داستان ناگفته تولد «اکو»، اسپیکری که آمازون آن را برای پخش موسیقی توسعه نداده است

زمانی که «دیو لیمپ» (Dave Limp) در سال ۲۰۱۱ برای اولین بار ایده محصول متفاوتی به نام «اکو» (Echo) را شنید، واکنش اولیه اش آمیخته ای از شک و تردید بود.

حالا، به یاد می آورد که در همان جلسه اولیه، به ایده پردازان گفته: «تولید چنین محصولی بیش از اندازه دشوار خواهد بود؛ محصولی که بتواند به شکل جادویی به دستورات کاربر عمل کند و تجربه ای عالی در اختیارش قرار دهد. از طرفی، نیازمند سرمایه گذاری بسیار کلانی است.»

واکنشی که لیمپ در آن جلسه نشان داد، تا حد زیادی منطقی و از سوی دیگران قابل درک بود. اهدافی که برای اکو تعیین شده بود، بیش از اندازه بلندپروازانه بودند؛ محصولی هوشمند و البته خانگی، که می توانست برای کاربر موسیقی پخش کند، اخبار را برایش با صدای بلند قرائت نماید و حتی به خرید ملزومات اولیه خانه بپردازد. همه این کارها قرار بود به سادگی با دستورات صوتی کاربر صورت پذیرند، آن هم نه اینکه کاربر بیاید نزدیکش بایستد و حرف بزند، بلکه از هر جای خانه، بتواند دستوری را برای اکو صادر کند و این گجت هم گوش داده و انجامش دهد.

از آن زمان تا کنون، اکو راه بسیار زیادی را پیموده و از سوی جمع کثیری از منتقدان نیز مورد ستایش قرار گرفته و تبدیل شده است به یکی از پرفروش ترین محصولاتی که آمازون توسعه داده. برخی، نظیر موسس اپل، این محصول را انقلابی در زمینه پردازش کامپیوتری دانسته و از اکو به عنوان تحول بعدی یاد می کنند. ناگهان، آمازون شده است رقیبی برای گوگل و اپل.

ناگهان، آمازون شده است رقیبی برای گوگل و اپل

در ابتدای کار اما چنین تصور نمی شد؛ کسی فکرش را نمی کرد اکو بتواند به این صورت و با چنین سرعتی، راه خود را به خانه ی کاربران بپیماید. این محصول سال ها در آزمایشگاه های آمازون مورد بررسی بود که البته بخشی از این موضوع، به کمال گرایی «جف بزوس» برای تولید محصولی کاملا بی عیب و نقص هم بر می گشت. البته بزوس حق هم داشت؛ موبایلی که آمازون تولید کرده بود، به گونه ای شکست خورد که آبروی این شرکت زیر سوال رفت. از سوی دیگر چند سالی می شد که شایعات پیرامون چنین محصولی در دنیای تکنولوژی به گوش می رسید؛ محصولی که آمازون آن را با سال ها تلاش توسعه داد و بالاخره موفق شد بازی را تا حد زیادی برگرداند. بی راه نیست اگر بگوییم که آمازون در خفا و به آرامی، بدون اینکه جلب توجه کند، میدان جنگی ساخت و سپس بزرگان دنیای تکنولوژی را به آن دعوت کرد.

آقای لیمپ که در آمازون جایگاه معاون ارشد توسعه سخت افزارها را دارد، در رابطه با این محصول می گوید: «تکامل یافتن و نهایی شدن تولید اکو بیش از اندازه پیچیده بود؛ به هیچ عنوان نمی توانم سطح دانش و خلاقیتی که در آن به کار گرفته شده را دست کم بگیرم.»

ماموریت غیرممکن  

بزوس از همان زمانی که ایده را شنید، تبدیل شد به یکی از طرفداران سرسخت آن. از طرفی، تیم توسعه را مجبور کرد تا استانداردهایی بسیار بالا برای توسعه اش داشته باشند که البته منطقی به نظر می رسید. کارشان، وقت و سرمایه ای که صرف می کردند، بی شباهت به یک قمار بزرگ نبود چرا که دنیای تکنولوژی تا پیش از این با محصولی مشابه مواجه نشده بود.

یکی از مسائلی که بسیار مورد توجه قرار داشت، کاهش تاخیر پاسخگویی اکو بود. برای تیم توسعه و البته بزوس، مهم بود که الکسا (دستیار مجازی – صوتی به کار رفته در اکو) بتواند به شکل سریعی یک پرسش را پاسخ بدهد.

در حال حاضر، در بهترین حالت استانداردی که برای سیستم های تشخیص صدا وجود دارد، حدود ۲.۵ الی ۳ ثانیه تاخیر برای پاسخ دادن به هر سوال است اما تیم اکو موفق شد این تاخیر را به دو ثانیه رسانده و یک رکورد برای خود ثبت کند. سپس اعضای ارشد تیم توسعه با افتخار به سراغ جف بزوس می روند تا در مورد موفقیت شان رجز خوانی کنند، که مدیر عامل آمازون هدفی بسیار بلندپروازانه تر را برای شان تعیین می کند:

جف بزوس از کارتان قدردانی می کنم. ولی با چنین تاخیری، قادر نیستید به جایگاه مناسبی دست پیدا کنید. اجازه دهید ماموریت اصلی تان را از همین جا مشخص کنم: نهایت زمان تاخیر برای پاسخ دادن به یک فرمان صوتی باید یک ثانیه باشد. 

