Sesli asistanlar, söylediğiniz cümleyi birkaç aşamadan geçirerek çalışır: önce uyandırma kelimesini algılar, ardından sesinizi yazıya çevirir, yazıdan ne istediğinizi çıkarır, isteği yerine getirir ve sonucu yapay bir sesle size geri okur. Bu zincirin tamamı çoğu zaman bir iki saniye içinde tamamlanır. Siri, Google Asistan ve Alexa gibi asistanların ayrıntıları farklı olsa da temel mantık aynıdır.
1. Adım: Uyandırma Kelimesini Dinlemek
Asistan sürekli tetikte bekler, ama her duyduğunu işlemez. Cihazın içinde yalnızca belirli bir kelimeyi ya da ifadeyi tanımak üzere eğitilmiş küçük ve az enerji tüketen bir model çalışır. Bu model sesi cihaz üzerinde kısa bir tampon içinde dinler ve uyandırma kelimesini duyduğunu düşündüğünde asıl kaydı başlatır. Üreticilerin açıklamalarına göre uyandırma kelimesinden önceki sesler sunucuya gönderilmez.
Bu model kusursuz değildir. Benzer bir kelime ya da televizyondan gelen bir ses asistanı yanlışlıkla uyandırabilir. Cihazın ışığının yanması ya da ekranda bir simgenin belirmesi, dinlemenin başladığını gösterir.
2. Adım: Sesi Yazıya Çevirmek
Kayıt başladıktan sonra devreye otomatik konuşma tanıma girer. Sistem ses dalgasını çok kısa parçalara böler, bu parçalardaki ses özelliklerini çıkarır ve hangi seslerin, dolayısıyla hangi kelimelerin söylendiğini tahmin eder. Modern sistemler bu işi büyük miktarda konuşma kaydıyla eğitilmiş sinir ağlarıyla yapar.
Tanıma başarısını etkileyen başlıca etkenler şunlardır:
- Ortamdaki gürültü ve yankı
- Mikrofona olan uzaklık
- Aksan, şive ve konuşma hızı
- Özel isimler ve yabancı kelimeler
Akıllı hoparlörlerde birden fazla mikrofon bulunmasının nedeni budur: cihaz sesin geldiği yönü belirleyip o yöne odaklanır ve arka plan gürültüsünü bastırmaya çalışır.
3. Adım: Ne İstendiğini Anlamak
Yazıya dökülen cümle tek başına işe yaramaz; sistemin bundan bir niyet ve bu niyete ait ayrıntıları çıkarması gerekir. Bu aşamaya doğal dil anlama denir. Örneğin “yarın sabah yedide alarm kur” cümlesinde niyet alarm kurmak, ayrıntılar ise gün ve saattir. “Yarın yağmur yağacak mı?” cümlesinde niyet hava durumunu sorgulamak, ayrıntı ise tarihtir; konum bilgisi ise cihazın ayarlarından alınır.
Klasik asistanlar önceden tanımlanmış niyet kalıplarıyla çalıştığı için beklenmedik biçimde kurulan cümlelerde zorlanır. Son yıllarda üreticiler asistanlarına büyük dil modellerini eklemeye başladı; bu sayede daha serbest ifade edilen ve birkaç adımdan oluşan istekler daha iyi anlaşılabiliyor. Bu modellerin sohbet tabanlı kullanımı hakkında yapay zeka asistanlarıyla verimli çalışma yolları yazısında daha fazla bilgi bulabilirsiniz.
4. Adım: İsteği Yerine Getirmek
Niyet belirlendikten sonra asistan ilgili hizmete başvurur. Hava durumu için bir hava servisi, müzik için bağlı müzik uygulaması, ışığı kapatmak için akıllı ev platformu devreye girer. Asistan burada bir tür santral görevi görür: kendisi her şeyi bilmez, doğru hizmeti çağırır ve gelen yanıtı toparlar.
Ev cihazlarını sesle yönetmek için bu cihazların asistanın platformuna tanıtılmış olması gerekir. Kurulum mantığını akıllı ev sistemleri başlangıç rehberinde, asistanın evdeki en yaygın biçimini ise akıllı hoparlörlerin neler yapabildiğini anlatan yazıda bulabilirsiniz.
