Virtual assistant

Radio Rex was the first voice-activated toy, patented in 1916^[7] and released in 1922.^[8] It was a wooden toy in the shape of a dog that would come out of its house when its name is called.

In 1952, Bell Labs presented "Audrey", the Automatic Digit Recognition machine. It occupied a six-foot-high relay rack, consumed substantial power, had streams of cables and exhibited the myriad maintenance problems associated with complex vacuum-tube circuitry. It could recognize the fundamental units of speech, phonemes. It was limited to the accurate recognition of digits spoken by designated talkers. It could therefore be used for voice dialing, but in most cases, push-button dialing was cheaper and faster, rather than speaking the consecutive digits.^[9]

ومن الأدوات المبكرة الأخرى التي تم تمكينها من إجراء التعرف على الكلام الرقمي آلة حاسبة IBM Shoebox التي تعمل بالصوت، والتي تم تقديمها للجمهور العام خلال معرض سياتل العالمي عام 1962 بعد إطلاقها الأولي في السوق عام 1961. وكان هذا الكمبيوتر المبكر، الذي تم تطويره قبل ما يقرب من 20 عامًا من طرح أول كمبيوتر شخصي من IBM في عام 1981، قادرًا على التعرف على 16 كلمة منطوقة والأرقام من 0 إلى 9.

طُوّر أول برنامج حاسوبي لمعالجة اللغة الطبيعية، أو ما يُعرف ببرنامج المحادثة الآلي "إليزا" ، على يد البروفيسور جوزيف وايزنباوم من معهد ماساتشوستس للتكنولوجيا في ستينيات القرن الماضي. وقد صُمم البرنامج "لإثبات أن التواصل بين الإنسان والآلة سطحي". ^{[ 10 ]} استخدم "إليزا" أسلوب مطابقة الأنماط واستبدالها في الردود المكتوبة مسبقًا لمحاكاة المحادثة، مما أوحى بفهم البرنامج للمحادثة.

وبحسب ما ورد، طلبت سكرتيرة وايزنباوم منه مغادرة الغرفة حتى تتمكن هي وإليزا من إجراء محادثة حقيقية. وقد فوجئ وايزنباوم بذلك، وكتب لاحقًا: "لم أكن أدرك... أن التعرض لفترات قصيرة جدًا لبرنامج حاسوبي بسيط نسبيًا يمكن أن يُحدث تفكيرًا وهميًا قويًا لدى أشخاص عاديين تمامًا." ^{[ 11 ]}

وقد أعطى هذا اسماً لتأثير إليزا ، وهو الميل إلى افتراض أن سلوكيات الكمبيوتر مماثلة للسلوكيات البشرية دون وعي؛ أي التجسيم، وهي ظاهرة موجودة في التفاعلات البشرية مع المساعدين الافتراضيين.

تحققت المرحلة التالية في تطوير تقنية التعرف على الصوت في سبعينيات القرن الماضي في جامعة كارنيجي ميلون بمدينة بيتسبرغ ، بنسلفانيا، بدعم كبير من وزارة الدفاع الأمريكية ووكالة مشاريع البحوث الدفاعية المتقدمة ( داربا) التابعة لها ، حيث مولت الوكالة برنامجًا بحثيًا لفهم الكلام لمدة خمس سنوات، بهدف الوصول إلى حد أدنى من المفردات يبلغ 1000 كلمة. وشاركت في البرنامج شركات ومؤسسات أكاديمية، من بينها شركة آي بي إم وجامعة كارنيجي ميلون ومعهد ستانفورد للأبحاث.

كانت النتيجة برنامج "هاربي"، الذي أتقن حوالي 1000 كلمة، أي ما يعادل مفردات طفل في الثالثة من عمره، وكان قادراً على فهم الجمل. كما استطاع معالجة الكلام الذي يتبع مفردات ونطق وقواعد نحوية مُبرمجة مسبقاً لتحديد تسلسلات الكلمات التي تُشكل معاً معنى، وبالتالي تقليل أخطاء التعرف على الكلام.

في عام ١٩٨٦، طُورت آلة تانغورا، وهي آلة كاتبة تتعرف على الصوت، كنسخة مطورة من آلة شوبوكس. سُميت تيمناً بأسرع كاتبة في العالم آنذاك، وكانت تحتوي على مفردات تضم ٢٠٠٠٠ كلمة، وتعتمد على التنبؤ لتحديد النتيجة الأكثر ترجيحاً بناءً على ما قيل سابقاً. اعتمد نهج شركة آي بي إم على نموذج ماركوف المخفي ، الذي يُضيف إحصاءات إلى تقنيات معالجة الإشارات الرقمية. تُمكّن هذه الطريقة من التنبؤ بالأصوات الأكثر ترجيحاً التي تلي صوتاً معيناً. مع ذلك، كان على كل متحدث تدريب الآلة الكاتبة بشكل فردي للتعرف على صوته، والتوقف بين كل كلمة وأخرى.

