فرمانروایی سیری در اکوسیستم باز؛ پایان دوران انحصار در دنیای اپل

وقتی هوش مصنوعی از حصار اپل بیرون می‌زند

همیشه به این نکته نقد داشتم که دستیارهای صوتی، حتی در بهترین حالت، بیشتر شبیه به یک ضبط صوت هوشمند عمل می‌کنند تا یک دستیار واقعی. سیری (Siri) در سال‌های اخیر برای منِ مهندس صدا که به دنبال ورک‌فلوهای سریع هستم، بیشتر یک کلافگیِ دیجیتال بود؛ سیستمی که در محدوده‌ی بسته‌ی اپل زندانی شده بود و نمی‌توانست با اپ‌های کلیدی غیر از لیست محدودِ کوپرتینو ارتباط بگیرد. اما حالا با آپدیت iOS 27.3، ورق برگشته است. اپل بالاخره درِ باغ سبز را برای توسعه‌دهندگان باز کرده تا هوش مصنوعی جدید سیری بتواند در «همه» اپلیکیشن‌ها نفوذ کند.

این یعنی سیری دیگر فقط مسئول تنظیم آلارم یا پخش موسیقی در اپل موزیک (Apple Music) نیست. حالا توسعه‌دهندگان می‌توانند از قابلیت‌های پردازش زبان طبیعی (NLP) و آگاهی از محیط (Context Awareness) استفاده کنند تا سیری در دل اپلیکیشن‌های تخصصی شما بنشیند. برای من که در محیط استودیو مدام بین اپ‌های مختلف ضبط و ادیت جابه‌جا می‌شوم، این یعنی پتانسیلِ تغییرِ بازی؛ سیستمی که می‌تواند بدون نیاز به لمس صفحه، لایه‌های صوتی یا فایل‌های سنگین را در اپ‌های ترد-پارتی مدیریت کند.

معماری جدید App Skills؛ فراتر از دستورات تک‌خطی

بزرگترین معضلِ دستیارهای صوتی تا امروز، ناتوانی در درکِ «زنجیره» دستورات بود. قابلیت جدیدی که اپل با نام «App Skills» معرفی کرده، دقیقاً همان چیزی است که جای خالی‌اش در دنیای گجت‌های هوشمند حس می‌شد. تصور کنید بتوانید یک پروسه چندمرحله‌ای را تنها با یک جمله تعریف کنید؛ مثلاً درخواست یک تاکسی، پیگیری وضعیت آن در لایو اکتیویتی (Live Activity) و تغییر لوکیشن در لحظه، آن هم بدون اینکه حتی یک بار نام اپلیکیشن را به زبان بیاورید.

اینجاست که مهندسیِ پشتِ این سیستمِ صوتی خودنمایی می‌کند. اپل با تکیه بر درکِ بافتِ صوتی و بصریِ روی صفحه، اجازه می‌دهد سیری بفهمد که شما در چه نقطه‌ای از تعامل با یک اپلیکیشن هستید. این یعنی حذفِ پرش‌های ذهنی و فیزیکی. در تولید موسیقی، جایی که هر میلی‌ثانیه برای حفظِ تمرکز روی هارمونی یا میکس اهمیت دارد، این «یکپارچگی» می‌تواند مرز بین یک پروسه خلاقانه و یک پروسه مکانیکیِ خسته‌کننده باشد.

آگاهی از محتوا؛ هوشی که می‌بیند و می‌شنود

نکته‌ای که بسیاری از منتقدان از آن غافل می‌شوند، بحث «آگاهی از محتوای روی صفحه» است. سیری جدید فقط کلمات شما را نمی‌شنود، بلکه می‌بیند چه چیزی در حال نمایش است. این یک جهش بزرگ در مهندسی رابط کاربری است. وقتی سیری به داده‌های شخصی و کانتکست (Context) کاربر دسترسی داشته باشد، پاسخ‌هایی که می‌دهد دیگر از پیش ضبط شده یا عمومی نیست. این هوش مصنوعی می‌تواند با بررسیِ فایل‌هایی که مثلاً یک سال است باز نشده‌اند یا پیدا کردن یک کافه که هفته پیش لوکیشنش را در نقشه چک کردید، عملاً بخشی از حافظه فعال شما شود.

من همیشه به دنبال ابزارهایی هستم که نویزِ اضافیِ محیطِ دیجیتال را کم کنند. این سطح از دسترسی، یعنی اپل در حال ساخت یک لایه هوشمند روی کل سیستم‌عامل است که از سخت‌افزار تا نرم‌افزارهای ترد-پارتی را به هم گره می‌زند. اگر این پیاده‌سازی با داینامیک رِنجِ مناسبی در پاسخ‌دهی همراه باشد و باعث خفگیِ منابع سیستم نشود، می‌توان به آینده‌ی این دستیار امیدوار بود.

نبردِ واقعی در فضایِ اپلیکیشن‌های تخصصی

اینکه اپل دسترسی به دیتای اپ‌هایی مثل Calendar، Files، Mail و Finder را برای سیری باز کرده، یک شروع است. اما قدرت اصلی زمانی مشخص می‌شود که اپ‌های تخصصی (مثل ابزارهای تدوین صدا یا نرم‌افزارهای مدیریت پروژه) از این قابلیت استفاده کنند. برای من، یک دستیار صوتی زمانی ارزشمند است که بتواند در یک محیطِ پیچیده مثل Logic Pro یا حتی ابزارهای مدیریتِ کابل و ستاپِ استودیویی، فرمان‌های دقیق و بدون خطا دریافت کند.

اپل با این حرکت، عملاً به توسعه‌دهندگان می‌گوید: «ما دیگر نمی‌خواهیم فقط یک پلتفرمِ ایزوله باشیم.» این تغییرِ استراتژی، دقیقاً همان چیزی است که برای رقابت با اکوسیستم‌های بازتر نیاز بود. حالا توپ در زمین توسعه‌دهندگان است که چقدر خلاقانه از این APIهای جدید استفاده کنند. آیا شاهد اپ‌هایی خواهیم بود که با سیری تبدیل به یک استودیوی کامل می‌شوند؟ یا باز هم درگیرِ دستوراتِ ساده‌لوحانه می‌مانیم؟ پاسخ در ماه‌های آینده و در خروجیِ نسخه‌ی نهایی iOS 27.3 مشخص خواهد شد.