اپل قابلیت مرور و خلاصه‌سازی مکالمات را به اپل واچ اضافه می‌کند

به گزارش خبرگزاری آنا؛ اپل در ادامه گسترش قابلیت‌های هوش مصنوعی در محصولات پوشیدنی خود، امکاناتی را که هنگام معرفی اپل واچ سری ۱۲ در شهریور وعده داده بود، برای نخستین‌بار در اختیار توسعه‌دهندگان قرار داده است. این قابلیت‌ها بخشی از مجموعه Audio Intelligence هستند که با استفاده از میکروفون‌های ساعت، تراشه اختصاصی S۱۱ و توان پردازشی آیفون متصل، امکان استخراج اطلاعات از صدا‌های محیط را فراهم می‌کنند. برخلاف قابلیت‌های متداول دستیار صوتی که تنها پس از دریافت فرمان کاربر فعال می‌شوند، یکی از امکانات جدید می‌تواند در بازه‌های زمانی مشخص به مکالمات اطراف توجه کند و اطلاعات مهم آن‌ها را برای مرور بعدی آماده سازد. اپل تأکید کرده که این فرایند بدون ذخیره فایل صوتی انجام می‌شود، اما شیوه دریافت اطلاعات از گفت‌و‌گو‌های روزمره همچنان پرسش‌هایی درباره حقوق افراد حاضر در محیط ایجاد کرده است.

اپل واچ مکالمات ۱۵ ثانیه گذشته را به متن تبدیل می‌کند

قابلیت Live Rewind برای موقعیت‌هایی طراحی شده که کاربر بخشی از یک مکالمه را به‌درستی نشنیده یا می‌خواهد جمله‌ای را که لحظاتی قبل بیان شده دوباره بررسی کند. کاربران می‌توانند با دو بار فشار دادن دکمه چرخان دیجیتال کرون، متن گفت‌وگوی ۱۵ ثانیه گذشته را روی نمایشگر ساعت مشاهده کنند. این ویژگی برای محیط‌های شلوغ، دریافت دستورالعمل‌های شفاهی یا مرور اطلاعاتی که به‌سرعت بیان شده‌اند کاربرد دارد و نیاز به درخواست تکرار صحبت از فرد مقابل را کاهش می‌دهد.

اپل توضیح داده که تبدیل گفتار به متن پس از فعال شدن قابلیت، تنها برای همان بازه کوتاه انجام می‌شود و ساعت به ثبت پیوسته متن گفت‌و‌گو ادامه نمی‌دهد. کاربر می‌تواند متن ایجادشده را بررسی کند، درباره محتوای آن از سیری سؤال بپرسد یا اطلاعات موردنظر را در برنامه اختصاصی سیری ذخیره کند. اگر کاربر تصمیمی برای نگهداری متن نگیرد، اطلاعات به‌صورت خودکار حدود ۳۰ ثانیه پس از کم‌نور شدن نمایشگر حذف خواهند شد. ذخیره متن نیز اختیاری است و تنها با اقدام مستقیم کاربر انجام می‌شود.

فعال شدن این ویژگی با هشدار صوتی همراه است تا افراد حاضر در محیط از پردازش مکالمه مطلع شوند. اپل اعلام کرده هنگام اجرای Live Rewind، صدای مشخصی از بلندگوی ساعت پخش می‌شود که حتی در حالت بی‌صدا نیز قابل شنیدن است. هم‌زمان یک انیمیشن روی تمام صفحه و نشانگر فعال بودن میکروفون نمایش داده می‌شود. این نشانه‌ها برای افزایش شفافیت طراحی شده‌اند، هرچند ممکن است تمام افراد حاضر در محیط متوجه آن‌ها نشوند یا از کاربرد دقیق قابلیت اطلاع نداشته باشند.

سیری از گفت‌و‌گو‌های روزانه خلاصه تهیه می‌کند

قابلیت Siri Recap رویکرد متفاوتی دارد و به‌جای بازگرداندن متن کوتاه مکالمه، برای تهیه یادداشت از گفت‌و‌گو‌های روزانه طراحی شده است. این ویژگی پس از فعال‌سازی، مکالمات محیط را در زمان‌های تعیین‌شده بررسی می‌کند و با استفاده از هوش مصنوعی، خلاصه‌ای شامل عنوان و نکات اصلی گفت‌و‌گو تهیه می‌کند. هدف آن است که کاربر بدون نیاز به یادداشت‌برداری مداوم، بتواند موضوعات مطرح‌شده در جلسات، صحبت‌های کاری یا مکالمات روزمره را بعداً مرور کند.

