Rösten blir allt mer ett gränssnitt att räkna med. Och faktum är att nästan all slags teknik har potentialen att styras via tal. Men när kommer dagen då vi kan prata med våra maskiner som om de vore människor?
Att rösten är ett gränssnitt på frammarsch står allt mer klart och vår vardag kommer snart att präglas av mer eller mindre intelligent teknologi. Vi kommer att omges av produkter som lär sig våra talmönster och formas efter dessa. De kan tillgodose våra önskemål genom att koppla upp sig mot andra prylar och utbyta information. Giampiero Salvi, universitetslektor på KTH:s Department for Speech, Music and Hearing, har länge jobbat med området.
– De flesta stora aktörerna, som Google, Apple, Microsoft, har satsat stort på talteknologi. Nu börjar tekniken fungera tillräckligt bra för att de ska kunna komma ut med tjänster.
Han ser två anledningar till att teknologin blivit mogen nog att ta till konsument på bredare front. Dels har en relativt gammal teknik, artificiella neurala nätverk, utvecklats och förbättrats. Tidigare har det funnits en begränsning i att inlärningsmetoderna inte varit tillräckligt effektiva för att kunna träna taltekniken på tillräckligt stora datasamlingar.
– Det som har hänt nu är att det blivit relativt billigt att spela in data och att bearbeta den. Man har samlat mer och mer, särskilt från de språk som har ett stort antal talare.
Ett gränssnitt vi kan
Det andra som har hänt är att de stora företagen får mycket information tillbakaskickad om användaren: vilka kontakter den har, vilka vanor, hur rösten låter och annan värdefull info.
– Systemen får väldigt mycket mer kontext nu, det gör att vi ser en snabb förbättring.
Giampiero Salvi ser många fördelar med tekniken, den främsta är kanske att användare inte måste lära sig hur systemen fungerar för att kunna använda dem.
– Man är redan van vid gränssnittet, så länge systemet fungerar på ett tillräckligt naturligt sätt.
Dessutom behövs inte händerna, utan det går att styra saker när du sitter i bilen eller andra situationer där du använder händerna. Tekniken innebär också en stor fördel för personer med funktionshinder.
Men en utmaning är att vi människor använder språket på en massa olika, väldigt flexibla sätt.
Naturlig konversation svårt
– De nuvarande systemen fungerar bra så länge du begränsar ämnet du pratar om, som bokningar eller styrning av apparater. Att prata fritt är inte lika lätt.
Amazon har publicerat en utmaning för forskare och universitet i att skapa ett dialogsystem där en konversation flödar naturligt i 20 minuter. Hittills har ingen klarat det. Själv har Amazon fått mycket uppmärksamhet för Alexa, den virtuella assistenten kopplad främst till högtalaren Echo, som kan hjälpa till med många typer av vardagsbestyr.
– De stora företagen är de mest innovativa, för de har mycket resurser. De har förmodligen större forskningsmöjligheter än vi inom den akademiska världen.
”Technology Vision 2017”, en trendrapport från företaget Accenture, menar att skärmarna kommer att vara borta från de flesta applikationer om sju år och ersättas med någon form av röststyrning. Giampiero Salvi, som följt utvecklingen länge är lite mer luttrad.
– Röststyrningsteknologin finns redan idag, det är bara en fråga om marknadsföring. Men vill du ha en naturlig interaktion utan begränsningar, då känns sju år som en kort tid.
Områden där talteknik kommer användas
Smarta hem
Ett av de mest naturliga ställen där röststyrning kommer att spela roll, för att till exempel anpassa omgivningen med ljus, ljud och temperatur.
Handel
En stressad konsuments dröm kan till exempel vara att du talar om för din assistent vad som behövs köpas in och den letar upp stället där innehållet i varukorgen blir billigast.
Vardaglig support
Google lanserade nyligen Duplex, en tjänst som kan ringa och boka frisörbesök eller bord hos en restaurang – personen i andra änden kommer förmodligen inte förstå att det inte är en människa som ringer upp.
Inom äldrevård
Människor som har svårt med teknologi eller fysiska begränsningar kan ändå genom tal använda sig av artificiella assistenter.
