شرکت زوم فناوری تشخیص گفتار ابزار «یادداشت‌های من» (My Notes) خود را در اختیار سایر شرکت‌ها قرار داده و طبق اعلام مدیر ارشد فناوری این شرکت، در حال مذاکره با مجموعه‌های ارائه‌دهنده یادداشت‌برداری هوش مصنوعی است که تمایل به استفاده از آن دارند. اکس‌دی هوانگ توضیح می‌دهد که هدف زوم توسعه هوش مصنوعی است که کارهای مطرح‌شده در جلسات را پیش از اتمام جلسه به سرانجام برساند.
هوانگ رهبری استراتژی هوش مصنوعی زوم را بر عهده دارد. وی پیش از پیوستن به این شرکت، ۳۰ سال در مایکروسافت فعالیت کرده و به عنوان همکار فنی و مدیر ارشد فناوری هوش مصنوعی آژور خدمت نموده است. وی در این مصاحبه چشم‌انداز شرکت را بررسی کرده و از مدل‌های ترکیبی برای افزایش دقت و کاهش خطاهای هوش مصنوعی سخن گفته است.
یک کلید API برای هر مدل اصلی هوش مصنوعی — برخی مدل‌ها رایگان هستند.
رایگان امتحان کنیدوی این تغییر رویکرد را «سی‌تو‌سی» (C2C) و گذار از مکالمه به تکمیل کار نامگذاری می‌کند. نخستین C به کسب‌وکار مبتنی بر جلسات اشاره دارد که زوم آن را توسعه داده است، و دومین C به هوش مصنوعی مربوط می‌شود که وظایف را از سوی کاربر و با مجوز او به پایان می‌رساند. او پیش‌بینی کرده است که سال ۲۰۲۶ میلادی «سال تکمیل کار» خواهد بود.
ابزار یادداشت‌های من قادر است مکالمات را در جلسات زوم، مایکروسافت و گوگل و همچنین جلسات حضوری ضبط کند. فناوری زیرساختی این ابزار تحت عنوان رابط برنامه‌نویسی کاربردی Scribe به عنوان بخشی از خدمات هوش مصنوعی زوم در دسترس عموم قرار گرفته است. به گفته هوانگ، نسخه دوم این ابزار هم‌اکنون عرضه شده و از زمان نسخه اول تاکنون در صدر جدول سیستم‌های تشخیص گفتار هاکینگ فیس باقی مانده است.
رویکرد مدل‌های چندگانه و دقت بالا
در پاسخ به پرسش‌هایی پیرامون لزوم کند کردن روند توسعه هوش مصنوعی، هوانگ تأکید می‌کند که تمرکز زوم بر کمک به کاربران به شیوه‌ای امن و قانون‌مند است و این شرکت تنها به یک مدل اتکا نمی‌کند. این رویکرد فدراتیو به چندین مدل اجازه می‌دهد تا یکدیگر را ارزیابی کنند تا ضمن کاهش خطاهای توهم زایشی، دقت سیستم افزایش یابد. زوم در این راستا از مدل‌های شرکت‌های OpenAI و Anthropic در کنار مدل زبان کوچک اختصاصی خود بهره می‌برد.
او یادآور می‌شود که زوم فناوری‌های تشخیص گفتار و ترجمه خود را توسعه داده است و مدل خلاصه‌سازی جلسات این شرکت عملکردی مشابه ChatGPT با هزینه‌ای بسیار کمتر ارائه می‌دهد، زیرا صرفاً برای همین وظیفه خاص آموزش دیده است. با وجود پیشرفت‌های چشمگیر، او اذعان می‌کند که موانع زبانی کاملاً برطرف نشده‌اند و خطای تشخیص گفتار برای افرادی که تکلم دشواری دارند، افزایش می‌یابد. زوم در حال حاضر رونویسی پیشرفته خود را به حدود ده زبان ارائه می‌دهد و هوانگ قصد دارد این پوشش را به تمام ۲۴ زبان رسمی اتحادیه اروپا تسری بخشد.
چشم‌انداز آینده و نظارت انسانی
هوانگ بر این باور است که تصمیم نهایی همواره بر عهده انسان‌ها باقی می‌ماند و هوش مصنوعی صرفاً ابزاری برای تسهیل تصمیم‌گیری است. او با اشاره به چالش‌های محتوایی تولید شده توسط فناوری‌های جدید تصریح می‌کند که با افزایش محتوای بی‌کیفیت تولیدشده توسط هوش مصنوعی، نیاز به ارتباط انسانی و تعاملات واقعی بیش از پیش احساس خواهد شد.
زوم همچنین قصد ندارد به حوزه تولید سخت‌افزار ورود کند، اما همکاری‌های خود را با شرکای تجاری مختلف حفظ کرده است. هوانگ در فعالیت‌های روزمره خود از ابزارهای مختلف بهره می‌برد و معتقد است فناوری باید باری از دوش کاربران بردارد تا کارها پیش از پایان نشست‌ها به نتیجه برسند.
حسام هاشمی 
