බුද්ධිමත් කැබින් (Smart Cockpit) යනු පසුගිය වසර දෙක තුළ මෝටර් රථ ක්ෂේත්‍රයේ වඩාත්ම "පරතරය" ඇති කළ හැකි ක්ෂේත්‍රය විය හැකිය.
එක් අතකින්, විශාල ආකෘති (Large Models) සම්පූර්ණයෙන්ම වාහනයට එක් වීමත් සමඟ, සියලුම නව මෝටර් රථ පාහේ කැබින් එක "AI අන්තර්ගතයේ" ප්‍රදර්ශන භූමියක් ලෙස භාවිතා කරමින්, හඬ, බහු-මාදිලි (multimodal), බුද්ධිමත් ඒජන්ත (agents) යනාදිය එකින් එක ඉදිරිපත් කරමින්, පරාමිතීන් එකිනෙකට වඩා ආක්‍රමණශීලී ලෙස ඉදිරිපත් කරයි. නමුත් අනෙක් අතින්, පරිශීලකයින් සැබෑ අත්දැකීම්වලදී නිතර බිඳීම්වලට මුහුණ දෙයි: වාහන තිරය නියෝගය තේරුම් ගනී, නමුත් සම්පූර්ණ ක්‍රියාවලිය සම්පූර්ණ කිරීමට අපහසුය; යම් සංවාදයක් මතක තබා ගනී, නමුත් හැරී බැලූ විට සියල්ල අමතක වී ඇත; සංකීර්ණ ගමන් අවශ්‍යතාවලට මුහුණ දෙන විට, එක්කෝ වැරදි පිළිතුරු දෙයි, නැතහොත් ක්‍රියාත්මක කිරීමට අභියෝග කරයි.
ඔක්තෝබර් 21 වන දින 科大讯飞 (iFLYTEK) බුද්ධිමත් මෝටර් රථ නිෂ්පාදන තාක්ෂණික නිකුතු සම්මන්ත්‍රණයේදී, නව පරම්පරාවේ 星火 (Spark) බුද්ධිමත් කැබින් SparkAuto Space 3.0 නිල වශයෙන් නිකුත් කරන ලදී. 科大讯飞 ඇත්ත වශයෙන්ම වඩාත් ප්‍රායෝගික කර්මාන්ත ගැටළුවක් ඉදිරිපත් කළේය: බුද්ධිමත් කැබින් "තේරුම් ගැනීමේ" සිට "සම්පූර්ණ කිරීම දක්වා" සැබවින්ම මාරු වන්නේ කෙසේද?
ව්‍යුහාත්මක වේදනාව: කැබින් එකට ඒකාබද්ධ "මොළයක්" නොමැත
චීන මෝටර් රථ කර්මාන්තයේ නිෂ්පාදන හා විකුණුම් පරිමාණය වසර ගණනාවක් තිස්සේ ලෝකයේ ඉහළම මට්ටමේ පවතින අතර, බුද්ධිමත්කරණ ව්‍යාප්ති අනුපාතය ද වේගයෙන් ඉහළ යමින් පවතී. නමුත් ඉහළ ව්‍යාප්ති අනුපාතය පිටුපස ඇත්තේ අත්දැකීම් උත්ශ්‍රේණි කිරීමේ ප්‍රමාදයයි.
කර්මාන්තයේ පොදුවේ පවතින ගැටළුව වන්නේ: කැබින් එකට බොහෝ විට "කන් ඇත, නමුත් මොළයක් නැත". හඬ, සංචාලනය, විනෝදාස්වාදය, වාහන පාලනය සාමාන්‍යයෙන් එකිනෙකට ස්වාධීන උපපද්ධති කිහිපයක් වන අතර, ක්ෂේත්‍ර-හරහා අත්දැකීම් බිඳී ඇත; දිගුකාලීන මතකයක් නොමැතිකම නිසා විවිධ වාහන තිර එන්න එන්නම සමජාතීය වේ; විශාල ආකෘතිවල මායා දෝෂ අවදානමක් ඇති බැවින් මූලික වාහන පාලනය පහසුවෙන් බලය පැවරීමට අභියෝග කරයි; ආකෘති හැකියාවන් ශක්තිමත් වන අතරම, ප්‍රමාදය අඩු කිරීම දුෂ්කර ය.
