Η φωνή είναι το μέλλον της πληροφορικής εδώ και περίπου δεκαπέντε χρόνια. Το Siri κυκλοφόρησε το 2011. Κάθε χρόνο από τότε, κάποιος γράφει το άρθρο που ανακοινώνει ότι οι μέρες του πληκτρολογίου είναι μετρημένες. Κι εσύ, κάθε χρόνο, συνεχίζεις να πληκτρολογείς.
Άρα να μια ερώτηση που αξίζει λίγο σκεπτικισμό: γιατί τα επόμενα δέκα χρόνια να σπάσουν το μοτίβο; Πιστεύω ότι θα το σπάσουν, αλλά όχι για τον λόγο που λένε τα διθυραμβικά άρθρα. Η φωνή δεν έχασε όλα αυτά τα χρόνια επειδή ήταν αργή. Έχασε εξαιτίας αυτού που συνέβαινε *αφού* τελείωνες να μιλάς.
Αυτό το κενό αξίζει να το σκεφτείς λίγο. Το ένα πράγμα που πραγματικά κρατούσε πίσω τη φωνή μόλις λύθηκε αθόρυβα, και οι περισσότεροι δεν το έχουν πάρει ακόμα χαμπάρι. Αυτή είναι η υπεράσπιση της εποχής της φωνής, με τα ειλικρινή κομμάτια στη θέση τους.
Η πρόβλεψη που βγαίνει συνεχώς λάθος
Υπάρχει μια τεχνολογική πρόβλεψη που επιστρέφει κάθε δυο χρόνια σαν κομήτης: η πληκτρολόγηση πεθαίνει, η φωνή κυριαρχεί. Εμφανίστηκε με το Siri, μετά με το Alexa, και ύστερα με κάθε κύμα εφαρμογών υπαγόρευσης. Το πληκτρολόγιο ήταν πάντα έτοιμο να αντικατασταθεί. Ποτέ δεν αντικαταστάθηκε.
Αν θες να καταλάβεις γιατί, δες τι γίνεται όταν κάποιος δοκιμάζει για πρώτη φορά την ενσωματωμένη υπαγόρευση του Mac. Εκφωνεί μια παράγραφο. Το κείμενο που επιστρέφει έχει κάθε «εεε» ανέπαφο, δύο διορθωμένες αρχές κολλημένες μαζί, και μια πρόταση που τράβηξε σαράντα λέξεις επειδή δεν έκανε παύση. Περνά μερικά λεπτά να το συμμαζέψει, αποφασίζει ότι η πληκτρολόγηση θα ήταν πιο γρήγορη, και μέσα σε μια βδομάδα γυρίζει αθόρυβα στο πληκτρολόγιο.
Αυτή είναι όλη η ιστορία του γιατί η φωνή έχανε συνεχώς. Η υπόσχεση ήταν «σταμάτα να πληκτρολογείς». Η πραγματικότητα ήταν «πληκτρολόγησε λιγότερο, διόρθωσε περισσότερο». Οι άνθρωποι δεν απέρριψαν τη φωνή επειδή δεν προλάβαινε τον ρυθμό τους. Την απέρριψαν επειδή το κόστος της επιμέλειας έπαιρνε πίσω τον χρόνο που κέρδιζε η ομιλία.
Η φωνή δεν ήταν ποτέ το αργό κομμάτι
Να το κομμάτι που χάνεται μέσα στις διαφωνίες. Όσον αφορά την καθαρή ταχύτητα, αυτό το ζήτημα έκλεισε πριν από μια δεκαετία, και η φωνή το κέρδισε με άνεση.
Ένας καλός δακτυλογράφος σε υπολογιστή φτάνει γύρω στις 40 λέξεις το λεπτό. Η άνετη ομιλία κινείται κοντά στις 150 λέξεις το λεπτό χωρίς καμία προσπάθεια. Η φωνή μέσα στο κεφάλι σου, αυτή που συνθέτει την πρόταση πριν προλάβουν τα δάχτυλά σου, τρέχει ακόμα πιο γρήγορα. Η πληκτρολόγηση είναι με μεγάλη διαφορά ο πιο αργός κρίκος σε αυτή την αλυσίδα.
Δεν είναι απλώς μια πρόχειρη εκτίμηση. Το 2016, ερευνητές στο Stanford, στη Baidu και στο University of Washington έτρεξαν μια μετωπική μελέτη: η εκφώνηση κειμένου σε ένα τηλέφωνο ήταν τρεις φορές πιο γρήγορη από την πληκτρολόγησή του με τους αντίχειρες, και η εκφωνημένη εκδοχή είχε *20 τοις εκατό χαμηλότερο* ποσοστό σφαλμάτων από πάνω. Πιο γρήγορη και πιο ακριβής, στο ίδιο τεστ, πριν από δέκα χρόνια.
