هذا الشهر.
أول وكيل ذكاء اصطناعي موجه للمستهلكين
يُعد «ميوز» أول وكيل ذكاء اصطناعي موجه للمستهلكين تطلقه شركة تقنية كبرى، ويصبح متاحاً للجمهور. وينظر قطاع التكنولوجيا إلى هذه الأدوات من الوكلاء باعتبارها «الحدود التالية» (المتقدمة) في هذا المجال، إذ إنها تتمتع بقدرات تفوق بكثير قدرات «روبوتات الدردشة» (chatbots) التقليدية، فبإمكان الوكلاء تصفح الإنترنت، وتسجيل الدخول إلى المواقع الإلكترونية، وتعبئة جداول البيانات، وإجراء المكالمات الهاتفية نيابة عن المستخدمين، وهذا غيض من فيض.
اختبار يتطلب تقديم البيانات الشخصية والمصرفية
ولاختبار «ميوز»، استخدمته بشكل متواصل على مدار أسبوعين، مسلّماً إياه زمام جوانب عديدة من حياتي. كان عليّ أن أمنحه ثقتي فيما يخص بياناتي الأكثر خصوصية، بما في ذلك ربطه بحساباتي المصرفية، وبريدي الإلكتروني. ثم كلّفته بتنفيذ عشرات المهام اليومية، مثل طلب مستلزمات البقالة، وجدولة اجتماعاتي، وتشكيل فرق «فانتزي كرة القدم» (fantasy football) الخاصة بي.
وبعد مرور أسبوعين، وجدتُ أن «ميوز» هو أكثر تطبيقات الذكاء الاصطناعي فائدةً على الإطلاق في تجربتي. وقد تجلى ذلك بوضوح في موقف محدد حدث بعد أن ربطتُ بطاقاتي الائتمانية بالتطبيق، وطلبتُ منه تتبع نفقاتي، وتسجيلها في جداول بيانات «غوغل» (Google Sheets). وراقبتُ البرنامج وهو يفتح علامات تبويب (tabs) تتضمن مئات الصفوف من البيانات في غضون دقائق، ثم يحدد اشتراكين مكررين ويلغيهما نيابةً عني. بعد ذلك استخدم «ميوز» (Muse) بريدي الإلكتروني لطلب استرداد مبلغ مالي مقابل اشتراك تجريبي مجاني في صحيفة كان قد انتهى، ما وفر عليّ 44.99 دولار.
مشكلة الخصوصية
لست متأكداً تماماً مما إذا كان «ميوز» وغيره من وكلاء الذكاء الاصطناعي سيحقق انتشاراً واسعاً؛ فهذه الأدوات تتطلب مستوى من الثقة قد لا يشعر معه الكثيرون بالراحة، لا سيما عند التعامل مع شركة مثل «ميتا» التي واجهت مشكلات تتعلق بالخصوصية. كما تفرض بعض المواقع قيوداً على هؤلاء الوكلاء ضمن شروط الخدمة الخاصة بها؛ فعلى سبيل المثال حظرت «أمازون» وصول «ميوز» إليها حديثاً.
تقول ميليسا فاداسيريل، وهي مديرة أولى في شركة «أكوستيك» (Acoustic) -وهي منصة تسويق تعتمد على تقنيات الوكلاء الأذكياء- إن ظهور «ميوز» ذكّرها بإطلاق المساعد الشخصي الرقمي «سيري» من «أبل» عام 2010، وهو ابتكار تأخر الكثيرون في تبنيه. وتضيف: «لم يكن الناس يدركون حينها ما يمكنهم فعله به». أما بخصوص «ميوز»، فتقول: «أعتقد أن الوقت لا يزال مبكراً بعض الشيء بالنسبة للسوق، لكنني أشعر بفضول كبير لمعرفة كيف ستتطور الأمور».
تجربتي لمدة أسبوعين
بدأت تجربتي التي استمرت أسبوعين مع «ميوز» بتحميل التطبيق المجاني، وتسجيل الدخول باستخدام حساباتي على «إنستغرام» و«فيسبوك» (علماً بأن هناك قيوداً على الاستخدام المجاني، حيث يتعين على المستخدمين دفع 20 أو 100 دولار شهرياً للحصول على ميزات إضافية).