මෙම වේදනා එකම ව්‍යුහාත්මක ගැටළුවක් කරා යොමු කරයි: කැබින් එකට සියලුම මොඩියුල එකට සම්බන්ධ කළ හැකි "ඒකාබද්ධ මොළයක්" නොමැත. යටිතල ව්‍යුහයේ කාර්ය සටහන් ගැටළුව විසඳා නොගෙන හුදෙක් කාර්යයන් හෝ පරාමිතීන් එකතු කළහොත්, අත්දැකීම්වල ගුණාත්මක වෙනසක් ඇති කළ නොහැක.
ව්‍යුහයේ පරිණාමය: නියෝග-ශෛලියේ සිට මිනිස්-වැනි අන්තර්ක්‍රියාව දක්වා
මෙම ව්‍යුහාත්මක ගැටළුව විසඳීම සඳහා, 科大讯飞 කැබින් අන්තර්ක්‍රියාවේ පරිණාමය අදියර තුනකට බෙදා ඇත: නියෝග-ශෛලියේ අන්තර්ක්‍රියාව, බුද්ධිමත් ඒකාබද්ධ අන්තර්ක්‍රියාව, සහ SOPHIA (මිනිස්-වැනි බුද්ධි සම්පූර්ණ-මාදිලි බුද්ධිමත් මෝටර් රථ අන්තර්ක්‍රියා ව්‍යුහය) විසින් මෙහෙයවන මිනිස්-වැනි බුද්ධි සම්පූර්ණ-මාදිලි අදියරයි.
星火 බුද්ධිමත් කැබින් SparkAuto Space 3.0 හි මූලික කඳන්‍යය SOPHIA ව්‍යුහයයි, එහි යටිතලය මතක පරිණාමය, චින්තන තීරණ, සම්පූර්ණ-මාදිලි සංවේදනය, බහුමාන ප්‍රකාශනය යන පද්ධති හතරකින් සමන්විත වන අතර, සම්පූර්ණ වාහනයේ Master Agent විසින් ඒකාබද්ධව කාර්ය සටහන් කරයි. මෙම ව්‍යුහය අවසානයේ පරිශීලකයාට ප්‍රධාන වටිනාකම් තුනක් ලබා දෙයි: ඔබව වඩා හොඳින් තේරුම් ගන්නා චිත්තවේගී සහකරු, කටයුතු කරන මෝටර් රථ කළමනාකරු, සහ අති-සංවේදී ශ්‍රව්‍ය-දෘශ්‍ය මාස්ටර්.
"ඔබව වඩා හොඳින් තේරුම් ගැනීම" මට්ටමේදී, 星火 බුද්ධිමත් කැබින් 3.0 අනුවාදය මතක මාන 68කට වැඩි පද්ධතියක් ගොඩනගා ඇති අතර, කෙටිකාලීන, දිගුකාලීන මතකය සහ පරිශීලක පැතිකඩ ආවරණය කරයි. අත්දැකීම් සහ පෞද්ගලිකත්වය සමතුලිත කිරීම සඳහා, ඉහළ සංවේදීතාවයක් ඇති මතක උපාංග-පැත්තේ ගබඩා කිරීමට සීමා කර ඇති අතර, විමසීම් සඳහා පුද්ගලික සත්‍යාපනය අවශ්‍ය වේ.
