Interfejsy głosowe i AI

Tylko w tej sytuacji właśnie po drugiej stronie może być sztuczna inteligencja, czyli wyobraźmy sobie, że rozmawiamy z taką Alice, tylko że, znaczy w ogóle z chat GPT, natomiast nie tylko jesteśmy w stanie porozmawiać, ale także się zobaczyć i dodatkowo wygenerować np. obraz czy przesłać obraz, coś pokazać i zasadniczo mieć to wszystko w jednym. No i to wszystko prowadzi nas do narzędzia Rabbit R1, czyli takiego pierwszego, a może nie pierwszego, ale jednego z pierwszych. Bo powiem ci, że ja już od jakiegoś czasu rozmawiam sobie z czatem GPT i na telefonie działa to genialnie.

A też zanim przejdziemy do Rabita jeszcze, to pewnie chwilę nam zajmie, żeby o Rabicie sobie pogadać, to właśnie wczoraj rezerwowałem sobie stolik w restauracji i trafiłem na asystenta głosowego. No i nie było to zbyt dobre doświadczenie, muszę powiedzieć. No starałem się mówić tak wyraźnie jak tylko mogę i mimo to na przykład dostawałem 10 razy, no nie, 10 to nie, ale dostałem 4 razy pytanie o alergię i już po prostu byłem sfrustrowany na koniec tej rozmowy, ale doszedłem już tak daleko, że po prostu chciałem już to faktycznie zakończyć. No i generalnie cała otoczka tego rezerwowania stolika jest całkiem niezła. To znaczy, generalnie jak już to się uda zrobić, dosyć naturalnie można sprawdzać kalendarz.

Kolejna rzecz to właśnie feedback wizualny do tego, żeby po prostu widzieć co się dzieje, co zostanie zrobione albo co zostało zrobione i nie zawsze głos jest do tego najlepszy. No i do tego mamy jeszcze wyzwania dotyczące szybkości działania takich systemów, czyli na przykład właśnie te narzędzia wearable, które dążą do tego, żeby nas słuchać, żeby obserwować, żeby właśnie móc wydawać do nich polecenia, charakteryzują się tym, że odpowiedzi generowane są dość długo. Rabbit akurat sobie z tym według filmów radzi całkiem dobrze, ale to dalej nie zmienia faktu, że Jakieś literówki czy w ogóle nawet, nawet to nie są literówki, no bo jak wpisujemy i tam popełnimy literówkę na zasadzie jednej litery czy dwóch, no to system jest w stanie to zrozumieć.

No i pytanie, jak to się będzie rozwijać, no i jak to adresuje Rabbit. Tak, no właśnie, jako device, ale no tak, ja jestem w stanie sobie też wyobrazić przyszłość i wydaje mi się, że ona nadejdzie, gdzie raczej właśnie faktycznie rozmawiamy, czy czatujemy, czy rozmawiamy z różnymi interfejsami, w sensie z różnymi interfejsami w jednym, czyli że możemy jakby komunikować się z naszym komputerem, tak jak ja mówię do was teraz, tak możemy mówić, okej, otwórz Slacka, odpowiedz na przykład Marcie, że coś tam, że to jest okej, ale jeszcze zróbmy to i to, Teraz otwórz dla mnie przeglądarkę, teraz rób to, to. I wydaje mi się, że w pewnym momencie, jeżeli właśnie dojdziemy do takiego miejsca, gdzie musimy jeszcze pokonać sporo milestone'ów po drodze, czyli to transkrypcja musi być dużo szybsza, musimy przede wszystkim też często te wszystkie testy i te demo urządzeń, no i samo to, że na przykład gadamy z chat GPT, no to zauważcie, że

No to on musi przerwać w ogóle to, co mówi i zacząć nas słuchać znowu, a teraz to nie działa. Więc generalnie to są niby proste rzeczy, że wyizoluj mój głos albo słuchaj, co ja mówię do ciebie i to już sprowadzuje taki bardziej zdecydowanie naturalny dialog. Jak on zaczyna coś mówić, ja mówię, nie wiesz co, jednak zmień to i zrób. Więc generalnie to są dwie proste rzeczy, które mogą być zrobione i wydaje mi się, Interfejsy głosowe i AI. Nawracając i czy przechodząc już do Rabita, no to jak go zobaczyliśmy po raz pierwszy, faktycznie nie zrobił na nas takiego wrażenia. Raczej ja bym właśnie tutaj, w sumie się spełniły te nasze przewidywania, ponieważ na przykład możecie sobie ostatnią recenzję Marcusa Brawley obejrzeć o właśnie tym narzędziu Humane, czy takim tym pinie, który się przypina do

Wielkie dzięki i do zobaczenia! Pytanie, czy znowu to nie zaszkodzi w taki sposób, że znowu ludzie powiedzą, a drugie podejście do interfejsów głosowych, dobra, sprawdzę, a nie, jednak lipa. Ale faktycznie na tym etapie, gdzie to jest teraz, na przykład to urządzenie Humane, to nie jest akceptowalny poziom i nie przydaje się praktycznie do niczego. Natomiast Rabbit, Faktycznie wygląda na to, że zrobił dosyć duży progres i idzie trochę o krok dalej.