Άρα η ταχύτητα δεν ήταν ποτέ το εμπόδιο. Η στενωπός βρισκόταν ένα βήμα παρακάτω, στο ακατάστατο κείμενο που σου παρέδιδαν στη συνέχεια. Διόρθωσε αυτό το βήμα και όλη η εξίσωση αλλάζει.
Τι άλλαξε πραγματικά: το στρώμα τεχνητής νοημοσύνης ανάμεσα στη φωνή και το κείμενο
Το κομμάτι που έλειπε δεν ήταν ποτέ ένα καλύτερο μικρόφωνο. Ήταν ένα στρώμα που θα μπορούσε να μετατρέψει την ακατέργαστη ομιλία σε τελειωμένο κείμενο χωρίς εσύ να κάνεις το τελείωμα. Δύο πράγματα ωρίμασαν περίπου την ίδια στιγμή και το έκαναν εφικτό.
Πρώτον, η απομαγνητοφώνηση έγινε πραγματικά καλή. Τα κορυφαία μοντέλα φωνής τρέχουν πλέον κάτω από 5 τοις εκατό ποσοστό σφαλμάτων λέξεων σε καθαρά συνομιλιακά αγγλικά, και ανοιχτά μοντέλα όπως το Whisper φτάνουν κοντά στο 3 τοις εκατό. Η ακατέργαστη καταγραφή δεν είναι πια ο αδύναμος κρίκος.
Δεύτερον, και αυτή είναι η πραγματική στροφή, τα μεγάλα γλωσσικά μοντέλα έγιναν αρκετά καλά ώστε να *ξαναγράφουν* ένα κείμενο αντί απλώς να το αποθηκεύουν. Το ίδιο είδος μοντέλου που συντάσσει ένα email μπορεί να πάρει τη φωναχτή σου φλυαρία, να πετάξει τις παρεμβολές, να διορθώσει τη γραμματική και να σπάσει τον τοίχο της ομιλίας σε πραγματικές παραγράφους. Το αποτέλεσμα παύει να είναι μια ηχογράφηση αυτού που είπες και αρχίζει να είναι ένα προσχέδιο αυτού που εννοούσες.
Αυτό το δεύτερο στρώμα είναι όλο το παιχνίδι. Είναι η διαφορά ανάμεσα σε μια υπαγόρευση που σου δίνει εργασία για το σπίτι και μια υπαγόρευση που σου δίνει κάτι που θα έστελνες ως έχει. Αυτή ακριβώς είναι η δουλειά που κάνει το Voicr: κρατάς ένα πλήκτρο και μιλάς κανονικά, και το κείμενο που φτάνει στο πρόχειρό σου είναι ήδη επιμελημένο, με τα «εεε» να έχουν φύγει και τις προτάσεις συμμαζεμένες. Τον φόρο της επιμέλειας που σκότωνε τη φωνή για είκοσι χρόνια, αυτό τον χειρίζεται αθόρυβα για σένα.
Η αλλαγή φαίνεται ήδη στα δεδομένα
Αν αυτό ήταν απλώς μια ωραία θεωρία, θα περίμενες οι αριθμοί χρήσης να είναι στάσιμοι. Δεν είναι.
Η χρήση φωνητικών βοηθών στις ΗΠΑ προβλέπεται να ξεπεράσει τα 157 εκατομμύρια άτομα το 2026, και περίπου το ένα τρίτο των ανθρώπων κάνει πλέον αναζητήσεις με τη φωνή σε καθημερινή βάση αντί να τις πληκτρολογεί. Υπάρχουν ήδη δισεκατομμύρια συσκευές με δυνατότητα φωνής σε τσέπες και πάνω σε γραφεία. Η συμπεριφορά δεν περιμένει άδεια· εξαπλώνεται.
Το πιο ξεκάθαρο σήμα έρχεται από τους νεότερους εργαζόμενους. Έρευνα που κάλυψε το Fortune υποδηλώνει ότι η Gen Alpha μπορεί να μπει στην αγορά εργασίας χωρίς ποτέ να έχει γράψει ένα επίσημο email, στέλνοντας αντ' αυτού φωνητικά μηνύματα στο αφεντικό της. Είτε επιβιώσει το email είτε όχι, η κατεύθυνση δύσκολα ξεφεύγει: για ανθρώπους που μεγάλωσαν κρατώντας πατημένο ένα κουμπί εγγραφής για να μιλήσουν, η πληκτρολόγηση μιας παραγράφου μοιάζει ήδη με την αργή επιλογή.
