Végbemegy az áttörés, és a valóban interaktív segítőként funkcionáló Siri a hozzá hasonló programok sokaságának nyitja meg az utat, vagy ismét hosszú évekig mantrázhatjuk, hogy most már tényleg egészen közel járunk a sikeres kivitelezéshez?
Az intelligens szoftverasszisztensek a felhasználó által specifikált feladatokat kivitelező ágensek. A koncepció az ezredforduló környékén divatos és sokszor idegesítő virtuális személyes asszisztensek továbbfejlesztett, finomított változata. A mesterségesintelligencia-kutatás különböző megközelítéseit összefogó, viselkedéstudományi eredményeken alapuló ágensek elsődleges rendeltetése a felhasználóval folytatott interakció minőségének javítása, személyek segítése probléma- és feladatmegoldás közben. A MIT Technology Review online folyóirata az év tíz legmeghatározóbb technológiájának egyikeként, 2009-re prognosztizálta áttörésüket, ami aztán nem következett be.
Apple Siri
Egyelőre nem tudni, hogy a Siri fogadtatása mennyire felel meg a fejlesztők és az Apple elvárásainak, viszont a szándékosan limitált működési körben jól végzi a dolgát. Annak ellenére, hogy nem beszélgetőpartner, értelmesen, de legalábbis kielégítően megválaszolja többek között az időjárással kapcsolatos kérdéseket, az Open Table oldal segítségével megtalálja, osztályozás szerint csoportosítja például a keresett görög éttermeket, elboldogul a Wikipédiával és a (szintén mesterségesintelligencia-csodaként beharangozott) Wolfram Alphával vagy a filmeket pontozó Rotten Tomatoesszal. Jelenleg csak angolul (ráadásul több online szolgáltatás az Egyesült Államokon kívül hasznavehetetlen), franciául és németül teszi, de a fejlesztők a más nyelvekre való adaptáláson is dolgoznak. Az erős akcentus kezelése szintén kérdéses, nincs hiteles adat arról, hogy milyen mértékben képes kezelni a problémát. A hangfelismerő komponens alapja egyébként ugyanúgy Nuance-termék, mint a Windows-alapú PC-k más nyelveket is támogató azonos funkciójú szoftvere.
A természetesnyelv-feldolgozásnak ez a szintje viszont valóban megváltoztatja a telefonunkkal folytatott interakció módját; az egy-két éven belüli okos készülékek által kínált személyes szolgáltatások szintjét a Gizmodo például egyenesen a Star Trek Enterprise űrhajójának számítógépéhez hasonlítja. Az Apple nem először kísérletezik személyi asszisztenssel. A szoftver korai változatát 2010 februárjában mutatták be, csakhogy a 4S A5 processzora sokkal gyorsabb, és az iCloud szolgáltatáson keresztül a hangutasításokat távoli szerver dolgozza fel, ami egyrészt jobb, másrészt a jövőben is folyamatosan javuló minőséggel kecsegtet.
CALO projekt
A Siri gyökerei 2003-ig, a DARPA PAL (Personalized Assistant that Learns - személyre szabott tanuló asszisztens) kutatási programjához tartozó, 2008-ban lezárult nagyszabású CALO (Cognitive Assistant that Learns and Organizes -tanuló és szervező kognitív asszisztens) projektjének beindításáig nyúlnak vissza. A név nemcsak a kezdőbetűk összevonása, hanem a „katona szolgája" jelentésű latin „calonis" szóra is utal.
Az eredeti tervben a korábbiaktól eltérő - valamivel praktikusabb - kognitív asszisztensek új generációjának kidolgozása szerepelt: következtessen, tapasztalati úton tanuljon, gondolkozzon el a megtapasztaltakon, értelmesen reagáljon szokatlan helyzetekre.
A programnak hat magas szintű funkcióban kell segítenie a felhasználót:
- Az információ (prioritások szerinti) elrendezésében: miközben a felhasználó találkozókkal, elektronikus levelekkel, honlapokkal, fájlokkal stb. foglalkozik, a gépitanulás-algoritmusaira támaszkodó CALO lekérdezhető modellt épít fel arról, hogy ki milyen projekten dolgozik, a szereplők milyen szerepet töltenek be, mennyire fontos az, illetve a dokumentumok és teljesítések miként kapcsolódnak mindezekhez.
- Információs „termékek" előkészítésében: a múltban áttekintett dokumentumok szerkezetéből és formájából megtanultakat hasznosítva, a program újak egymáshoz kapcsolásában segédkezik.
- Közvetít az emberi kommunikációban: a CALO elektronikus fórumokon és valódi találkozókon is asszisztensként támogatja a felhasználót más személyekkel folytatott interakciói során. Találkozókat készít elő - a releváns információk alapján „csomagot" állít össze. Amennyiben jelen van egy megbeszélésen, leiratot készít róla, kideríti a többi résztvevő személyét stb.
- Feladatkezelés: automatizálja a rutintevékenységeket, új teendőket figyel és tanul meg.
- Ütemtervek készítése, következtetések levonása: megismeri preferenciáinkat, rájön, mikor mire van szükségünk, segítséget nyújt időbeosztásunk kidolgozásában.
- Források azonosítása: a feladatkezeléshez kapcsolódva, munkánk sikeres elvégzéséhez fontos új forrásokat (elektronikus szolgáltatásokat, személyeket) derít fel.
A felhasználóval meghatározott ideig „együtt élő" programot (elvileg) évente értékelték. Arról tesztelték, hogy mit tanult meg „gazdája" életéről, hogyan fejlődött évről évre, milyen ismeretekre tett szert magától.