في عام 1983، اخترع غاس سيرسي " الخادم في صندوق "، وهو نظام تحكم صوتي إلكتروني للمنزل. ^{[ 12 ]}

في تسعينيات القرن الماضي، أصبحت تقنية التعرف الرقمي على الكلام سمةً أساسيةً في الحواسيب الشخصية، حيث تنافست شركات IBM و Philips و Lernout & Hauspie على جذب العملاء. وبعد ذلك بسنوات، وضع إطلاق أول هاتف ذكي، IBM Simon، في عام 1994، الأساس للمساعدين الافتراضيين الأذكياء كما نعرفهم اليوم.

في عام ١٩٩٧، كان برنامج NaturallySpeaking من شركة Dragon قادرًا على التعرف على الكلام البشري الطبيعي وكتابته نصيًا دون فواصل بين الكلمات، بمعدل ١٠٠ كلمة في الدقيقة. ولا يزال إصدار من برنامج NaturallySpeaking متاحًا للتنزيل، ويُستخدم حتى اليوم، على سبيل المثال، من قِبل العديد من الأطباء في الولايات المتحدة والمملكة المتحدة لتوثيق سجلاتهم الطبية.

في عام 2001، أطلقت شركة كولكويس تطبيق سمارت تشايلد رسميًا على منصات مثل AIM و MSN Messenger . ورغم أن سمارت تشايلد كان يعتمد كليًا على النصوص، إلا أنه كان قادرًا على ممارسة الألعاب، والتحقق من حالة الطقس، والبحث عن المعلومات، والتواصل مع المستخدمين إلى حد ما. ^{[ 13 ]}

كان سيري أول مساعد افتراضي رقمي حديث يُثبّت على هاتف ذكي ، وقد طُرح كميزة في هاتف آيفون 4S في 4 أكتوبر 2011. ^{[ 14 ]} طوّرت شركة آبل سيري بعد استحواذها عام 2010 على شركة سيري ، وهي شركة منبثقة عن معهد SRI الدولي ، وهو معهد بحثي تموّله وكالة مشاريع الأبحاث الدفاعية المتقدمة (DARPA) ووزارة الدفاع الأمريكية . ^{[ 15 ]} كان الهدف منه المساعدة في مهام مثل إرسال الرسائل النصية، وإجراء المكالمات الهاتفية، والتحقق من حالة الطقس، وضبط المنبه. ومع مرور الوقت، تطوّر ليقدّم توصيات للمطاعم، ويبحث في الإنترنت، ويوفّر توجيهات القيادة. ^{[ 16 ]}

In November 2014, Amazon announced Alexa alongside the Echo.^[17] In 2016, Salesforce debuted Einstein, developed from a set of technologies underlying the Salesforce platform.^[18] Einstein was replaced by Agentforce, an agentic AI, in September 2024.^[19]

In April 2017 Amazon released a service for building conversational interfaces for any type of virtual assistant or interface.

In the 2020s, artificial intelligence (AI) systems like ChatGPT have gained popularity for their ability to generate human-like responses to text-based conversations. In February 2020, Microsoft introduced its Turing Natural Language Generation (T-NLG), which was then the "largest language model ever published at 17 billion parameters."^[20] On November 30, 2022, ChatGPT was launched as a prototype and quickly garnered attention for its detailed responses and articulate answers across many domains of knowledge. The advent of ChatGPT and its introduction to the wider public increased interest and competition in the space. In February 2023, Google began introducing an experimental service called "Bard" which is based on its LaMDA program to generate text responses to questions asked based on information gathered from the web.

While ChatGPT and other generalized chatbots based on the latest generative AI are capable of performing various tasks associated with virtual assistants, there are also more specialized forms of such technology that are designed to target more specific situations or needs.^[21][4]

Conversational commerce is e-commerce via various means of messaging, including via voice assistants^[36] but also live chat on e-commerce Web sites, live chat on messaging applications such as WeChat, Facebook Messenger and WhatsApp^[37] and chatbots on messaging applications or Web sites.