Τίποτα από αυτά δεν σημαίνει ότι το πληκτρολόγιο εξαφανίζεται το επόμενο τρίμηνο. Σημαίνει ότι η προεπιλογή μετακινείται. Η εποχή της φωνής δεν είναι πια πρόβλεψη· είναι μια τάση που μπορείς ήδη να ιχνηλατήσεις, και δείχνει προς μία κατεύθυνση.
Πώς μοιάζει στ' αλήθεια η εποχή της φωνής
Η «εποχή της φωνής» ακούγεται σαν μια κουζίνα επιστημονικής φαντασίας που σου απαντά. Η αληθινή εκδοχή είναι πιο διακριτική από αυτό, και ειλικρινά πιο χρήσιμη.
Σημαίνει ότι η φωνή γίνεται ο προεπιλεγμένος τρόπος για να βάλεις μια σκέψη στη σελίδα, και το πληκτρολόγιο γίνεται το εργαλείο που πιάνεις για να την εκλεπτύνεις. Εκφωνείς το email, την απάντηση στο Slack, το πρόχειρο πρώτο σχέδιο, τη σημείωση προς τον εαυτό σου. Μετά το ξαναδιαβάζεις και διορθώνεις τη μία φράση που βγήκε στραβά με μερικά πλήκτρα. Καταγραφή με τη φωνή, επεξεργασία με το χέρι.
Αυτό που το κάνει πραγματικά βιώσιμο είναι ο τόνος. Δεν μιλάς στο αφεντικό σου όπως μιλάς σε μια ομαδική συνομιλία, και ένα εργαλείο που ισοπεδώνει τα πάντα σε μία φωνή εγκαταλείπεται γρήγορα. Μια διάταξη με προτεραιότητα στη φωνή προσαρμόζει το αποτέλεσμα στο πού πάει: ανεπίσημο στη συνομιλία, σοβαρό στο email, λιτό σε ένα σχόλιο κώδικα. Μιλάς με τον ίδιο τρόπο κάθε φορά και το κείμενο αλλάζει για να ταιριάξει στο περιβάλλον. Έγραψα για το πώς αυτό άλλαξε την καθημερινή μου ροή εργασίας στο πώς χρησιμοποιώ την τεχνητή νοημοσύνη για να κλείσω το κενό ανάμεσα στη σκέψη και τη γραφή.
Πρόσεξε τι δεν είναι αυτή η εικόνα. Δεν είναι ένας κόσμος χωρίς πληκτρολόγια. Είναι ένας κόσμος όπου μιλάς πρώτα και πληκτρολογείς δεύτερα, αντί να πληκτρολογείς τα πάντα από το μηδέν.
Τι κρατάει το πληκτρολόγιο
Μια υπεράσπιση της εποχής της φωνής που προσποιείται ότι το πληκτρολόγιο γίνεται άχρηστο δεν αξίζει την εμπιστοσύνη σου. Υπάρχουν πραγματικές δουλειές που η φωνή τις κάνει άσχημα, και δεν πρόκειται να φύγουν σύντομα.
Κάποια πράγματα παραμένουν πιο γρήγορα πληκτρολογημένα: - Κώδικας και οτιδήποτε γεμάτο σύμβολα. Η υπαγόρευση πιάνει τις λέξεις· σκοντάφτει στις αγκύλες, στις κάτω παύλες και στα ακριβή ονόματα μεταβλητών. Τον κώδικα τον πληκτρολογείς ακόμα. - Θορυβώδεις ή κοινόχρηστοι χώροι. Το να μιλάς στον φορητό σου σε ένα ήσυχο δωμάτιο είναι εντάξει. Το να το κάνεις σε ένα γεμάτο τρένο ή σε ένα ανοιχτό γραφείο δίπλα σε κάποιον που μιλά στο τηλέφωνο, δεν είναι. - Οτιδήποτε θα προτιμούσες να μην το πεις φωναχτά. Δύσκολη ανατροφοδότηση, μια ευαίσθητη απάντηση, ένα μήνυμα που δεν θες να ακούσει ο διπλανός σου. Το πληκτρολόγιο είναι ιδιωτικό με τρόπο που η φωνή δεν είναι. - Χειρουργική επεξεργασία. Μόλις ένα προσχέδιο σχεδόν δουλεύει, το να μετακινήσεις ένα κόμμα ή να αλλάξεις μία λέξη είναι πιο γρήγορο με ένα πλήκτρο παρά με μια πρόταση.
