هوش مصنوعیِ صوتی دیگر مشتری را منتظر نمی‌گذارد. دوشنبه دو شرکت هوش مصنوعی‌ای عرضه کردند که گوش میدهد و حدود نیم ثانیه بعد جواب میدهد؛ یکی‌شان با بیش از ۹۰ زبان. اگر مشتریهایت به‌جای تایپ، ویس میفرستند، این یکی را از دست نده. پشت‌سرش: چتجیپیتی برای چتهای خصوصی قفل گذاشت (با یک «اما»)، مدارک عرضهی سهام آنتروپیک نشان داد این صنعت واقعاً چقدر خرج دارد، و چند خبر کوتاه که در یک دقیقه می‌خوانی.
هوش مصنوعیِ صوتی حالا ظرف نیم ثانیه جواب میدهد
شرکت ایلونلبز (ElevenLabs) دو مدل صوتبهصوت به اسم «ایلون ریلتایم» در دو نسخهی کوچک و بزرگ بیرون داد. یک سیستم واحد صدای مشتری را می‌شنود، می‌فهمد حرفش کی تمام شده، فکر میکند و با صدا جواب میدهد. خود شرکت میگوید جواب حدود نیم ثانیه بعد شروع میشود؛ اندازه‌گیری مستقلی که به آن استناد کرده برای نسخهی بزرگ حدود ۰٫۵۷ ثانیه است. بیش از ۹۰ زبان را پوشش میدهد و نسخهی بزرگش مستقیم برای پشتیبانی مشتری ساخته شده.
همان روز میسترال هم «ووکسترال ۳» را معرفی کرد: مدلهای تبدیل گفتار به متن، یک مدل تبدیل متن به گفتار و یک بسته‌ی ساخت ایجنت صوتی که میتواند ابزار صدا بزند و به خط تلفن وصل شود. میسترال میگوید هزینهی تبدیل گفتار به متن از کسری از یک سنت در دقیقه شروع میشود و شرکتها می‌توانند آن را روی سرور خودشان اجرا کنند.
این به صاحب پیج چه ربطی دارد؟ خیلی از مشتریهای تو تایپ نمی‌کنند. دکمه‌ی میکروفون را نگه می‌دارند و حرف می‌زنند، مخصوصاً در واتساپ و تلگرام. و ویس‌ها دیرتر از پیام متنی جواب می‌گیرند، چون باید دست از کار بکشی و گوش بدهی. وقتی دو شرکت سر سریع و ارزان کردن صدا مسابقه میدهند، یعنی جواب صوتی به‌زودی عادی میشود، نه یک ترفند نمایشی. نظر من: تا وقتی نشنیده‌ای با لهجه و اصطلاح‌های مشتریهای خودت کنار می‌آید، «۹۰ زبان» را باور نکن. با ویسهای واقعی امتحانش کن، نه با دمو. برای اینکه ببینی صدا همین حالا کجای دایرکت پول می‌سازد، از اینکه هوش مصنوعی از ویس مشتری چه می‌شنود و چطور سفارش می‌گیرد شروع کن.
یک نکته‌ی دیگر. صدای طبیعی‌تر و سریع‌تر، جعل را هم راحت‌تر میکند. همین ماه نوشتیم چطور یک صدای جعلی در واتساپ ۹۵ میلیون یورو برد. با تیمت یک قانون ساده بگذار: هیچ پرداخت یا تغییر آدرسی فقط با یک ویس انجام نشود.
چتجیپیتی حالا چت‌ها را قفل میکند، ولی رمزنگاری نمیکند
اوپنایآی به چتجیپیتی قابلیت «چتهای قفلشده» را اضافه کرد. می‌توانی یک گفتوگو را پشت یک رمز چهاررقمی یا تشخیص چهره و اثر انگشت بگذاری و آن گفتوگو به بخش جداگانه‌ای می‌رود، بیرون از تاریخچه و جست‌وجوی معمولی. چتهای قفلشده حتی حافظهی جدای خودشان را دارند، پس چیزی که آنجا می‌گویی به چتهای عادی‌ات نشت نمیکند. این قابلیت برای همهی پلن‌ها، از رایگان تا سازمانی، در حال فعال شدن است.
حالا آن «اما»، که خود اوپنایآی هم صاف گفته: قفل کردن رمزنگاری سرتاسری نیست. مدت نگهداری چت را عوض نمیکند، چیزی را که چتجیپیتی قبل از قفل شدن به خاطر سپرده پاک نمیکند، و تنظیم استفاده از چت‌ها برای بهتر کردن مدل را هم تغییر نمی‌دهد. اگر رمز را ریست کنی، همهی چتهای قفلشده برای همیشه پاک میشوند.
خلاصه‌اش برای تو؟ این قفلِ کشوست، نه گاوصندوق. به درد این می‌خورد که قیمت خریدت از تأمین‌کننده جلوی چشم کسی که گوشی‌ات را قرض گرفته نباشد. ولی دلیلی نیست که شماره‌ی تلفن، آدرس یا لیست سفارش مشتری‌ها را در یک چت‌بات کپی کنی. آن قانون سر جایش است.
مدارک عرضهی سهام آنتروپیک: هوش مصنوعی واقعاً چقدر خرج دارد
پیشنویس مدارک عرضهی عمومی سهام آنتروپیک، سازنده‌ی «کلود»، دوشنبه به دست والاستریت ژورنال رسید و عددهایش از هر دو طرف عجیب است. درآمد شش ماه اول ۲۰۲۶: ۱۶٫۳ میلیارد دلار، در برابر ۱٫۱ میلیارد دلار سال قبل. زیان خالص همان شش ماه: ۸۰٫۷ میلیارد دلار؛ هرچند گزارش‌ها می‌گویند حدود ۷۲ میلیارد دلارش یک هزینهی حسابداری غیرنقدی است که به شیوه‌ی جذب سرمایه برمی‌گردد. نزدیک ۹ میلیارد دلار هم در شش ماه خرج قدرت پردازش کرده، بیشتر از کل سال گذشته، و برای دهه‌ی آینده تعهد صدها میلیارد دلاری دیگر داده. گزارش‌ها می‌گویند ممکن است همین نوامبر وارد بورس شود.
