மனித-கணினி தொடர்பியலைத் திறத்தல்: குரல் பயனர் இடைமுகங்கள் மற்றும் இயற்கை மொழி புரிதல் பற்றிய ஒரு ஆழமான பார்வை

குரல் பயனர் இடைமுகங்கள் (VUIs) நாம் தொழில்நுட்பத்துடன் தொடர்பு கொள்ளும் முறையை புரட்சிகரமாக்குகின்றன. ஸ்மார்ட் ஸ்பீக்கர்கள் மற்றும் நமது தொலைபேசிகளில் உள்ள குரல் உதவியாளர்கள் முதல் கார் வழிசெலுத்தல் அமைப்புகள் மற்றும் ஊடாடும் குரல் மறுமொழி (IVR) அமைப்புகள் வரை, VUIs நமது அன்றாட வாழ்வில் பெருகிய முறையில் பரவலாகி வருகின்றன. ஒவ்வொரு திறமையான VUI-யின் மையத்திலும் இயற்கை மொழி புரிதல் (NLU) உள்ளது, இது கணினிகள் மனித பேச்சைப் புரிந்துகொண்டு, விளக்கி, அர்த்தமுள்ள வழியில் பதிலளிக்க அனுமதிக்கும் ஒரு முக்கிய அங்கமாகும். இந்த விரிவான வழிகாட்டி VUIs மற்றும் NLU-வின் பரிணாம வளர்ச்சி, முக்கியக் கருத்துகள் மற்றும் எதிர்காலத்தை ஆராய்ந்து, உலகெங்கிலும் தடையற்ற மற்றும் உள்ளுணர்வுப்பூர்வமான மனித-கணினி தொடர்புக்கு வழிவகுக்கிறது.

குரலின் எழுச்சி: ஒரு வரலாற்றுப் பார்வை

நவீனமான VUI-களுக்கான பயணம் நீண்ட மற்றும் சுவாரஸ்யமான ஒன்றாகும். 1950-களில் தொடங்கிய பேச்சு அங்கீகாரத்தின் ஆரம்ப முயற்சிகள், கணினி ஆற்றல் பற்றாக்குறை மற்றும் மனித மொழியின் சிக்கல்களைப் பற்றிய புரிதல் இல்லாததால் கட்டுப்படுத்தப்பட்டன. இருப்பினும், கணினியியலில் ஏற்பட்ட குறிப்பிடத்தக்க முன்னேற்றங்கள், இயந்திர கற்றல் மற்றும் செயற்கை நுண்ணறிவு (AI) ஆகியவற்றில் ஏற்பட்ட திருப்புமுனைகளுடன் இணைந்து, இன்று நாம் காணும் சக்திவாய்ந்த VUI-களுக்கு வழி வகுத்துள்ளன.

• ஆரம்ப நாட்கள் (1950கள்-1980கள்): விதி அடிப்படையிலான அமைப்புகள் மற்றும் வரையறுக்கப்பட்ட சொல்லகராதி. இந்த அமைப்புகள் உச்சரிப்புகள், பின்னணி இரைச்சல் மற்றும் பேச்சு முறைகளில் உள்ள வேறுபாடுகளுடன் போராடின.
• புள்ளிவிவர அணுகுமுறைகள் (1990கள்-2000கள்): மறைக்கப்பட்ட மார்கோவ் மாதிரிகள் (HMMs) துல்லியம் மற்றும் வலிமையை மேம்படுத்தின.
• டீப் லேர்னிங் புரட்சி (2010கள்-தற்போது): டீப் நியூரல் நெட்வொர்க்குகள், குறிப்பாக தொடர் நியூரல் நெட்வொர்க்குகள் (RNNs) மற்றும் டிரான்ஸ்பார்மர்கள், NLU செயல்திறனை வியத்தகு முறையில் மேம்படுத்தி, மேலும் இயல்பான மற்றும் உரையாடல் அடிப்படையிலான தொடர்புகளை சாத்தியமாக்கியுள்ளன.

ஒரு VUI-யின் முக்கிய கூறுகளைப் புரிந்துகொள்ளுதல்

ஒரு VUI என்பது வெறும் பேச்சு அங்கீகார அமைப்பு மட்டுமல்ல. இது ஒரு தடையற்ற மற்றும் உள்ளுணர்வுப்பூர்வமான பயனர் அனுபவத்தை உருவாக்க பல முக்கிய கூறுகளை இணைக்கும் ஒரு சிக்கலான சூழலமைப்பு ஆகும். இந்த கூறுகள் பேசும் வார்த்தைகளை அர்த்தமுள்ள செயல்களாக மாற்ற ஒன்றிணைந்து செயல்படுகின்றன.

• பேச்சு அங்கீகாரம் (தானியங்கி பேச்சு அங்கீகாரம் - ASR): இந்த கூறு ஒலி சிக்னல்களை உரையாக மாற்றுகிறது. நவீன ASR அமைப்புகள், இரைச்சலான சூழல்களில் கூட அதிக துல்லியத்தை அடைய, பேச்சு தரவுகளின் பரந்த தொகுப்புகளில் பயிற்சி பெற்ற டீப் லேர்னிங் மாதிரிகளைப் பயன்படுத்துகின்றன.
• இயற்கை மொழி புரிதல் (NLU): இதுதான் VUI-யின் மூளை. NLU, ASR கூறு உருவாக்கிய உரையை பகுப்பாய்வு செய்து, அர்த்தத்தைப் பிரித்தெடுக்கிறது, பயனரின் நோக்கத்தை அடையாளம் காண்கிறது மற்றும் எடுக்க வேண்டிய சரியான நடவடிக்கையை தீர்மானிக்கிறது.
• உரையாடல் மேலாண்மை: இந்த கூறு உரையாடலின் போக்கை நிர்வகிக்கிறது, சூழலை கண்காணித்து, தேவைப்படும்போது பயனரிடம் தெளிவுபடுத்தலைக் கேட்டு, ஒரு வெற்றிகரமான தீர்வை நோக்கி உரையாடலை வழிநடத்துகிறது.
• உரையிலிருந்து பேச்சு (TTS): இந்த கூறு உரையை செயற்கையான பேச்சாக மாற்றுகிறது, இது VUI பயனருக்கு பேசும் பதில்களை வழங்க அனுமதிக்கிறது.