බහු-මගී අන්තර්ක්‍රියා ගැටළුව සඳහා, 星火 බුද්ධිමත් කැබින් 3.0 අනුවාදය බහු-මගී සම්පූර්ණ-මාදිලි සම්පූර්ණ-ද්විත්ව (full-duplex) හැකියාව අත්කරගෙන ඇත. තාක්ෂණික උත්ශ්‍රේණි කිරීමත් සමඟ, බහු-මගී අන්තර්ක්‍රියා ප්‍රතිචාර අනුපාතය 95% ට වඩා ඉහළ යන අතර, බාධා ප්‍රතික්ෂේප කිරීමේ අනුපාතය 98% ට වඩා ඉහළ යන අතර, බාධා කිරීමේ ප්‍රමාදය මිලි තත්පර 300ක් තුළ පාලනය වේ. මෙයින් අදහස් වන්නේ පද්ධතියට "කවුද කියන්නේ, කාටද කියන්නේ" යන්න නිවැරදිව වෙන්කර හඳුනාගත හැකි බවයි, වාහනය තුළ බහු පුද්ගල සංවාදයේදී වාහන තිරය අනවශ්‍ය ලෙස කථා කරන වේදනාව ඵලදායී ලෙස විසඳයි.
මීට අමතරව, වාහනයෙන් පිටත හඬ අන්තර්ක්‍රියා මායිම වාහනයෙන් පිටත මීටර් 30 දක්වා දිගු කරන අතර, හඬ-සලකුණු සත්‍යාපනය සහ ඇවිදිමින් කථා කිරීම සඳහා සහාය දක්වයි; විශේෂ හඬ හඳුනාගැනීම උපරිම මීටර් 200 දක්වා ළඟා වේ. උපාංග-ක්ලවුඩ් බහු-මාදිලි සංවේදනය හැකියාවන් 100කට වඩා එකතු කරන අතර, උපාංග-පැත්තේ වර්ධිත මුරකරු මාදිලියට සාමාන්‍ය අවදානම් සිදුවීම් 16ක් හඳුනාගත හැකි අතර, තනි සිදුවීමක් තත්පර 4කින් ප්‍රතිඵලය ලබා දෙන අතර, හඳුනාගැනීමේ නිරවද්‍යතාවය 90% දක්වා ළඟා වන අතර, එය එකම මට්ටමට වඩා සැලකිය යුතු ලෙස ඉහළ ය.
අත්දැකීම් බෙදුම් රේඛාව: "තොරතුරු සොයා බැලීමේ" සිට "කටයුතු කිරීම" දක්වා
වර්තමාන අවධියේ AI වාහනයට එක් වීම සඳහා, වාහන තිරයට උපභාෂා තේරුම් ගත හැකි වීම, ඔබේ මනාප මතක තබා ගැනීම, මේ සියල්ල "පූර්විකාව" ලෙස පමණක් සැලකිය හැකිය. සැබෑ වාහන භාවිත අවස්ථාවන්හිදී, පරිශීලකයින් සැබවින්ම අපේක්ෂා කරන්නේ "ප්‍රතිඵලය" ය. ඔබ මගේ අදහස තේරුම් ගත්තා, ඉන්පසු මට කටයුත්ත නිසියාකාරව සම්පූර්ණ කර දෙන්න. මෙම මානයේදී, "කටයුතු කිරීමේ" හැකියාව තමයි අත්දැකීමේ හොඳ නරක තීරණය කරන බෙදුම් රේඛාව.
සංකීර්ණ ගමන් අවස්ථාවන්හිදී, උත්ශ්‍රේණි කළ Master Agent සංචාලන මොළයට අපැහැදිලි අර්ථය, කාල සීමාවන් සහ කොන්දේසි ශාඛා නිවැරදිව තේරුම් ගත හැකිය. උදාහරණයක් ලෙස "සමාගමට සහ හංස විලට දෙකටම ආසන්න අවන්හලක් සොයන්න", එහි සංකීර්ණ ගමන් අභිප්‍රාය තේරුම් ගැනීමේ නිරවද්‍යතාවය 95% ට වඩා ළඟා විය හැක.