ترازنامه‌ی یک آزمایشگاه هوش مصنوعی به فروشنده چه ربطی دارد؟ این همان صورت‌حسابی است که پشت هر ابزار هوش مصنوعی‌ای است که استفاده می‌کنی. یک نفر باید پول این مراکز داده را بدهد و آخرش مشتری است. منتظر همان چیزهایی باش که این ماه دیدیم: پلن‌های رایگان کوچک‌تر، تبلیغ داخل چت‌بات‌ها و قیمت‌هایی که جابه‌جا میشوند. کل فرایند فروشت را روی یک پلن رایگان که کنترلی رویش نداری نساز. قبل از اینکه ابزاری برایت حیاتی شود، ببین چطور پول می‌گیرد؛ تحلیل ما درباره‌ی قیمت واقعی دستیار هوش مصنوعی و زمان برگشت پولش جای خوبی برای شروع است.
لایحه‌ای که میتواند عرضهی یک مدل را متوقف کند
آنتروپیک یک پیشنویس لایحه‌ی ایمنی هوش مصنوعی هم جلوی قانون‌گذاران آمریکا گذاشته. ایده این است: ارزیاب‌های مستقل که نزد وزارت بازرگانی ثبت شده‌اند مدلهای جدید را بررسی کنند. اگر خطر واقعی و نزدیکی ببینند که بیش از ۵۰ نفر جان ببازند یا بیش از یک میلیارد دلار خسارت بزند، از راه سلاح زیستی، حمله‌ی سایبری یا فرار مدل از کنترل سازنده‌اش، ۷۲ ساعت وقت دارند گزارش بدهند. بعد وزارت بازرگانی میتواند از قاضی بخواهد عرضه را متوقف کند.
فعلاً پیشنهاد است، نه قانون، و منتقدها همین حالا انگشت روی نقطه‌ضعفش گذاشته‌اند: آزمایشگاه‌ها می‌توانند به همان ارزیاب‌هایی که بررسی‌شان می‌کنند پول بدهند. برای فروشنده این خبر پس‌زمینه است، نه کار فوری. ولی جهت قانون‌ها را نشان میدهد: دولت‌ها کم‌کم می‌پرسند چه کسی این سیستم‌ها را قبل از رسیدن به گوشی تو بررسی میکند، و این سؤال به ابزارهای کسب‌وکار هم می‌رسد.
خبرهای کوتاه
- جمینای در ماشین. گوگل قابلیت «هوش شخصی» را روی اندروید اتو فعال میکند تا راننده‌ها، با اجازه‌ی خودشان، از جمینای سؤال‌هایی بپرسند که جوابش در جیمیل و گوگل فوتوز است. سؤال‌های بیشتری از آدم‌هایی می‌رسد که نمی‌توانند به صفحه نگاه کنند.
- کار تکراری ارزان‌تر برای اپ‌های هوش مصنوعی. اوپنایآی حالا به برنامه‌نویس‌ها اجازه میدهد متن مشترک را تا ۱۲ ساعت نگه دارند و برای بخش تکراری نرخ پایین‌تری بپردازند. خبر خشکی است که معمولاً بعداً به شکل قیمت کمتر در ابزارها خودش را نشان میدهد.
- دیپ‌سیک موتور اجرای مدلش را رایگان کرد. دیپ‌سیک «دیپ‌اینفر» را منتشر کرد؛ نرم‌افزاری که به گفتهی خودش سرویس اصلی‌اش را می‌چرخاند. رقابت بیشتر سر هزینهی اجرای هوش مصنوعی، به نفع همهی خریدارهاست.
- اوتر ۳۲۰ میلیون دلار جذب کرد. اپ یادداشت‌برداری جلسه‌ها پولی گرفته که از نتیجه‌ی بازاریابی‌اش پس میدهد و میگوید از ۴۰ میلیون کاربر گذشته. هوش مصنوعی‌ای که گوش میدهد و یادداشت برمی‌دارد حالا کسب‌وکار بزرگ و جدی‌ای است.
- اوپنایآی «ارکسترا بایو» را خرید. یک پلتفرم هماهنگی توسعه‌ی دارو، کنار ابزارهای علوم زیستی اوپنایآی. خبر فروشندگی نیست، ولی نشان میدهد آزمایشگاه‌های بزرگ تا کجا پخش میشوند.
این هفته برای فروشگاه تو یعنی چه
رشته‌ای که همه را به هم وصل میکند: هوش مصنوعی در حرف زدن سریع‌تر و در ساختن گران‌تر میشود، و فاصله‌ی این دو روی دوش کسی می‌افتد که از آن استفاده میکند. مشتری‌ات ظرف چند ثانیه جواب می‌خواهد، چه متنی چه صوتی، و برایش مهم نیست کدام شرکت آن را ساخته. ابزاری که به آن تکیه می‌کنی باید درباره‌ی قیمت و موجودی راست بگوید، و یک آدم باید برای لحظه‌هایی که لازم است نزدیک باشد. این همان کاری است که وردست انجام میدهد: در اینستاگرام، واتساپ، تلگرام و سایتت ظرف چند ثانیه از روی اطلاعات واقعی محصولاتت به مشتری جواب میدهد و هر وقت به آدم نیاز باشد، گفتوگو را به تو می‌سپارد.