فراخوان هوش مصنوعی در همه‌جای کاکائوتاک؛ رایان با صدای خود به منشی تبدیل می‌شود

کاکائوتاک به بستری برای استفاده از هوش مصنوعی تبدیل می‌شود. کاربران دیگر برای استفاده از هوش مصنوعی در کاکائوتاک نیازی ندارند وارد یک اتاق گفت‌وگوی جداگانه شوند و می‌توانند هنگام گفت‌وگو با دوستان و خانواده، هر زمان که بخواهند هوش مصنوعی را فراخوانده و درخواست خود را مطرح کنند.

هوش مصنوعی که تاکنون به‌عنوان یک سرویس مستقل ارائه می‌شد، اکنون مانند یک لایه روی کل کاکائوتاک قرار می‌گیرد. شخصیت محبوب کاکائو، «رایان»، صاحب صدا شده و به یک منشی هوش مصنوعی تبدیل می‌شود که مستقیماً با کاربران گفت‌وگو می‌کند.

«جونگ شین‌آ»، مدیرعامل کاکائو، روز ۱۳ اکتبر در رویداد «if(Kakao)26» که در پردیس هوش مصنوعی کاکائو در یونگین استان گیونگ‌گی برگزار شد، راهبرد این شرکت برای عامل‌های هوش مصنوعی را معرفی کرد.

محور اصلی این راهبرد «کانانا اسپیس» است؛ دستیار هوش مصنوعی که در هر بخش از کاکائوتاک قابل استفاده خواهد بود. در نسخه‌های پیشین، کاربران برای استفاده از هوش مصنوعی در کاکائوتاک باید به سرویس‌های جداگانه‌ای مانند «ChatGPT for Kakao» وارد می‌شدند.

اما کانانا اسپیس به‌گونه‌ای طراحی شده است که کاربران بتوانند از هر صفحه‌ای در کاکائوتاک، هوش مصنوعی را فراخوانی کنند. برای استفاده از هوش مصنوعی دیگر لازم نیست کار فعلی متوقف شود یا کاربر به صفحه دیگری منتقل شود.

وقتی کاربر صفحه کاکائوتاک را با دو انگشت به سمت بالا می‌کشد، رایان ظاهر می‌شود. این دستیار همچنین به‌صورت پنجره شناور روی اتاق گفت‌وگویی که کاربر در آن حضور دارد کار می‌کند. کاربر می‌تواند هم‌زمان با گفت‌وگو با یک دوست، برای هوش مصنوعی پیام بفرستد یا از آن بخواهد برنامه زمانی خود را بررسی کند.

ویژگی مهم رایان این است که صدا دارد. کانانا اسپیس اساساً بر پایه گفت‌وگوی صوتی طراحی شده و در صورت نیاز می‌تواند گفتار را به متن تبدیل کند. برخلاف چت‌بات‌های سنتی که کاربر در آن‌ها سؤال را تایپ می‌کرد و پاسخ متنی دریافت می‌کرد، این سیستم امکان استفاده از هوش مصنوعی را مانند گفت‌وگو با یک انسان فراهم می‌کند.

کاکائوتاکی که با چشم خوانده و با گوش شنیده می‌شود

پشتوانه این قابلیت، فناوری هوش مصنوعی چندوجهی توسعه‌یافته توسط کاکائو است. این شرکت در همان روز از مدل زبانی جامع «کانا-او» رونمایی کرد که می‌تواند متن، تصویر و صدا را به‌صورت هم‌زمان درک کند و پاسخ صوتی ارائه دهد. رمزگذارها و رمزگشاهای تشکیل‌دهنده این مدل به‌طور کامل توسط کاکائو توسعه یافته‌اند و قرار است در آینده به‌صورت متن‌باز منتشر شوند.

