23. lokakuuta iRTE2026 Reaaliaikaisen älyn konferenssi pidettiin Pekingissä. Agoran perustaja ja CEO Zhao Bin piti pääfoorumilla puheen otsikolla "Dialogi AGI:n kanssa: reaaliaikaisen vuorovaikutuksen seuraava luku", jossa hän kertasi kuluneen vuoden keskeisiä muutoksia reaaliaikaisessa vuorovaikutuksessa, keskustelevassa tekoälyssä ja taustalla olevassa infrastruktuurissa sekä esitteli "viiden tason keskustelukyvykkyyden" kehyksen, joka hahmottelee keskustelevan tekoälyn kehityspolkua perusvastauksista kohti syvällistä ymmärrystä ja suhdeviestintää.
Zhaon mukaan tekoälyn siirtyessä kysymyksiin vastaamisesta jatkuvaan vuorovaikutukseen, kontekstin ymmärtämiseen ja tehtävien suorittamiseen, reaaliaikaisen vuorovaikutuksen kohteet laajenevat ihmisten välisestä vuorovaikutuksesta ihmisten ja agenttien väliseen. Myös reaaliaikaisen vuorovaikutusteknologian rooli laajenee: sen on paitsi tehtävä tiedonsiirrosta vakaampaa ja sujuvampaa, myös tarjottava reaaliaikaista tukea tekoälyn havainnoinnille, ymmärrykselle, ilmaisulle ja toiminnalle.
Kysymykseen vastaamisesta syvälliseen suhdeviestintään: keskustelevan AGI:n viisi kehitystasoa
Zhaon näkemyksen mukaan keskustelevan tekoälyn edistystä ei tulisi mitata vain vastausnopeudella tai kielen luonnollisuudella. Tärkeämpää on, pystyykö se ymmärtämään keskustelukumppanin aikomukset, tilanteen ja suhteen, ilmaisemaan itseään asianmukaisesti monimutkaisissa tilanteissa ja muodostamaan vähitellen pitkäaikaista, syvällistä ymmärrystä.
Tämän perusteella Zhao esitteli puheessaan "viiden tason keskustelukyvykkyyden" kehyksen, jossa keskustelukyvykkyys jaetaan viiteen tasoon:
L1, itsenäiseen näkökulmaan perustuva ilmaisu: pääasiassa itseilmaisua ja passiivista jatkamista, toteuttaen "kysy yksi, vastaa yksi".
L2: vuorovaikutuksen säännönmukaisuuksiin perustuva ilmaisu: siirtyminen passiivisesta vastaamisesta aktiiviseen ilmaisuun, tehden keskustelusta luonnollisempaa ja johdonmukaisempaa.
L3: yksilön kognitioon perustuva viestintä: yksilön identiteetin, aikomusten ja tilanteen ymmärtäminen, yksilöllisen viestinnän toteuttaminen.
L4: ryhmän kognitioon perustuva viestintä: sosiaalisten suhteiden ja roolierojen ymmärtäminen, sopeutuminen monimutkaisiin monen henkilön viestintätilanteisiin.
L5: syvälliseen suhteeseen perustuva viestintä: pitkäaikaisen kontekstin ja suhteen kehityksen ymmärtäminen, syvemmän ymmärryksen ja ajatuksellisen yhteyden muodostaminen, siirtäen viestinnän nykyhetken ymmärtämisestä ihmisen ymmärtämiseen.
Nämä viisi tasoa eivät esitä ainoastaan keskusteluteknologian asteittaista vahvistumista, vaan myös tekoälyn ja ihmisen välisen suhteen muutosta: yhden kysymys-vastaus-kierroksen suorittamisesta ihmisen ymmärtämiseen ja edelleen ihmisten välisten suhteiden ymmärtämiseen, lopulta muodostaen ajasta ja tilanteesta riippumatonta syvällistä viestintää.
Zhao huomautti, että keskusteleva tekoäly on siirtymässä varhaisesta passiivisesta jatkamisesta kohti aktiivisempaa ja luonnollisempaa täysduplex-keskustelua ja alkaa yrittää ymmärtää ihmisen persoonallisuutta, tilannetta, tunteita ja suhteita. Tulevaisuudessa tekoälyn on vielä murrettava monimutkaisten yhteiskunnallisten tilanteiden roolijako ja viestintäjärjestys sekä ymmärrettävä syvemmin yksilön pitkällä aikavälillä kertynyttä kontekstia. Tämä on myös keskustelevan AGI:n tärkeä kehityssuunta: tekoäly ei ainoastaan ymmärrä yksittäistä lausetta, vaan pystyy yhdistämään täyden kontekstin ymmärtääkseen ihmisen todellisen aikomuksen ja vastaamaan asianmukaisesti.
