កាប៊ីនឆ្លាតវៃអាចជាវិស័យដែលងាយបង្កើត“គម្លាតអារម្មណ៍”បំផុតនៅក្នុងរង្វង់រថយន្តក្នុងរយៈពេលពីរឆ្នាំចុងក្រោយនេះ។

នៅម្ខាង ជាមួយនឹងការដាក់ឱ្យប្រើប្រាស់ម៉ូដែលធំយ៉ាងទូលំទូលាយលើរថយន្ត រថយន្តថ្មីស្ទើរតែទាំងអស់កំពុងប្រើប្រាស់កាប៊ីនជា�เวทีបង្ហាញ“មាតិកា AI” ដោយសំឡេង ពហុមុខងារ និងភ្នាក់ងារឆ្លាតវៃបានចូលរួមវេនគ្នា ហើយប៉ារ៉ាម៉ែត្រនៃក្រុមហ៊ុននីមួយៗកាន់តែមានភាពហឹង្សា។ ប៉ុន្តែនៅម្ខាងទៀត អ្នកប្រើប្រាស់ក្នុងបទពិសោធន៍ជាក់ស្តែងតែងតែជួបប្រទះការដាច់ផ្តាច់៖ ម៉ាស៊ីនរថយន្តយល់ពាក្យបញ្ជា ប៉ុន្តែពិបាកបញ្ចប់ប្រតិបត្តិការជារង្វង់ពេញលេញ؛ ចងចាំការសន្ទនាមួយ ប៉ុន្តែបែរមកភ្លេចអស់ទាំងស្រុង؛ ពេលប្រឈមនឹងតម្រូវការធ្វើដំណើរស្មុគស្មាញ ទាំងឆ្លើយមិនត្រូវសំណួរ ឬមិនហ៊ានអនុវត្ត។

នៅក្នុងសន្និសីទសារព័ត៌មានផលិតផលបច្ចេកវិទ្យារថយន្តឆ្លាតវៃរបស់ iFLYTEK នៅថ្ងៃទី 21 ខែតុលា កាប៊ីនឆ្លាតវៃជំនាន់ថ្មី SparkAuto Space 3.0 ត្រូវបានដាក់ឱ្យដំណើរការជាផ្លូវការ តាមពិត iFLYTEK បានដាក់ប្រធានបទឧស្សាហកម្មដែលជាក់ស្តែងជាងនេះ៖ តើកាប៊ីនឆ្លាតវៃអាចឆ្លងកាត់ពី“យល់បាន” ទៅ“ធ្វើបានពិត” យ៉ាងដូចម្តេច?

ចំណុចឈឺចាប់រចនាសម្ព័ន្ធ៖ កាប៊ីនខ្វះ“ខួរក្បាល” ឯកភាព

ទំហំផលិតកម្ម និងការលក់របស់ឧស្សាហកម្មរថយន្តចិនបានឈរនៅកំពូលសកលជាប់ៗគ្នាជាច្រើនឆ្នាំ ហើយអត្រាធ្វើឱ្យទំនើបកម្មឆ្លាតវៃក៏កំពុងកើនឡើងយ៉ាងរហ័ស។ ប៉ុន្តែនៅពីក្រោយអត្រាខ្ពស់នេះ គឺការយឺតយ៉ាវនៃការធ្វើឱ្យបទពិសោធន៍ប្រសើរឡើង។

បញ្ហាទូទៅក្នុងឧស្សាហកម្មគឺ៖ កាប៊ីនតែងតែ“មានត្រចៀក គ្មានខួរក្បាល”។ សំឡេង ការរុករក ការកម្សាន្ត និងការគ្រប់គ្រងរថយន្តជាធម្មតាជាប្រព័ន្ធរងជាច្រើនដែលដំណើរការដោយឡែកពីគ្នា បទពិសោធន៍ឆ្លងដែនត្រូវបានបែកបាក់؛ ខ្វះការចងចាំរយៈពេលវែង ធ្វើឱ្យម៉ាស៊ីនរថយន្តកាន់តែមានលក្ខណៈដូចគ្នា؛ ម៉ូដែលធំមានហានិភ័យពន្លឺបំភាន់ ធ្វើឱ្យការគ្រប់គ្រងរថយន្តស្នូលមិនហ៊ានប្រគល់អំណាចដោយងាយ؛ ពេលសមត្ថភាពម៉ូដែលកើនឡើង ការយឺតយ៉ាវក៏ពិបាកបន្ថយ។