کاکائو همچنین فناوری «کانانا لایو» را معرفی کرد؛ قابلیتی که به هوش مصنوعی اجازه می‌دهد هم‌زمان با شنیدن و صحبت کردن کار کند، بدون آنکه منتظر پایان صحبت طرف مقابل بماند. این فناوری امکان پاسخ‌گویی یا تفسیر هم‌زمان در جریان مکالمه را فراهم می‌کند. هدف این است که تعامل با هوش مصنوعی به گفت‌وگوی انسانی نزدیک‌تر شود و نه‌تنها محتوای صحبت، بلکه نحوه بیان و احساسات متناسب با موقعیت نیز در نظر گرفته شود.

ویژگی دیگر کانانا اسپیس، شخصی‌سازی است. کاکائو قصد دارد با درک زمینه گفت‌وگوها و تجربه‌های گذشته کاربران، حتی برای یک درخواست مشابه، پاسخ‌های متفاوت و متناسب با هر فرد ارائه دهد.

برای مثال، اگر کاربری هنگام صحبت با همسرش فراموش کند هفته گذشته چه کاری از او خواسته شده بود، می‌تواند از کانانا سؤال کند. همچنین اگر درخواست کند «دوباره همان آب معدنی‌ای را که دفعه قبل سفارش دادم سفارش بده»، سیستم با بررسی سفارش‌های قبلی و اعمال کوپن‌ها، محصول را تا مرحله پیش از پرداخت آماده می‌کند. تأیید نهایی و تصمیم‌گیری همچنان بر عهده کاربر خواهد بود.

با این حال، تکمیل مستقیم سفارش‌ها، پرداخت‌ها و انتقال وجه قرار است در آینده توسعه یابد. کانانا اسپیس از ماه دسامبر برای برخی از متقاضیان اولیه، آزمایش بتای بسته (CBT) را آغاز خواهد کرد.

بهترین نتیجه برای هر درخواست با مصرف بهینه توکن

کاکائو اعلام کرد برای استفاده گسترده از هوش مصنوعی در سراسر کاکائوتاک، فناوری‌ای لازم است که بتواند درخواست‌های تعداد زیادی از کاربران را به‌طور کارآمد پردازش کند. زیرا در شرایطی که ۵۰ میلیون کاربر کاکائوتاک درخواست‌های متفاوتی دارند، نمی‌توان همه وظایف را به یک مدل هوش مصنوعی بزرگ با نیاز محاسباتی بسیار بالا سپرد.

به همین منظور، کاکائو یک سامانه مدل هوش مصنوعی چهارمرحله‌ای ایجاد کرده است که از هوش مصنوعی روی دستگاه (On-device AI)، مدل‌های زبانی کوچک (SLM)، مدل‌های اصلی و مدل‌های پیشرفته تشکیل می‌شود. درخواست‌های ساده توسط هوش مصنوعی نصب‌شده روی گوشی پردازش می‌شوند و وظایفی که به استدلال پیچیده نیاز دارند به مدل‌های بزرگ روی سرورها سپرده می‌شوند.

اینکه کدام مدل هوش مصنوعی مسئول انجام یک کار باشد، توسط «رهبر ارکستر هوش مصنوعی» (AI Conductor) و نه کاربر تعیین می‌شود. این فناوری هماهنگ‌کننده، درخواست‌های کاربر را تحلیل می‌کند، مدل‌ها و ابزارهای مورد نیاز را انتخاب می‌کند و ترتیب انجام کارها را تنظیم می‌کند.

برای نمونه، اگر کاربری درخواست کند: «فردا برای رفتن به جلسه با تاکسی می‌روم، یک رستوران نزدیک پیشنهاد بده»، درخواست ابتدا روی گوشی تحلیل می‌شود، جست‌وجوی موقعیت مکانی به یک مدل کوچک سپرده می‌شود و وظایف پیچیده مانند پیش‌بینی مسیر سفر به یک مدل بزرگ واگذار می‌شود. پس از ترکیب نتایج مدل‌ها و ابزارهای مختلف، اطلاعات مورد نیاز در اختیار کاربر قرار می‌گیرد.

