Küçükken Hong Kong’da kayboldum. Oranın dilini bilmiyordum.
Sonraki yolculuklarımda, Çin’de ve dilini bilmediğim başka ülkelerde mobil veri kullanamadım. Her seferinde aynı şeyi diledim: bağlantı gerektirmeyen bir çeviri aracı; insanları anlayabileyim, onlarla konuşabileyim diye.
Knowless benim bu yöndeki denemem. Konuşmayı doğrudan telefonda, canlı olarak yazıya döküp çeviriyor. Onu ben tasarladım ve yapay zekâ destekli araçlarla geliştirdim.1 Muhtemelen bugüne kadar yaptığım en basit uygulama: tek ekran, tek buton. Bu kadar basitleşmesi için üç kez yanlış yola sapmam gerekti.
İlk deneme: radar
İlk sürüm, sürekli dinleyen bir radardı. Konuşanın nerede olduğunu yalnızca sesten anlayabileceğini hayal ediyordum.
Anlayamadığını öğrenmem uzun sürmedi. Telefonum kayıtta uzamsal ses vermiyor; yani içinde bir sesin nereden geldiğini söyleyen hiçbir şey yok. Okuduğum kadarıyla daha yeni bir model verebilir. Bende yok. Bunu sesle yapmaya çalışmayı bıraktım.
İkinci deneme: iki kamera birden
Ben de kulak yerine gözü denedim. Ön ve arka kamera aynı anda çalışıyor, konuşan yüzü arıyordu; uygulama o kişinin nerede olduğunu bilsin diye.
Telefonumda çalışan bir sürüme kadar geldi; her şey cihazdaydı, sunucu yoktu: iki kamerayı da izliyor ve her sesi bir yüzle eşleştirmeye çalışıyordu. Asıl önemli yerde başarısız oldu. Telefon ısındı. Şarjı hızla eridi. Dondu, hem de sık sık. Onu da bıraktım.
Kendi kulaklarımla dinlemek
Bazı kararlar daha küçüktü ama en az o kadar önemliydi. Kâğıt üzerinde, gürültülü ortamlar için gürültü azaltma mantıklı görünüyordu. Sonra gürültülü bir kaydı kendi kulaklarımla dinledim. Kendi söylediğimi ben bile seçemedim. Ne kadar gürültü temizlenirse temizlensin bu düzelmezdi; fikirden vazgeçtim.
“Human in the loop” derken kastettiğim bu. Uygulamalarımı yapay zekâyla geliştiriyorum ve istediğim şeyin gerçek koşullarda mantıklı olup olmadığını sürekli kontrol etmem gerekiyor. Kararlar son derece önemli.
Modeller için de aynısı geçerliydi. Onları tek tek denedim, uzun sürdü. Başlarda, modeller telefona indirilince uygulama yaklaşık dört gigabaytı bulacaktı. İlk prototip konuşma geçmişini de tutuyordu. Shipaton’a yetiştirmek için onu çıkardım, yine de teslim tarihini az kalsın kaçırıyordum.
ben duyamıyorsam hiçbir filtre duyamaz
Geriye kalan
Tek ekran, tek buton. Bas, konuş, çevir.
Çevrilmiş satır büyük. Aslı hemen altında duruyor: daha küçük, gri, italik.
Yazı büyüyünce de bu düzen bozulmuyor. İki parmakla 50% ile 300% arasında büyüyüp küçülüyor. Dinlenecek diller önceden seçiliyor, en fazla üç tane. Bir satırı yanında da götürebilirsin: kopyala ya da sesli okut.
O iki gün
Çok küçük bir özellik son derece karmaşık çıktı: kelimelerin nasıl belirdiği.
Dışarıdan, ses metne dönüşüyor ve metin ekrana geliyor gibi görünüyor. Öyle değil. Ses bir tahmine dönüşüyor ve tahmin hemen ekrana geliyor, canlı hissi versin diye. Sonra tahmin düzeltiliyor; düzeltme farklıysa ekran değişiyor. Uzun bir cümlenin ardından bir tur daha var: bütün cümlenin bağlamını kullanarak onu yeniden düzeltiyor.
Bu durumların her biri doğru görünmek zorunda, aradaki bekleme de öyle. Hâlâ gelen bir satır, kehribar rengi bir imlecin ardında sürekli değişen karakterler olarak çiziliyor. Yerine oturmuş bir satır ise düz metin; kıpırdamıyor.
İki günden fazla, uygulamayla tasarım taslağı arasında gidip geldim. Sezgisel olmasını istediğimi baştan biliyordum, insanların da bunu hissedeceğine inanıyordum. Bu kadar uzun süreceğini beklemiyordum.
bazı şeyler orada olmamalı. herkes fark etmez.
Doğru neyse onu söylemek
Konuşma tanıma ve çeviri telefonda çalışıyor. Dillerin bir kez, bağlantı varken indirilmesi gerekiyor; ondan sonra uygulamanın asıl kısmı bağlantısız çalışıyor. Bu yüzden App Store için hazırladığım ekran görüntüsü “works offline” diyor ve koşulunu da aynı nefeste söylüyor: desteklenen diller indirildikten sonra.
Bu yazının kanıtlamadıkları
Burada sonuç yok: anlama puanı yok, kullanılabilirlik çalışması yok, kullanım rakamı yok. Gösterebileceğim şey, izlediğim yol ve o yolun vardığı yer.
Bundan sonra şunu istiyorum: ellerinde birer telefon olan iki kişi, canlı çeviriyle birbiriyle konuşabilsin. Bunu henüz yapmadım.