Real-Time AI Infra: keskustelevan AGI:n keskeinen infrastruktuuri
Keskustelukyvyn jatkuva kehittyminen asettaa myös taustateknologialle korkeampia vaatimuksia. Zhaon mukaan kuluneen vuoden aikana OpenAI:n ja muiden yritysten syvällisempi WebRTC-teknologian käyttöönotto on lisännyt reaaliaikaisen vuorovaikutusteknologian laajempaa huomiota ja soveltamista keskustelevan tekoälyn alalla. Tekoälyn siirtyessä yksittäisistä kysymys-vastaus-kierroksista jatkuvaan vuorovaikutukseen reaaliaikaisesta vuorovaikutusinfrastruktuurista on tulossa tärkeä tekninen tuki, joka yhdistää mallit, agenttien suorituskehykset ja käyttäjät.
Perinteisiin tekoälysovelluksiin verrattuna keskustelutilanteet asettavat tiukempia vaatimuksia viiveelle, vakaudelle ja kaksisuuntaiselle vuorovaikutukselle. Tekoälyn on samanaikaisesti vastaanotettava käyttäjän syötettä, ymmärrettävä konteksti, jäsennettävä vastausta, tarvittaessa reagoitava keskeytyksiin milloin tahansa ja jatkuvasti kutsuttava työkaluja ja edistettävä tehtäviä. Merkittävä viive missä tahansa vaiheessa voi rikkoa keskustelun luonnollisuuden tai jopa vaikuttaa tehtävän suorittamiseen.
Tukeakseen näitä vaatimuksia Zhao esitteli reaaliaikaiseen älykkääseen vuorovaikutukseen suunnatun infrastruktuurin suunnan: globaalin reaaliaikaisen siirtoverkon, hajautetun pilvi-reuna-laite-yhteispäättelyn, reaaliaikaisen orkestroinnin ja täysduplex-vuorovaikutuskyvykkyyden avulla mallit ja agentit voivat toimia jatkuvasti yhdessä todellisissa tilanteissa. Agoran keskustelevan tekoälyn moottori keskittyy myös täysduplex-vuorovaikutukseen yhdistäen mallit, agenttien suorituskehykset ja käyttäjät sekä tukien vakaata ja synkronoitua reaaliaikaista keskustelukokemusta.
Samanaikaisesti Agora kehittää jatkuvasti kehittäjille suunnattuja keskustelevan tekoälyn kehitystyökaluja ja -paketteja, yhdistäen SDK-, Skills-, CLI-työkalu- ja Recipes-kyvykkyyksiä auttaakseen kehittäjiä rakentamaan tehokkaammin agentteja, joilla on täydellinen logiikka ja suorituskyky.
Asiakaspalvelusta koulutukseen, tekoälyseuraan ja älykkäisiin puettaviin laitteisiin – Zhaon mukaan keskusteleva tekoäly on siirtymässä yhä useampiin todellisiin tilanteisiin. Se, pystyykö tekoäly todella luomaan arvoa, ei riipu vain siitä, osaako malli "puhua", vaan myös siitä, pystyykö se ymmärtämään tarpeita, viestimään luonnollisesti ja suorittamaan tehtäviä jatkuvasti. Reaaliaikainen vuorovaikutusteknologia tulee näyttelemään yhä tärkeämpää roolia tässä prosessissa.
Tämän jälkeen Nvidian pääarkkitehti ja AOMedia-videokoodekkityöryhmän puheenjohtaja Andrey Norkin piti puheen AV2-videokoodekkiteknologiasta.
Paneelikeskustelu: Tuleeko henkilökohtaisesta agentista seuraavan sukupolven henkilökohtainen portti?
Agoran toisen perustajan Tony Wangin johtamassa ensimmäisessä paneelikeskustelussa interaktiivisen median tuotepäällikkö ja teknologiabloggaaja Eugene Wei, teknologia-alan itsenäinen mediavaikuttaja ja podcastin "乱翻书" vetäjä Pan Luan sekä AIoT-laitteiden yrittäjä ja reunalaitteiden tekoälyn itsenäinen mediavaikuttaja Hua Jianxin keskustelivat aiheesta "Henkilökohtainen agentti: uudesta työkalusta uudeksi portiksi?".
