Hoppa till innehållet

Talassistent

Lägg till länkar
Från Wikipedia
Image
En Amazon Echo Dot, en smart högtalare med talassistenten Alexa.

En talassistent (även röstassistent eller virtuell röstassistent) är en programvara som använder taligenkänning, naturlig språkbehandling och talsyntes för att tolka mänskligt tal, utföra uppgifter och svara användaren med röst.[1] Talassistenter är en underkategori till digitala assistenter och finns i allt från smarttelefoner och smarta högtalare till bilar och automatiska telefonsystem för företag.[2]

Historia

[redigera | redigera wikitext]

Maskinell taligenkänning började utvecklas vid mitten av 1900-talet. IBM Shoebox, som visades 1961, kunde känna igen sexton talade ord, däribland siffrorna noll till nio.[3][4] Under 1970- och 1980-talen gick forskningen över till statistiska metoder som dolda Markovmodeller, vilket lade grunden för kommersiella dikteringsprogram under 1990-talet.[3]

Genombrottet för konsumentinriktade talassistenter kom under 2010-talet i takt med att smarttelefoner och smarta högtalare spreds. Apple lanserade Siri tillsammans med iPhone 4S i oktober 2011,[5] Amazon presenterade den smarta högtalaren Echo med assistenten Alexa i november 2014,[6] och även Microsoft (Cortana) och Google (Google Assistant) lanserade egna assistenter.[1]

Under 2020-talet har talassistenter i ökande grad byggts på stora språkmodeller, vilket möjliggör friare samtal jämfört med tidigare kommando- och regelbaserade system. Amazon lanserade exempelvis 2025 Alexa+, en version av Alexa byggd på generativ AI.[7] År 2026 lanserade Google telefonen Pixel 11, där Gemini enligt företaget kan utföra uppgifter i flera steg i över 40 appar, och där telefonen kan översätta tal till tal i realtid.[8]

Teknik

[redigera | redigera wikitext]
Image
Google Assistant på en Android-smarttelefon.

En talassistent bygger i regel på en kedja av tre huvudkomponenter:[1][2]

  • Tal-till-text (speech-to-text, STT) – omvandlar ljudsignalen från användarens röst till text.
  • Naturlig språkbehandling (NLP) – tolkar texten för att förstå användarens avsikt (intent) och relevanta parametrar (entities), och avgör lämplig åtgärd eller svar.
  • Text-till-tal (text-to-speech, TTS) – omvandlar svaret till syntetiskt tal.

Många enheter lyssnar lokalt efter ett aktiveringsord (till exempel ”Hey Siri” eller ”Alexa”) innan ljud skickas vidare för behandling i molnet.[2]

Användningsområden

[redigera | redigera wikitext]
  • Företag och telefoni – automatiska telefonväxlar, kundtjänst och bokningstjänster som hanterar inkommande samtal.[9] Analysföretaget Gartner bedömde 2022 att konversationell AI skulle minska lönekostnaderna för kundtjänstpersonal med 80 miljarder dollar globalt under 2026.[10]
  • Konsumentelektronik och smarta hem – styrning av belysning, uppspelning av media, kalendrar, larm och informationssökning via mobiler, klockor och högtalare.[1]
  • Fordon – röststyrning av navigation, musik och telefonsamtal.[2]
  • Tillgänglighet – hjälpmedel för personer med synnedsättning eller nedsatt motorik.[1]
  • Diktering och transkribering – bland annat inom sjukvård och juridik.[3]

Påverkan på arbetsmarknaden

[redigera | redigera wikitext]

Enligt en analys från Internationella arbetsorganisationen (ILO) 2023 är administrativa och kontorsnära yrken, som kontorsassistenter och personal inom kontaktcenter, de som är mest exponerade för automatisering genom generativ AI. De flesta andra yrken väntas snarare förändras än ersättas.[11]

Kritik och utmaningar

[redigera | redigera wikitext]
  • Integritet och dataskydd – mikrofoner som ständigt lyssnar efter aktiveringsord har väckt frågor om integritet och datalagring. 2019 avslöjade Bloomberg att anställda hos Amazon lyssnade på inspelningar från Alexa för att förbättra taligenkänningen.[12] Europeiska dataskyddsstyrelsen (EDPB) antog 2021 riktlinjer för hur röstassistenter ska förhålla sig till GDPR.[2]
  • Språk och dialekter – träffsäkerheten varierar mellan språk, dialekter och talargrupper. En studie i PNAS 2020 fann att fem kommersiella taligenkänningssystem gjorde nästan dubbelt så många fel för svarta som för vita talare i USA.[13]
  • Tillförlitlighet – system som bygger på språkmodeller kan ”hallucinera”, det vill säga generera felaktig information som framställs som korrekt.[14]

