Mengapa Pembantu Rumah Pintar AI Masih Gagal Melakukan Arahan Mudah

Masalah pembantu rumah pintar berkuasa AI bukan kerana ia tidak mampu memahami bahasa semula jadi. Masalahnya ialah memahami arahan dan melaksanakannya dengan boleh dipercayai merupakan dua cabaran kejuruteraan yang berbeza.

Alexa+ dan Gemini for Home boleh berbual dengan lebih lancar serta membina automasi kompleks menggunakan ayat biasa. Namun, penguji dan pengguna masih melaporkan kegagalan ketika melakukan perkara paling asas yang sepatutnya boleh dibuat oleh pembesar suara pintar: memadam lampu, memainkan lagu yang diminta, menjawab soalan mudah tentang tarikh, menjalankan rutin membuat kopi atau mengekalkan automasi sedia ada. 167

Kegagalannya biasa-biasa sahaja — dan itulah masalahnya

Dalam satu ujian terhadap Google Home Speaker dengan Gemini, pembantu itu mengabaikan permintaan muzik, menukar topik ketika berbual, memberikan hari yang salah dan enggan memadam lampu pintar. 1 Ini bukan kes terpencil melibatkan peranti pelik atau konfigurasi yang luar biasa. Semuanya ialah fungsi teras pembesar suara pintar.

Alexa+ pula menunjukkan corak yang sama tidak sekata. Beberapa laporan menyebut rutin membuat kopi yang berulang kali gagal, manakala pengguna mendakwa rutin sedia ada hilang selepas mereka menaik taraf sistem. 6734

Pemilihan muzik juga boleh tersasar. Dalam satu ujian, permintaan untuk lagu atau artis Charli XCX menghasilkan artis yang berbeza. Permintaan yang kurang khusus untuk lagu Lucy Dacus pula hanya diulang sebagai frasa carian, bukannya dilaksanakan. 36

Namun, gambaran ini bukan sepenuhnya negatif. Alexa+ juga berjaya membina rutin melalui arahan suara yang melibatkan penderia gerakan, lampu dek, julat masa dan kamera Ring. 33 Kejayaan itu penting kerana ia menunjukkan masalah utama bukan ketiadaan keupayaan, tetapi ketidaktekalan. Sistem yang mengagumkan dalam satu interaksi tetapi gagal pada arahan biasa tetap sukar untuk dipercayai di rumah.

Mengapa AI perbualan sukar dijadikan lapisan kawalan

Pembantu suara generasi lama biasanya menggunakan rangka kerja yang memadankan pertuturan dengan niat, nama peranti dan tindakan yang telah ditetapkan. Arahan seperti “padamkan lampu dapur” akan dipadankan dengan niat tertentu, sebelum dihantar melalui antara muka kawalan peranti yang tetap.

Pembantu berasaskan model bahasa besar atau LLM berfungsi secara berbeza. Ia mentafsir konteks, membuat kesimpulan tentang maksud pengguna dan mungkin menjana cadangan panggilan alat atau API. Google sendiri menyifatkan Gemini sebagai “tidak deterministik” — ia tidak sekadar mengikut satu skrip tetap, sebaliknya menggunakan penaakulan dan inferens. 15

Reka bentuk ini berguna untuk permintaan terbuka. Pengguna boleh menerangkan automasi berbilang langkah tanpa perlu menghafal format arahan tertentu. Perbualan juga boleh diteruskan tanpa mengulangi semua konteks.

Tetapi fleksibiliti yang sama menjadi risiko apabila hasil yang dikehendaki bersifat binari: lampu mesti padam, pemasa mesti dibatalkan dan rutin mesti berjalan. Model boleh memilih peranti yang salah, menghantar arahan melalui integrasi yang tidak serasi, tersalah faham konteks perbualan atau mengambil masa terlalu lama untuk menentukan tindakan.

