Amazon Alexa, Apple Siri, Google Assistant már egy évtizede segíti a világ szerencsésebb felét a hangvezérelt kommunikációval. A nagy nyelvi modellek (LLM) rohamos fejlődése azonban alapos kihívás elé állítja a három nagyvállalat fejlesztőmérnökeit: saját megoldásaikat fejlesszék vagy beálljanak valamelyik vezető LLM megoldás mögé?
Amazon Alexa és a Claude AI
Amazon hangasszisztense, az Alexa, új korszakba lép, miután integrálta a Claude nevű mesterséges intelligencia modellt. Hosszú távú fejlesztési problémák miatt az Amazon úgy döntött, hogy külső partner technológiáját építi be saját hangasszisztensébe. Az új verzió, amit “Remarkable Alexa”-nak kereszteltek, októberben várható, és előfizetéses szolgáltatásként lesz elérhető. Az Anthropic vállalat Claude AI modelljének bevezetése jelentős előrelépést ígér az eddig használt Amazon modellekhez képest, melyek gyakran küzdöttek a szavak értelmezésével és a felhasználói kérések megválaszolásával (Elég csak rákeresni a YouTube-on az “Amazon Alexa not understand“-ra ).
Az Amazon 4 milliárd dollárt fektetett az Anthropic startupba, lehetővé téve ezzel, hogy a korai hozzáférést kapjon ezekhez az újításokhoz. Az új Alexa várhatóan mesterséges intelligencia által generált hírösszefoglalókat, gyermekeknek szóló chatbot funkciókat és beszélgetés-alapú vásárlási eszközöket fog tartalmazni. A hagyományos, ingyenes “Classic Alexa” verzió továbbra is elérhető marad, de az újításokért havi 5-10 dolláros előfizetési díjat kell majd fizetni.
Apple Siri: Az Apple Intelligence korszak
Az Apple Siri jelentősen okosabbá válik az Apple Intelligence nevű fejlesztése révén, amely az OpenAI ChatGPT montorjára épít. A legújabb frissítések segítségével Siri képes lesz természetesebb beszélgetéseket folytatni, és összetett feladatokat is elvégezni anélkül, hogy a felhasználónak részletekbe kellene bocsátkoznia. Az Apple ügyel arra, hogy Siri zavartalanul együttműködjön az Apple ökoszisztéma többi elemével, így a felhasználók könnyedén használhatják azt mindennapi feladataik során.
Az Apple már korábban is beépítette Siri mögött álló technológiát saját fejlesztéseibe, de a nagy nyelvi modellekkel való integráció további rugalmasságot és lehetőségeket biztosít majd a hangasszisztens számára. Ennek köszönhetően Siri relevánsabb és pontosabb válaszokat ad, jobban megértve a felhasználói kéréseket és összefüggéseket.
Google Assistant és a Gemini
A Google Assistant frissítése a Google Gemini nevű hangcsevegés mód révén várható. A Gemini segítségével a Google Assistant képességei jelentősen bővülnek, lehetővé téve, hogy a korábbiaknál természetesebb és folyékonyabb beszélgetéseket folytasson a felhasználókkal. A nagy nyelvi modellek (LLM) alkalmazásával a Google Assistant képes lesz komplex feladatokat is elvégezni, és jobban alkalmazkodik a felhasználók napi rutinjához és preferenciáihoz.
A Google célja olyan intelligens asszisztenst kínálni, amely mélyebb és részletesebb megértést nyújt a felhasználói kérésekkel kapcsolatban. Ez a megközelítés lehetővé teszi, hogy az Assistant proaktív javaslatokat tegyen és kérésekre válaszoljon, anélkül, hogy részletes utasításokra lenne szükség.
A nagy nyelvi modellek jövője a hangasszisztensekben
A nagy nyelvi modellek (LLM) integrációja az Amazon, Apple és Google hangasszisztenseibe forradalmasíthatja a hangvezérléses technológiát, és jelentős előrelépést hozhat a felhasználói élmény terén, főleg, ha az LLM-ek által jelenleg támogatott nyelveken is elérhetők leszenek. Az új modellek révén Alexa, Siri és Google Assistant egyaránt képesek lesznek pontosabban megérteni a felhasználói igényeket, komplex feladatokat elvégezni és proaktív javaslatokat tenni.
Az LLM-ek előnye, hogy természetesebb beszélgetéseket biztosítanak, hiszen ezek a modellek hatalmas mennyiségű nyelvi adaton alapulnak a korábban alkalmazott korlátozott nyelvkészlet és elfogadott utasításokhoz hasonlítva. Ennek köszönhetően a hangasszisztensek képesek lesznek a felhasználók napi rutinjához, érdeklődési köréhez és egyéni igényeihez igazodni.
Az Amazon Alexa, Apple Siri és Google Assistant új korszakba lépnek a nagy nyelvi modellek (LLM) integrációjával. Bár mindhárom asszisztens különböző irányokba fejleszti a technológiáit, céljuk közös: a felhasználói élmény és az intelligens funkciók javítása. Az LLM-ek révén az asszisztensek képesek lesznek természetesebb, intelligensebb és hatékonyabb interakciókat biztosítani a felhasználók számára még olyan kis felhasználószámmal rendelekző nyelveken is, mint a magyar, ezáltal megváltoztatva a mindennapi életet.
A cikkben nem tértünk ki a nyílt forráskódú megoldásokra, amelyek szintén nagy lehetőségeket kínálnak, erről külön cikkben fogunk írni.