Keresőmotor helyett cselekvőmotor
A projektben részt vett a Szilícium-völgyi Siri cég egyik társalapítója (és egyben a CALO egyik vezetője), Adam Cheyer is. Eleinte párhuzamos kezdeményezésben, mielőbbi kereskedelmi forgalmazásra szánt egyszerűbb asszisztensváltozatban gondolkodott, és a CALO technológiáit használva több mérnöktársával prototípust dolgozott ki. A prototípus után fogalmazódott meg bennük a cégalapítás ötlete.
Cheyer kiindulási pontja, hogy a legtöbb ember számára a keresés az internet bejárata, feladatainkat kulcsszavak sorozatává alakítjuk, amelyek aztán elvezetnek a szükséges eszközökhöz és információhoz. Csakhogy a világhálón fellelhető szolgáltatásokat másként is megközelíthetjük, és az új típusú interakcióhoz keresőmotor helyett cselekvőmotort kellene használnunk. Az iPhone 4S Sirijét megálmodó kutató elképzelései szerint ez a szoftver a felhasználót feladatok elvégzésében, és nem csak információgyűjtésben segíti. Figyelembe veszi környezetüket, ergonomikus és flexibilis.
„Ahhoz, hogy egy rendszer cselekedjen és következtessen, interaktívnak kell lennie, és meg is kell értenie a felhasználót" - nyilatkozta Cheyer.
Mivel tisztában volt a korábbi asszisztensek látványos bukásával, a gyakorlati kivitelezhetőség rovására ment túlzott elméleti megközelítéssel, relatíve hagyományos, de megvalósítható fejlesztési elveket fogalmazott meg: mobil környezetben, csak speciális funkciótípusokban (repülőgép-, étteremfoglalás, hétvégék megtervezése stb.) gondolkodott. A szoftverrel gépelve vagy beszédutasítás alapján kommunikálunk, szándékunkat a kontextusból érti meg.
A számítógép-processzorok és az okostelefonok fejlődése, illetve a hálózatok gyorsasága immár lehetővé teszik e (korábban megvalósíthatatlan) funkciók működését, viszont az eredeti CALO több adottsága egyelőre vagy nehezen, vagy egyáltalán nem kivitelezhető.
„A kereső azt teszi, amiben nagyon jó, és a közeljövőben semmilyen irányban nem fog változni, ugyanakkor, öt éven belül mindenkinek lesz személyes szoftverasszisztense, amire rábízhat egy csomó rutinszerű, unalmas feladatot" - nyilatkozta a szintén Siri-társalapító Dag Kittlaus.
A sors paradoxonja, hogy a visszafogottabb koncepciót érvényesítő kutatók egy elrugaszkodottabb, de mindenképpen hagyományos mesterségesintelligencia-képzettel is szakítottak: szoftverüket természetesen hasznosnak, intelligensnek tervezték, de eszükbe sem jutott, hogy emberként viselkedjen, emberszerű legyen, bárki is embernek gondolja, átmenjen a híres (de valójában félrevezető) Turing-teszten. „Hiszünk abban, hogy szoftverünk komoly élményt nyújt, a felhasználót segíti tevékenysége hatékonyabb elvégzésében, feladatok és problémák megoldásában, viszont mindig is csak egy program marad, soha nem fog vetekedni az emberi intelligenciával" - jelentette ki Cheyer.
Ember-ágens munkacsoportok
De hogyan lehet túllépni Siri funkcióin és intelligenciáján? Mi kell ahhoz, hogy szoftverasszisztensek humán munkacsoportok részeként dolgozzanak, szerepet vállaljanak feladatok megtervezésében, döntések meghozatalában?
A pittsburghi Carnegie Mellon Egyetemen pont ilyen ágenseket terveznek. Ráéreznek a csoporttársak számára nélkülözhetetlen információra, előkészítik és kommunikálják a feladathoz szükséges adatokat, alkalmazkodnak a szituáció, egy-egy munkapartner adottságainak megváltozásához, támogatják a többiek mobilitását. Hatékonyabbá teszik a vezetést és a csoport tagjainak egymás közti kommunikációját, konfliktusok kezelésében is komolyan segédkeznek.
A célok kivitelezéséhez a fejlesztők a gépi információkinyerést felhasználó-központú problémamegoldással és döntéstámogatással kombinálják. Leendő ágenseik folyamatosan monitorozzák a környezetükben végbemenő folyamatokat, felhasználókat, szituációkat, saját teljesítményüket és képességeiket modellezik, a humán résztvevőkkel a rendelkezésre álló információ függvényében célspecifikusan alkotnak csapatokat.
A kutatók kognitív tudományok és az emberi tényezők alapján próbálják megérteni, hogy individuumok és csoportok miként reprezentálnak egy-egy feladatot. Mivel a csoportosan végrehajtandó munkák célja gyakran implicit, nélkülözhetetlen, hogy az egyéni és csapatcélok (célok és munkaszerepek kiosztása stb.) formálisan és explicit módon legyenek megjelenítve, máskülönben komoly akadályokba ütközne a szoftverasszisztensek integrációja. Az együttes tréning szintén kulcsfontosságú - a humán fél alkalmazkodik az ágensekhez, míg azok folyamatosan tanulnak tőlünk.
Első való világbeli alkalmazási lehetőségekként például mentési műveleteknél, menedzsmenttel kapcsolatos munkáknál, katonai feladatoknál hasznosítható multidiszciplináris szakértőcsoportok várhatók.