Se även

[redigera | redigera wikitext]

Referenser

[redigera | redigera wikitext]
  1. 1 2 3 4 5 Hoy, Matthew B. (2018). ”Alexa, Siri, Cortana, and More: An Introduction to Voice Assistants” (på engelska). Medical Reference Services Quarterly 37 (1): sid. 81–88. doi:10.1080/02763869.2018.1404391.
  2. 1 2 3 4 5 ”Guidelines 02/2021 on virtual voice assistants” (på engelska). European Data Protection Board. 7 juli 2021. https://www.edpb.europa.eu/our-work-tools/our-documents/guidelines/guidelines-022021-virtual-voice-assistants_en. Läst 27 september 2026.
  3. 1 2 3 Juang, B. H.; Rabiner, Lawrence R. (2005) (på engelska). Automatic Speech Recognition – A Brief History of the Technology Development. Encyclopedia of Language and Linguistics, Elsevier. https://www.researchgate.net/publication/249888949
  4. ↑ ”A commitment to accessibility” (på engelska). IBM. https://www.ibm.com/history/equal-workforce. Läst 27 september 2026.
  5. ↑ ”Apple Launches iPhone 4S, iOS 5 & iCloud” (på engelska). Apple. 4 oktober 2011. https://www.apple.com/newsroom/2011/10/04Apple-Launches-iPhone-4S-iOS-5-iCloud/. Läst 27 september 2026.
  6. ↑ ”Amazon surprises with new device, a voice assistant” (på engelska). CNBC. 6 november 2014. https://www.cnbc.com/2014/11/06/amazon-surprises-with-new-device-a-voice-assistant.html. Läst 27 september 2026.
  7. ↑ ”Amazon unveils revamped Alexa with AI features for $19.99 per month, free for Prime members” (på engelska). CNBC. 26 februari 2025. https://www.cnbc.com/2025/02/26/amazon-unveils-long-awaited-alexa-revamped-with-ai-features.html. Läst 27 september 2026.
  8. ↑ Zack, Shenaz (12 augusti 2026). ”7 can't-miss updates from our Pixel 11 launch” (på engelska). Google. https://blog.google/products-and-platforms/devices/pixel/pixel-11-features/. Läst 27 september 2026.
  9. ↑ ”Telefonpassning. Med en AI-receptionist.”. Menodi. https://www.menodi.se. Läst 27 september 2026.
  10. ↑ ”Gartner Predicts Conversational AI Will Reduce Contact Center Agent Labor Costs by $80 Billion in 2026” (på engelska). Gartner. 31 augusti 2022. https://www.gartner.com/en/newsroom/press-releases/2022-08-31-gartner-predicts-conversational-ai-will-reduce-contact-center-agent-labor-costs-by-80-billion-in-2026. Läst 27 september 2026.
  11. ↑ Gmyrek, Paweł; Berg, Janine; Bescond, David (2023). ”Generative AI and Jobs: A Global Analysis of Potential Effects on Job Quantity and Quality” (på engelska). Internationella arbetsorganisationen (ILO Working Paper 96). https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4584219. Läst 27 september 2026.
  12. ↑ ”Amazon Workers Are Listening to What You Tell Alexa” (på engelska). Bloomberg. 10 april 2019. https://www.bloomberg.com/news/articles/2019-04-10/is-anyone-listening-to-you-on-alexa-a-global-team-reviews-audio. Läst 27 september 2026.
  13. ↑ Koenecke, Allison; et al. (2020). ”Racial disparities in automated speech recognition” (på engelska). Proceedings of the National Academy of Sciences 117 (14): sid. 7684–7689. doi:10.1073/pnas.1915768117.
  14. ↑ Ji, Ziwei; et al. (2023). ”Survey of Hallucination in Natural Language Generation” (på engelska). ACM Computing Surveys 55 (12). doi:10.1145/3571730.
Hämtad från ”https://sv.wikipedia.org/w/index.php?title=Talassistent&oldid=59792927”