Voice Recall
Co, gdyby można było przeszukiwać notatki według ich znaczenia?
Często pamiętamy o czym myśleliśmy, ale nie pamiętamy dokładnych słów, których użyliśmy.
Staje się to problemem, gdy liczba notatek zaczyna rosnąć.
Możesz pamiętać, że zapisałeś coś o przygotowaniach do biegu, ale znalezienie dokładnego zdania, które napisałeś, to już zupełnie inna historia.
Voice Recall bada prosty pomysł:
Co, gdyby wyszukiwanie notatek działało bardziej jak przypominanie sobie, a mniej jak szukanie słów kluczowych?
Aplikacja pozwala nagrać notatkę głosową, zamienić ją na tekst, a następnie wyszukiwać notatki za pomocą języka naturalnego.
Poznaj aplikację
Od głosu do przeszukiwalnej pamięci
Projekt zaczyna się od czegoś bardzo naturalnego: mówienia.
Nagrywasz notatkę zamiast ją pisać.
Aplikacja transkrybuje głos i pozwala sprawdzić wynik przed zapisaniem. Następnie notatka jest przekształcana w reprezentację jej znaczenia i przechowywana tak, aby można było ją później wyszukać.
Ciekawa część pojawia się, gdy próbujesz coś znaleźć.
Wyobraź sobie, że jedna z Twoich notatek brzmi:
Powinienem co tydzień stopniowo zwiększać dystans przed półmaratonem.
Kilka miesięcy później możesz wyszukać:
plany treningowe
Nie ma potrzeby, aby te dokładne słowa występowały w oryginalnej notatce.
System szuka podobnego znaczenia, a nie identycznego słownictwa.
Różnica między słowami a znaczeniem
Tradycyjne wyszukiwanie słów kluczowych mogłoby pytać:
Czy ta notatka zawiera słowo „trening”?
Voice Recall zadaje inne pytanie:
Która z moich notatek jest najbardziej związana z „planami treningowymi do biegania”?
To rozróżnienie jest sednem projektu.
Tekst zamieniany jest na liczbową reprezentację zwaną embeddings. Dzięki temu system może porównywać znaczenie notatek i znajdować te, które są do siebie najbardziej podobne.
W praktyce oznacza to, że wyszukiwanie nie musi opierać się na dokładnym dopasowaniu słów — może uwzględniać również znaczenie całego zapytania.
Mały eksperyment z ludzką pamięcią
To podejście ma w sobie coś interesującego.
Ludzie rzadko pamiętają informacje słowo w słowo.
Zazwyczaj pamiętamy ideę.
Możesz pamiętać, że miałeś notatkę o zwiększaniu dystansu biegowego, nawet jeśli sama notatka nigdy nie zawierała słów, których obecnie używasz podczas wyszukiwania.
Voice Recall próbuje sprawić, aby komputer działał w podobny sposób.
Zamiast zmuszać użytkownika do pamiętania, jak coś zostało zapisane, aplikacja pozwala mu szukać tego, czego dotyczyła dana informacja.
Dlaczego głos?
Projekt bada również inny sposób tworzenia informacji.
Pisanie notatki wprowadza pewne tarcie.
Mówienie jest często szybsze — szczególnie gdy pomysł pojawia się nagle i nie chcesz przerywać tego, co robisz, żeby go zapisać.
Powstaje prosty przepływ:
mów → transkrybuj → sprawdź → zapamiętaj → wyszukaj
Interfejs głosowy nie jest więc tylko innym sposobem wprowadzania danych. Jest częścią idei projektu: przechwytywania myśli przy możliwie małym tarciu.
Jak działa wyszukiwanie semantyczne
Pomiędzy wypowiedzeniem czegoś a późniejszym znalezieniem tej informacji zachodzi kilka kroków.
Najpierw nagrany dźwięk jest zamieniany na tekst.
Następnie użytkownik może poprawić lub edytować transkrypcję przed zapisaniem.
Końcowy tekst jest przekształcany w embedding i przechowywany w bazie wektorowej.
Podczas wyszukiwania zapytanie przechodzi przez ten sam proces.
System porównuje następnie zapytanie z zapisanymi notatkami i zwraca te, które są najbardziej podobne semantycznie.
Najważniejsza idea polega na tym, że notatka i zapytanie są reprezentowane w tej samej przestrzeni semantycznej.
Dlaczego wyszukiwanie semantyczne zmienia sposób korzystania z aplikacji
Projekt sprawił, że idea wyszukiwania semantycznego stała się znacznie bardziej namacalna.
Łatwo jest opisać embeddings jako liczby reprezentujące znaczenie. O wiele ciekawiej robi się wtedy, gdy możesz napisać jedno zdanie, wyszukać zupełnie inne zdanie, a mimo to odnaleźć oryginalną notatkę, ponieważ obie idee są ze sobą powiązane.
To przejście — od dopasowywania słów do porównywania znaczenia — sprawia, że ten projekt jest dla mnie szczególnie interesujący.
Od notatek głosowych do pamięci semantycznej
Voice Recall połączył kilka idei, które stają się coraz ważniejsze w aplikacjach AI:
- przekształcanie nieustrukturyzowanego ludzkiego inputu w użyteczne dane,
- reprezentowanie tekstu poprzez jego znaczenie semantyczne,
- wyszukiwanie informacji na podstawie podobieństwa,
- łączenie kilku komponentów AI w jeden proces.
Co ważniejsze, projekt pokazał mi, że aplikacja AI nie musi koniecznie generować czegoś nowego.
Czasami najbardziej użyteczną rzeczą, jaką może zrobić, jest pomóc Ci znaleźć coś, co już wiedziałeś.