خلاصه‌های تولیدشده برخلاف Live Rewind شامل متن کامل مکالمه نیستند و تنها اطلاعاتی را نگه می‌دارند که سامانه برای یادآوری موضوعات اصلی ضروری تشخیص داده است. اپل همچنین تلاش کرده جزئیاتی مانند لحن احساسی، برداشت‌های ذهنی و نتیجه‌گیری درباره رفتار افراد را از خروجی حذف کند تا متن نهایی بیشتر به یادداشت‌های کوتاه و خنثی شباهت داشته باشد. سامانه برای محدود کردن انتشار اطلاعات حساس نیز طراحی شده و تلاش می‌کند داده‌هایی مانند شماره حساب‌های بانکی و شناسه‌های دولتی را از خلاصه‌ها کنار بگذارد.

کاربران می‌توانند زمان و مکان فعال بودن این قابلیت را تنظیم کنند. برای مثال، امکان فعال‌سازی تنها در ساعات کاری یا غیرفعال کردن آن هنگام حضور در خانه وجود دارد. همچنین کنترل مستقیمی برای روشن یا خاموش کردن قابلیت از طریق مرکز کنترل ساعت در نظر گرفته شده است. خلاصه‌ها در برنامه سیری روی آیفون قابل مشاهده، ویرایش و ذخیره هستند و اگر کاربر آن‌ها را نگه ندارد، پس از هفت روز به‌صورت خودکار حذف می‌شوند.

پردازش صدا در بخش محافظت‌شده تراشه انجام می‌شود

اپل برای پاسخ به نگرانی‌های حریم خصوصی، سازوکاری ویژه برای پردازش صدای محیط طراحی کرده است. این سامانه از بخشی سخت‌افزاری با نام Secure Exclave در تراشه S۱۱ بهره می‌برد که پردازش اولیه صدا را جدا از سیستم‌عامل و برنامه‌های نصب‌شده انجام می‌دهد. شرکت تأکید کرده که صدای خام در قالب فایل ضبط و ذخیره نمی‌شود و نه برنامه‌ها و نه خود اپل امکان دسترسی به محتوای صوتی موجود در این محیط محافظت‌شده را ندارند.

پردازش Live Rewind عمدتاً روی اپل واچ و آیفون متصل انجام می‌شود، اما Siri Recap به مراحل بیشتری نیاز دارد. در این قابلیت، صدای شناسایی‌شده از محیط محافظت‌شده ساعت به بخش امن آیفون منتقل و در همان بخش به متن تبدیل می‌شود. سپس یک مدل هوش مصنوعی، محتوای مکالمه را فشرده می‌کند و عباراتی را که برای درک موضوع اصلی ضروری نیستند کنار می‌گذارد. متن فشرده‌شده به‌صورت رمزگذاری‌شده برای زیرساخت پردازش ابری خصوصی اپل ارسال می‌شود تا خلاصه نهایی تولید شود.

اپل اعلام کرده که محتوای ارسال‌شده به زیرساخت ابری پس از پایان پردازش نگهداری نمی‌شود و کارکنان شرکت نیز به آن دسترسی ندارند. خلاصه‌ها و متن‌هایی که کاربران برای نگهداری انتخاب می‌کنند، در برنامه سیری ذخیره می‌شوند و در صورت همگام‌سازی از طریق آی‌کلاد، از رمزگذاری سرتاسری بهره می‌برند. این شرکت همچنین تأکید کرده که اطلاعات مربوط به گویندگان به متن اضافه نمی‌شود و سامانه افراد را با برچسب‌هایی مانند گوینده اول و دوم مشخص نمی‌کند.

شنیدن مکالمات اطراف نگرانی‌های حقوقی ایجاد کرده است

با وجود تدابیر فنی اعلام‌شده، استفاده از قابلیت‌هایی که می‌توانند بدون درخواست مستقیم افراد حاضر در محیط، محتوای گفت‌و‌گو‌ها را پردازش کنند، با پرسش‌های حقوقی و اخلاقی همراه است. قوانین مربوط به ضبط و پردازش مکالمات در ایالت‌های مختلف آمریکا یکسان نیستند و در برخی مناطق، رضایت تمام افراد حاضر در گفت‌و‌گو برای ضبط آن ضرورت دارد. هرچند اپل تأکید می‌کند محصولات جدید فایل صوتی ذخیره نمی‌کنند، هنوز مشخص نیست نهاد‌های حقوقی در تمام حوزه‌های قضایی چه تفسیری از پردازش موقت گفتار و تولید متن یا خلاصه خواهند داشت.