ចំណុចឈឺចាប់ទាំងនេះចង្អុលទៅបញ្ហារចនាសម្ព័ន្ធតែមួយ៖ កាប៊ីនខ្វះ“ខួរក្បាលឯកភាព” មួយដែលអាចភ្ជាប់ម៉ូឌុលនានាចូលគ្នា។ ប្រសិនបើគ្រាន់តែ堆疊មុខងារ ឬប៉ារ៉ាម៉ែត្របន្ថែម ដោយមិនដោះស្រាយបញ្ហាការគ្រប់គ្រងនៃស្ថាបត្យកម្មមូលដ្ឋាន បទពិសោធន៍នឹងមិនអាចផ្លាស់ប្តូរគុណភាពបានទេ។

ការវិវត្តនៃស្ថាបត្យកម្ម៖ ពីការបញ្ជាទៅអន្តរកម្មបែបមនុស្ស

ដើម្បីដោះស្រាយបញ្ហារចនាសម្ព័ន្ធនេះ iFLYTEK បានបែងចែកការវិវត្តនៃអន្តរកម្មកាប៊ីនជាបីដំណាក់កាល៖ អន្តរកម្មបែបបញ្ជា អន្តរកម្មរួមបញ្ចូលឆ្លាតវៃ និងដំណាក់កាលពហុមុខងារឆ្លាតវៃបែបមនុស្សដែលដឹកនាំដោយ SOPHIA (ស្ថាបត្យកម្មអន្តរកម្មរថយន្តឆ្លាតវៃពហុមុខងារបែបប្រាជ្ញាមនុស្ស)។

គ្រោងឆ្អឹងស្នូលនៃកាប៊ីនឆ្លាតវៃ SparkAuto Space 3.0 គឺជាស្ថាបត្យកម្ម SOPHIA ដែលមូលដ្ឋានត្រូវបានបង្កើតឡើងដោយប្រព័ន្ធបួនគឺ ការវិវត្តនៃការចងចាំ ការគិតនិងសម្រេចចិត្ត ការយល់ដឹងពហុមុខងារពេញលេញ និងការបញ្ចេញមតិពហុវិមាត្រ ហើយត្រូវបានគ្រប់គ្រងឯកភាពដោយ Master Agent ទាំងរថយន្ត។ ស្ថាបត្យកម្មនេះចុងក្រោយផ្តល់តម្លៃស្នូលបីដល់អ្នកប្រើប្រាស់៖ ដៃគូអារម្មណ៍ដែលយល់អ្នកជាង អ្នកគ្រប់គ្រងរថយន្តដែលចេះធ្វើការ និងគ្រូភាពយន្តសំឡេងដែលលើសពីអារម្មណ៍ពិត។

នៅកម្រិត“យល់អ្នកជាង” កាប៊ីនឆ្លាតវៃជំនាន់ 3.0 បានបង្កើតប្រព័ន្ធវិមាត្រចងចាំជាង 68 ដែលគ្របដណ្តប់ការចងចាំរយៈពេលខ្លី រយៈពេលវែង និងរូបភាពអ្នកប្រើប្រាស់។ ដើម្បីរក្សាតុល្យភាពរវាងបទពិសោធន៍ និងឯកជនភាព ការចងចាំដែលមានភាពរសើបខ្ពស់ត្រូវបានកំណត់ឱ្យរក្សាទុកនៅខាងឧបករណ៍ ហើយការស្វែងរកត្រូវការការផ្ទៀងផ្ទាត់អត្តសញ្ញាណដោយខ្លួនឯង។

សម្រាប់បញ្ហាអន្តរកម្មពេលមនុស្សច្រើនជិះរថយន្ត កាប៊ីនឆ្លាតវៃជំនាន់ 3.0 បានសម្រេចសមត្ថភាពពហុមុខងារពេញលេញពហុនាក់បែបទ្វេផ្លូវ។ តាមរយៈការធ្វើឱ្យប្រសើរផ្នែកបច្ចេកវិទ្យា អត្រាឆ្លើយតបអន្តរកម្មពហុនាក់បានកើនដល់ជាង 95% អត្រាបដិសេធការរំខានដល់ជាង 98% ហើយការយឺតយ៉ាវនៃការកាត់ផ្តាច់ត្រូវបានគ្រប់គ្រងក្នុងរង្វង់ 300 មីលីវិនាទី។ នេះមានន័យថាប្រព័ន្ធអាចបែងចែកបានយ៉ាងត្រឹមត្រូវ“នរណាកំពុងនិយាយ និយាយទៅរកនរណា” ដោះស្រាយបញ្ហាម៉ាស៊ីនរថយន្តដណ្តើមនិយាយដោយចៃដន្យពេលមនុស្សច្រើននិយាយគ្នាក្នុងរថយន្ត។