يمكن للمساعد الافتراضي العمل جنبًا إلى جنب مع فريق دعم العملاء في أي شركة لتوفير دعم متواصل على مدار الساعة . فهو يوفر استجابات سريعة، مما يُحسّن تجربة العميل. وقد اعتمدت شركات الخدمات مساعدين صوتيين يعملون بالذكاء الاصطناعي لإدارة تفاعلات العملاء الروتينية، مثل حجز المواعيد وتلقي الطلبات، لا سيما لتغطية ساعات العمل الإضافية. ^{[ 38 ]} غالبًا ما تستخدم هذه التطبيقات تدريبًا متخصصًا في المجال لفهم المصطلحات الفنية ودمجها مع برامج الأعمال الحالية.

تُمكّن أمازون "مهارات" أليكسا و"إجراءات" جوجل، وهي في الأساس تطبيقات تعمل على منصات المساعد.

تنص سياسة خصوصية مساعد جوجل على أنه لا يخزن البيانات الصوتية دون إذن المستخدم، ولكنه قد يخزن نصوص المحادثات لتخصيص تجربة المستخدم. ويمكن تعطيل التخصيص من الإعدادات. إذا رغب المستخدم في أن يخزن مساعد جوجل البيانات الصوتية، فيمكنه الانتقال إلى قسم "النشاط الصوتي" (VAA) وتفعيل هذه الميزة. تُرسل الملفات الصوتية إلى السحابة وتستخدمها جوجل لتحسين أداء مساعد جوجل، ولكن فقط في حال تفعيل ميزة VAA. ^{[ 41 ]}

تنص سياسة خصوصية المساعد الافتراضي من أمازون، أليكسا، على أنها لا تستمع إلى المحادثات إلا عند استخدام كلمة التفعيل (مثل أليكسا، أمازون، إيكو). تبدأ أليكسا بتسجيل المحادثة بعد نطق كلمة التفعيل، وتتوقف عن التسجيل بعد 8 ثوانٍ من الصمت. ثم ترسل المحادثة المسجلة إلى السحابة. ويمكن حذف التسجيل من السحابة من خلال زيارة "خصوصية أليكسا" في تطبيق "أليكسا". ^{[ 42 ]}

تؤكد آبل أنها لا تسجل الصوت لتحسين سيري، بل تستخدم النصوص المكتوبة. ولا تُرسل بيانات النصوص إلا إذا اعتُبرت ضرورية للتحليل. ويمكن للمستخدمين إلغاء الاشتراك في أي وقت إذا لم يرغبوا في أن ترسل سيري النصوص إلى السحابة. ^{[ 43 ]}

Cortana is a voice-only virtual assistant with singular authentication.^[44][45][46] This voice-activated device accesses user data to perform common tasks like checking weather or making calls, raising privacy concerns due to the lack of secondary authentication.^[47][48]

Added value of the virtual assistants can come among others from the following:

• Voice communication can sometimes represent the optimal man-machine communication:

1. It is convenient: there are some sectors where voice is the only way of possible communication, and more generally, it allows to free-up both hands and vision potentially for doing another activity in parallel, or helps also disabled people.
2. It is faster: Voice is more efficient than writing on a keyboard: we can speak up to 200 words per minute opposed to 60 in case of writing on a keyboard. It is also more natural thus requiring less effort (reading a text however can reach 700 words per minute).^[49]

• Virtual assistants save a lot of time by automation: they can take appointments, or read the news while the consumer does something else. It is also possible to ask the virtual assistant to schedule meetings, hence helping to organize time. The designers of new digital schedulers explained the ambition they had that these calendars schedule lives to make the consumer use his time more efficiently, through machine learning processes, and complete organization of work time and free time. As an example when the consumer expresses the desire of scheduling a break, the VA will schedule it at an optimal moment for this purpose (for example at a time of the week where they are less productive), with the additional long-term objective of being able to schedule and organize the free time of the consumer, to assure them optimal work efficiency.^[50]

• According to a recent study (2019), the two reasons for using virtual assistants for consumers are perceived usefulness and perceived enjoyment. The first result of this study is that both perceived usefulness and perceived enjoyment have an equivalent very strong influence for the consumer willingness to use a virtual assistant.
• The second result of this study is that:

1. Provided content quality has a very strong influence on perceived usefulness and a strong influence on perceived enjoyment.
2. Visual attractiveness has a very strong influence on perceived enjoyment.
3. Automation has a strong influence on perceived usefulness.^[51]

