يحتاج المساعد الصوتي إلى متابعة قصد المتحدث عبر الضوضاء والسرعة والانتقال بين الإنجليزية والتوي، من دون إجباره على اختيار لغة ثابتة قبل الكلام. ففي المحادثة اليومية في غانا، قد تتغير اللغة داخل الرسالة نفسها بينما يظل المعنى واحداً.
في أبريل 1970، كان رواد «أبولو 13» جيم لوفل وجاك سويغرت وفريد هايز يواجهون ارتفاع ثاني أكسيد الكربون داخل المركبة. كانت وحدات التنقية متاحة، لكن القطع المربعة في وحدة القيادة لم تكن تلائم الفتحات الدائرية في الوحدة القمرية. وثّق لوفل وجيفري كلوغر هذه الأزمة في كتاب Lost Moon: المواد المطلوبة كانت موجودة، والخطر كان حقيقياً، لكن النظام بُني حول أشكال لا تتوافق في اللحظة التي احتاج فيها الطاقم إليها.
صمّم المهندسون في مركز التحكم بهيوستن حلاً باستخدام مواد كانت على متن المركبة، ثم نقلوا التعليمات إلى الطاقم. نجح الترتيب المؤقت في خفض ثاني أكسيد الكربون، وعاد الرواد إلى الأرض سالمين.
الدرس هنا يتجاوز هندسة الفضاء. عندما يصل المعنى في شكل لا يتوقعه النظام، يصبح الإصرار على الشكل الصحيح جزءاً من المشكلة. وهذا ما يحدث عندما ينتظر المساعد الصوتي من شخص غاني أن يختار الإنجليزية أو التوي أولاً، ثم يلتزم بها حتى نهاية الحديث.
الرسالة لا تصل في ظروف المختبر
تخيّل شخصاً واقفاً خارج دكان مؤن في كوماسي. تمر مركبات قريبة، ويجيبه أحدهم من داخل الدكان، وهاتفه في يده لأنه مستعجل. يضغط للتحدث ويقول:
“Please send it to me. Merekɔ seesei.”
بدأ الطلب بالإنجليزية، ثم انتقل إلى التوي ليقول إنه ذاهب الآن. لم يبدأ موضوعاً جديداً، ولم يغيّر هوية المتلقي، ولم يطلب من الهاتف ترجمة الجملة. إنه يتحدث بالطريقة التي خرجت بها الفكرة في تلك اللحظة.
إذا عامل المساعد الجزء الإنجليزي والتوي كمدخلين منفصلين، فقد يضيّع العلاقة بين الطلب والاستعجال. وإذا انتظر تسجيلاً نظيفاً، فقد تصبح أصوات الشارع سبباً في تخمين كلمة أو إسقاطها. وإذا فشل من دون تنبيه، سيظن المستخدم أن الرسالة فُهمت بينما لم يحدث ذلك.
المشكلة ليست وجود لغتين. المشكلة هي تصميم المحادثة كأن الإنسان سيقف، يختار لغة، يصوغ جملة كاملة، ثم ينتظر دوره. الكلام الحقيقي أسرع وأقل ترتيباً من ذلك.
تتبّع الشخص قبل تصنيف اللغة
المساعد المفيد يتابع ثلاثة أمور معاً: ما الذي يريده الشخص، وما الذي يشير إليه بكلماته الحالية، وما الذي تغيّر منذ الجملة السابقة. تصنيف اللغة يظل مهماً، لكنه يخدم فهم المقصود ولا يقوده وحده.
لهذا تدعم Nkomo المحادثة الطبيعية بالتوي والإنجليزية الغانية، كتابةً أو صوتاً. يستطيع المستخدم الضغط مع الاستمرار للكلام، وسماع الرد، ومقاطعة المساعد بصورة طبيعية عندما يحتاج إلى تصحيح كلمة أو إضافة تفصيل. هذا مهم خارج دكان المؤن كما هو مهم في البيت أو أثناء إرسال تعليمات سريعة إلى أحد أفراد الأسرة.
توجد بيانات بحثية تؤكد أن هذا المزج جزء من الكلام الفعلي، وليس حالة هامشية. تضم KasaSpeech نحو 54,855 تسجيلاً جرى تفريغها يدوياً، بما يزيد على 95 ساعة من أصوات متحدثين من أنحاء غانا. وتشمل المادة انتقالاً طبيعياً بين الإنجليزية والتوي في موضوعات ومواقف تواصل يومية.
يمكن رؤية الفكرة نفسها في مشوار البقالة الذي قيل في جملة واحدة: اختيار لغة واحدة قد يبدو خطوة بسيطة في الواجهة، لكنه يفرض على المستخدم إعادة ترتيب كلامه قبل أن يبدأ.
الخصوصية جزء من جودة الاستماع
التقاط المقصود لا يمنح أي منتج حقاً مفتوحاً في الاحتفاظ بكل ما يسمعه. فالرسالة المسجلة في الشارع قد تتضمن اسماً، أو طلباً عائلياً، أو معلومة لم يقصد صاحبها أن تبقى بعد انتهاء المحادثة.
في Nkomo، يختار المستخدم كيف يُسمح بإرسال البيانات إلى السحابة: أبداً، أو بالسؤال في كل مرة، أو خلال الجلسة الحالية. ويظل سجل المحادثة على الجهاز تحت سيطرته. عند إيقاف السجل، يُحذف فوراً. كما يمكن تصدير البيانات أو حذف الحساب بخطوة واحدة.
تزيل طريقة الدخول عبئاً آخر، إذ يصل المستخدم عبر رابط سحري بدلاً من حفظ كلمة مرور جديدة. وإذا وقع خطأ، يظهر بوضوح. لا يختفي الفشل خلف شاشة توحي بأن كل شيء سار كما ينبغي.
هذه التفاصيل تخدم الموقف نفسه خارج الدكان. الشخص مستعجل، والشارع غير هادئ، والجملة تتحرك بين لغتين. يحتاج إلى معرفة ما إذا كان المساعد فهم، وما الذي قد يصل إلى السحابة، وما الذي سيبقى على جهازه.
صمّم للمحادثة التي تحدث فعلاً
اختبار المساعد الصوتي بجمل منفردة داخل غرفة هادئة يقيس جزءاً صغيراً من التجربة. الاختبار الأقرب إلى الواقع يضيف صوت الشارع، وتردداً قصيراً، ومقاطعة، وانتقالاً من الإنجليزية إلى التوي في منتصف القصد نفسه. ثم يسأل سؤالاً مباشراً: هل تابع النظام الشخص، أم انتظر منه أن يتكيّف مع القائمة؟
في «أبولو 13»، لم يكن في وسع الطاقم تغيير القطع الموجودة أثناء الأزمة. كان على المهندسين بناء وصلة تحترم الواقع المادي أمامهم. وفي المحادثات الغانية، الواقع هو أن الناس يمزجون اللغات، يختصرون، يتعجلون، ويصححون أنفسهم أثناء الكلام.
يمكن للمنتج أن يفرض شكله على هذا الواقع، أو أن يتعلم متابعة المعنى كما ينطقه صاحبه. الاختيار الثاني هو الذي يجعل المساعد صالحاً للاستخدام عندما تكون المحادثة حقيقية، لا عندما تكون الظروف مرتبة من أجله.
التعليقات
لا توجد تعليقات بعد.