Pembantu rumah pintar AI makin petah bercakap, tetapi masih tersangkut pada arahan mudah

Laporan-laporan ini tidak membuktikan satu kadar kegagalan yang mewakili seluruh industri. Namun, ia menunjukkan corak yang berulang: keupayaan berbual boleh bertambah baik, sedangkan pelaksanaan tugas harian masih tidak konsisten.

Mengapa bahasa semula jadi menyukarkan kawalan peranti?

Pembantu suara generasi lama memang lebih terhad, tetapi laluan kawalannya lebih terkawal. Selepas mengenal pasti arahan, sistem biasanya memadankannya kepada niat dan operasi yang telah ditetapkan, contohnya:

Pendekatan ini memerlukan pengguna menggunakan bentuk arahan yang lebih khusus. Sebagai pertukaran, sistem mempunyai lebih sedikit tafsiran yang mungkin dan laluan yang lebih berulang daripada suara kepada tindakan peranti.

Pembantu berasaskan model bahasa besar atau LLM pula perlu mengendalikan tugas yang jauh lebih luas. Ia mungkin perlu:

1. memahami maksud pengguna;
2. mentafsir rujukan seperti “di sini”, “yang itu” atau “lampu tersebut”;
3. mengenal pasti bilik, peranti dan keupayaan yang betul;
4. memilih alat atau API yang sesuai;
5. memasukkan parameter yang sah;
6. mengambil kira keadaan semasa peranti; dan
7. melaporkan dengan tepat sama ada tindakan itu benar-benar berjaya.

Kesilapan pada mana-mana peringkat boleh menghasilkan keputusan yang salah. Pembantu mungkin memilih peranti yang tersilap, salah memahami lokasi bilik, menggunakan fungsi yang tidak disokong, menghantar parameter tidak sah, bergantung pada maklumat keadaan yang sudah lapuk atau mendakwa tugas selesai tanpa mengesahkan perubahan pada peranti.

Penyelidikan tentang kawalan rumah pintar berasaskan LLM mengenal pasti sifat tidak deterministik, kelewatan dan kos inferens serta personalisasi terhad sebagai halangan kepada kawalan peranti yang boleh dipercayai. Sistem seperti ini juga biasanya berfungsi lebih baik apabila arahan diberikan secara jelas dan berstruktur, berbanding apabila ia perlu meneka konteks yang lebih luas.

Berbual dan melaksanakan arahan memerlukan keupayaan berbeza

Keupayaan yang dipromosikan oleh Amazon dan Google sememangnya berguna. Alexa+ direka untuk memadankan penerangan pengguna dengan peranti dan fungsi yang berkaitan, manakala Google menonjolkan arahan berbilang bahagian, pengecualian dan pembetulan di tengah-tengah ayat.

Keupayaan ini sesuai untuk tugas seperti:

• menerangkan suasana yang diingini dan menukarkannya kepada cadangan tetapan;
• mencipta rutin tanpa perlu menyelusuri menu aplikasi yang rumit;
• menerangkan fungsi sesuatu automasi; dan
• menukarkan permintaan yang kabur kepada pelan berstruktur.

Namun, memahami arahan tidak sama dengan melaksanakannya. Permintaan seperti “jadikan ruang ini lebih selesa untuk makan malam” memang memerlukan pertimbangan. Tetapi “tetapkan lampu dapur pada 50 peratus” mempunyai hasil akhir yang jelas. Permintaan pertama mendapat manfaat daripada model yang fleksibel; permintaan kedua memerlukan laluan kawalan yang sempit dan boleh disahkan.

Perbezaan ini menjelaskan mengapa pembantu boleh mengendalikan ayat kompleks dengan mengagumkan tetapi gagal melaksanakan arahan lampu yang pendek. Kerumitan bahasa tidak semestinya bermaksud kerumitan pelaksanaan. Arahan melibatkan banyak peranti boleh berjaya apabila model memilih alat dan parameter yang tepat, manakala arahan ringkas boleh gagal jika pengenalpastian peranti atau pengesanan keupayaan terganggu.

Kelewatan turut mempengaruhi rasa boleh dipercayai

Ketepatan hanyalah sebahagian daripada kebolehharapan. Arahan rumah pintar juga memerlukan masa tindak balas yang munasabah dan tidak terlalu berubah-ubah. Lampu yang menyala selepas menunggu lama—atau hanya selepas pengguna mengulangi arahan—akan terasa tidak boleh dipercayai walaupun akhirnya keadaan peranti betul.

