మైక్రోసాఫ్ట్‌ మిమిక్రీ టూల్‌

కృత్రిమ మేధ రంగంలో ఒకవైపు ఛాట్‌జీపీటీ సంచలనం సృష్టిస్తుండగా.. మరోవైపు మైక్రోసాఫ్ట్‌ సంస్థ పరిశోధకులు వాల్‌-ఇ టూల్‌ను ఆవిష్కరించారు. ఇది మూడు సెకండ్ల వ్యవధి మాటల నమూనాతోనే మన గొంతును గుర్తించి, దాన్ని అనుకరిస్తుంది. రాతను, ధ్వనులను మన మాటల రూపంలోకి మార్చేస్తుంది. ఇంతకీ ఇదెలా పనిచేస్తుంది? వాల్‌-ఇ ముందుగా వ్యక్తుల శబ్దాలను విశ్లేషిస్తుంది. ఈ సమాచారాన్ని వివిధ భాగాలుగా విడగొడుతుంది. శిక్షణ డేటా సాయంతో ఆ మాట ఎలా వినిపిస్తుందనే సంగతిని ‘తెలుసుకుంటుంది’. దాని ఆధారంగా పదాలను మాటల రూపంలోకి మార్చుకొని, అచ్చం మన మాదిరిగానే మాట్లాడుతుంది. సుమారు 60వేల గంటలకు పైగా ఇంగ్లిష్‌ మాటలతో వాల్‌-ఇకి శిక్షణ ఇచ్చారు. ప్రస్తుతం అందుబాటులో ఉన్న టెక్స్ట్‌ టు స్పీచ్‌ (టీటీఎస్‌) వ్యవస్థల కన్నా ఇది వేలాది రెట్లు పెద్దదని మైక్రోసాఫ్ట్‌ చెబుతోంది. అందువల్ల అత్యధిక నాణ్యతతో ఆయా వ్యక్తుల మాటలను సృష్టించగలదు. ఇది మాటల్లో వ్యక్తమయ్యే భావాలనూ నిక్షిప్తం చేసుకోగలదు. కోపం, నిద్రమత్తు, ఆశ్చర్యం, అసౌకర్యం వంటి భావోద్వేగాలను గ్రహించి, అవసరానికి తగ్గట్టుగా వ్యక్తం చేయగలదు. చూపు సరిగా కనిపించనివారికి, మధ్యలో మాటలు పోయినవారికి (వారి మాటల రికార్డింగు ఉంటే) అక్షరాలను మాటలుగా మార్చే విషయంలో ఇది బాగా ఉపయోగపడుతుందనటంలో సందేహం లేదు. కానీ భవిష్యత్‌లో ఏఐ మోడళ్ల గెస్ట్‌లతోనే పాడ్‌క్యాస్ట్‌లు ప్రసారమైతే? ఇదే కాస్త భయం కలిగిస్తోంది. దీన్ని దుర్వినియోగం చేసే అవకాశం లేకపోలేదు. మనం లేకపోయినా అచ్చం మనలాగే మాట్లాడటమే దీనికి కారణం.

* యాపిల్‌ సంస్థ చడీ చప్పుడు లేకుండా ‘డిజిటల్‌ నరేషన్‌’ ఫీచర్‌ను ప్రవేశపెట్టిన (ఇతర దేశాల్లో) కొద్ది రోజుల్లోనే మైక్రోసాఫ్ట్‌ వాల్‌-ఇ టూల్‌ను పరిచయం చేయటం గమనార్హం. యాపిల్‌ తమ బుక్స్‌ యాప్‌ కోసం డిజిటల్‌ నరేషన్‌ను తీసుకొచ్చింది. ఇది కృత్రిమ మేధ సాయంతో ఆడియో పుస్తకాల పేర్లను చదివి వినిపిస్తుంది. రోజురోజుకీ పుంజుకుంటున్న ఆడియో పుస్తకాల మార్కెట్‌ను ఇది మరింత విస్తరించేలా చేయగలదని గట్టిగా భావిస్తున్నారు.