වඩාත් අවධානය යොමු කළ යුතු කරුණ වන්නේ පාරිසරික පරිපථය සම්පූර්ණ කිරීමයි. 科大讯飞 Alipay සමඟ උපායමාර්ගික සහයෝගීතාවය උත්ශ්‍රේණි කර, "讯宝 සැලසුම" ආරම්භ කළේය. Alipay වාහන සහායකයා 星火 බුද්ධිමත් කැබින් 3.0 වෙත සම්බන්ධ වන අතර, Master Agent විසින් ඒකාබද්ධව කාර්ය සටහන් කරන අතර, දෙපාර්ශවය ගිණුම් හුවමාරුව, වාහන AI ගෙවීම් ආදී හැකියාවන් සම්බන්ධ කර ඇත. මෙය කැබින් එක "තොරතුරු සොයා බැලීමේ" සීමාව සැබවින්ම බිඳ දමා, අධිවේගී අවබෝධයෙන් තොර ගමන්, නවතා තැබීමේ අවබෝධයෙන් තොර ගෙවීම්, මාර්ගයේ යන අතරතුර පාර්සල් ලබා ගැනීම වැනි සැබෑ "කටයුතු කිරීමේ" අවස්ථා ක්‍රියාත්මක කර ඇත.
මීට අමතරව, සෞඛ්‍ය කැබින් අංශයේ 讯飞晓医 සම්බන්ධ කර ඇති අතර, සෞඛ්‍ය උපදේශන සේවා සමස්තයක් ලෙස මිලියන 200ක් සේවා සපයා ඇති අතර, සමස්ත සේවා පරිශීලකයින් මිලියන 35කට වඩා වැඩි වන අතර, සාමාන්‍ය රෝග ලක්ෂණ 2600ක් සහ සාමාන්‍ය ඖෂධ දැනුම වර්ග 60000කට වඩා ආවරණය කරයි. FaceID සම්පූර්ණ වාහන මගීන් හඳුනාගෙන ස්වාධීන සෞඛ්‍ය ලේඛන ස්ථාපිත කරයි, එක් අයෙකුට එක් ලේඛනයක්, වාහනය, නිවස, ජංගම දුරකථනය, ක්ලවුඩ් සහ Huawei, Apple ආදී ප්‍රධාන පළඳින උපාංග සම්බන්ධ කර, "මැනීම, විමසීම, රෝග විනිශ්චය" සම්පූර්ණ ක්‍රියාවලිය පරිපථයක් ලෙස සකසයි. නවතා තැබීමේ අවස්ථා 随心泊 Agent සහ බුද්ධිමත් රියදුරු පද්ධතිය ගැඹුරින් ඒකාබද්ධ වන අතර, ස්වයංක්‍රීය නවතා තැබීම, හඬින් වාහනය ගෙනයාම සහ කැඳවා රැගෙන යාම ආවරණය කරයි.
ධ්වනි අත්දැකීම: අති-සංවේදී ශ්‍රව්‍ය-දෘශ්‍ය මාස්ටර්
බුද්ධිමත් කැබින් හි දෘශ්‍ය "විශාල තිර" ලාභාංශ ක්‍රමයෙන් උපරිමයට ළඟා වන විට, අත්දැකීම් පරම්පරා පරතරය තීරණය කරන ඊළඟ සටන් භූමිය "ශ්‍රවණය" වෙත මාරු වෙමින් පවතී. ඔබව සැබවින්ම තේරුම් ගන්නා පද්ධතියකට තේරුම් ගැනීමට පමණක් නොව, ප්‍රකාශ කිරීමට ද හැකි විය යුතුය. මෙය පිටුපස ඇත්තේ සම්පූර්ණ-සබැඳි ධ්වනි ව්‍යුහයේ යටිතල ප්‍රතිව්‍යුහගත කිරීමයි.
科大讯飞 කර්මාන්තයේ ප්‍රථම වරට හඳුන්වා දුන් GaN (ගැලියම් නයිට්‍රයිඩ්) ශ්‍රව්‍ය ව්‍යුහය, සම්පූර්ණ පද්ධතිය බරින් 30% කින් අඩු කිරීමට පමණක් නොව, කළු-රන් ගණයේ ශබ්ද විකාශක සහ 300W සිනමා-මට්ටමේ අඩි-සංඛ්‍යාත ශබ්දය සමඟ, ශ්‍රවණ අත්දැකීම 20% කින් වැඩි කරයි. අති-සංවේදී වටකුරු ශබ්ද Pro 3.0 සමඟ ඒකාබද්ධව, පද්ධතියට AI හරහා සාමාන්‍ය 2.0 ශබ්ද මූලාශ්‍ර තත්‍ය කාලීනව 7.1.4 පноරාමික ශබ්දය ලෙස නැවත ගොඩනගා ගත හැකි අතර, පноරාමික ශබ්දයේ ආදාන සීමාව සැලකිය යුතු ලෙස අඩු කරයි.
