23 Ekim'de iRTE2026 Gerçek Zamanlı Zeka Konferansı Pekin'de düzenlendi. Agora'nın kurucusu ve CEO'su Zhao Bin, ana forumda "AGI ile Diyalog: Gerçek Zamanlı Etkileşimin Sonraki Bölümü" başlıklı bir konuşma yaparak geride kalan bir yılda gerçek zamanlı etkileşim, konuşmaya dayalı AI ve altyapı alanlarındaki kilit değişimleri gözden geçirdi ve konuşmaya dayalı AI'nın temel yanıtlardan derin anlayış ve ilişki iletişimine doğru evrim yolunu çizen "beş seviyeli diyalog yeteneği" çerçevesini ortaya koydu.
Zhao Bin'e göre, AI soruları yanıtlamaktan sürekli iletişime, bağlamı anlamaya ve görevleri yerine getirmeye geçtikçe, gerçek zamanlı etkileşimin muhatabı insandan insana olmaktan insandan Agent'a doğru genişliyor. Gerçek zamanlı etkileşim teknolojisinin rolü de buna paralel olarak genişliyor: yalnızca bilgi aktarımını daha istikrarlı ve akıcı hale getirmekle kalmayıp aynı zamanda AI'nın algılama, anlama, ifade etme ve eyleme geçme süreçlerine gerçek zamanlı destek sağlaması gerekiyor.
"Bir soru bir cevap"tan derin ilişki iletişimine: Diyalog AGI'nın beş seviyeli evrimi
Zhao Bin'e göre, konuşmaya dayalı AI'nın ilerlemesi yalnızca yanıt hızı ve dilin doğallığıyla ölçülmemeli. Daha da önemlisi, diyalog muhatabının niyetini, durumunu ve ilişkisini anlayıp anlayamadığı, karmaşık senaryolarda uygun şekilde ifade edip edemediği ve zamanla uzun vadeli, derin bir anlayış oluşturup oluşturamadığıdır.
Bu değerlendirme doğrultusunda Zhao Bin, konuşmada "beş seviyeli diyalog yeteneği" çerçevesini önererek diyalog yeteneğini beş katmana ayırdı:
L1, kendi perspektifine dayalı ifade: Ağırlıklı olarak öz ifade ve pasif sürdürme ile "bir soru, bir cevap" şeklinde gerçekleşir.
L2: Etkileşim kalıplarına dayalı ifade: Pasif yanıttan aktif ifadeye geçiş yaparak diyaloğu daha doğal ve tutarlı hale getirir.
L3: Bireysel bilişe dayalı iletişim: Bireyin kimliğini, niyetini ve durumunu anlayarak kişiye özel iletişim sağlar.
L4: Toplumsal bilişe dayalı iletişim: Sosyal ilişkileri ve rol farklılıklarını anlayarak karmaşık çok kişili iletişim senaryolarına uyum sağlar.
L5: Derin ilişkiye dayalı iletişim: Uzun vadeli bağlamı ve ilişki evrimini anlayarak daha derin bir anlayış ve düşünsel uyum oluşturur; iletişimi anı anlamaktan bir insanı anlamaya taşır.
Bu beş katman yalnızca diyalog teknolojisinin kademeli olarak güçlenmesini değil, aynı zamanda AI ile insan arasındaki ilişkinin değişimini de ortaya koyuyor: bir tur soru-cevabı tamamlamaktan bir insanı anlamaya, oradan insanlar arasındaki ilişkileri anlamaya ve nihayetinde zaman ve bağlamı aşan derin bir iletişim oluşturmaya.
Zhao Bin, konuşmaya dayalı AI'nın erken dönemdeki pasif sürdürme etkileşiminden daha aktif ve daha doğal tam çift yönlü diyaloğa doğru geliştiğini ve insanın kişiliğini, durumunu, duygularını ve ilişkilerini anlamayı denemeye başladığını belirtti. Geleceğe yönelik olarak AI'nın karmaşık toplumsal senaryolardaki rol dağılımı ve iletişim düzenini aşması ve bireyin uzun vadede biriktirdiği bağlamı daha da anlaması gerekiyor. Bu da diyalog AGI'nın önemli bir gelişim yönüdür: AI yalnızca bir cümleyi anlamakla kalmayıp aynı zamanda tam bağlamla birlikte bir insanın gerçek niyetini anlayabilmeli ve uygun yanıt verebilmelidir.