نو بیونگ‌سوک، مدیر عملکرد کاکائو، توضیح داد که هدف استفاده از بزرگ‌ترین مدل برای همه درخواست‌ها نیست، بلکه باید با میزان محاسبات لازم، هوش مورد نیاز را ارائه کرد. کاکائو امیدوار است از این طریق علاوه بر عملکرد هوش مصنوعی، سرعت پاسخ‌گویی، هزینه عملیاتی و پایداری سرویس در مقیاس بزرگ را نیز تضمین کند.

رهبر ارکستر هوش مصنوعی کاکائو در حال تکامل به سمت هماهنگی اجرای سرویس‌های مختلف است و تنها به انتخاب مدل محدود نمی‌شود. کاکائو این مسیر را «گسترش از مسیریابی مدل به هماهنگ‌سازی اقدامات» توصیف کرد. هدف این است که هوش مصنوعی تنها رستوران پیشنهاد ندهد، بلکه پس از دریافت تأیید کاربر، کارهایی مانند رزرو و اشتراک‌گذاری اطلاعات با همراهان را نیز انجام دهد.

کاکائو زمینه را برای من درک می‌کند

برای دستیابی به این هدف، کاکائو در حال توسعه «پروژه موزاییک» است که خاطرات و تجربه‌های کاربران را به یکدیگر متصل می‌کند. این پروژه ساختاری ایجاد می‌کند که زمینه مورد نیاز برای درخواست کاربر را پیدا کرده، تنها اطلاعات مجاز را در اختیار هر عامل هوش مصنوعی قرار می‌دهد و امکان همکاری چند عامل برای انجام وظایف را فراهم می‌کند.

سونگ جه‌ها، مدیر ارشد فناوری (CTO) کاکائو، توضیح داد که این فناوری پایه‌ای برای تبدیل هوش مصنوعی به عاملی است که فراتر از گفت‌وگوی ساده، زندگی روزمره کاربران را تغییر می‌دهد. کاکائو در پروژه موزاییک تلاش می‌کند خاطرات و تجربه‌های پراکنده کاربران را در قالب زمینه‌ای معنادار به هم مرتبط کند. نکته اصلی این است که بر اساس درخواست و نتیجه مورد انتظار کاربر، فقط اطلاعات ضروری در محدوده مجاز در اختیار هر عامل قرار گیرد و عامل‌های مختلف بتوانند در یک زمینه مشترک با یکدیگر همکاری کنند.

کاکائو همچنین مسیر پلتفرمی خود را برای پشتیبانی پایدار از تجربه هوش مصنوعی شخصی‌سازی‌شده ارائه کرد. این شرکت قصد دارد با ایجاد حاکمیت داده منظم و سازوکارهای چندلایه بررسی ایمنی، سیستم ایمنی خود را به‌طور مداوم ارتقا دهد تا برنامه‌ریزی و اجرای اقدامات عامل‌ها تنها در محدوده‌ای انجام شود که کاربر با آن موافقت کرده است. همچنین کاکائو قصد دارد زیرساختی پایدار ایجاد کند تا خدمات هوش مصنوعی برای تعداد زیادی از کاربران به‌صورت پایدار ارائه شود.

کاکائو قصد دارد بستری ایجاد کند که عامل‌های هوش مصنوعی ساخته‌شده توسط شرکت‌ها و افراد دیگر نیز بتوانند در کاکائوتاک مورد استفاده قرار گیرند. «کانواس» که در همان روز معرفی شد، سرویسی است که کاربران با توضیح قابلیت‌های مورد نیاز به زبان طبیعی می‌توانند عامل‌های هوش مصنوعی ایجاد و اجرا کنند. کانواس پلتفرمی است که امکان اجرای عامل‌ها روی رایانه‌های شخصی را فراهم می‌کند و کاربران می‌توانند عامل‌های ساخته‌شده را با دیگران به اشتراک بگذارند. در نیمه نخست سال آینده، علاوه بر عامل‌های ساخته‌شده با کانواس، عامل‌هایی که با چارچوب‌های خارجی توسعه یافته‌اند نیز به کاکائوتاک متصل خواهند شد.