لوحة مفاتيح WeChat تضيف مسجّلاً يحوّل الكلام إلى صفحة

أكثر منتج ذكاء اصطناعي إثارة للاهتمام شُحن في الصين الأسبوع الماضي لم يكن نموذجاً. كان زراً على لوحة مفاتيح.

في 27 أكتوبر، أعلنت القناة الرسمية لـWeChat أن لوحة مفاتيح WeChat — التي يكتب بها عدد ضخم من مستخدمي الهواتف في الصين أصلاً — صارت تضم «مسجّل صوت بالذكاء الاصطناعي». تسجّل. ويُفرَّغ الصوت نصاً في الوقت الحقيقي. ثم، بدل أن يسلّمك جدار نص، يسلّمك صفحة ويب منظمة: الأخطاء مصححة، والحشو محذوف، ومنطق الحديث معاد ترتيبه، والنقاط الرئيسية مستخرجة.

ثم الجزء الذي جعلني أعتدل في جلستي. بحسب الإعلان، يمكنها مطابقة المخططات والرسوم والنماذج التفاعلية لما قيل.

لماذا لوحة المفاتيح هي الجزء المثير

كل شركة إنتاجية على وجه الأرض شحنت مسجّل اجتماعات. ومعظمها يطلب منك تثبيت شيء، ومنح أذونات، واختيار مساحة عمل، وتذكّر الضغط على التسجيل. ويبقى التبنّي في خانة الآحاد لأن الاحتكاك يقع في اللحظة التي يكون فيها انتباهك أقل ما يكون.

نسخة WeChat لا تواجه مشكلة تبنٍّ تحلّها. لوحة المفاتيح مثبتة أصلاً، ولديها وصول إلى الميكروفون أصلاً، وهي أصلاً السطح الذي يبدأ عليه مئة مليون شخص الكتابة. وتعكس نقاط الدخول ذلك: على الهاتف تفتحها من شريط أدوات لوحة المفاتيح أو من تطبيق لوحة المفاتيح. وعلى سطح المكتب هناك اختصار، إضافة إلى شريط قوائم macOS وشريط أدوات Windows.

هذه ميزة توزيع لا تستطيع أي شركة ناشئة شراءها، وهي سبب استحقاق هذا للكتابة أصلاً. فالميزة نفسها ليست جديدة. الموضع هو الجديد.

ماذا تعني «صفحة ويب منظمة» فعلاً

التفريغ النصي مشكلة شبه محلولة. أما تحويل الكلام إلى شيء تقرأه بمحض إرادتك فليس كذلك.

من مرّر اجتماعاً عبر نموذج ASR يعرف المخرج: كلمات دقيقة، بلا شكل. الناس يكررون أنفسهم، ويتركون الجمل معلّقة، ويقولون «طيب، يعني، على أي حال» أربع عشرة مرة، ويدفنون القرار في منتصف استطراد عن موقف السيارات. والتنظيف هو حيث القيمة، وهو حيث تستسلم معظم الأدوات بهدوء وتسلّمك النص مع ملخص مدبّس في أعلاه.

أما السلوكيات المعلنة — تصحيح الأخطاء، وترشيح الحشو بلا معنى، وتنظيم المنطق والنقاط البارزة باستخدام السياق — فتصف مساراً يعامل التسجيل كمادة خام لا كمنتج نهائي. والمخرج صفحة، أي أنها أقسام وهرمية، وعلى الأرجح عنوان لم تقله بصوت مسموع.

وللوحات المفاتيح الصينية ميزة هنا يسهل التقليل منها. فالإدخال بالبينيين يعني أن لوحة المفاتيح تشغّل أصلاً نموذجاً لغوياً على كل ما تكتبه، طوال اليوم، تصحّح وتتوقع. وتطبيق الفئة نفسها من النماذج على الكلام قفزة أقصر مما هي لبائع لوحات مفاتيح غربي، لأن طبقة التصحيح بنية تحتية حاملة أصلاً، لا كمالية.

ادعاء الرسوم يستحق تدقيقاً

مطابقة المخططات والرسوم والنماذج التفاعلية بتسجيل ادعاء كبير في جملة صغيرة، وهو ينقسم إلى قدرتين مختلفتين جداً.

النسخة المتواضعة: تتحدث عن عملية من ثلاث خطوات، فتُخرج الأداة مخططاً من ثلاث خطوات لأنها سمعت «أولاً، ثم، أخيراً». هذا اختيار قالب، وهو مفيد حقاً، وفي المتناول.

والنسخة الطموحة: تصف تدفق منتج، فتُنتج الأداة نموذجاً تفاعلياً يمكنك النقر فيه. وهذا يتطلب من النموذج استنتاج الحالة والانتقالات والتخطيط من كلام غير منظم، وأن يكون صحيحاً بما يكفي كي لا يحذفه المستخدم فوراً.