• تُساهم المساعدات الافتراضية في ظهور فقاعة التصفية : ففي وسائل التواصل الاجتماعي ، تُدرَّب خوارزميات المساعدات الافتراضية على عرض البيانات ذات الصلة وتجاهل غيرها بناءً على أنشطة المستخدم السابقة. والبيانات ذات الصلة هي تلك التي تُثير اهتمام المستخدم أو تُرضيه. ونتيجةً لذلك، ينعزل المستخدم عن البيانات التي تُخالف وجهات نظره، مما يُؤدي فعليًا إلى عزله في فقاعته الفكرية الخاصة، ويُعزز آراءه. ومن المعروف أن هذه الظاهرة تُعزز انتشار الأخبار الكاذبة وغرف الصدى. ^{[ 52 ]}
• يُنتقد المساعدون الافتراضيون أحيانًا لكونهم مُبالغًا في تقديرهم. وعلى وجه الخصوص، يشير أ. كاسيلي إلى أن الذكاء الاصطناعي للمساعدين الافتراضيين ليس ذكيًا ولا اصطناعيًا لسببين:

1. ليست ذكية لأن كل ما تفعله هو مساعدة الإنسان، وتقتصر مهامها على ما يستطيع الإنسان القيام به بسهولة، وفي نطاق محدود للغاية: البحث عن المعلومات والعروض والوثائق وتصنيفها وعرضها. كما أن المساعدين الافتراضيين غير قادرين على اتخاذ القرارات بأنفسهم أو توقع الأحداث.
2. وليست اصطناعية لأنها ستكون مستحيلة بدون تصنيف بشري من خلال العمل الدقيق . ^{[ 53 ]}

• تُثير المساعدات الافتراضية جدلاً حول الأدوار الجندرية نظرًا لاستخدامها في الغالب أصواتًا وشخصيات ذات طابع أنثوي. يرى كلٌ من ج. لينجل وك. كروفورد أن المساعدات الافتراضية تستحضر الصورة النمطية للسكرتيرة، مُجسدةً دورًا داعمًا وكفؤًا ومرؤوسًا. ^{[ 54 ]} يخدم هذا الخيار التصميمي هياكل السلطة الهرمية، مُعكسًا أولويات المصالح. تاريخيًا، مثّلت وظيفة السكرتارية نهاية المطاف للنساء، بينما استغلها الرجال للترقي الوظيفي. ^{[ 55 ]} لذا، يرتبط هذا الجدل بمخاوف أوسع نطاقًا بشأن التقليل من قيمة العمل عندما يرتبط بالعمل النسائي. ^{[ 56 ]}

في عام 2019، انتقد أنطونيو أ. كاسيلي ، عالم الاجتماع الفرنسي ، الذكاء الاصطناعي والمساعدين الافتراضيين على وجه الخصوص بالطريقة التالية:

على المستوى الأول، فإن حقيقة أن المستهلك يقدم بيانات مجانية لتدريب وتحسين المساعد الافتراضي، غالباً دون علمه، أمر مثير للقلق من الناحية الأخلاقية.

لكن على مستوى ثانٍ، قد يكون من المقلق أخلاقياً معرفة كيفية تدريب هذه الذكاءات الاصطناعية باستخدام هذه البيانات.

This artificial intelligence is trained via neural networks, which require a huge amount of labelled data. However, this data needs to be labelled through a human process, which explains the rise of microwork in the last decade. That is, remotely using some people worldwide doing some repetitive and very simple tasks for a few cents, such as listening to virtual assistant speech data, and writing down what was said. Microwork has been criticized for the job insecurity it causes, and for the total lack of regulation: The average salary was 1,38 dollar/hour in 2010,^[57] and it provides neither healthcare nor retirement benefits, sick pay, minimum wage. Hence, virtual assistants and their designers are controversial for spurring job insecurity, and the AIs they propose are still human in the way that they would be impossible without the microwork of millions of human workers.^[53]

Privacy concerns are raised by the fact that voice commands are available to the providers of virtual assistants in unencrypted form, and can thus be shared with third parties and be processed in an unauthorized or unexpected manner.^[58] Additionally to the linguistic content of recorded speech, a user's manner of expression and voice characteristics can implicitly contain information about their biometric identity, personality traits, body shape, physical and mental health condition, sex, gender, moods and emotions, socioeconomic status and geographical origin.^[59]

Most virtual assistants, such as Siri, Cortana, and Alexa, all feature feminine voices and personas by default, which draws attention to issues of the labour politics of secratorial work. The feminization of these VA voices brings up concerns regarding ingrained gender biases of women's work, and reinforces ideas of women's subservience as users interact with them. As a virtual secretary, these assistants are connected to the gendered stereotypes that the secretary is connected to tropes of feminine, supportive, non-threatening service work.^[60]

Scholars draw attention to the feminized voices of Virtual assistants, addressing gender-based issues in technology. This is an issue of interest as gender-biased technologies could intensify women’s objectification and gender stereotyping, as well as widen the gender gap. Further, there is the concern of enforcing sexist narratives, as the unconscious bias is manifested in children and adults that hard-wire women and commands.^[61]

In previous generations of text chat-based virtual assistants, the assistant was often represented by an avatar (a.k.a. interactive online character or automated character) — this was known as an embodied agent.