5. Adım: Yanıtı Seslendirmek
Son aşamada hazırlanan metin, metinden konuşmaya teknolojisiyle sese dönüştürülür. Eski sistemler önceden kaydedilmiş ses parçalarını birleştirdiği için robotik duyulurdu. Güncel sistemler sesi sinir ağlarıyla doğrudan üretir; vurgu, duraklama ve tonlama bu sayede insan konuşmasına daha yakındır.
İşlem Cihazda mı, Bulutta mı Yapılır?
Konuşma tanıma ve dil anlama yoğun hesaplama gerektirdiği için uzun süre tamamen uzak sunucularda yapıldı. Bu yüzden asistanların çoğu internet bağlantısı olmadan sınırlı çalışır ya da hiç çalışmaz. Yeni nesil telefon işlemcileri ise bazı işleri cihaz üzerinde yapabiliyor; alarm kurmak, uygulama açmak gibi basit komutlar bazı cihazlarda internet olmadan da yerine getirilebiliyor. Cihaz üzerinde işleme hem yanıtı hızlandırır hem de sesin cihazdan çıkmasını gerektirmediği için gizlilik açısından avantaj sağlar. Hangi komutların çevrimdışı çalıştığı cihaza ve dile göre değişir.
Gizlilik: Nelere Dikkat Etmeli?
Sesli asistanlar hakkındaki en yaygın endişe, cihazın sürekli dinleyip dinlemediğidir. Yukarıda anlatıldığı gibi tasarım, uyandırma kelimesi algılanana kadar sesin cihazda kalması üzerine kuruludur; ancak yanlış tetiklenmeler istenmeyen kayıtlara yol açabilir. Kontrolü elinizde tutmak için şunları yapabilirsiniz:
- Asistanın uygulamasındaki gizlilik bölümünden ses kayıtlarınızı inceleyin ve silin.
- Kayıtların hizmeti geliştirmek için kullanılmasına izin veren seçeneği isterseniz kapatın.
- Özel konuşmalar sırasında hoparlördeki fiziksel mikrofon kapatma düğmesini kullanın.
- Sesle alışveriş gibi özellikleri kapatın ya da onay koduna bağlayın.
Ayar adları üreticiye ve sürüme göre küçük farklılıklar gösterebilir. Bu teknolojilerin dayandığı genel kavramları merak ediyorsanız yapay zekanın ne olduğunu ve günlük hayattaki kullanım alanlarını anlatan yazı iyi bir başlangıçtır.
Sık Sorulan Sorular
Sesli asistanlar Türkçe anlıyor mu?
Türkçe desteği asistana ve cihaza göre değişir. Bazı asistanlar Türkçe konuşup anlayabilirken bazılarında Türkçe desteği sınırlıdır ya da hiç yoktur. Satın almadan önce üreticinin desteklenen diller listesine bakın.
Asistan neden bazen yanlış anlıyor?
Hata çoğunlukla konuşma tanıma aşamasında, gürültü ya da belirsiz telaffuz yüzünden oluşur. Bazen de cümle doğru yazıya çevrilir ama sistem niyeti yanlış eşleştirir. Kısa ve net cümleler kurmak başarıyı artırır.
Asistan farklı kişilerin sesini ayırt edebilir mi?
Birçok asistan ses eşleştirme özelliğiyle kullanıcıları ayırt edip kişiye özel yanıt verebilir. Bu özellik bir güvenlik önlemi olarak değil, kişiselleştirme aracı olarak düşünülmelidir.
Kısaca
Sesli asistanlar uyandırma kelimesini algılar, konuşmayı yazıya çevirir, niyeti çıkarır, ilgili hizmeti çağırır ve yanıtı seslendirir. İşlemin bir kısmı cihazda, büyük kısmı çoğunlukla bulutta yapılır. Gizlilik ayarlarını gözden geçirerek kayıtlarınız üzerindeki kontrolü elinizde tutabilirsiniz.