افرادی تا آمده بودند فقط تحسین بزوس را بشنوند، خشک شان می زند چرا که حتی شرکت های متمرکز بر روی شناخت گفتار که چندین دهه کارشان همین بوده، توانسته بودند تاخیرها را به زیر سه ثانیه برسانند. سپس بزوس اعضای تیم را تشویق می کند تا بروند و آن هدفی که به نظرشان دست نیافتنی است را، به دست آورند.

یکی از اعضای تیم که نامش فاش نشده، به یاد می آورد که بزوس به آنها گفته: «شما خودتان من را متقاعد کردید که مهم ترین فاکتور در اکو، تاخیر پایینش در پاسخ دادن به فرامین صوتیست. من به این حرف درست شما باور پیدا کردم، از شما می خواهم خودتان هم به آن باور پیدا کنید.»

بزوس با کمال گرایی خاص خودش، به شدت پیگیر این پروژه بود

کلید اصلی پایین آوردن تاخیر ها این بود که تیم توسعه، اطلاعات گسترده ای در مورد پرسش هایی که از اکو می شود جمع آوری نموده و آنها را به همین محصول اضافه کنند. اعضای توسعه دهنده این اسپیکر در آمازون، هزاران آزمایش انجام دادند، با دانشمندان حوزه گفتار به صورت هفته ای جلسه گذاشتند و نتایج را به آنها نشان می دادند.

در نهایت تیم توسعه موفق می شود تاخیرها را به کمتر از ۱.۵ ثانیه برساند؛ رقمی که تا پیش از این از سوی هیچ یک از رقبا به دست نیامده بود. یکی از کارمندان آمازون که در آن زمان مشغول توسعه محصول مورد بحث بوده، می گوید: «فقط جف می تواند اینطور هدف گذاری کند – به گونه ای هدف را مشخص کرده بود که به شکلی کاملا روشن در برابرمان قرار گرفته بود. چالشی فوق العاده بزرگی بود. کار مهندسی آن به شدت دشوار شده بود اما در نهایت انجامش دادیم.»

آقای لیمپ به یاد می آورد که کاهش دادن تاخیر، بزرگ ترین نقطه تمرکز در هنگام توسعه همین محصول بود، اما به یاد نمی آورد که تیم توسعه در نهایت موفق شده باشد که تاخیر را به دقیقا یک ثانیه برساند.

آزمایشِ «جادوگر شهر از»

چالش اصلی اکو، اولین بودن از نوع خود بود. هیچ محصولی در بازار وجود نداشت که آمازون بتواند اکو را با آن مقایسه کند و بگوید چیزی که توسعه داده، بهتر است. Siri از اپل و جستجوی صوتی گوگل وجود داشتند، مایکروسافت هم محصولی داشت به نام Kinect، اما مفهوم اکو از اساس با همه این ها متفاوت بود؛ در اسپیکری که آمازون توسعه می داد، هیچ نمایشگری وجود نداشت تا کاربر بتواند با آن به تعامل بپردازد.

برای موفقیت، نیاز بود تا الکسا، دستیار مجازی که در اکو جای گرفته بود، بتواند به شکل کاملا مطلوب به صحبت های محاوره ای عکس العمل نشان دهد. کار باید به جایی می رسید که خریدار این محصول، کند کند دقیقا در حال صحبت کردن با یک شخص دیگر است، نه یک گجت دیجیتالی.

این همان جاییست که آزمایش «جادوگر شهر از» (Wizard of Oz) آغاز شد.

در یک اتاق، آمازون، اکو را به اشخاصی که برای اولین بار این محصول را می دیدند، نشان می داد و از آنها می خواست تا سوال مورد نظرشان را بپرسند. در اتاقی دیگر، یک نفر نشسته بود و به سوالات، از طریق تایپ کردن، جواب می داد. شخصی که پاسخ ها را تایپ می کرد، لقب «جادوگر» گرفته بود.

برای مثال شخص آزمایش کننده می پرسید: «هوا امروز در نیویورک چگونه است؟» و جادوگر در اتاق دیگر پاسخ را تایپ می کرد و کلمات، با صدای اکو پخش می شدند.

آزمایش «جادوگر شهر از»؛ یک تحقیق رونشناسی برای تاثیرگذارتر کردن اکو

هدف از چنین کاری این بود که مهندسان آمازون بتوانند بهترین نوع پاسخ ها را پیدا کنند. به گونه ای، کارشان بی ارتباط با علم روانشاسی نبود. سوالات معمولا یکی بودند اما ساختار جمله بندی در پاسخ ها با هم تفاوت داشت. برای مثال، پنجاه نفر در مورد یک موضوع سوال می کردند که جواب یکسانی داشت، اما همین جواب با شکل های متفاوت ارائه می شد. به همین شکل آمازون متوجه می شد که چگونه می تواند پاسخ های بهینه تری را در این محصول قرار دهد.

یکی از اعضای ارشد تیم توسعه می گوید: «کارمان تقریبا شبیه به آزمایش روانشناسی بود تا بفهمیم که چه نوع پاسخ هایی، بیشتر مردم را هیجان زده می کند. بیشتر تمرکز خود را بر روی کیفیت صحبت کردن قرار دادیم. توسعه اکو، یک پروژه علمی گسترده بود.»

یکی دیگر از دلایلی که آمازون می خواست تا نحوه گفتار اکو عالی باشد، این بود که دستیارهای صوتی در سایر ابزارها وجود داشتند و در پلتفرم های دیگر به کار مشغول بودند. آمازون می خواست به توسعه د&#

ویدیو مرتبط :
تکنولوژی صوتی الکسای آمازون،در دسترس توسعه دهندگان اپ