Ulasan terhadap Alexa+ mendapati sesetengah respons mengambil masa sehingga 15 saat, walaupun arahan asas untuk lampu dan termostat boleh dilaksanakan dengan lebih pantas dalam keadaan tertentu. Liputan berasingan mengenai Gemini for Home pula menyebut kemas kini yang memfokuskan respons lebih pantas dan jawapan lebih ringkas untuk arahan harian, menunjukkan bahawa kependaman masih menjadi isu kejuruteraan yang aktif.

Pemprosesan awan, pemilihan model, pengesanan peranti dan panggilan kepada alat kawalan semuanya boleh menambah kelewatan. Kesannya, sistem mungkin lebih berkuasa secara teori tetapi kurang boleh dijangka ketika digunakan.

Adakah pengguna awal menjadi sebahagian daripada program ujian?

Penghantaran kemas kini secara berterusan ialah amalan biasa dalam pembangunan perisian. Penambahbaikan berperingkat mungkin sesuai untuk ciri perbualan yang berisiko rendah. Tetapi kawalan rumah pintar berbeza kerana kegagalan boleh menjejaskan peranti fizikal dan rutin yang sudah biasa digunakan.

Jika kemas kini menyebabkan lampu, penggera atau automasi berfungsi secara berbeza, pengguna merasai kesannya di dalam rumah sendiri—bukan sekadar dalam antara muka chatbot.

Rentetan aduan selepas pelancaran, diikuti pembaikan dan kemas kini kebolehpercayaan, tidak membuktikan bahawa vendor sengaja menjual produk yang belum siap. Namun, ia menunjukkan pelanggan berdepan dengan masalah ketika sistem masih ditala. Laporan tentang automasi yang terlepas, rutin yang rosak, respons tidak konsisten dan aduan pengguna yang berterusan menjadikan pendekatan “lancarkan, kumpul data, kemudian baiki” lebih mahal apabila digunakan untuk kawalan harian.

Pelancaran yang lebih selamat sepatutnya mengekalkan laluan deterministik yang boleh dipercayai untuk arahan rutin, sambil menambah fungsi generatif di sekelilingnya. Pengguna boleh menikmati perbualan yang lebih semula jadi tanpa kehilangan janji asas automasi rumah: apabila arahan yang diketahui diberikan, peranti yang dimaksudkan mesti mencapai keadaan yang dimaksudkan.

Penyelesaian paling praktikal ialah seni bina hibrid

Penyelesaian yang paling munasabah bukanlah membuang LLM daripada rumah pintar. Sebaliknya, peranan LLM perlu dihadkan pada bahagian yang kurang berisiko, khususnya ketika memahami bahasa dan merancang tindakan.

Sistem yang kukuh boleh menggunakan LLM untuk memahami niat pengguna, kemudian menyerahkan hasilnya kepada lapisan kawalan yang menyediakan:

• pemilihan peranti dan parameter yang disahkan mengikut skema;
• kebenaran khusus untuk tindakan sensitif;
• semakan keadaan semasa sebelum dan selepas pelaksanaan;
• percubaan semula serta pengendalian ralat yang jelas; dan
• pengesahan yang membezakan tindakan yang dirancang daripada tindakan yang benar-benar selesai.

Satu arah penyelidikan menerangkan pendekatan berkaitan yang membolehkan LLM menghasilkan artifak boleh laksana ketika fasa kompilasi, manakala penyelarasan aliran kerja mengurus percabangan, pemilihan alat, percubaan semula dan ralat secara deterministik ketika sistem berjalan.

Dalam konteks rumah pintar, prinsipnya mudah: model boleh membantu menterjemahkan niat pengguna, tetapi tidak sepatutnya menjadi satu-satunya pihak yang menentukan tindakan fizikal setiap kali. Semakin hampir sesuatu arahan kepada transaksi tetap pada peranti, semakin terkawal dan mudah diuji laluan pelaksanaannya.

Kesimpulannya

Alexa Plus dan Gemini for Home mencerminkan pengajaran lebih besar tentang AI generatif: menjadi lebih baik ketika bercakap tidak semestinya bermakna menjadi lebih baik ketika mengendalikan peranti. Laporan pengulas, pengguna dan penerbitan teknologi menunjukkan pembantu yang mampu memahami konteks lebih kaya serta menyusun arahan lebih kompleks, tetapi masih tersangkut pada lampu, dimmer, penggera dan rutin.

Pembantu rumah pintar yang benar-benar tahan lama kemungkinan besar akan menggabungkan kedua-dua pendekatan. AI generatif boleh menjadikan persediaan dan perbualan lebih fleksibel; perisian deterministik pula mesti memastikan tindakan akhir tepat, pantas dan boleh disahkan.

Selagi sempadan ini belum direka dengan baik, pembantu yang lebih petah mungkin kelihatan lebih pintar—namun masih kurang boleh dipercayai untuk tugas asas yang paling penting di dalam rumah.