我讓 AI 來處理我 24 小時(shí)的音頻信息——這會(huì)是未來嗎？

這幾年 AI 發(fā)展和進(jìn)化的速度，幾乎可以用三個(gè)字來形容：殺瘋了。

AI 下棋、AI 編程、AI 作畫、AI 寫小說、AI 預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)……當(dāng) AI 逐漸融入我們的生活，你是否設(shè)想過，我們的未來會(huì)如何發(fā)展？會(huì)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(cè)未來的最好方法，就是去創(chuàng)造未來”，最近國(guó)外一位小哥 RoberDam 便提前“體驗(yàn)”了一把他眼中的未來：“我 24 小時(shí)都用音頻記錄自己，然后用 AI 來處理這些信息——這會(huì)是未來嗎？”

恰好出現(xiàn)的 Whisper

說來有些好笑，RoberDam 會(huì)對(duì)這個(gè)測(cè)試提起興趣的原因之一，是 1TB 內(nèi)存手機(jī)的出現(xiàn)：“迄今為止已經(jīng)有多種型號(hào)的智能手機(jī)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(gè)名為 Whisper 的語言 AI 模型，并聲稱它在英語語音識(shí)別方面的準(zhǔn)確性已接近人類水平——RoberDam 靈光一閃，齊活兒！

“當(dāng)然，這只是一個(gè)預(yù)測(cè)未來的實(shí)驗(yàn)，就是想看看什么可能、什么不可能?！?/p>

首先，RoberDam 買了幾個(gè)麥克風(fēng)帶在身上，整天開著，記錄他一天說的話。計(jì)劃當(dāng)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(rèn)為還是有必要畫個(gè)重點(diǎn)的。因此，他創(chuàng)建了一個(gè)初級(jí)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(dòng)讓其捕捉：“每次我說出‘Robert’這個(gè)詞時(shí)，表明我之后所說的一切都是我對(duì)助手的命令，直到我再次說‘End Robert’，意味著命令結(jié)束。”

舉兩個(gè)例子：

• 想讓“數(shù)字助理”記錄當(dāng)天的體重，RoberDam 只需大聲說：“Robert WEIGHT 60.1 end Robert。”

• 想讓“數(shù)字助理”記錄當(dāng)天的睡眠時(shí)間，RoberDam 也只需說：“Robert SLEEP 7 hours 14 minutes end Robert?！?/p>

等一天結(jié)束，Whisper 將當(dāng)天的音頻處理并轉(zhuǎn)換為文本后，“數(shù)字助理”程序就會(huì)負(fù)責(zé)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(huì)覺得，何必如此麻煩搞個(gè)“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(diǎn)局限：

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

• 不夠隱私：你對(duì)“OK Google”說的命令和完整音頻文件都會(huì)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(duì)話可能也會(huì)被錄進(jìn)去。

• 同步處理：當(dāng)你向 Google 發(fā)送命令時(shí)，通常會(huì)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(huì)分散你的注意力，讓你關(guān)注它的反饋，有時(shí)候這比你直接手動(dòng)操作還慢。

基于這三點(diǎn)，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(fèi)心盯著它有沒有及時(shí)響應(yīng)，想到了就說出命令，一天結(jié)束后它會(huì)自己處理。

另外值得一提的是，這個(gè)“數(shù)字助理”某種程度上來說等同于一個(gè)“模擬 API”——一些電子設(shè)備原本只能與手機(jī)連接，但現(xiàn)在 RoberDam 通過將音頻交由“數(shù)字助理”處理，間接實(shí)現(xiàn)了多個(gè)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(shí)不時(shí)就對(duì)著麥克風(fēng)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(jìn)一步了解當(dāng)天的日程，還可以創(chuàng)建“我的日記”以生成當(dāng)天所做事情的摘要：

不過，RoberDam 也承認(rèn)，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(huì)提醒他當(dāng)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(diǎn)奇怪。