أثناء حديثي مع الوكيل الذكي -كما لو كنت أتحدث مع روبوت محادثة عادي- اقترح عليّ تسميته «رين» (Wren)، واتخذ لنفسه صورة رمزية (أفاتار) لطائر بنيّ صغير وجذاب. ثم تواصلت محادثتنا على النحو التالي:
* إيلي: مرحباً «رين»! أنت مساعدي الجديد.
- رين: أهلاً! سعيد بلقائك. ما الذي يمكنني فعله من أجلك اليوم؟
منحتُ «رين» بسرعة صلاحية الوصول إلى حساباتي المصرفية وتطبيقات مثل «Google Docs» و«Gmail» و«Ticketmaster» و«OpenTable» و«Google Sheets»، وهي جميعها خدمات عقدت شراكات مع «ميوز». ومن هنا، بدأت التجارب.
كانت لديّ بضعة أهداف، فقد أردت معرفة ما إذا كان بإمكان «ميوز» أن يمنحني ذلك «التمكين الشخصي» الذي طالما تحدث عنه مارك زوكربيرغ، الرئيس التنفيذي لشركة «ميتا». أردت أيضاً اختبار قدرات «ميوز» إلى أقصى حد لمعرفة ما يمكن لوكلاء الذكاء الاصطناعي تحقيقه فعلياً، والجوانب التي قد يعجزون فيها. كما راودني تساؤل -في ظل المخاوف الراهنة بشأن أنظمة الذكاء الاصطناعي القوية- عما إذا كان الوكيل الخاص بي قد يتمرد ويخرج عن نطاق السيطرة ليتواصل مع وكلاء آخرين، ما قد يعرض خصوصية بياناتي للخطر.
وسرعان ما اكتشفت أن «رين» قادر على تعبئة النماذج الإلكترونية بكفاءة عالية، وهي مهمة تتسم بالملل عند استخدام الإنترنت. كان بإمكاني التقاط صورة لمخالفة مرورية، فيتولى «رين» سدادها نيابةً عني، مع طلب موافقتي قبل إتمام عملية الدفع. وبينما كان الوكيل يؤدي مهامه، كنت أراقب تحركاته عبر نافذة متصفح صغيرة، حيث كان يتنقل بين المواقع الإلكترونية تماماً كما يفعل البشر، مستخدماً الفأرة، والمؤشر.
إجراء مكالمات هاتفية
يمكن لـ«رين» أيضاً إجراء مكالمات هاتفية باستخدام شخصيات مختلفة، حيث تتوفر بصوت ذكوري يحمل اسم «بريت» (Brett)، وصوت نسائي باسم «هايلي» (Hailey). في الوقت الحالي، يقتصر الوصول إلى ميزة الاتصال على عدد محدود من مستخدمي «ميوز»، لكنني وجدت أنها مفيدة في التعامل مع خدمات العملاء، مثل التواصل بخصوص تأمين الأسنان الخاص بي.
واجه «رين» صعوبة في بعض المهام، ولا سيما تسجيل الدخول إلى مواقع إلكترونية تابعة لجهات خارجية، إذ لم يتمكن من طلب تذاكر لمباريات فريق «سان فرانسيسكو غاينتس» (San Francisco Giants) دون مساعدتي، كما واجه صعوبة في تسجيل الدخول إلى حساب المكافآت الخاص بي في دور عرض AMC.
الاستماع إلى بودكاست «اصطناعي»
عملت ميزات أخرى بشكل جيد، لكنها لم تكن مفيدة للغاية. على سبيل المثال، كنت أستمع كل صباح في طريقي إلى العمل إلى بودكاست مدته 10 دقائق أعدّه لي «رين» تحت اسم «الموجز الصباحي» بصوت مقدمين من الذكاء الاصطناعي هما «مايا» و«ثيو».
ورغم أن «الموجز الصباحي» كان غنياً بالمعلومات، ومصمماً ليتناسب مع اهتماماتي، فإن أداء المقدمين كان رتيباً، ويفتقر إلى السحر والجاذبية التي تتميز بها برامج البودكاست المفضلة لدي، والتي يقدمها بشر. حاولت إضفاء بعض الحيوية عليه، لكن خيارات «رين» كانت محدودة عادةً.