Άρα μέρος της απάντησης στο «θα πληκτρολογούμε ακόμα» είναι απλώς ναι, για αυτά. Αυτό που αλλάζει είναι ότι το πληκτρολόγιο παύει να είναι αυτό με το οποίο κάνεις τα πάντα και γίνεται ένα εξειδικευμένο εργαλείο που πιάνεις όταν η φωνή δεν ταιριάζει. Αυτό είναι υποβιβασμός, όχι εξαφάνιση.
Τι έρχεται μετά τη φωνή
Αν κοιτάξουμε μπροστά μια ολόκληρη δεκαετία, η φωνή δεν είναι καν η τελευταία στάση. Οι πιο φουτουριστικές μέθοδοι εισαγωγής βρίσκονται ήδη στο εργαστήριο.
Η Meta έχει παρουσιάσει ένα περικάρπιο που διαβάζει τα ηλεκτρικά σήματα στους μυς σου, επιτρέποντάς σου να «πληκτρολογείς» με μικροσκοπικές κινήσεις των δαχτύλων σε οποιαδήποτε επιφάνεια, χωρίς πληκτρολόγιο. Είναι μια πραγματικά εντυπωσιακή ερευνητική δουλειά. Αλλά πρόσεξε τους αριθμούς: οι πρώτοι δοκιμαστές έφτασαν γύρω στις 21 λέξεις το λεπτό γράφοντας με χειρονομίες. Αυτό ξεπερνά κάποια πληκτρολόγηση με τους αντίχειρες, και την προσπερνά κατά πολύ ως εργαλείο προσβασιμότητας, αλλά παραμένει ένα κλάσμα των 150 λέξεων το λεπτό που πετυχαίνεις απλώς μιλώντας.
Αυτό είναι το διακριτικό σημείο μέσα σε όλα αυτά. Για το ορατό μέλλον, η φωνή σου είναι το πιο γρήγορο κανάλι ανάμεσα σε μια σκέψη και ένα τελειωμένο κείμενο που δεν περιλαμβάνει χειρουργείο ή επιστημονική φαντασία. Η νευρική εισαγωγή έρχεται, και θα έχει τη μεγαλύτερη σημασία για ανθρώπους που δεν μπορούν να μιλήσουν ή να πληκτρολογήσουν άνετα. Για όλους τους υπόλοιπους, η φωνή είναι η γέφυρα που διασχίζουμε πρώτη, και είναι ήδη εδώ.
Λοιπόν, θα πληκτρολογούμε ακόμα;
Ναι. Αλλά μέσα σε δέκα χρόνια, η πληκτρολόγηση γίνεται η εξαίρεση και όχι το αντανακλαστικό. Μετατρέπεται σε αυτό που πιάνεις όταν η φωνή δεν ταιριάζει στη στιγμή, όπως πιάνεις σήμερα ένα στιλό: χρήσιμο, εσκεμμένο, και πια όχι ο τρόπος με τον οποίο κάνεις το μεγαλύτερο μέρος της γραφής σου.
Ο λόγος που αυτή τη φορά είναι διαφορετικά δεν έχει καμία σχέση με το ότι η φωνή έγινε πιο γρήγορη. Πάντα ήταν πιο γρήγορη. Είναι ότι η επιμέλεια επιτέλους τακτοποιήθηκε, οπότε το να μιλάς δεν σημαίνει πια ότι υπογράφεις για μια συνεδρία διόρθωσης μετά. Αφαίρεσε αυτόν τον φόρο και στο πιο αργό εργαλείο πάνω στο γραφείο σου μένουν πολύ λίγα να το συστήνουν για την καθημερινή γραφή.
Δεν χρειάζεται να πιστέψεις στα τυφλά τη δεκαετή πρόβλεψη για να δοκιμάσεις την υπόθεση. Διάλεξε την επόμενη απάντησή σου που χρειάζεται πάνω από δύο γραμμές. Αντί να την πληκτρολογήσεις, κράτα ένα πλήκτρο υπαγόρευσης, πες αυτό που εννοείς χωρίς σενάριο, και ξαναδιάβασε ό,τι βγήκε. Αν θες αυτό να βγει επιμελημένο αντί για ακατέργαστο, αυτός ακριβώς είναι ο λόγος που υπάρχει το Voicr: κράτα το FN, μίλα, επικόλλησε, και το κείμενο εμφανίζεται καθαρό και ταιριασμένο με την εφαρμογή στην οποία βρίσκεσαι. Η δωρεάν βαθμίδα καλύπτει 5.000 λέξεις τον μήνα, που είναι αρκετές για να ανακαλύψεις αν ζεις ήδη στο μέλλον που οι τίτλοι συνεχίζουν να υπόσχονται.