این نگرانی‌ها پیش‌تر درباره عینک‌های هوشمند متا نیز مطرح شده بودند. تجهیزاتی که به میکروفون و دوربین مجهز هستند، می‌توانند اطلاعات محیط را بدون نیاز به در دست گرفتن تلفن همراه ثبت کنند و همین ویژگی تشخیص زمان فعال بودن قابلیت‌های دریافت اطلاعات را برای اطرافیان دشوارتر می‌کند. در برخی محصولات، چراغ‌های نشانگر برای اطلاع‌رسانی درباره ضبط محتوا در نظر گرفته شده‌اند، اما گزارش‌هایی نیز درباره تلاش کاربران برای غیرفعال کردن چنین هشدار‌هایی منتشر شده است.

اپل برای کاهش این نگرانی‌ها، فعال‌سازی هر دو قابلیت جدید را اختیاری کرده است. با این حال، هشدار صوتی Live Rewind فقط هنگام درخواست مشاهده مکالمه پخش می‌شود و Siri Recap می‌تواند در بازه‌های از پیش تعیین‌شده به‌صورت خودکار فعالیت داشته باشد. از سوی دیگر، حذف شناسه‌های شخصی و داده‌های حساس نیز به عملکرد مدل‌های هوش مصنوعی وابسته است و نمی‌توان تضمین کرد که تمام اطلاعات خصوصی در همه شرایط به‌درستی شناسایی و حذف شوند. اپل در مستندات خود هشدار داده که خلاصه‌های تولیدشده ممکن است ناقص یا نادرست باشند و برخی جزئیات مهم گفت‌و‌گو را حذف کنند.

قابلیت‌های جدید فعلاً به ساعت‌های پیشرفته اپل محدود هستند

قابلیت‌های Live Rewind و Siri Recap در نسخه آزمایشی watchOS ۲۷.۳ برای اپل واچ سری ۱۲ و اپل واچ اولترا ۴ ارائه شده‌اند. این امکانات به تراشه S۱۱ وابسته هستند و برای استفاده از آن‌ها، ساعت باید به آیفون ۱۶ یا مدل‌های جدیدتر سازگار با اپل اینتلیجنس و سیری هوشمند متصل باشد. پشتیبانی از زبان انگلیسی نیز در مرحله نخست در نظر گرفته شده و اپل هنوز زمان مشخصی برای اضافه شدن سایر زبان‌ها اعلام نکرده است.

استفاده از این قابلیت‌ها برای کودکان زیر ۱۳ سال مجاز نیست و فعال‌سازی آن‌ها در حساب‌های کودک متعلق به افراد زیر ۱۸ سال به تأیید والدین یا سرپرست نیاز دارد. کاربران واجد شرایط می‌توانند پس از نصب نسخه آزمایشی، تنظیمات مربوط به هر قابلیت را در برنامه Watch روی آیفون انجام دهند. امکانات تشخیص صدا‌های مهم و شناسایی خودکار موسیقی با استفاده از شزم نیز بخشی از مجموعه Audio Intelligence هستند، اما برخلاف دو قابلیت جدید، پیش‌تر در اختیار کاربران قرار گرفته بودند.

انتظار می‌رود نسخه عمومی watchOS ۲۷.۳ در آذر منتشر شود، هرچند اپل هنوز تاریخ دقیقی برای عرضه نهایی اعلام نکرده است. دو قابلیت تازه فعلاً برای کاربران اتحادیه اروپا در دسترس نیستند و شرکت محدودیت‌های مقرراتی این منطقه را دلیل تأخیر در انتشار آن‌ها عنوان کرده است. اپل اعلام کرده برای یافتن راهکاری جهت عرضه قابلیت‌های جدید هوش مصنوعی در اتحادیه اروپا با نهاد‌های مربوط گفت‌و‌گو می‌کند، اما هنوز زمان مشخصی برای دسترسی کاربران این منطقه ارائه نشده است.