Real-Time AI Infra: Diyalog AGI'yı destekleyen kilit altyapı
Diyalog yeteneğinin sürekli evrimi, altyapı teknolojilerine de daha yüksek gereksinimler getiriyor. Zhao Bin konuşmasında, geride kalan bir yılda OpenAI gibi şirketlerin WebRTC teknolojisini derinlemesine benimsemesinin, gerçek zamanlı etkileşim teknolojisinin konuşmaya dayalı AI alanında daha geniş ilgi ve uygulama görmesini sağladığını belirtti. AI tek turlu soru-cevaptan sürekli etkileşime geçtikçe, gerçek zamanlı etkileşim altyapısı model, agent çalıştırma çerçevesi ve kullanıcı arasında önemli bir teknolojik destek haline geliyor.
Geleneksel AI uygulamalarına kıyasla diyalog senaryoları gecikme, istikrar ve çift yönlü etkileşim konusunda daha katı gereksinimlere sahip. AI'nın bir yandan kullanıcı girdisini alırken diğer yandan bağlamı anlaması, yanıtı organize etmesi, gerektiğinde kesintilere her an yanıt vermesi ve sürekli olarak araçları çağırıp görevleri ilerletmesi gerekiyor. Herhangi bir halkada belirgin bir gecikme yaşanması diyaloğun doğallığını bozabilir ve hatta görevin tamamlanıp tamamlanamayacağını etkileyebilir.
Bu gereksinimleri karşılamak üzere Zhao Bin, gerçek zamanlı akıllı etkileşime yönelik altyapı yönünü tanıttı: Küresel gerçek zamanlı iletim ağı, dağıtık bulut-kenar-uç birleşik çıkarım, gerçek zamanlı orkestrasyon ve tam çift yönlü etkileşim yetenekleri aracılığıyla model ve Agent'ların gerçek senaryolarda sürekli iş birliği yapabilmesini sağlamak. Agora'nın konuşmaya dayalı AI motoru da tam çift yönlü etkileşimi merkeze alarak model, Agent çalıştırma çerçevesi ve kullanıcıyı birbirine bağlıyor ve istikrarlı, senkronize gerçek zamanlı diyalog deneyimini destekliyor.
Aynı zamanda Agora, geliştiricilere yönelik konuşmaya dayalı AI geliştirme araçlarını ve geliştirme kitlerini sürekli olarak iyileştiriyor; SDK, Skills, CLI araçları ve Recipes gibi yetenekleri bir araya getirerek geliştiricilerin tam mantık ve yürütme yeteneğine sahip Agent'ları daha verimli şekilde oluşturmasına yardımcı oluyor.
Müşteri hizmetlerinden eğitime, AI yoldaşlığından akıllı giyilebilir cihazlara kadar Zhao Bin, konuşmaya dayalı AI'nın giderek daha fazla gerçek senaryoya girdiğini düşünüyor. AI'nın gerçekten değer yaratıp yaratamayacağı yalnızca modelin "konuşabilmesine" değil, aynı zamanda ihtiyaçları anlayıp doğal iletişim kurup görevleri sürekli tamamlayabilmesine de bağlı. Gerçek zamanlı etkileşim teknolojisi bu süreçte giderek daha önemli bir rol oynayacak.
Ardından NVIDIA Baş Mimarı ve AOMedia Video Kodlama Çalışma Grubu Eş Başkanı Andrey Norkin, AV2 video kodlama teknolojisi hakkında bir konuşma gerçekleştirdi.
Yuvarlak masa: Kişisel agent'lar bir sonraki nesil kişisel giriş noktası olacak mı?
Agora kurucu ortağı Tony Wang'ın moderatörlüğündeki ilk yuvarlak masada, interaktif medya ürün müdürü ve teknoloji blog yazarı Eugene Wei, teknoloji öz medya yazarı ve "Luan Fan Shu" podcast sunucusu Pan Luan ile AIoT donanım girişimcisi ve uç AI öz medya yöneticisi Hua Jianxin, "Kişisel agent'lar: Yeni araçtan yeni giriş noktasına?" konusunu tartıştı.
