ElevenLabs စီအီးအို Mati Staniszewski က Darth Vader၊ ပြိုင်ဆိုင်မှု နှင့် အလွဲသုံးစားပြုခြင်းကို ကာကွယ်ခြင်းတို့အကြောင်း ပြောဆို

(SeaPRwire) –   သင်၏ တစ်ဦးချင်းဖောက်သည်များနှင့် လုပ်ငန်းကြီးဖောက်သည်များအကြား အချိုးအစား မည်သို့ရှိပါသလဲ။

ယနေ့တွင် ၎င်းသည် 60/40၊ 50/50 နှင့် နီးစပ်ပါသည်။ ယခင်က လုပ်ငန်းကြီးဖောက်သည်ဘက်ခြမ်းတွင် နည်းပါးခဲ့သည်။ 2024 ခုနှစ်အစောပိုင်းတွင် ၎င်းသည် 90/10 ဖြစ်ခဲ့သည်။ ယခုအခါ ကျွန်ုပ်တို့သည် Deutsche Telekom သို့မဟုတ် Epic Games ကဲ့သို့သော ကုမ္ပဏီအချို့နှင့် ပူးပေါင်းတည်ဆောက်ကာ ပိုမိုနက်ရှိုင်းစွာ အလုပ်လုပ်ကိုင်နေသည့်အတွက် လုပ်ငန်းကြီးဖောက်သည်ဘက်ခြမ်းတွင် များစွာတိုးတက်လျက်ရှိပါသည်။

ElevenLabs သည် စကားပြောဆိုနိုင်သော AI chatbots နှင့် အသံဖိုင်များကို prompts များအပေါ် အခြေခံ၍ ထုတ်လုပ်ပေးသည့် ဖန်တီးမှုဆိုင်ရာ ကိရိယာများကို တည်ဆောက်ပါသည်။ မည်သည့်အရာက ပိုမိုမြန်ဆန်စွာ တိုးတက်နေပါသလဲ။

စကားပြောဆိုနိုင်သော AI ဖြစ်ပါသည်။ စကားပြောဆိုနိုင်သော AI ကို အသုံးပြုသည့် self-serve အပိုင်းသည် အများအားဖြင့် developer များဖြစ်သည်။ ရိုးရာနယ်ပယ်များမှ စကားပြောဆိုမှုဆိုင်ရာ ကဏ္ဍထဲသို့ ရွေ့လျားရန် စိတ်ဝင်စားဖွယ် တွန်းအားတစ်ခု ရှိပါသည်။ Epic Games သည် အကောင်းဆုံး ဥပမာတစ်ခုဖြစ်သည်။ Fortnite ထဲသို့ လူတိုင်း Darth Vader နှင့် အပြန်အလှန်ဆက်ဆံနိုင်သည့် အတွေ့အကြုံကို ယူဆောင်လာရန် ကျွန်ုပ်တို့ လုပ်ဆောင်ခဲ့ဖူးသမျှထဲတွင် အကြီးမားဆုံး တပ်ဆင်မှုများထဲမှ တစ်ခုဖြစ်နိုင်ပါသည်။ ၎င်းကို James Earl Jones ၏ အမွေအနှစ်နှင့် ပူးပေါင်း၍ ဆောင်ရွက်ခဲ့ခြင်း ဖြစ်သည်။ သို့သော် ကစားသမား သန်းပေါင်းများစွာသည် Darth Vader ကို တိုက်ရိုက်ကစားနိုင်ခဲ့ပြီး ၎င်းကို လိုအပ်သလို အသုံးပြုနိုင်ခဲ့ပါသည်။ ၎င်းသည် ရိုးရာနည်းလမ်းအရ လုပ်ဆောင်နိုင်သော အရာမဟုတ်ဘဲ၊ ကြိုတင်ထုတ်လုပ်ထားသော ပုံသေစာကြောင်းများမှ dynamic character သို့ ပြောင်းလဲခြင်းဖြစ်သည်။ ၎င်းသည် ကြီးမားသော တိုးတက်မှုဖြစ်သည်။ ယခုအခါ ကျွန်ုပ်တို့သည် customer-support နယ်ပယ်သည် စကားပြောဆိုနိုင်သော AI ကြောင့် ကြီးမားသော ပြောင်းလဲမှု ဦးတည်ရာသို့ ရွေ့လျားနေသည်ကို တွေ့မြင်နေရပါသည်။

