As tecnologias aprimoradas irão acelerar a aceitação de assistentes de voz

A invenção do telefone há mais de 150 anos desencadeou uma revolução nas comunicações. Hoje, a revolução das comunicações de voz está no meio de um novo salto quântico, à medida que novas classes de dispositivos inteligentes tornam possível para a inteligência artificial (IA) extrair significado do som e dar às pessoas novas maneiras de interagir com seu mundo de uma forma mais intuitiva caminho. Este artigo examina onde estamos hoje e apresenta tecnologias que farão dos assistentes de voz onipresentes uma parte natural de nossa vida.

“Sr. Watson, venha aqui ... ”

As famosas palavras proferidas por Alexander Graham Bell em 1876 marcaram a primeira vez que o som foi transmitido eletricamente. Essa inovação que muda o mundo permanece no centro de mudanças dramáticas em como trabalhamos, vivemos e nos divertimos - e é parte integrante de novos avanços na forma como interagimos com o mundo ao nosso redor.

Em seu primeiro século, a rede de telefonia com fio conectava pessoas em todo o mundo. Então, a revolução eletrônica dos últimos 50 anos tornou a conversa por voz e vídeo sem fio e portátil. Nesta década, mudamos de conversas telefônicas sem o uso das mãos entre pessoas para conversas com máquinas. Embora ainda rudimentar, esse novo tipo de interação homem-máquina está impulsionando o próximo salto em inovação.

Computadores, smartphones e alto-falantes inteligentes agora apresentam assistentes de voz integrados que usam sistemas de aprendizado profundo baseados em nuvem para nos permitir fazer perguntas e programar ações. Em breve, o mesmo recurso será integrado a outros dispositivos que usamos todos os dias. Estima-se que até 2020, cerca de 1,8 bilhão de pessoas terão acesso a um assistente de voz nos dispositivos que carregam e em outros tipos de plataformas em suas casas e até mesmo em ambientes de negócios, de acordo com a Statistica.

No entanto, o sucesso dos sistemas de assistente de voz ainda é desafiado pelas limitações das tecnologias de hoje. Avanços em IA, processadores especializados e microfones mais sensíveis irão aprimorar o desempenho dos assistentes de voz e acelerar a adoção pelo mercado.

Tornar as conversas humanas

Um desafio enfrentado pelos sistemas de assistente de voz é que as conversas humanas são incrivelmente ricas e interativas. Às vezes, um amigo pode responder às suas declarações antes mesmo de você terminar uma frase. Em termos técnicos, os tempos de resposta quando as pessoas falam entre si são medidos em dezenas de milissegundos. Embora uma resposta ocasional lenta e cuidadosa seja muito natural quando você conversa com amigos, imagine como suas interações diárias seriam estranhas se o intervalo normal de conversa incluísse atrasos de vários segundos ou necessidades frequentes de repetir uma pergunta ou comando.

O ritmo lento da “conversa” do assistente de voz está relacionado a vários aspectos da tecnologia subjacente. Os algoritmos que impulsionam o reconhecimento e a resposta de voz exigem muito poder de processamento, portanto, os smartphones e sistemas de alto-falantes inteligentes atuais gravam e retransmitem a fala para recursos de computação na nuvem. Para minimizar a possibilidade de atrasos na transmissão, os sistemas normalmente transmitem arquivos de áudio de baixa qualidade, o que leva a altas taxas de erro. E a própria Internet é um meio de velocidade variável, então a velocidade de transmissão pode mudar. A combinação desses dois fatores sempre afetará a qualidade dos assistentes de voz que dependem da nuvem para fazer o trabalho pesado de reconhecimento de voz.

Mesmo com essas desvantagens, os consumidores estão claramente entusiasmados com a tecnologia. As vendas de sistemas de alto-falantes inteligentes, o primeiro produto totalmente novo depois dos smartphones a oferecer assistentes de voz, estão crescendo a uma taxa nunca vista desde que os primeiros smartphones foram introduzidos. As vendas de dispositivos nos EUA aumentaram 40% em 2018 e as 66,4 milhões de novas vendas de unidades aumentaram o número de alto-falantes inteligentes para 133 milhões, representando um pouco mais de 26% dos adultos nos EUA, de acordo com voicebot.ai.