وتخميني، وهو تخمين، أن النسخة المشحونة أقرب إلى الأولى. وهذا ليس نقداً. فمخطط مولّد صحيح تقريباً مسودة أولى جيدة؛ ونموذج تفاعلي مولّد صحيح تقريباً جلسة تنقيح.

سؤال الخصوصية الذي لا يسأله أحد في الصين بصوت عالٍ

لوحة المفاتيح ترى كل شيء. كلمات المرور، ورسائل البنك، والخلافات العائلية، والبحث الذي كتبته ثم حذفته. وإضافة مسجّل إلى ذلك السطح تعني أن علاقة الثقة تصبح أكثف، لا أبسط.

ولا يدخل الإعلان في معالجة البيانات، وهذا طبيعي في منشور منتج وغير مطمئن في قرار منتج. والافتراضات المعقولة أن التفريغ يجري على الجهاز أو عبر سحابة WeChat نفسها، وأن الصفحة الناتجة تُخزَّن في منظومة WeChat، وأن الاحتفاظ محكوم بالشروط نفسها التي تحكم كل شيء آخر في تلك المنظومة.

وبالنسبة لمستخدم فرد في الصين، هذه المقايضة مألوفة ومقبولة في الغالب. أما بالنسبة لشركة، فـ«ملاحظات اجتماعاتنا تعيش في WeChat» محادثة امتثال، لا محادثة إنتاجية. والميزة ستنتشر عبر الاستخدام الشخصي وتُحجب في المؤسسات، وهذا هو المسار المعتاد للذكاء الاصطناعي الاستهلاكي في ذلك السوق.

كيف تقارن بمسجّل مخصص

على الورق، تطبيقات المتخصصين تفوز: فصل أفضل للمتحدثين، وجلسات أطول، وتكاملات مع التقويمات وأنظمة إدارة العملاء، وتصدير لائق. عملياً، معظمها يخسر في المقياس الوحيد المهم في بداية الاجتماع: هل تذكرت فتحه.

والمقايضة أنك تحصل على تحكم أقل. المسجّل المخصص يتيح لك اختيار أين يذهب الصوت. ولوحة المفاتيح لا، والإعلان لا يقول. ولمذكرة شخصية هذه مقايضة مقبولة. أما لمكالمة عميل تحت اتفاقية سرية، فهي ليست مقايضة يُسمح لك باتخاذها من طرف واحد.

لذا التقسيم الواقعي: لوحة المفاتيح لما كنت ستكتبه بشكل سيئ على أي حال، والتطبيق المتخصص لما ينتهي في عقد. والاثنان سيبقيان، ولوحة المفاتيح ستتعامل مع حجم أكبر بكثير.

القراءة الاستراتيجية

أمضت WeChat عقداً تُنتقد لأنها لا تشحن ميزات ذكاء اصطناعي بالسرعة الكافية. وهذا هو التحرك المعاكس: بدل بناء روبوت محادثة، تضع نماذج صغيرة في الأسطح التي يلمسها الناس مئة مرة في اليوم. لوحة مفاتيح. رسالة صوتية. ملف.

هذه استراتيجية أصعب في العرض وأفضل بكثير في التوزيع. فروبوت المحادثة يحتاج أن تريد المحادثة. أما المسجّل داخل لوحة المفاتيح فهو هناك حين كنت ستكتب على أي حال.

ويفسّر ذلك صيغة المخرج أيضاً. فالصفحة المنظمة قابلة للمشاركة داخل WeChat. أما التفريغ النصي فملف تصدّره وتنساه. وبجعل الأثر أصيلاً في المنظومة، تخلق الميزة محتوى يدور في المكان الذي تملكه WeChat أصلاً.

ما يجب مراقبته

هل تصمد الصفحة المنظمة أمام التحرير. إن استطعت إصلاح جملة وبقي التخطيط سليماً، فهي أداة مستندات. وإن كسر التحرير البنية، فهي لقطة شاشة.

وهل الرسوم قابلة للتحرير ككائنات أم تصل كصور مسطّحة. الأولى سير عمل. والثانية زخرفة.

وهل يحصل المسجّل على API. إن حصل، فلن تكون المنتجات المثيرة تطبيقات تدوين ملاحظات إطلاقاً — بل أدوات تحوّل محادثة إلى مُخرَج دون أن يفتح أحد حاسوباً.

الميزة نفسها ستُنسخ خلال ربع سنة. Baidu وiFlytek وAlibaba لديها القطع كلها. أما ما لن يُنسخ بسرعة فهو الموضع، لأن لا أحد غيرها يملك لوحة المفاتيح التي يكتب عليها نصف بلد.

وهذا هو الدرس الذي يستحق أخذه من هذا الإصدار، ولا علاقة له بجودة النموذج. أفضل قناة توزيع لميزة ذكاء اصطناعي هي الشيء الذي يضعه مستخدموك في أيديهم أصلاً.