ကုမ္ပဏီကြီးများကို သင်တို့ မည်သို့ ရှေ့ရောက်နေနိုင်ပါသလဲ။ 

ကျွန်ုပ်တို့တွင် အကောင်းဆုံးလူအချို့ရှိသည်ဟု ကျွန်တော်ထင်ပါသည်။ text to speech နှင့် speech to text တို့ဖြင့် လူတိုင်း ဖြေရှင်းရန် ကြိုးစားနေသည့် နောက်ထပ်ကြီးမားသော စိန်ခေါ်မှုမှာ omni-model တစ်ခုကို လေ့ကျင့်ပေးနိုင်ခြင်း ရှိ၊ မရှိ (LLM [large language model] နှင့် speech ပေါင်းစပ်ထားသော မော်ဒယ်) ဖြစ်ပြီး၊ ၎င်းသည် စိတ်ခံစားမှုရှိပြီး မြန်ဆန်ရုံသာမက တည်ငြိမ်မှုလည်းရှိကြောင်း သေချာစေရင်း ပိုမိုကောင်းမွန်သော စကားပြောဆိုမှုကို ထုတ်လုပ်ပေးနိုင်ပါသည်။ ကျွန်ုပ်တို့တွင် ယခုနှစ်နှောင်းပိုင်းတွင် ဖန်တီးရန် ကြိုးစားနေသည့် အကြီးမားဆုံး အရာဖြစ်သည့် အတွင်းပိုင်း prototype တစ်ခုရှိပါသည်။ သို့သော် ထုတ်ကုန်တစ်ခုအဖြစ် စကားပြောဆိုနိုင်သော AI အတွက်နှင့် ထိုထုတ်ကုန်ကို စွမ်းအားဖြည့်ပေးမည့် သုတေသနအတွက် ရည်မှန်းချက်မှာ AI agent တစ်ခုနှင့် စကားပြောဆိုမှုအတွက် Turing test ကို ထိရောက်စွာ အောင်မြင်ရန် ဖြစ်ပါသည်။ ထို့ကြောင့် ၎င်းသည် စစ်မှန်သော စကားပြောဆိုမှုတစ်ခုဟု သင်ခံစားရလိမ့်မည်။ ထိုအရာသည် North Star ဖြစ်ပါသည်။ 

Turing test စံနှုန်းကို ကျွန်ုပ်တို့ ကျော်လွန်ပြီးသားဖြစ်သည်ဟု ကျွန်တော်ထင်ခဲ့သည်။ 

customer support ကဲ့သို့သော အသံသက်သက် အပြန်အလှန်ဆက်ဆံမှုများသည် Turing test ကို ကျော်လွန်နိုင်ဖွယ်ရှိပြီး၊ ကျွန်ုပ်တို့ လုပ်ဆောင်နေသော အချို့အရာများနှင့်အတူ ကျွန်ုပ်တို့သည် ပထမဆုံး လုပ်ဆောင်ခဲ့သူများထဲမှ တစ်ဦးဖြစ်မည်ဟု မျှော်လင့်ပါသည်။ သို့သော် ၎င်းသည် စိတ်ခံစားမှုဆိုင်ရာ အခြေအနေအလိုက် သိရှိနားလည်မှုနှင့် စကားပြောဆိုမှုတစ်ခုတွင် ပိုမိုမြင့်မားသော ဉာဏ်ရည်ပြည့်မီမှု အဆင့်တစ်ခု ရှိသည်ဟု ကျွန်ုပ်ထင်ပါသည်။

သင်တို့၏ နည်းပညာကို အလွဲသုံးစားလုပ်သူများနှင့် မည်သို့ ကိုင်တွယ်ဖြေရှင်းပါသလဲ။ 

ကျွန်ုပ်တို့သည် ကာကွယ်မှုများ တည်ဆောက်ထားပါသည်။ ပထမတစ်ခုမှာ ပွင့်လင်းမြင်သာမှု သို့မဟုတ် မူရင်းရင်းမြစ် (provenance) ဖြစ်ပြီး၊ ထို့ကြောင့် မည်သည့်အကြောင်းအရာမဆို account သို့ ပြန်လည်ခြေရာခံနိုင်ပါသည်။ ဒုတိယတစ်ခုမှာ ကြားခံစစ်ဆေးမှု (moderation) ပိုင်းဖြစ်ပြီး၊ ကျွန်ုပ်တို့သည် စာသားနှင့် အသံ နှစ်ခုလုံးကို ကြားခံစစ်ဆေးပါသည်။ ထို့ကြောင့် လိမ်လည်မှုများနှင့် လိမ်ညာလှည့်ဖြားမှုများအတွက် ကြားခံစစ်ဆေးပြီး၊ ကလေးသူငယ် ဘေးကင်းရေးအတွက်လည်း ကြားခံစစ်ဆေးပါသည်။ အသံပိုင်းတွင် ၎င်းတို့ အလွဲသုံးစားမခံရစေရန် စစ်ဆေးရန် ကြားခံစစ်ဆေးပါသည်။ နောက်ဆုံးအပိုင်းမှာ လူများ AI နှင့် အပြန်အလှန်ဆက်ဆံနေကြောင်း သိရှိနိုင်ရန် နည်းပညာကို လူများထံ မည်သို့ ယူဆောင်လာနိုင်မည်နည်း ဆိုသည့်အချက်ဖြစ်သည်။ လူများသည် အသံအကြောင်းအရာများကို upload တင်ပြီး ၎င်းသည် AI ဟုတ်၊ မဟုတ် အချက်အလက်များကို ရယူနိုင်ရန် classifier တစ်ခုရှိပါသည်။ ကျွန်ုပ်တို့သည် Oxford, Berkeley, Reality Defender, နှင့် U.S. နှင့် U.K. ရှိ AI ဘေးကင်းရေး အဖွဲ့အစည်းများနှင့် ပူးပေါင်း၍ အခြားအဖွဲ့အစည်းများသို့ classifier ပေးအပ်ရန် လုပ်ဆောင်နေပါသည်။ အလွန်ကြီးမားသော အပိုင်းမှာ မကောင်းသူများကို တားဆီးရင်း ကောင်းမွန်သူများထံ နည်းပညာအားလုံးကို မည်သို့ ပေးအပ်နိုင်မည်နည်း ဆိုသည့်အချက် ဖြစ်သည်။ ၎င်းသည် ထိုမျှတမှုဖြစ်သည်။