Também é inevitável que os assistentes de voz continuem a melhorar em emular conversas. O atraso na conversação diminuirá e o aprimoramento dos algoritmos fará com que a interação pareça mais com a interação humana. Grande parte dessas melhorias virá de aproximar o processamento do usuário.

Levando a conversa ao limite

A tecnologia que torna os assistentes de voz baseados em nuvem uma realidade agora está avançando a um ritmo que tornará esses dispositivos muito mais pessoais. Os assistentes de voz atuais transmitem informações de e para a nuvem. Amanhã, a IA que torna isso possível residirá no dispositivo de borda, proporcionando benefícios em privacidade, consumo de energia e capacidade de resposta do sistema. Resumindo, a computação de ponta promete tornar os assistentes de voz mais eficazes, movendo a IA da nuvem para nossa casa, para nosso local de trabalho e para outros dispositivos incorporados no mundo ao nosso redor. Em um passo em direção a esse futuro, a Infineon demonstrou recentemente a solução de reconhecimento de palavras-chave de menor potência do mundo.

Uma área de grande promessa para assistentes de voz mais inteligentes é o monitoramento médico e de saúde pessoal. Por exemplo, um microfone de alta sensibilidade pode monitorar os sons respiratórios durante o sono e prever o aparecimento de distúrbios do sono, como apnéia do sono. Muitas pessoas podem se sentir desconfortáveis ​​com a transmissão desse tipo de informação pessoal de saúde para processamento na nuvem. O processamento de borda possibilitará monitorar e analisar essas informações localizando a captura de áudio, computação e armazenamento dos dados analisados. Os usuários então poderão gerenciar como e quando os dados são compartilhados. Um assistente de voz que garante níveis mais altos de privacidade deixará as pessoas mais confortáveis ​​com o monitoramento da saúde cardíaca e respiratória, estados de sono e bem-estar geral.

Os avanços em IA que vemos hoje são impulsionados pela pesquisa de aprendizado profundo e novos tipos de hardware usados ​​para construir sistemas especializados de aprendizado profundo. O parceiro da Infineon, Syntiant, um pioneiro nesta área, está construindo uma nova classe de chips que trazem aprendizado profundo para dispositivos de ponta. Em apenas alguns anos, a interação homem-máquina auxiliada pela tecnologia de assistente de voz será uma ocorrência diária para bilhões de pessoas. E a tecnologia desenvolvida para assistentes de voz mais inteligentes terá características de uso de energia que permitem um pequeno reconhecimento de áudio inteligente alimentado por bateria para muitas outras aplicações. Para prever onde mais a tecnologia tem valor, considere como os sons que você ouve afetam a maneira como você interage com o mundo. Fora da visão dos usuários comuns, a tecnologia de assistente de voz se tornará uma parte do conjunto de sensores em máquinas inteligentes que operam na Internet das coisas (IoT) e como parte da Indústria 4.0.

Os veículos autônomos também usarão a entrada de áudio em combinação com outros sensores para detectar e responder ao ambiente circundante. Sons como bicicletas, trens, outro trânsito e crianças gritando são todos entradas para a rede de IA que permitirá que os carros “vejam” objetos nas esquinas. Em uma fábrica, os sons das máquinas em operação podem ser usados ​​em redes de controle inteligentes que diagnosticam problemas potenciais antes que eles aconteçam. Os sistemas de cidades inteligentes “ouvirão” eventos incomuns, como vidros quebrados ou um acidente de veículo, e alertarão as autoridades competentes. E as futuras gerações de robôs empregarão sistemas de áudio como parte da rede de sensores que oferece suporte à operação e interação inteligentes. Na verdade, a lista de aplicações potenciais é interminável.

- Pradyumna Mishra é empreendedora residente da Infineon Technologies