AI Hume'a
Hume AI to laboratorium badawcze i startup tworzący „inteligentną emocjonalnie” sztuczną inteligencję głosową, która odczytuje ton, rytm i prozodię ludzkiej mowy, a nie tylko słowa.
Przegląd
It matters because it pushes AI from understanding what you say toward understanding how you feel.
Głębokie nurkowanie
Założona w 2021 roku przez Alana Cowena, byłego badacza Google DeepMind, który bada naukę o emocjach, Hume AI koncentruje się na mierzeniu ekspresji emocjonalnej w głosie, twarzy i języku i reagowaniu na nią. Jej flagowym produktem jest Empathic Voice Interface (EVI), model głosu mowy na mowę, który wykrywa niuanse w tonie mówiącego, a następnie generuje odpowiedzi mówione, których intonacja jest kształtowana tak, aby pasowała do emocjonalnego kontekstu rozmowy. Hume opiera swoją pracę na „teorii przestrzeni semantycznej”, opartej na danych mapie dziesiątek różnych wymiarów emocjonalnych, a nie kilku podstawowych emocji. Firma publikuje również ramy etyczne dotyczące sztucznej inteligencji i zasiada w radzie doradczej organizacji non-profit, co odzwierciedla oczywistą wrażliwość oprogramowania, które wnioskuje o uczuciach.
Wgląd techniczny
EVI łączy duży model językowy z analizą prozodii. Kiedy mówisz, mierzy cechy akustyczne, takie jak wysokość, głośność, synchronizacja i jakość głosu, oceniając je w oparciu o wiele wyuczonych wymiarów emocjonalnych wyszkolonych na dużych zbiorach danych o ludzkiej ekspresji. Wyniki te stają się dodatkowym kontekstem dodawanym do modelu języka, a niestandardowy mechanizm zamiany tekstu na mowę renderuje odpowiedzi z wyrazistą intonacją, pauzami i naciskiem. Ponieważ przetwarza mowę od początku do końca, może również wykryć, kiedy przerywasz, i reagujesz naturalnie.
Wpływ strategiczny
Strategia dostawcy
Plany dostawców wpływają na to, jakie funkcje Twój zespół będzie mógł dalej tworzyć.
Koszt i budżet
Warunki handlowe i opcje wdrożenia wpływają na długoterminowe koszty i ryzyko.
Ryzyko i bezpieczeństwo
Zachęty firmowe kształtują wady produktów, postawę bezpieczeństwa i otwartość.
Przyszłość Hume AI
Spodziewaj się, że technologia ekspresyjnego głosu Hume’a rozprzestrzeni się na agentów obsługi klienta, towarzyszy dbających o zdrowie psychiczne, narzędzia ułatwień dostępu i postacie w grach. Hume pozycjonuje swoje modele EVI i system „sterowania głosowego”, który pozwala programistom dostrajać cechy osobowości w oparciu o warstwę API, na której mogą budować rywale. Trudne pytania mają charakter regulacyjny i etyczny: przepisy takie jak unijna ustawa o sztucznej inteligencji ograniczają rozpoznawanie emocji w miejscach pracy i szkołach, więc przyjęcie będzie zależeć od przejrzystości, zgody i unikania nadmiernych twierdzeń na temat czytania w myślach.
Implementacja w świecie rzeczywistym
Aplikacja do telezdrowia wykorzystuje EVI, dzięki czemu towarzysz głosowy może wykryć frustrację lub niepokój w tonie pacjenta i zareagować łagodniej
Linia obsługi klienta szybciej kieruje rozmówców, którzy wydają się być coraz bardziej wściekli, do agenta
Aplikacja do nauki języków informuje, czy zdanie wypowiadane przez ucznia brzmi pewnie, wahająco czy naturalnie
Postać z gry wideo zasilana przez EVI reaguje w czasie rzeczywistym na emocjonalny ton głosu gracza
Zagrożenia i poręcze
Ogłoszenia o wprowadzeniu na rynek mogą przekroczyć stabilność w rzeczywistych przepływach pracy.
Ceny interfejsów API lub zmiany zasad mogą z dnia na dzień złamać założenia.
Zależność od jednego dostawcy zwiększa koszty uzależnienia i migracji.
Plan wdrożenia
Oceniaj dostawców, korzystając z własnych zadań i zbiorów danych.
Przed integracją przejrzyj warunki dotyczące prywatności, bezpieczeństwa i prawa.
Utrzymuj plan awaryjny dla różnych modeli i dostawców.
Monitoruj informacje o wersji, aby zmiany w planie działania nie zaskoczyły zespołów.
Odkrywaj dalej
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Hume AI quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Następny poradnik
Google Gemini
Często zadawane pytania
What is Hume AI?
Hume AI to laboratorium badawcze i startup tworzący „inteligentną emocjonalnie” sztuczną inteligencję głosową, która odczytuje ton, rytm i prozodię ludzkiej mowy, a nie tylko słowa. Ma to znaczenie, ponieważ popycha sztuczną inteligencję od zrozumienia tego, co mówisz, do zrozumienia, co czujesz.
Na czym skupia się przede wszystkim technologia Hume AI?
Hume AI specjalizuje się w „inteligentnej emocjonalnie” sztucznej inteligencji, która mierzy ekspresję emocjonalną, zwłaszcza w głosie, i reaguje na nią.
Jak nazywa się flagowy produkt głosowy Hume AI?
EVI, empatyczny interfejs głosowy, to opracowany przez Hume'a model mowy na mowę, który wykrywa ton emocjonalny i reaguje na niego.
Jakie cechy akustyczne analizuje EVI, aby wywnioskować emocje?
EVI mierzy prozodię, muzyczne cechy mowy, takie jak wysokość, głośność, synchronizację i jakość głosu, oprócz samych słów.
Jakie ramy naukowe leżą u podstaw podejścia Hume’a do emocji?
Hume posługuje się „teorią przestrzeni semantycznej”, opartą na danych mapą dziesiątek wymiarów emocjonalnych, a nie małym, ustalonym zestawem podstawowych emocji.
Dlaczego regulacje są kluczowym problemem dla technologii Hume AI?
Przepisy takie jak unijna ustawa o sztucznej inteligencji ograniczają rozpoznawanie emocji we wrażliwych kontekstach, dlatego zgoda i przejrzystość mają kluczowe znaczenie dla przyjęcia Hume'a.