कस्टम AI चैटबॉट पर्सनैलिटी प्लेटफ़ॉर्म: BooCae अल्फ़ा टेस्ट

शायद यहाँ आप सभी की भी यही सोच रही होगी,
मैं Iron Man के Jarvis को सच में बनाकर देखना चाहता था।

कस्टम AI चैटबॉट पर्सनैलिटी प्लेटफ़ॉर्म सेवा 'BooCae' (Bucae) का अल्फ़ा टेस्ट वर्ज़न मुफ़्त में सार्वजनिक किया गया है, और हम बग, सुधार बिंदुओं आदि पर विभिन्न राय सुनना चाहते हैं।
जैसा कि इसका नाम अल्फ़ा टेस्ट है, कृपया इसे एक प्रयोगात्मक सेवा के रूप में देखें; हम लगातार नए फ़ीचर जोड़ रहे हैं।

'BooCae' का लक्ष्य ChatGPT पर आधारित, LLAMA, ALPACA जैसे विभिन्न ultra-large AI models तथा अनेक API और plugins को जोड़ने वाला एक 'custom AI chatbot personality' प्लेटफ़ॉर्म बनना है।
BooCae के AI चैटबॉट सामान्य रूप से ChatGPT-3.5-Turbo API पर आधारित हैं, और प्रत्येक क्षेत्र के लिए अलग-अलग 'custom training' कॉन्फ़िगर की गई है। इस अल्फ़ा टेस्ट सेवा में multimodal AI avatar भी शामिल है और इसका उपयोग किया जा सकता है।
AI से avatar बनाने वाला मॉडल अलग से 'native app' के रूप में विकसित किया गया है, और अभी इसे स्टोर में रजिस्टर किए बिना ऑफ़लाइन टेस्ट किया जा रहा है। (इसे बाद में अलग से परिचित कराऊँगा।)

संयोग से इसका एक मिलता-जुलता मॉडल अमेरिका की 'Character.AI' है, और उस साइट को संदर्भित करते हुए हमने अपने तरीके से सुधार और भिन्नता लाने के लिए कई प्रयास किए हैं।

बेसिक सेवा संरचना, भिन्नताएँ आदि इस प्रकार हैं।

-AI model: ChatGPT को बेस के रूप में लागू किया गया है, और Alpaca, LLaMA जैसे अन्य GPT भी जल्द जोड़े जाने वाले हैं। ChatGPT के लिए open API के रूप में GPT3.5-TURBO को आधार बनाया गया है। (आख़िर response speed और cost भी ध्यान में रखनी होगी।)

-AI persona: डिफ़ॉल्ट रूप से AI assistant के रूप में परिभाषित एक standard prompt set का उपयोग किया गया है, और इसे कोरियाई परिस्थितियों के अनुरूप थोड़ा बदला गया है। इसे आगे भी लगातार अपडेट करने की योजना है.

-Custom अतिरिक्त training dataset: सार्वजनिक रूप से उपलब्ध जानकारी (public information portal, copyright-free public data आदि) के आधार पर news, dictionary जैसी सामग्रियों को प्रयोगात्मक रूप से train कराया गया है, और हम इसकी मात्रा तथा गुणवत्ता में लगातार सुधार कर रहे हैं। भविष्य में paid professional data खरीदने की भी आवश्यकता होगी, ऐसा मेरा मानना है।

-रियल-टाइम जानकारी प्राप्त करने के लिए API: रियल-टाइम डेटा (उदाहरण के लिए exchange rate information) के उपयोग हेतु कई API इस्तेमाल किए गए हैं और लगातार नए जोड़े जा रहे हैं। रियल-time API queries भी लागत के दृष्टिकोण से विचार करने योग्य हैं।

-चैटबॉट प्लेटफ़ॉर्म: सार्वजनिक वर्ज़न से लेकर commercial version तक विभिन्न chatbot platforms मौजूद हैं, इसलिए कई चैटबॉट प्लेटफ़ॉर्म के modules और API का उपयोग किया गया है, और हम चाहते हैं कि आगे और अधिक platforms को support किया जा सके।
चैटबॉट प्लेटफ़ॉर्म मोटे तौर पर scenarios आदि जैसी condition-setting संरचना पर आधारित होते हैं। इनमें या तो ChatGPT बेसिक रूप से built-in होता है (हालाँकि इस स्थिति में कई बार इसे वास्तव में chatbot platform कहना थोड़ा कठिन लगता है), या फिर built-in नहीं होता लेकिन API खुला होता है, जिससे manual API configuration करके ChatGPT को जोड़ा जा सकता है।
मुझे लगता है कि दोनों के अपने-अपने फ़ायदे हैं।
महत्वपूर्ण बात यह है कि अधिक से अधिक platforms को स्वतंत्र रूप से support करने वाली diversity का विस्तार किया जाए।

-Application और deployment: इसे web widget, URL link, API method के रूप में परिभाषित किया जा सकता है, और इसके माध्यम से web / web app / native app / या Google Assistant जैसी voice services सहित multi-platform support संभव है।

-Search feature: keyword registration और उपयोग के लिए search feature में Notion द्वारा प्रदान किए गए फ़ंक्शन को वैसे ही लागू किया गया है, और DB structure भी उपयोगिता के लिहाज़ से अच्छा लगता है।

-Advertising: revenue model को ध्यान में रखते हुए, AI के हर जवाब के साथ sponsor ads दिखाने के आधार पर प्रयोगात्मक test किया गया।
विज्ञापन के तरीके 1) video 2) image 3) text and URL 4) जवाब में PPL-प्रकार की सामग्री शामिल करना हो सकते हैं।

-AI avatar: सबसे बड़ा differentiation point multimodal पक्ष में तैयार किया गया है। टेक्स्ट generation, voice generation/cloning/synthesis, image generation, video synthesis, background सहित video processing—इन सबका संयुक्त रूप से लागू होना ही Boocae द्वारा परिभाषित वास्तविक multimodal AI avatar है।
Boocae अल्फ़ा टेस्ट में सार्वजनिक किए गए अधिकांश video images Wav2LIP आदि का उपयोग करके बनाए गए हैं, और प्री-टेस्ट के दौरान उपयोगकर्ता प्रतिक्रिया स्पष्ट रूप से अधिक रही—इसलिए हमने इसे differentiation point के रूप में केंद्रित किया।

सेवा प्लेटफ़ॉर्म के लिए 'Notion' का उपयोग किया गया है, और साइट के लिए oopy का उपयोग किया गया है।
सेवा श्रेणियों को कई दर्जनों में परिभाषित किया गया है, और मेरा मानना है कि इनमें लगातार वृद्धि होगी।
सेवा की class संरचना के अनुसार इसे Special (विशेष), Brand (कंपनी आदि ब्रांड सेवा), Expert (विशेषज्ञ सेवा), Ready (training प्रगति पर), Comming soon (training प्रतीक्षा में) में वर्गीकृत किया गया है।

सेवा की प्रतिक्रिया और राय सुनने के लिए announcements में survey application form भी शामिल है, इसलिए निसंकोच अधिक से अधिक सुझाव दें।

यह अभी अल्फ़ा टेस्ट चरण में है, इसलिए कई कमियाँ हैं।
इस प्रोजेक्ट को साथ मिलकर बनाने वाली टीम की भी ज़रूरत है। यदि आपकी रुचि हो, तो चैट भेजें—आभारी रहूँगा।

अल्फ़ा टेस्ट URL: https://boocae.oopy.io/