Telefondan gözlüğe, kulaklıktan daha fazla taşınabilir cihaza kadar kişisel agent'lar, sektörde bir sonraki nesil insan-bilgisayar etkileşim giriş noktası hakkında yeniden düşünceler uyandırıyor. Pan Luan'a göre kişisel agent'lar bir paradigma değişimi getirebilir: AI ürünlerinin değeri kullanıcı dikkatini çekmekten kullanıcıların görevleri daha verimli tamamlamasına yardımcı olmaya doğru kayıyor. Geleceğin kişisel agent'ları yalnızca açık talimatlara yanıt vermekle kalmamalı, aynı zamanda proaktif olarak görev üstlenmeli ve kullanıcıların hedefi net ancak çok fazla zaman harcamaya değmeyen işlerini ele almalarına yardımcı olmalı.
Bir sonraki nesil kişisel donanım konusunda Hua Jianxin, gelecekteki giriş noktasının tek bir cihaz tarafından tekelleştirilmesinin gerekmediğini, gözlük, kulaklık ve ortamı algılayıp görevleri yerine getirebilen diğer donanımların da fırsatı olduğunu öne sürdü. Ona göre kişisel agent'lar yalnızca kullanıcıyı anlamakla kalmamalı, aynı zamanda fiziksel cihazlar aracılığıyla gerçek dünyayı sürekli algılamalı ve eyleme geçmeli; bu da farklı donanım formlarına yeni gelişim alanları sunuyor.
Eugene Wei ise tartışmayı "bağlam"ın değerine yönlendirdi: Kişisel agent'ların kullanıcının ilgi alanlarını, iletişim kayıtlarını ve sosyal ilişkilerini gerçekten anlayıp anlayamaması, değerli bir kişisel giriş noktası olup olamayacağını etkileyecek. Yeni giriş noktasının geçerli olup olmadığını değerlendirirken, kullanıcıların her gün Agent ile etkileşim durumuna ve daha çok kullanıcının mı Agent'a başvurduğuna yoksa Agent'ın mı kullanıcıya daha fazla başvurduğuna dikkat edilebileceğini belirtti. Yuvarlak masa böylece kişisel agent'ların ürün değeri, donanım formu ve gelecekteki ölçütlerini daha ayrıntılı tartıştı.
Yuvarlak masa: "Sohbet edebilmek"ten "iş yapabilmek"e, konuşmaya dayalı AI nasıl gerçek değer yaratır?
Agora Baş Ticari Yetkili Cui Bo'nun moderatörlüğündeki ikinci yuvarlak masada, Xiebang Intelligent kurucusu Chen Wei, Guanke Technology kurucusu Geng Xianglei, Rokid kurucu ortağı ve ekosistem sorumlusu Cai Guoxiang ile Titan Qiming CEO'su Wu Kan, somut zeka, akıllı giyilebilir cihazlar, kurumsal pazarlama ve AI işe alım gibi farklı senaryolardan yola çıkarak konuşmaya dayalı AI'yı tartıştı: Bir sonraki nesil insan-Agent etkileşimini yönlendirmek.
Chen Wei'ye göre somut zekanın anahtarı, insanın niyetinin gerçekten robotun eylemine dönüşmesini sağlamaktır. Robot yalnızca sesli komutları anlamakla kalmamalı, aynı zamanda görsel, sesli ve kendi durumu gibi çok modlu bilgileri birleştirerek fiziksel ortamı algılama, planlama ve karar verme süreçlerini tamamlamalı ve eylem sonrası ortam değişikliklerine göre görev yürütmeyi sürekli ayarlamalıdır. Önceden tanımlanmış gösteri görevlerini tamamlamaktan daha önemlisi, robotun açık ortamlarda insanın gerçek ihtiyaçlarını sürekli anlaması ve eylemlerin her zaman insanın niyetiyle tutarlı olmasını sağlamasıdır. Xiebang Intelligent, robot etkileşimi ve eylemini bütünleştirmeyi amaçlayan Duplex Reasoning adlı yeni bir paradigmaya sahip somut temel modeli geliştiriyor.
