Lebih pandai berbual, tetapi masih gagal memadam lampu

Masalah asasnya ialah ketidakpadanan antara model bahasa yang bersifat kebarangkalian dengan sistem kawalan yang pengguna harapkan tepat setiap kali. Pembantu AI generatif boleh memahami percakapan yang lebih bebas dan membina rutin berbilang langkah, tetapi tafsiran yang berubah-ubah, masa tindak balas yang lebih lama serta pemilihan alat atau API yang tidak sempurna menjadikannya kurang boleh diharap untuk tugas mudah dan berulang—seperti mengawal lampu, memainkan muzik, menetapkan pemasa dan menjalankan rutin. 16

Kegagalan yang berlaku ialah perkara asas

Masalahnya bukan sekadar senario luar biasa atau arahan yang terlalu rumit. Dalam ujian, Gemini for Home mengabaikan permintaan untuk memainkan muzik, menukar topik perbualan, berkeras bahawa hari itu Selasa walaupun sebenarnya Rabu, kemudian enggan memadam lampu pintar dengan alasan tidak dapat mengawal peranti fizikal di rumah. 1

Alexa+ juga dilaporkan gagal menjalankan rutin membuat kopi yang sebelum ini boleh dipercayai. Sesetengah pelanggan pula berkata rutin sedia ada mereka hilang selepas naik taraf. 67 Namun, terdapat juga ulasan yang mendapati Alexa+ mampu mencipta automasi melalui arahan suara dengan baik. Ini menunjukkan isu utamanya ialah ketidakstabilan prestasi, bukannya ketiadaan keupayaan. 2

Mengapa pembantu lama terasa lebih boleh dipercayai?

Pembantu suara tradisional biasanya memadankan templat arahan dan nama peranti dengan niat tertentu, sebelum menghantar panggilan API yang telah ditetapkan. Jadi, arahan seperti “padamkan lampu dapur” sepatutnya mencetuskan tindakan yang sama setiap kali.

Model bahasa besar atau LLM pula mentafsir konteks dan menjana cadangan panggilan alat atau API berdasarkan kebarangkalian. Google sendiri menggambarkan Gemini sebagai sistem “tidak deterministik”—iaitu sistem yang tidak semestinya mengikut skrip yang sama setiap kali. 15

Fleksibiliti ini menjadikan perbualan lebih semula jadi, tetapi arahan yang hampir sama boleh ditafsirkan, disalurkan atau dijawab secara berbeza pada giliran berlainan. Untuk kawalan rumah, keadaan itu tidak boleh diterima: “padamkan” perlu sentiasa bermaksud tindakan fizikal yang sama. 315

Kelancaran berbual bukan ukuran utama

Laporan dan aduan pengguna berulang kali menunjuk kepada tiga keperluan yang lebih penting daripada gaya perbualan: kebolehpercayaan, kependaman atau masa menunggu, dan nilai yang diterima. Pengguna melaporkan jawapan yang lambat atau salah, arahan yang terputus, kesilapan memilih muzik serta rutin yang hilang. 1257

Dari sudut teknikal, LLM tidak sepatutnya menjadi satu-satunya pembuat keputusan untuk mengawal peranti. Ia perlu dihadkan oleh lapisan pengesahan dan pelaksanaan yang deterministik—lapisan yang memastikan arahan sah, peranti yang betul dipilih dan tindakan yang diminta benar-benar dilaksanakan.

Apple juga belum menemui formula yang sempurna

Apple bukan pengecualian. Syarikat itu menangguhkan ciri Siri yang lebih diperibadikan selepas berdepan masalah kejuruteraan dan pepijat. Kelewatan tersebut turut menjejaskan pelan rumah pintarnya apabila paparan rumah yang dirancang ditunda sementara Apple menunggu Siri AI baharu. 482

Laporan lain pula menyatakan perkakasan sedia ada dalam kelas HomePod mungkin tidak mempunyai kuasa pemprosesan yang mencukupi untuk cita-cita AI baharu Apple. Faktor ini membantu menjelaskan kelewatan penyegaran produk dan prestasi Siri yang tidak sekata. 914

Pengguna tidak sepatutnya menjadi penguji beta

Demo yang mengagumkan tidak membuktikan bahawa AI sudah bersedia untuk kegunaan harian. Bagi produk yang mengawal rumah—apatah lagi sistem yang mengurus kalendar, pembelian atau komunikasi—piawai yang diperlukan ialah tingkah laku yang boleh dijangka, mesej kegagalan yang jelas, tindak balas pantas dan jalan kembali yang selamat.

Jika sistem dilancarkan sebelum perkara asas ini benar-benar mantap, kos integrasi, penemuan pepijat dan akibat kegagalan dipindahkan kepada pelanggan yang membayar. Dalam erti kata praktikal, pengguna akhirnya menjadi kumpulan penguji beta untuk produk yang sepatutnya sudah bersedia.