වාහනය තුළ ශබ්ද ක්ෂේත්‍ර පාලනයේදී, බුද්ධිමත් ශබ්ද ක්ෂේත්‍ර කලාපකරණය 3.0 උපරිම ද්වි-කලාප 30dB, චතුර්-කලාප 26dB ශබ්ද හුදකලාව ලබා ඇත. ප්‍රධාන රියදුරු සංචාලනය අසන අතර, උප රියදුරු නාට්‍ය නරඹන අතර, පිටුපස ළමයි ළමා ගී අසන අතර, සැබවින්ම "එක් කැබිනයක බහු ශබ්ද එකිනෙකට බාධා නොකර" ක්‍රියාත්මක කර ඇත. එසේම ප්‍රථම වරට හඳුන්වා දුන් සුපිරි හිස්-කොට්ට ධ්වනි පද්ධතිය, දිශානුගත වාදනය සහ සක්‍රීය ශබ්ද අඩු කිරීම (උපරිම 9dBA ගැඹුර) හිස්-කොට්ටය තුළ ඒකාබද්ධ කරන අතර, සංචාලන නිවේදනය රියදුරුගේ කනට පමණක් පවතින අතර, විවේක ගන්නා අනෙකුත් මගීන්ට බාධා නොකරයි.
පාදක ආධාරකය: උපාංග-ක්ලවුඩ් සහයෝගීතාවයේ ගණනය කිරීමේ බලය සහ විශාල පරිමාණ නිෂ්පාදනයේ විශ්වාසය
ඇත්ත වශයෙන්ම, බහු-මාදිලි සංවේදනය, සංකීර්ණ කාර්ය සටහන් කිරීම, හෝ මිලි තත්පර මට්ටමේ ධ්වනි ඇල්ගොරිතම වේවා, මෙම ඉදිරිපස අත්දැකීම්වල "සිවිලිම" බොහෝ විට තීරණය වන්නේ යටිතල ගණනය කිරීමේ බලය සහ ආකෘති ව්‍යුහයේ "බිම" මගිනි. විශාල ආකෘති වාහනයට එක් වීමේ විශාලතම යථාර්ථවාදී පරතරය වන්නේ ගණනය කිරීමේ ප්‍රමාදය සහ අවස්ථා සංකීර්ණත්වය අතර ඇති අරගලයයි.
星火 බුද්ධිමත් කැබින් SparkAuto Space 3.0 උපාංග-ක්ලවුඩ් සහයෝගීතා ද්වි-මාදිලි සංයෝජනයක් භාවිතා කරයි: ක්ලවුඩ් පැත්තේ SparkAuto 1.0 H20 වේදිකාවේ පරීක්ෂණයේදී 350K සන්දර්භ සංචිත පහර අනුපාතය 99.5% ට වඩා වැඩි අතර, ගණනය කිරීමේ පළමු ප්‍රතිචාරය මිලි තත්පර 800ට අඩුය; උපාංග පැත්තේ SparkAuto 1.0-EMM අවස්ථා 100කට වඩා සහාය දක්වන අතර, එහි කර්මාන්තයේ ප්‍රථම වරට හඳුන්වා දුන් 35B-A3B ආකෘතිය Jetson Thor වේදිකාවේ පළමු රාමුව මිලි තත්පර 650ට අඩුවෙන් සහ උපරිම මතකය 75% කින් අඩු කිරීමේ කාර්ය සාධනය ලබා ඇත.
කාර්ය බෙදාහැරීමේදී, 科大讯飞 ලබා දෙන අදහස වන්නේ: ඉහළ සංඛ්‍යාත, තත්‍ය කාලීන සහ සංවේදී දත්ත සම්බන්ධ අන්තර්ක්‍රියා උපාංග පැත්ත