* إيلي: هل يمكنك جعل «مايا» و«ثيو» يغنيان المقدمة لجعلها أكثر حيوية قليلاً؟
- رين: تم الأمر. لكن هناك تنبيه بسيط: «مايا» و«ثيو» لا يمتلكان مهارات غنائية حقيقية، لذا سيبدو الأمر أشبه بهتاف إيقاعي أكثر منه أداءً غنائياً. وبصراحة، هذا هو سر جاذبيته.
إنفاق الأموال
كمهمة أخيرة، طلبت من «رين» اقتراح طريقة جيدة لإنفاق مبلغ الـ44.99 دولار الذي وفّره لي. في هذه المرحلة، كان «رين» على دراية واسعة بتفاصيل حياتي، لذا ظننت أنه قد يقترح شيئاً ينطوي على عمل خير، مثل التبرع بالمبلغ لجمعية خيرية، أو شراء الزهور لصديقتي التي كانت تتعافى من عملية جراحية. بدلاً من ذلك، اقترحت الأداة فكرة أفضل: شراء أوعية من شركة «Heath Ceramics»، وهي شركة محلية لتصنيع السيراميك تحظى بقاعدة جماهيرية وفية عبر منصة «Facebook Marketplace»، وتُعد واحدة من أكثر المنصات التي أستمتع بتصفحها.
أخبرتني أداة «رين» الذكية أنها تستطيع مراسلة البائعين والتفاوض نيابة عني، وأنها مرتبطة بالفعل بحسابي على «فيسبوك». حددتُ للوكيل الذكي بعض المعايير: شراء السلع بنصف سعر التجزئة فقط، والحرص دائماً على التفاوض للحصول على أقل سعر ممكن.
قامت «الأداة» بمسح شامل للمنصة، وبدأت بمراسلة البائعين بشأن معروضاتهم، وكانت تبدأ المحادثة دائماً بعرض منخفض يقل بمقدار 20 دولاراً عن السعر المعلن. وبعد تلقي عرض مقابل من البائع، كانت تعود إليّ لنحدد استراتيجيتنا التالية.
يُعد هواة جمع منتجات «Heath» في منطقة «خليج سان فرانسيسكو» من أصعب المفاوضين الذين تعاملت معهم، لكن الأداة أثبتت كفاءتها وجدارتها، مفضلةً اتباع أسلوب لين وهادئ في الحوار. وفي إحدى المرات أقنعتني الأداة بعدم إرسال عرض أقل لشراء مجموعة من الأوعية اللامعة، لأنها التقطت نبرة إحباط في حديث البائع.
كما أطلقت شركة «إليفن لابز» (ElevenLabs) جيلاً جديداً من نماذج توليد الصوت بالذكاء الاصطناعي، هما «إليفن 4» (Eleven v4) و«إليفن 4 توربو» (Eleven v4 Turbo)، مع تحسينات كبيرة تركز على جعل الأصوات الاصطناعية أكثر طبيعية، وتعبيراً، وفهم طريقة إلقاء النص، وليس نطق كلماته فحسب.
ويأتي النموذجان الجديدان ضمن مساعي الشركة لتقريب المحادثات التي ينشئها الذكاء الاصطناعي من الأداء البشري، من خلال فهم السياق، والنبرة، والإيقاع البشري، والمشاعر، إلى جانب توسيع ودعم اللغات، واللهجات.
صوت يفهم طريقة الإلقاء
يمثل «إليفن 4» النموذج الرئيس الجديد للشركة، وقد صُمم للتعامل مع النص بوصفه أداءً صوتياً متكاملاً، إذ يستطيع مراعاة سياق الحديث، وتغيير النبرة، والإيقاع، وطريقة النطق وفقاً لمحتوى النص.
ويظهر ذلك خصوصاً في الحوارات التي تضم أكثر من متحدث، إذ يستطيع النموذج الحفاظ على شخصية كل صوت، ومراعاة سياق الحوار بدقة، بدلاً من قراءة كل جملة بصورة منفصلة. كما حسّنت الشركة قدرة النموذج على الحفاظ على ثبات الصوت في المحتوى الطويل، وهو أمر مهم عند إنتاج الكتب الصوتية، والبودكاست، والمقاطع التي تتضمن نصوصاً طويلة.