លើសពីនេះ សំឡេងខាងក្រៅរថយន្តបានពង្រីកព្រំដែនអន្តរកម្មដល់ 30 ម៉ែត្រខាងក្រៅរថយន្ត គាំទ្រការផ្ទៀងផ្ទាត់សំឡេង និងការនិយាយពេលដើរ؛ ការសម្គាល់សំឡេងពិសេសអាចឈានដល់ 200 ម៉ែត្រឆ្ងាយបំផុត។ ការយល់ដឹងពហុមុខងារឆ្ងាយ-ពពកបានប្រមូលផ្តុំសមត្ថភាពជាង 100 ដែលក្នុងនោះរបៀបយាមចាំបង្កើនខាងឧបករណ៍អាចសម្គាល់ព្រឹត្តិការណ៍ហានិភ័យធម្មតា 16 ប្រភេទ ផ្ញើលទ្ធផលក្នុង 4 វិនាទីក្នុងមួយព្រឹត្តិការណ៍ ហើយអត្រាត្រឹមត្រូវនៃការសម្គាល់ឈានដល់ 90% ដែលល្អជាងកម្រិតដូចគ្នាយ៉ាងច្បាស់។

ចំណុចបែងចែកបទពិសោធន៍៖ ពី“ស្វែងរកព័ត៌មាន” ទៅ“ធ្វើការងារ”

សម្រាប់ការដាក់ AI លើរថយន្តក្នុងដំណាក់កាលបច្ចុប្បន្ន ការដែលម៉ាស៊ីនរថយន្តយល់គ្រាមភាសា និងចងចាំចំណូលចិត្តរបស់អ្នក ទាំងនេះគ្រាន់តែរាប់ជា“ការសម្តែងបឋម” ប៉ុណ្ណោះ។ ក្នុងសេណារីយ៉ូប្រើប្រាស់រថយន្តពិតប្រាកដ អ្វីដែលអ្នកប្រើប្រាស់ពិតជាចង់បានគឺ“លទ្ធផល”។ អ្នកយល់អត្ថន័យខ្ញុំ ហើយបន្ទាប់មកជួយខ្ញុំធ្វើការងារឱ្យរួចរាល់។ ក្នុងវិមាត្រនេះ សមត្ថភាព“ចេះធ្វើការ” ទើបជាចំណុចបែងចែកដែលកំណត់គុណភាពបទពិសោធន៍។

ក្នុងសេណារីយ៉ូធ្វើដំណើរស្មុគស្មាញ ខួរក្បាលរុករក Master Agent ដែលបានធ្វើឱ្យប្រសើរអាចយល់បានយ៉ាងត្រឹមត្រូវនូវអត្ថន័យស្រពិចស្រពិល ការកំណត់ពេលវេលា និងសាខាលក្ខខណ្ឌ។ ឧទាហរណ៍ “រកភោជនីយដ្ឋានដែលមិនឆ្ងាយពីក្រុមហ៊ុន និងបឹងស្វានហឺឡាន” អត្រាត្រឹមត្រូវនៃការយល់អត្ថន័យធ្វើដំណើរស្មុគស្មាញអាចឈានដល់ជាង 95%។

អ្វីដែលគួរយកចិត្តទុកដាក់ជាងនេះគឺការបំពេញរង្វង់ប្រព័ន្ធអេកូឡូស៊ី។ iFLYTEK បានឈានដល់ការធ្វើឱ្យប្រសើរកិច្ចសហប្រតិបត្តិការយុទ្ធសាស្ត្រជាមួយ Alipay និងបានចាប់ផ្តើម“គម្រោង Xunbao”។ ជំនួយការរថយន្ត Alipay បានភ្ជាប់ជាមួយកាប៊ីនឆ្លាតវៃ Spark 3.0 ដោយត្រូវបានគ្រប់គ្រងឯកភាពដោយ Master Agent ហើយភាគីទាំងពីរបានបញ្ចប់ការតភ្ជាប់លើសមត្ថភាពដូចជាការផ្លាស់ប្តូរគណនី និងការទូទាត់ AI លើរថយន្ត។ នេះធ្វើឱ្យកាប៊ីនពិតជាបំបែកដែនកំណត់“ស្វែងរកព័ត៌មាន” និងអនុវត្តសេណារីយ៉ូ“ធ្វើការងារ” ពិតប្រាកដដូចជាការឆ្លងកាត់ផ្លូវល្បឿនលឿនដោយមិនមានអារម្មណ៍ ការទូទាត់ចំណតដោយមិនមានអារម្មណ៍ និងការទទួលកញ្ចប់តាមផ្លូវ។