Rabbit w skrócie chce zaoferować najprostszy komputer, który jest jakby natywnie połączony z AI, czyli jakby de facto kawałek hardware'u, w którym domyślnie wszystko jest sterowane przez sztuczną inteligencję i który oczekuje na nasz input, czy to w postaci tekstowej, bo na Rabbicie też można pisać i ma klawiatura na wyświetlaczu, ale też Ale przede wszystkim w postaci inputu głosowego no i ewentualnie z kamer, które Rabbit też ma dwie i można po prostu z tych kamer na przykład zrobić zdjęcie i zapytać co widzi na zdjęciu. Jest to nie mniej jednak znowu dodatkowy interfejs i wyświetlacz, ale wydaje mi się, że faktycznie bez tego na razie nie jest możliwe funkcjonowanie czy załatwianie różnych rzeczy, nawet właśnie

Jakby to jest, my zdecydowanie szybciej na przykład na demo Rabbita gościu sprawdzał pogodę i pytał jaka jest pogoda, no to zdecydowanie szybciej zapytać jaka jest pogoda i zobaczyć sobie, przescrollować różne rzeczy, niż zapytać jaka jest pogoda i słuchać. No jest tam, nie wiem, zachmurzone niebo i tak dalej. To jest bez sensu, lepiej to zobaczyć na interfejsie i szybko móc sobie tam przescrollować te informacje. Demo Rabbita ostatnio polecam zobaczyć, ono w ogóle wyszło wczoraj chyba i on pokazywał wszystkie zastosowania Rabbita, które są teraz już dostępne, bo pierwsze osoby z preorderów dostały już chyba te urządzenia, albo jeszcze nie, ale wczoraj był ten właśnie event. No i ja sobie przejrzałem te wszystkie zastosowania. I uważam, że są naprawdę spoko i faktycznie w takim środowisku wyizolowanym, gdzie on rzeczywiście dobrze cię słyszy.

Trzeba zwrócić też uwagę na to, że gość, który tworzy Rabbita, no za każdym razem jak do niego gadał, to przykładał go sobie do bardzo blisko twarzy i faktycznie dbał bardzo o to, żeby No nie wyizolować się z tego otoczenia. I na to zwróciłem uwagę. Wydaje mi się, że to jest jakby dalej ten problem jednak, że to nie jest tak, że masz rabita w kieszeni i mówisz coś do niego, wyciągasz i już masz odpowiedź gotową. Na przykład jak chcesz zobaczyć, a jak nie chcesz zobaczyć, to on ci coś odpowiada. Albo na przykład do twojej słuchawki. Może tak będzie kiedyś, ale na razie tak nie jest. Natomiast mimo wszystko Revit ma sporo takich dosyć imponujących funkcji, które zresztą moglibyśmy się domyślać, że to ma. Ale ma też trochę jakichś takich fajnych, nowatorskich rozwiązań.

Na przykład ciekawe było na Demo to, Możesz zrobić sobie zdjęcie na przykład jakiegoś rysunku czy kartki, natomiast Rabbit był w stanie zamienić to zdjęcie na plik CSV i jeszcze dokonać w nim jakiś obliczeń i wysłać to na maila. Nie wiem czy to widziałeś Adam, ale generalnie całkiem spoko. Więc moim zdaniem całkiem ciekawe. Oczywiście na ten moment jeszcze nie tak użyteczne, jak byśmy chcieli i prawdopodobnie gdybym miał takiego rabita, nie mam, nie zamówiłem, ale gdybym go miał, to bym go raczej nie używał. I nie widzę tego, żebym po prostu z niego jakoś korzystał na co dzień. Natomiast jako ciekawostka, dosyć fajna rzecz i warto to na pewno śledzić. Nie wiem, czy coś w tym demku jeszcze, co ty masz na ten temat, jakie przemyślenia i coś w tym demku, co cię zaciekawiło.

Czyli przykładowo właśnie jak mamy ten rabbit, wspomniałeś o tym, że tam zrealizował jakieś zadanie i wysłał Google Sheet w mailu, tam link do spreadsheeta. No to tak naprawdę on powinien zdecydować samodzielnie, Tak czy inaczej polecam sprawdzić sobie te platformy. Tak czy inaczej polecam sobie, jeżeli ktoś programuje, zetknąć sobie właśnie na interfejsy chociażby przeglądarek albo technologii, w których pracujecie. Właśnie pod kątem przesyłania innych rodzajów danych niż samego tekstu.

No to super. Na tym prawdopodobnie będziemy powoli kończyć. Ja z takich ciekawych rzeczy, które właśnie były na Demo Rabita jeszcze powiem, choć nie był aż to tak imponujące, jak się spodziewam, że będzie w najbliższym czasie, ale powiem o dość praktycznym zastosowaniu, czyli możliwości tłumaczenia na żywo. Jeśli rozmawiamy z kimś, kto mówi w innym języku, tam było takie krótkie demo, w którym po prostu można było Witam. Witam. Witam. Natomiast potrafię sobie wyobrazić sytuację, gdzie każdy ma właśnie jakiegoś Airpoda w uchu takiego jeszcze nawet bardziej dyskretnego i po prostu prowadzimy normalną konwersację i symultanicznie jest to tłumaczone przez AI.

I tutaj też nasza Eleven Labs jest fajnym przykładem firmy, która może Na pewno będzie zyskiwała sporo konkurencji, ale może i ma szansę w tym momencie być na forefrontzie tych rzeczy i rzeczywiście przewodzić temu ruchowi w kierunku głosu. Zresztą pracują też z Rabbitem właśnie i tam głos też dostarcza Eleven Labs. Także bardzo fajnie to wygląda. Polecam Wam to sobie obserwować i na razie to z naszej strony wszystko. Dziękujemy Wam za uwagę w tym odcinku i do usłyszenia za tydzień.