سخنرانی TEDدرباره نخستین «رایانه صوتی» در جهان

این «رایانه صوتی» قادر است صداهای اطراف را تقویت کند، مکالمات را در لحظه ترجمه کند، به‌صورت طبیعی به صدای شما پاسخ دهد و کارهای بسیار بیشتری انجام دهد؛ فناوری‌ای که می‌تواند شیوه‌ی استفاده ما از دستگاه‌ها را به کلی متحول کند. این فناوری برای اولین بار در تاریخ، روی صحنه‌ی مجحموعه سخترانی‌های «TED» معرفی شد.

روگولو سخنرانی خود را با اشاره به خاطره‌ای آغاز کرد که در صف یک رستوران فست‌فود گرفته شده بود؛ جایی که همه‌ی اطرافیانش به گوشی‌هایشان خیره شده بودند. او با لبخند به خود انتقاد کرد که در حالی که همان لحظه خودش هم غرق در گوشی‌اش بود، دیگران را قضاوت می‌کرد. همین موضوع به دغدغه‌ی اصلی او تبدیل شد: چگونه می‌توانیم رابطه‌ای سالم‌تر با فناوری ایجاد کنیم؟

او که سال‌ها در گوگل ایکس و سازمان آرپا-یی (ARPA-E) در توسعه فناوری‌های پیشرفته فعالیت داشته، حالا با تیمی کوچک در قالب استارت‌آپی به نام «iyo»، شش سال تمام روی ساخت نسل بعدی رایانه کار کرده است؛ رایانه‌ای که به‌جای تکیه بر نمایشگر و تعامل از طریق کلیک و لمس، با انسان‌ها از طریق زبان طبیعی و صوت ارتباط برقرار می‌کند.

رایانه‌ای بدون نمایشگر؛ یک مکالمه‌ی واقعی

روگولو در ادامه نمونه‌ای اولیه از رایانه‌ی صوتی خود را معرفی کرد؛ دستگاهی شبیه به یک هدفون یا ایرباد که در ظاهر شاید تفاوتی با نمونه‌های امروزی نداشته باشد، اما درون آن یک رایانه‌ی کامل نهفته است.

او توضیح داد که این سیستم به‌جای تکیه بر رابط کاربری تصویری، از یک رابط صوتی بهره می‌برد که ورودی آن زبان طبیعی و خروجی آن فضای شنوایی مجازی است. کاربر می‌تواند مانند یک مکالمه‌ی واقعی با این رایانه صحبت کند. او برای نشان دادن این موضوع گفت‌وگویی زنده با دستیار صوتی «Q» ترتیب داد که شامل مواردی مانند دریافت پیام تشویق‌آمیز از پدر، ترجمه همزمان زبان و حتی تعریف جوک بود؛ همه به شکلی طبیعی و بدون فرمان‌های رباتیک مرسوم.

زبان گفتاری؛ انقلابی کهن و نو

روگولو بر اهمیت زبان گفتاری به‌عنوان نخستین و انسانی‌ترین شکل ارتباط تأکید کرد؛ روشی که از کودکی در مغز ما نهادینه می‌شود و موثرترین ابزار انتقال اطلاعات و احساسات است. او به مفهومی به‌نام «عصب‌شناسی دوم‌شخص» اشاره کرد؛ رویکردی که بر تعاملات اجتماعی و نقش آن‌ها در فرآیندهای مغزی تأکید دارد. بر این اساس، رایانه‌های جدید نیز باید به شکلی طراحی شوند که در چنین تعاملاتی شرکت کنند.

تجربه‌ای فراتر از گوشی هوشمند

او گفت رایانه‌های صوتی می‌توانند بسیاری از وظایف رایج گوشی‌های هوشمند، مانند بررسی ایمیل یا جستجو در اینترنت را ساده‌تر و طبیعی‌تر انجام دهند. به‌جای تایپ کردن یا اسکرول کردن، می‌توان تنها با یک مکالمه‌ی ساده، اطلاعات دریافت کرد. البته برخی برنامه‌های کاملاً بصری مانند اینستاگرام یا تیک‌تاک را نمی‌توان جایگزین کرد، اما هدف آن است که وابستگی کاربران به نمایشگرها کاهش یابد و افراد بتوانند بیشتر با سر بالا و دست‌های آزاد زندگی کنند.

واقعیت ترکیبی صوتی؛ کنترل کامل بر محیط شنیداری

نقطه‌ی عطف فناوری معرفی‌شده، توانایی آن در خلق «واقعیت ترکیبی صوتی» است. این دستگاه نه‌تنها صدای محیط را تحلیل می‌کند، بلکه می‌تواند آن را دستکاری کند. روگولو نمونه‌ای از شرایط رستورانی شلوغ را شبیه‌سازی کرد که کاربر می‌توانست صداهای مزاحم مانند گریه کودک را کاهش داده، صدای یک فرد خاص را تقویت کند و حتی مکالمات به زبان دیگر را به انگلیسی ترجمه کند.

او توضیح داد که این کار از طریق فناوری‌های متعددی نظیر «تحلیل صحنه‌ی صوتی»، «تقویت پرتو»، «حذف نویز با یادگیری ماشین»، «ترجمه‌ی همزمان» و «بازتولید گفتار» انجام می‌شود. تمام این‌ها، فقط با نرم‌افزار صورت می‌گیرد.

آینده‌ای پر از امکان؛ از آموزش تا سرگرمی

جیسون روگولو در ادامه به کاربردهای بی‌شمار این فناوری اشاره کرد؛ از آموزش و سلامت گرفته تا برنامه‌های شخصی‌سازی‌شده‌ی تمرین بدنی یا حتی اپلیکیشن‌هایی برای مدیتیشن و تمرکز. او گفت محدودیتی برای ایده‌ها وجود ندارد و آنچه این فناوری را خاص می‌کند، امکان تعامل طبیعی، خصوصی و بدون مزاحمت است.

سخنرانی روگولو با این جمله به پایان رسید:

«هدف ما فقط ساختن اولین رایانه‌ی صوتی جهان نیست، بلکه ساختن تجربه‌ای شهودی از تعامل با ماشین‌ها و  خلق ماشینی است  که واقعاً زبان شما را می‌فهمد. فکر می‌کنم زمان آن رسیده که رایانه‌ای داشته باشیم که به زبان ما صحبت کند.