توسيع الدعم لأكثر من 90 لغة
وسّعت «إليفن لابز» في الجيل الجديد نطاق الدعم ليشمل أكثر من 90 لغة، مع تحسين القدرة على الحفاظ على هوية الصوت، وطريقة أدائه عند استخدام لغات مختلفة. ويبرز التحسن أيضاً عند استخدام اللغة العربية، واللهجات المحلية. ومن خلال تجربة النموذج باللهجة السعودية، يمكن ملاحظة أداء أكثر طبيعية في نطق العبارات، والمفردات المستخدمة في الحديث اليومي، خصوصاً عند اختيار صوت مناسب، وكتابة النص بالطريقة التي يتحدث بها المستخدم فعلياً.
فعلى سبيل المثال، يمكن إنشاء حوار عائلي باللهجة السعودية بين عدة أشخاص، ليقدمه النموذج بأسلوب أقرب إلى الحديث الطبيعي، مع مراعاة اختلاف الأصوات، والنبرات، وطريقة الحديث بين الشخصيات.
وتعتمد جودة النتيجة في الوقت نفسه على اختيار الصوت، وطريقة كتابة النص، لذلك قد تختلف اللهجة والنبرة من صوت إلى آخر.
تعليمات تغيّر طريقة الإلقاء
ومن أبرز الإضافات في الجيل الجديد إمكانية إدخال «تعليمات أداء» داخل النص نفسه، حيث تسمح للمستخدم بتحديد الطريقة التي يريد أن تُقال بها الجملة. ويمكن، على سبيل المثال، توجيه الصوت إلى الهمس، أو الضحك، أو التحدث بحماس، أو حزن، وإضافة وقفات، أو ردود فعل، ومؤثرات صوتية في مواضع محددة من النص. وتُكتب هذه التعليمات بين أقواس مربعة قبل الجزء المطلوب، ليحاول النموذج تنفيذها أثناء توليد الصوت. وبذلك لا يكتفي المستخدم بكتابة «ماذا يقول الصوت»، بل يستطيع أيضاً إعطاء تعليمات حول «كيف يقولها»، وهي تجربة تجعل كتابة النص أقرب إلى إعداد سيناريو يحتوي على توجيهات لمؤدٍ صوتي.
استنساخ الصوت من تسجيل قصير
طورت «إليفن لابز» كذلك تقنيات استنساخ الأصوات، إذ تتيح ميزة «استنساخ الصوت الفوري» إنشاء نسخة من صوت المستخدم اعتماداً على تسجيل قصير قد تصل مدته إلى نحو 10 ثوانٍ فقط.
كما يدعم الجيل الجديد «استنساخ الصوت الاحترافي»، المخصص للحصول على نسخة أكثر دقة وثباتاً من صوت المتحدث، وهو ما يمكن الاستفادة منه في المحتوى الطويل، والاستخدامات التي تتطلب الحفاظ على هوية صوتية موحدة.
«إليفن 4 توربو» للمحادثات السريعة
أما «إليفن 4 توربو»، فإنه يركز على التطبيقات التي تتطلب استجابة صوتية سريعة، مثل المساعدين، والوكلاء الصوتيين، وخدمات العملاء التي تعتمد على الذكاء الاصطناعي. وتقول الشركة إن النموذج قادر على توليد الصوت بسرعة تصل إلى نحو 100 مللي ثانية، ما يجعل المحادثات أكثر سرعة، وطبيعية، ويقلل وقت انتظار الرد.
استخدامات أوسع للصوت بالذكاء الاصطناعي
تفتح التحسينات الجديدة استخدامات أوسع للصوت بالذكاء الاصطناعي، تشمل إنتاج الفيديوهات، والبودكاست، والكتب الصوتية، إلى جانب المساعدين الصوتيين، وخدمات العملاء، والألعاب، والمحتوى التعليمي.
كما تتيح التحكم في النبرة، والمشاعر، وطريقة الإلقاء، وإنتاج أصوات بلغات ولهجات مختلفة. وتشير هذه التطورات إلى انتقال تقنيات توليد الصوت من مجرد نطق الكلمات إلى فهم السياق، واللهجة، والمشاعر، وطريقة الحديث. وبالنسبة إلى اللغة العربية واللهجة السعودية تحديداً، تظهر التجربة تقدماً واضحاً نحو أصوات أكثر طبيعية، وقرباً من طريقة الحديث اليومية.