លើសពីនេះ ផ្នែកកាប៊ីនសុខភាពបានភ្ជាប់ជាមួយ iFLYTEK Xiaoyi ដែលការប្រឹក្សាសុខភាពបានផ្តល់សេវាសរុប 200 លានដង និងបានបម្រើអ្នកប្រើប្រាស់សរុបជាង 35 លាននាក់ គ្របដណ្តប់ជំងឺធម្មតា 2600 ប្រភេទ និងចំណេះដឹងអំពីឱសថធម្មតាជាង 60000 ប្រភេទ។ FaceID សម្គាល់អ្នកជិះទាំងអស់ក្នុងរថយន្ត និងបង្កើតកំណត់ត្រាសុខភាពឯករាជ្យ ម្នាក់មួយកំណត់ត្រា ភ្ជាប់រថយន្ត ផ្ទះ ទូរស័ព្ទ ពពក និងឧបករណ៍ពាក់ឈានមុខដូចជា Huawei និង Apple “វាស់ សួរ ពិនិត្យរោគ” បង្កើតជារង្វង់ពេញលេញ។ សេណារីយ៉ូចំណតត្រូវបានរួមបញ្ចូលយ៉ាងស៊ីជម្រៅដោយភ្នាក់ងារ Suixinbo និងប្រព័ន្ធបញ្ជាឆ្លាតវៃ គ្របដណ្តប់ការចំណតស្វ័យប្រវត្តិ ការផ្លាស់ទីរថយន្តដោយសំឡេង និងការហៅរថយន្តមកទទួល។

បទពិសោធន៍សូរស័ព្ទ៖ គ្រូភាពយន្តសំឡេងដែលលើសពីអារម្មណ៍ពិត

នៅពេលដែលអត្ថប្រយោជន៍“អេក្រង់ធំ” ផ្នែកមើលឃើញរបស់កាប៊ីនឆ្លាតវៃឈានដល់ចំណុចកំពូលបន្តិចម្តងៗ សមរភូមិបន្ទាប់ដែលកំណត់គម្លាតបទពិសោធន៍កំពុងផ្លាស់ទៅ“ការស្តាប់”។ ប្រព័ន្ធដែលពិតជាយល់អ្នក មិនត្រឹមតែអាចស្តាប់បាន ប៉ុន្តែថែមទាំងអាចបញ្ចេញមតិបាន។ នៅពីក្រោយនេះ គឺការសាងសង់ឡើងវិញនៃស្ថាបត្យកម្មសូរស័ព្ទពេញខ្សែសង្វាក់។

ស្ថាបត្យកម្មសំឡេង GaN (ហ្គាលីញ៉ូម នីត្រាត) ដែល iFLYTEK បង្កើតជាលើកដំបូងក្នុងឧស្សាហកម្ម មិនត្រឹមតែធ្វើឱ្យប្រព័ន្ធទាំងមូលស្រាលជាង 30% ប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងរួមផ្សំជាមួយឧបករណ៍បំពងសំឡេងសេរី Black Gold និងសំឡេងទាបបែបរោងភាពយន្ត 300W ធ្វើឱ្យអារម្មណ៍ស្តាប់ប្រសើរឡើង 20%។ រួមផ្សំជាមួយសំឡេងព័ទ្ធជុំវិញលើសអារម្មណ៍ Pro 3.0 ប្រព័ន្ធអាចបង្កើតឡើងវិញនូវប្រភពសំឡេង 2.0 ធម្មតាទៅជាសំឡេងព័ទ្ធជុំវិញ 7.1.4 តាមពេលវេលាជាក់ស្តែងតាមរយៈ AI ដោយបន្ថយឧបសគ្គប្រភពភាពយន្តសំឡេងព័ទ្ធជុំវិញយ៉ាងច្រើន។

លើការគ្រប់គ្រងដែនសំឡេងក្នុងរថយន្ត ការបែងចែកដែនសំឡេងឆ្លាតវៃ 3.0 សម្រេចបានការញែកសំឡេងអតិបរមាតំបន់ពីរ 30dB និងតំបន់បួន 26dB។ អ្នកបើកបរស្តាប់ការរុករក អ្នកអង្គុយក្បែ