Puhelimista, älylaseista ja kuulokkeista yhä useampiin mukana kulkeviin laitteisiin henkilökohtaiset agentit herättävät jälleen alan pohtimaan seuraavan sukupolven ihmisen ja tietokoneen vuorovaikutuksen porttia. Pan Luanin mielestä henkilökohtainen agentti voi tuoda paradigmamuutoksen: tekoälytuotteiden arvo on siirtymässä käyttäjien huomiosta kilpailemisesta heidän tehtäviensä tehokkaampaan suorittamiseen auttamiseen. Tulevaisuuden henkilökohtaisen agentin ei tulisi vain reagoida selkeisiin komentoihin, vaan myös ottaa aktiivisesti tehtäviä hoitaakseen ja auttaa käyttäjää käsittelemään asioita, joilla on selkeä tavoite mutta jotka eivät ansaitse suurta ajankäyttöä.
Seuraavan sukupolven henkilökohtaisesta laitteistosta Hua Jianxin esitti, että tulevaisuuden portti ei välttämättä ole yhden laitteen yksinoikeus – älylasit, kuulokkeet ja muut laitteet, jotka pystyvät havaitsemaan ympäristöä ja suorittamaan tehtäviä, voivat kaikki olla ehdokkaita. Hänen mielestään henkilökohtaisen agentin on paitsi ymmärrettävä käyttäjää, myös fyysisten laitteiden kautta jatkuvasti havaittava todellista maailmaa ja toimittava, mikä avaa uusia kehitysmahdollisuuksia eri muotoisille laitteistoille.
Eugene Wei puolestaan ohjasi keskustelun "kontekstin" arvoon: se, pystyykö henkilökohtainen agentti todella ymmärtämään käyttäjän kiinnostuksen kohteet, viestintähistorian ja sosiaaliset suhteet, vaikuttaa siihen, voiko siitä tulla arvokas henkilökohtainen portti. Arvioidessaan uuden portin toimivuutta hän ehdotti, että voidaan seurata käyttäjien päivittäistä vuorovaikutusta agentin kanssa sekä sitä, ottaako käyttäjä useammin yhteyttä agenttiin vai ottaako agentti useammin yhteyttä käyttäjään. Paneeli syvensi keskustelua henkilökohtaisen agentin tuotearvosta, laitemuodoista ja tulevaisuuden mittareista.
Paneelikeskustelu: "Keskustelemisesta" "asioiden hoitamiseen" – miten keskusteleva tekoäly luo todellista arvoa?
Agoran kaupallisen johtajan Cui Bon johtamassa toisessa paneelikeskustelussa Xieyue Intelligentin perustaja Chen Wei, Guanke Technologyn perustaja Geng Xianglei, Rokid Lekin toinen perustaja ja ekosysteemijohtaja Cai Guoxiang sekä Titan Qimingin CEO Wu Kan keskustelivat eri tilanteista – kuten embodied intelligence, älykkäät puettavat laitteet, yritysmarkkinointi ja tekoälyrekrytointi – aiheesta keskusteleva tekoäly: seuraavan sukupolven ihmisen ja agentin vuorovaikutuksen edistäjänä.
Chen Wein mielestä embodied intelligencen ydin on saada ihmisen aikomukset todella muuttumaan robotin toiminnaksi. Robotin on paitsi ymmärrettävä puhekomentoja, myös yhdistettävä monimuotoista tietoa kuten visio, ääni ja oma tila, suoritettava fyysisen ympäristön havaitseminen, suunnittelu ja päätöksenteko sekä mukautettava tehtävän suorittamista jatkuvasti toiminnan jälkeisten ympäristömuutosten mukaan. Ennalta määritettyjen demo-tehtävien suorittamisen sijaan robotin on tärkeämpää ymmärtää jatkuvasti ihmisen todellisia tarpeita avoimessa ympäristössä ja pitää toiminta aina ihmisen aikomusten mukaisena. Xieyue Intelligent kehittää parhaillaan uuden Duplex Reasoning -paradigman embodied-perusmallia, jonka tavoitteena on robotin vuorovaikutuksen ja toiminnan integrointi.