Akibatnya, dua arahan yang hampir sama boleh menghasilkan keputusan berbeza. Penganalisis menyifatkan sifat tidak deterministik ini sebagai bercanggah dengan keperluan automasi rumah, yang lebih mengutamakan pelaksanaan boleh dijangka berbanding jawapan yang kedengaran bijak. 3

Kebolehpercayaan dan kependaman lebih penting daripada personaliti

Kritikan berulang terhadap produk ini bukan sekadar kerana pembantu AI melakukan kesilapan. Masalahnya, ia boleh menjadi lebih perlahan dan kurang boleh dipercayai berbanding sistem yang digantikannya. Satu laporan mengenai pasaran rumah pintar AI mengenal pasti kebolehpercayaan, kelajuan dan nilai sebagai cabaran utama. 12

Ujian lain pula merekodkan laporan Alexa+ yang lambat bertindak balas, memberikan jawapan salah dan menggugurkan arahan. Gemini for Home dikatakan lebih perlahan berbanding Google Assistant versi lama serta kadangkala gagal mengawal peranti yang sepatutnya dikenalinya. 56

Kependaman amat mengganggu dalam antara muka suara. Apabila seseorang meminta lampu dipadamkan, mereka biasanya mahukan tindakan segera — bukannya penerangan panjang, jeda atau arahan untuk mencuba sekali lagi. Malah, kemas kini yang mempercepatkan Gemini for Home sekitar 30 hingga 40 peratus menunjukkan bahawa kelajuan respons masih menjadi isu produk yang sedang dibaiki, bukannya masalah yang telah selesai. 11

Reka bentuk yang lebih selamat ialah pendekatan hibrid. LLM boleh mentafsir bahasa yang fleksibel, tetapi lapisan deterministik perlu mengesahkan peranti yang diminta, mengehadkan tindakan yang tersedia, meminta pengesahan bagi perubahan berisiko dan melaksanakan arahan akhir melalui API yang boleh dipercayai.

Ringkasnya, model bahasa sepatutnya menjadi antara muka kepada sistem kawalan — bukan satu-satunya sistem kawalan.

Kelewatan Siri Apple menunjukkan masalah kesediaan yang sama

Apple juga tidak terkecuali. Ciri Siri yang lebih diperibadikan berdepan masalah kejuruteraan dan pepijat perisian. Apple menangguhkan naik taraf itu selepas pada awalnya merancang pelancarannya bersama iOS 18.4. 1820 Syarikat itu kemudian menyasarkan tempoh keluaran pada 2026 untuk keupayaan yang melibatkan data peribadi dan kawalan aplikasi yang lebih tepat. 19

Kelewatan tersebut turut menjejaskan rancangan rumah pintar Apple. Bloomberg melaporkan bahawa Apple menangguhkan paparan rumah pintar yang telah lama dirancang sementara menunggu Siri baharu, yang menjadi komponen penting antara muka produk itu. 17

Beberapa laporan turut mengaitkan kelewatan dengan kesukaran menyokong ciri AI baharu pada perkakasan sedia ada kelas HomePod. Namun, butiran perkakasan itu masih berdasarkan laporan dan tidak wajar dianggap sebagai spesifikasi produk yang telah disahkan. 2125

Pelancaran Apple yang lebih perlahan mungkin mengecewakan, tetapi ia memperlihatkan standard yang perlu dicapai sebelum produk seperti ini dijual: operasi harian yang konsisten, masa respons yang munasabah, petunjuk kegagalan yang jelas dan perkakasan yang mampu menyokong pengalaman yang dijanjikan.

Pengajaran lebih besar: demo bukan bukti produk sudah sedia

AI generatif memang mahir menghasilkan bahasa yang munasabah. Tetapi pembantu rumah pintar perlu melakukan sesuatu yang jauh lebih ketat: menghasilkan keputusan fizikal yang betul, berulang kali.

Perbezaan ini bukan hanya terpakai pada lampu dan muzik. Pembantu yang mengurus kalendar, pembelian, mesej atau peranti keselamatan juga memerlukan tingkah laku yang boleh dijangka serta pelan sandaran yang selamat. Tanpa perlindungan itu, pelanggan yang telah membayar produk akhirnya menemui sendiri pepijat integrasi, rutin yang hilang, masalah kependaman dan cara sistem boleh gagal.

Justeru, perlumbaan AI rumah pintar bukan sekadar pertandingan untuk menentukan pembantu mana yang kedengaran paling manusia. Ia ialah ujian sama ada syarikat mampu menggabungkan bahasa yang bersifat kebarangkalian dengan kejuruteraan sistem yang bersifat deterministik.

Selagi gabungan itu belum mantap, pengguna bukan sekadar menggunakan produk. Mereka juga secara tidak langsung menjadi sebahagian daripada program ujian kebolehpercayaannya.