Cai Guoxiang ise AI gözlük pratiğinden yola çıkarak diyalog deneyiminin AI giyilebilir cihazların temel rekabet gücü olduğunu vurguladı. Donanım ve arkasındaki AI yetenekleri ne kadar güçlü olursa olsun, diyalog yeterince doğal değilse kullanıcı deneyiminin doğrudan etkileneceğini belirtti. Gelecekte AI giyilebilir cihazların düşük gecikmeli, istikrarlı gerçek zamanlı etkileşim ile anlamsal ve uzun vadeli bağlam anlayışı aracılığıyla kullanıcıların zamanla AI ile konuştuklarını hissetmemelerini sağlaması gerekiyor. Ayrıca Rokid AI asistanının Agora RTC bağlantı hizmetini kullanma pratiğini paylaştı ve AI gözlüklerin AI çağında önemli bir kişisel giriş noktası olacağına inandığını belirtti.
Kurumsal uygulama senaryolarında Geng Xianglei, AI sesli ajanlarının güvenilir iş teslimatı sağlaması için gecikme, kesinti zamanlaması ve insansılaştırma gibi sorunları çözmesi gerektiğini, gecikmenin hatta görev sonucunu doğrudan etkileyebileceğini belirtti. To B pazarlama için AI'nın sektör bilgi sistemi ve insan iş birliğiyle birleştirilmesi gerekiyor ki iş sonuçları daha iyi güvence altına alınabilsin. Wu Kan ise AI işe alım pratiğinden yola çıkarak konuşmaya dayalı AI'nın işe alım sürecinin iş arayanlara büyük ölçekte ulaşmasına ve hizmet verimliliğini artırmasına yardımcı olabileceğini, basitçe insan gücünün yerini almak olmadığını belirtti. İş döngüsünü tamamlamak için sektör verilerinin biriktirilmesi, iş arayanı merkeze alarak iş süreçlerinin düzenlenmesi, Agent'ın uzun vadeli hafıza oluşturmasına yardımcı olunması ve mülakat, işe başlama gibi gerçek iş olayları etrafında AI'nın hizmet kalitesini sürekli değerlendirip optimize etmesine destek olunması gerekiyor.
Dört konuğun paylaşımlarından görülebileceği üzere, farklı sektörlerin konuşmaya dayalı AI'ya yönelik gereksinimleri farklı olsa da hepsi tek bir yöne işaret ediyor: AI yalnızca iletişim kurabilmeli değil, aynı zamanda gerçek senaryoları anlayabilmeli, mevcut iş süreçlerine entegre olabilmeli ve görevleri güvenilir şekilde tamamlayabilmelidir. Gerçek zamanlı etkileşim, çok modlu algılama ve Agent yürütme yetenekleri gelişmeye devam ettikçe, konuşmaya dayalı AI'nın etkileşim aracı olmaktan çıkıp dijital dünya ile fiziksel dünyayı birbirine bağlayan ve iş süreçlerinin işleyişini yönlendiren önemli bir güç haline gelmesi bekleniyor.
Gerçek zamanlı etkileşimden gerçek zamanlı zekaya, diyalog AGI'nın sonraki bölümünü açmak
Zhao Bin'in önerdiği beş seviyeli diyalog yeteneği çerçevesinden iki yuvarlak masanın kişisel agent'lar ve gerçek iş uygulamaları üzerine tartışmalarına kadar, iRTE2026 ana forumu net bir sektör eğilimi ortaya koydu: Konuşmaya dayalı AI rekabeti temel model yeteneklerinden bağlam anlayışı, gerçek zamanlı etkileşim, karmaşık ilişki bilişi ve görev yürütmeye doğru genişliyor.
AI artık pasif yanıtla sınırlı kalmayıp insanı sürekli anlayabilen, iletişime proaktif olarak katılabilen ve gerçek senaryolarda görevleri tamamlayabilen bir noktaya geldiğinde, gerçek zamanlı etkileşim teknolojisi de daha derin bir misyon üstlenecek.
Diyalog AGI'nın bir sonraki aşamasına yönelik olarak Agora, geliştiriciler ve sektör ortaklarıyla birlikte gerçek zamanlı etkileşim ile üretken AI'nın entegrasyonunu keşfetmeye devam edecek ve insan-insan ile insan-Agent arasında daha doğal ve verimli gerçek zamanlı etkileşim deneyimini ilerletecek.
