我讓 AI 來處理我 24 小時的音頻信息——這會是未來嗎？

這幾年 AI 發(fā)展和進化的速度，幾乎可以用三個字來形容：殺瘋了。

AI 下棋、AI 編程、AI 作畫、AI 寫小說、AI 預(yù)測蛋白質(zhì)結(jié)構(gòu)……當 AI 逐漸融入我們的生活，你是否設(shè)想過，我們的未來會如何發(fā)展？會像許多科幻電影和賽博朋克類小說中說的那樣，讓 AI 管理和安排我們的日常？

正如未來學(xué)家尼葛洛龐帝所說，“預(yù)測未來的最好方法，就是去創(chuàng)造未來”，最近國外一位小哥 RoberDam 便提前“體驗”了一把他眼中的未來：“我 24 小時都用音頻記錄自己，然后用 AI 來處理這些信息——這會是未來嗎？”

恰好出現(xiàn)的 Whisper

說來有些好笑，RoberDam 會對這個測試提起興趣的原因之一，是 1TB 內(nèi)存手機的出現(xiàn)：“迄今為止已經(jīng)有多種型號的智能手機都具有 1TB 的內(nèi)存，這能干什么呢？能全天候地記錄自己的音頻！”

恰好今年 9 月底，OpenAI 又發(fā)布了一個名為 Whisper 的語言 AI 模型，并聲稱它在英語語音識別方面的準確性已接近人類水平——RoberDam 靈光一閃，齊活兒！

“當然，這只是一個預(yù)測未來的實驗，就是想看看什么可能、什么不可能?！?/p>

首先，RoberDam 買了幾個麥克風帶在身上，整天開著，記錄他一天說的話。計劃當一天結(jié)束后，他就把這些音頻交由 OpenAI 的 Whisper 處理，轉(zhuǎn)化為文本文件，從中提取信息。

不過，畢竟每天說的話太多，RoberDam 認為還是有必要畫個重點的。因此，他創(chuàng)建了一個初級的“數(shù)字助理”程序，將一些重要信息通過關(guān)鍵詞“Robert”和“End Robert”主動讓其捕捉：“每次我說出‘Robert’這個詞時，表明我之后所說的一切都是我對助手的命令，直到我再次說‘End Robert’，意味著命令結(jié)束?！?/p>

舉兩個例子：

• 想讓“數(shù)字助理”記錄當天的體重，RoberDam 只需大聲說：“Robert WEIGHT 60.1 end Robert?！?/p>

• 想讓“數(shù)字助理”記錄當天的睡眠時間，RoberDam 也只需說：“Robert SLEEP 7 hours 14 minutes end Robert。”

等一天結(jié)束，Whisper 將當天的音頻處理并轉(zhuǎn)換為文本后，“數(shù)字助理”程序就會負責搜索命令的文本并提取關(guān)鍵詞之間的所有內(nèi)容。

足以確保 100% 的隱私，還等同于“模擬 API”

說到這里，可能有些人會覺得，何必如此麻煩搞個“數(shù)字助理”，直接用 Google 的“OK GOOGLE”和蘋果的“Siri”不香嗎？

以“OK GOOGLE”為例，RoberDam 總結(jié)了三點局限：

• 命令受限：不夠了解“OK Google”可以交互式地做什么，對它的一些命令只會作為 Google 搜索返回。

• 不夠隱私：你對“OK Google”說的命令和完整音頻文件都會一起保存在 Google 中，搜索歷史記錄就能查到。你不僅能聽到自己的聲音，旁邊人的對話可能也會被錄進去。

• 同步處理：當你向 Google 發(fā)送命令時，通常會有幾秒的延遲，可能用于搜索也可能在辨別你的命令，而這會分散你的注意力，讓你關(guān)注它的反饋，有時候這比你直接手動操作還慢。

基于這三點，RoberDam 自己創(chuàng)建的“數(shù)字助理”就很好地解決了這些問題：

• 命令受限：命令由 RoberDam 自己決定，他知道“數(shù)字助理”能處理什么。

• 不夠隱私：所有音頻只有 RoberDam 一人擁有，確保 100% 隱私。

• 同步處理：它是異步處理的，所以 RoberDam 不用費心盯著它有沒有及時響應(yīng)，想到了就說出命令，一天結(jié)束后它會自己處理。

另外值得一提的是，這個“數(shù)字助理”某種程度上來說等同于一個“模擬 API”——一些電子設(shè)備原本只能與手機連接，但現(xiàn)在 RoberDam 通過將音頻交由“數(shù)字助理”處理，間接實現(xiàn)了多個設(shè)備之間的通信。

目前還存在一些弊端

總之，某一天 RoberDam 終于克服了羞恥心，時不時就對著麥克風喊著：“Robert……end Robert”，最終他明確向“數(shù)字助理”說的所有信息都可以集中在日?？刂泼姘逯校?/p>

不僅如此，RoberDam 表示，為了進一步了解當天的日程，還可以創(chuàng)建“我的日記”以生成當天所做事情的摘要：

不過，RoberDam 也承認，這種 AI 處理方式還存在一些弊端。例如：現(xiàn)階段的“數(shù)字助理”并不會提醒他當天必須要做的事情；由于是異步處理的，只有到晚上才知道那些命令有沒有被成功處理；還有在別人眼里，他的“自言自語”可能有點奇怪。