Cai Guoxiang puolestaan lähti liikkeelle AI-lasien käytännöstä ja korosti, että keskustelukokemus on AI-puettavien laitteiden keskeinen kilpailukyky. Hän totesi, että riippumatta siitä, kuinka vahva laitteisto ja taustalla oleva tekoälykyvykkyys ovat, jos keskustelu ei ole riittävän luonnollista, käyttökokemus kärsii suoraan. Tulevaisuudessa AI-puettavien laitteiden on matalan viiveen ja vakaan reaaliaikaisen vuorovaikutuksen sekä semantiikan ja pitkäaikaisen kontekstin ymmärtämisen kautta saatava käyttäjä vähitellen tuntemaan, ettei hän edes keskustele tekoälyn kanssa. Hän jakoi myös kokemuksia Rokid Lekin AI-avustajan käytöstä Agoran RTC-linkkipalvelussa ja uskoi AI-lasien tulevan olemaan tärkeä henkilökohtainen portti tekoälyn aikakaudella.
Yrityssovellusten osalta Geng Xianglei huomautti, että AI-puheagentin on ratkaistava viive, keskeytysajoitus ja inhimillistäminen luotettavan liiketoiminnan toteuttamiseksi; viive voi jopa suoraan vaikuttaa tehtävän tulokseen. B2B-markkinoinnissa tekoälyn on yhdistettävä toimialan tietämykseen ja ihmisyhteistyöhön liiketoimintatulosten paremman varmistamisen mahdollistamiseksi. Wu Kan puolestaan kertoi AI-rekrytoinnin käytännöistä: keskusteleva tekoäly voi auttaa rekrytointiliiketoimintaa tavoittamaan työnhakijoita laajasti ja parantamaan palvelutehokkuutta, ei vain korvaamaan ihmisiä. Liiketoiminnan suljetun kierron muodostamiseksi on vielä kerättävä toimialadataa, jäsennettävä liiketoiminta työnhakija keskiössä, autettava agenttia rakentamaan pitkäaikainen muisti ja tuettava tekoälyä palvelun laadun jatkuvassa arvioinnissa ja optimoinnissa haastatteluun saapumisen ja työhön tulon kaltaisten todellisten liiketoimintatapahtumien ympärillä.
Neljän vieraan esityksistä voidaan nähdä, että vaikka eri toimialojen vaatimukset keskustevalle tekoälylle vaihtelevat, ne osoittavat yhdessä yhteen suuntaan: tekoälyn on paitsi kyettävä viestimään, myös ymmärrettävä todellisia tilanteita, integroiduttava olemassa oleviin liiketoimintaprosesseihin ja suoritettava tehtäviä luotettavasti. Reaaliaikaisen vuorovaikutuksen, multimodaalisen havainnoinnin ja agenttien suorituskyvyn kehittyessä keskustelevasta tekoälystä voi tulla vuorovaikutustyökalusta edelleen tärkeä voima, joka yhdistää digitaalisen ja fyysisen maailman ja edistää liiketoiminnan toimintaa.
Reaaliaikaisesta vuorovaikutuksesta reaaliaikaiseen älykkyyteen – keskustelevan AGI:n seuraava luku avautuu
Zhaon esittelemästä viiden tason keskustelukyvykkyyden kehyksestä kahden paneelikeskustelun käsittelemiin henkilökohtaisiin agentteihin ja todellisen liiketoiminnan toteuttamiseen, iRTE2026-pääfoorumi osoitti selkeän toimialatrendin: keskustelevan tekoälyn kilpailu on laajenemassa perusmallien kyvykkyydestä kontekstin ymmärtämiseen, reaaliaikaiseen vuorovaikutukseen, monimutkaisten suhteiden kognitioon ja tehtävien suorittamiseen.
Kun tekoäly ei enää rajoitu passiiviseen vastaamiseen, vaan pystyy jatkuvasti ymmärtämään ihmistä, osallistumaan aktiivisesti vuorovaikutukseen ja suorittamaan tehtäviä todellisissa tilanteissa, reaaliaikainen vuorovaikutusteknologia ottaa myös syvemmän tehtävän.
Keskustelevan AGI:n seuraavaa vaihetta kohti Agora jatkaa yhdessä kehittäjien ja toimialakumppaneiden kanssa reaaliaikaisen vuorovaikutuksen ja generatiivisen tekoälyn yhdistämisen tutkimista edistäen luonnollisempaa ja tehokkaampaa reaaliaikaista vuorovaikutuskokemusta ihmisten välillä sekä ihmisten ja agenttien välillä.
