گفتوگو با دستیارهای صوتی تا همین چند وقت پیش بیشتر شبیه نوبت گرفتن پشت باجه بود: شما سؤال میپرسیدید، سیستم جواب میداد و تا پایان پاسخ تقریباً باید صبر میکردید. اگر وسط توضیح نکتهای به ذهنتان میرسید، یا باید منتظر میماندید یا رشته فکر از دست میرفت. برای کارهایی مثل ایدهپردازی، یادگیری برنامهنویسی یا تمرین زبان، همین مکثهای اجباری میتواند تجربه را مصنوعی و کند کند.
OpenAI در ۸ ژوئیه ۲۰۲۶ مدل GPT-Live-1 را معرفی کرد؛ مدلی که طبق تجربه گزارششده در مقاله MakeUseOf، حالت صوتی ChatGPT را به مکالمهای نزدیکتر به گفتوگوی انسانی تبدیل میکند. نکته مهم فقط صدای طبیعیتر نیست، بلکه این است که ChatGPT میتواند هنگام حرف زدن همچنان گوش بدهد، مکثها را بهتر مدیریت کند و حتی در پسزمینه کارهایی مثل جستوجو را به مدلهای قویتر بسپارد.
گفتوگو کمتر شبیه مونولوگ میشود
یکی از تغییرهای ملموس GPT-Live-1 این است که کاربر مجبور نیست تا آخر پاسخ صبر کند. اگر وسط توضیح چیزی بگویید یا شروع به قطع کردن پاسخ کنید، سیستم میتواند مکالمه را متوقف کند و اجازه بدهد سؤال یا توضیح جدیدتان را کامل کنید. همین جزئیات کوچک باعث میشود حالت صوتی بهجای یک پاسخگوی خطی، بیشتر شبیه همراهی باشد که واقعاً حواسش به شما هست.
در مثال MakeUseOf، نویسنده هنگام صحبت درباره یادگیری Python، توضیح میدهد که ChatGPT با واکنشهایی مثل “mhmm” یا “Right” نشان میداد هنوز در حال گوش دادن است. این واکنشها در نگاه اول ممکن است شبیه قطع کردن حرف کاربر به نظر برسند، اما هدفشان تأیید شنیدن است؛ همان چیزی که در گفتوگوی انسانی هم با «آها»، «درسته» یا «متوجهام» انجام میدهیم.
البته طبیعیتر شدن مکالمه همیشه بینقص یا کاملاً عادی احساس نمیشود. در همان تجربه، ChatGPT حتی به شوخی کاربر درباره ساختن یک ابزار یادآور ساده واکنش خندهمانند نشان داده بود. این رفتار میتواند برای بعضی کاربران جذاب و برای بعضی دیگر کمی عجیب باشد، اما نشان میدهد مرز میان رابط صوتی خشک و مکالمه طبیعیتر در حال جابهجا شدن است.
وقتی پاسخ آماده نیست، سکوت آزاردهنده کمتر میشود
یکی از مشکلات رایج در گفتوگوی صوتی با هوش مصنوعی، سکوتهای طولانی هنگام انجام کارهای زمانبر است. اگر از ChatGPT بخواهید درباره موضوعی تحقیق کند، ممکن است چند ثانیه یا بیشتر منتظر بمانید و ندانید سیستم واقعاً در حال کار است یا مکالمه گیر کرده است. GPT-Live-1 این فاصله را با ادامه مکالمه یا عبارتهای پرکننده طبیعیتر مدیریت میکند.
نویسنده MakeUseOf برای آزمایش این موضوع از ChatGPT خواست هنگام جمعآوری اطلاعات درباره Python، یک داستان کوتاه درباره خرگوش تعریف کند. ChatGPT تا زمان آماده شدن نتیجه تحقیق، داستانی درباره خرگوشی به نام Biscuit گفت و بعد از آماده شدن اطلاعات، دقیقاً به نقطه اصلی برگشت و مسیر یادگیری را از مفاهیم ابتدایی مثل متغیرها ادامه داد.
طبق توضیح OpenAI که در مقاله نقل شده، GPT-Live-1 میتواند در پشت صحنه کارهایی مثل جستوجوی وب یا
وظایف پیچیدهتر را به GPT-5.5 بسپارد و همزمان مکالمه را زنده نگه دارد. از دید کاربر، این یعنی انتظار برای پاسخ کمتر شبیه «قطع شدن جریان» و بیشتر شبیه مکث طبیعی در یک گفتوگو احساس میشود.
متن گفتگو بعداً هم قابل استفاده است
مزیت مهم دیگر این تجربه آن است که صحبتهای صوتی در باد گم نمیشوند. در آزمایش تمرین زبان فرانسوی، کاربر بعداً به تاریخچه گفتگو برگشت، جملهای را که میخواست بهتر بفهمد انتخاب کرد و با گزینه Ask ChatGPT از مدل خواست ساختار گرامری آن را توضیح دهد
. ChatGPT سپس درباره شکل واژه “passée” و ارتباط آن با مؤنث بودن “semaine” توضیح داد.
این قابلیت برای یادگیری اهمیت زیادی دارد. مکالمه صوتی سریع و آزاد است، اما یادگیری عمیق معمولاً به بازخوانی، توقف، انتخاب یک بخش و پرسیدن سؤال دقیق نیاز دارد. ترکیب حالت صوتی با متن قابل مراجعه باعث میشود بتوانید ابتدا آزادانه صحبت کنید و بعد بخشهای مهم را با سرعت خودتان بررسی کنید.
برای
ایدهپردازی خوب است، اما جای متن را کامل نمیگیرد
حالت صوتی جدید ChatGPT برای زمانی مناسب است که میخواهید ایدهای را بلندبلند بررسی کنید، سریع بازخورد بگیرید یا هنگام انجام کارهای سبک، مکالمه را ادامه دهید. اگر موضوع کلی است و نیاز دارید مدل شما را از بنبست فکری بیرون بکشد، مکالمه طبیعیتر میتواند مفیدتر از تایپ کردن باشد.
با این حال، برای یادگیری مرحلهبهمرحله یا بررسی دقیق جزئیات، متن هنوز مزیت خودش را دارد. وقتی میخواهید کد Python، نکات گرامری یا مسیر آموزشی را با آرامش بخوانید، حالت متنی کنترل بیشتری به شما میدهد. بنابراین بهتر است این دو حالت را مکمل هم ببینید: صوت برای شکل دادن به ایده، متن برای تثبیت و بررسی دقیق.
جمعبندی
GPT-Live-1 نشان میدهد آینده دستیارهای هوش مصنوعی فقط در دقیقتر شدن پاسخها نیست؛ تجربه مکالمه هم به همان اندازه مهم است. توانایی گوش دادن همزمان با صحبت کردن، مدیریت انتظار هنگام جستوجو و تبدیل مکالمه صوتی به متنی قابل پیگیری، ChatGPT را برای ایدهپردازی و یادگیری روزمره کاربردیتر میکند.
اگر قبلاً از حالت صوتی ChatGPT استفاده کردهاید و از مکثها، قطع نشدن پاسخها یا از دست رفتن نکتههای مهم خسته شدهاید، این نسل جدید میتواند تجربه متفاوتی باشد. هنوز هم باید با دید واقعبینانه از آن استفاده کرد، اما برای کاربرانی که زیاد فکرها را با حرف زدن مرتب میکنند، این تغییر کوچک ظاهراً میتواند اثر بزرگی داشته باشد.
منبع: این مطلب یک بومیسازی و بازنویسی تحریریهای بر اساس مقالهای از MakeUseOf است: مشاهده مقاله اصلی.