تُعتبر التجارب الرقمية التي تُتيحها المساعدات الافتراضية من أبرز التطورات التكنولوجية الحديثة وأكثر اتجاهات المستهلكين الواعدة. ويؤكد الخبراء أن التجارب الرقمية ستكتسب مكانةً تُضاهي التجارب الواقعية، إن لم تكن أكثر طلبًا وتقديرًا. ^{[ 66 ]} ويتجلى هذا التوجه في العدد الكبير من المستخدمين الدائمين والنمو الملحوظ في أعداد مستخدمي المساعدات الرقمية الافتراضية حول العالم. ففي منتصف عام 2017، قُدّر عدد المستخدمين الدائمين للمساعدات الرقمية الافتراضية بنحو مليار مستخدم حول العالم. ^{[ 67 ]} إضافةً إلى ذلك، يُلاحظ أن تقنية المساعدات الرقمية الافتراضية لم تعد مقتصرة على تطبيقات الهواتف الذكية، بل باتت حاضرة في العديد من القطاعات الصناعية (بما في ذلك السيارات ، والاتصالات، وتجارة التجزئة ، والرعاية الصحية، والتعليم). ^{[ 68 ]} استجابةً لنفقات البحث والتطوير الكبيرة للشركات في جميع القطاعات، وتزايد استخدام الأجهزة المحمولة، من المتوقع أن ينمو سوق تقنية التعرف على الكلام بمعدل نمو سنوي مركب قدره 34.9% عالميًا خلال الفترة من 2016 إلى 2024، ليتجاوز بذلك حجم السوق العالمي 7.5 مليار دولار أمريكي بحلول عام 2024. ^{[ 68 ]} ووفقًا لدراسة أجرتها شركة أوفوم ، من المتوقع أن يتجاوز عدد الأجهزة المزودة بمساعدات رقمية أصلية عدد سكان العالم بحلول عام 2021، ليصل إلى 7.5 مليار جهاز نشط مزود بتقنية الذكاء الاصطناعي الصوتي. ^{[ 69 ]} ووفقًا لأوفوم، بحلول ذلك الوقت، "سيهيمن مساعد جوجل على سوق الأجهزة المزودة بتقنية الذكاء الاصطناعي الصوتي بحصة سوقية تبلغ 23.3%، يليه بيكسبي من سامسونج (14.5%)، ثم سيري من أبل (13.1%)، ثم أليكسا من أمازون (3.9%)، وأخيرًا كورتانا من مايكروسوفت (2.3%)." ^{[ 69 ]}

بالنظر إلى التوزيع الإقليمي للشركات الرائدة في السوق، من المتوقع أن تهيمن شركات أمريكا الشمالية (مثل Nuance Communications و IBM و eGain ) على هذا القطاع خلال السنوات القادمة، وذلك بفضل التأثير الكبير لنموذج أعمال " إحضار جهازك الخاص " (BYOD) ونماذج أعمال التنقل المؤسسي. علاوة على ذلك، من المتوقع أن يُسهم الطلب المتزايد على المنصات المدعومة بالهواتف الذكية في تعزيز نمو قطاع المساعدين الافتراضيين الأذكياء في أمريكا الشمالية. وعلى الرغم من صغر حجم سوق المساعدين الافتراضيين الأذكياء في منطقة آسيا والمحيط الهادئ مقارنةً بسوق أمريكا الشمالية، إلا أنه من المتوقع أن ينمو هذا القطاع، الذي يتركز معظم لاعبيه الرئيسيين في الهند والصين، بمعدل نمو سنوي قدره 40% (أعلى من المتوسط ​​العالمي) خلال الفترة من 2016 إلى 2024. ^{[ 68 ]}

Virtual assistants should not be only seen as a gadget for individuals, as they could have a real economic utility for enterprises. As an example, a virtual assistant can take the role of an always available assistant with an encyclopedic knowledge. And which can organize meetings, check inventories, verify informations. Virtual assistants are all the more important that their integration in small and middle-sized enterprises often consists in an easy first step through the more global adaptation and use of Internet of Things (IoT). Indeed, IoT technologies are first perceived by small and medium-sized enterprises as technologies of critical importance, but too complicated, risky or costly to be used.^[70]