இயற்கை மொழி புரிதல் (NLU) விரிவாக

NLU என்பது ஒரு கணினி நிரலானது மனித மொழியை அது இயல்பாக பேசப்படும் அல்லது எழுதப்படும் விதத்தில் புரிந்துகொள்ளும் திறன் ஆகும். இது வெறுமனே வார்த்தைகளை அங்கீகரிப்பதைத் தாண்டியது; அந்த வார்த்தைகளுக்குப் பின்னால் உள்ள அர்த்தத்தையும் நோக்கத்தையும் பிரித்தெடுப்பதை இது நோக்கமாகக் கொண்டுள்ளது. இதில் பல முக்கிய பணிகள் அடங்கும்:

முக்கிய NLU பணிகள்

• நோக்கம் அறிதல்: ஒரு கோரிக்கையை வைப்பதில் பயனரின் இலக்கு அல்லது நோக்கத்தை அடையாளம் காணுதல். எடுத்துக்காட்டாக, ஒரு பயனர் "ஒரு பீட்சாவை ஆர்டர் செய்," என்று கூறினால், நோக்கம் உணவு ஆர்டர் செய்வதாகும்.
• பொருள் பிரித்தெடுத்தல்: பயனரின் உள்ளீட்டிலிருந்து தொடர்புடைய தகவல்களை அடையாளம் கண்டு பிரித்தெடுத்தல். "ஒரு பீட்சாவை ஆர்டர் செய்" என்ற எடுத்துக்காட்டில், பொருட்களில் பீட்சாவின் வகை, அளவு மற்றும் டெலிவரி முகவரி ஆகியவை அடங்கும்.
• உணர்வுப் பகுப்பாய்வு: பயனரால் வெளிப்படுத்தப்பட்ட உணர்ச்சி தொனி அல்லது மனோபாவத்தை தீர்மானித்தல். பயனரின் மனநிலைக்கு ஏற்ப VUI-யின் பதிலை வடிவமைக்க இது பயனுள்ளதாக இருக்கும். எடுத்துக்காட்டாக, ஒரு பயனர் விரக்தியை வெளிப்படுத்தினால், VUI மேலும் பொறுமையான மற்றும் உதவிகரமான பதிலை வழங்கக்கூடும்.
• மொழி கண்டறிதல்: பயனரால் பேசப்படும் மொழியை அடையாளம் காணுதல். வெவ்வேறு நாடுகளைச் சேர்ந்த பயனர்களை ஆதரிக்க வேண்டிய பன்மொழி VUI-களுக்கு இது முக்கியமானது.
• சந்தேக தெளிவுபடுத்தல்: பயனரின் உள்ளீட்டில் உள்ள தெளிவற்ற தன்மைகளைத் தீர்த்தல். எடுத்துக்காட்டாக, ஒரு பயனர் "லண்டனுக்கு ஒரு விமானத்தை முன்பதிவு செய்," என்று கூறினால், அவர்கள் இங்கிலாந்தின் லண்டனையோ அல்லது கனடாவின் ஒன்ராறியோவில் உள்ள லண்டனையோ குறிப்பிடுகிறார்களா என்பதை VUI தீர்மானிக்க வேண்டும்.

NLU நுட்பங்கள்

NLU-வை செயல்படுத்த பல நுட்பங்கள் பயன்படுத்தப்படுகின்றன, பாரம்பரிய விதி அடிப்படையிலான அமைப்புகள் முதல் அதிநவீன டீப் லேர்னிங் மாதிரிகள் வரை.

• விதி அடிப்படையிலான அமைப்புகள்: இந்த அமைப்புகள் உரையிலிருந்து அர்த்தத்தைப் பிரித்தெடுக்க முன்வரையறுக்கப்பட்ட விதிகள் மற்றும் வடிவங்களை நம்பியுள்ளன. செயல்படுத்த எளிதானதாக இருந்தாலும், இவை நெகிழ்வற்றவை மற்றும் மனித மொழியின் மாறுபாடுகளுடன் போராடுகின்றன.
• புள்ளிவிவர மாதிரிகள்: இந்த மாதிரிகள் நேவ் பேய்ஸ் மற்றும் சப்போர்ட் வெக்டர் மெஷின்கள் (SVMs) போன்ற புள்ளிவிவர நுட்பங்களைப் பயன்படுத்தி உரையை வகைப்படுத்தவும் பொருட்களைப் பிரித்தெடுக்கவும் செய்கின்றன. இவை விதி அடிப்படையிலான அமைப்புகளை விட வலிமையானவை, ஆனால் குறிப்பிடத்தக்க அம்ச பொறியியல் தேவைப்படுகிறது.
• டீப் லேர்னிங் மாதிரிகள்: இந்த மாதிரிகள், குறிப்பாக RNNs, LSTMs, மற்றும் டிரான்ஸ்பார்மர்கள், NLU செயல்திறனை புரட்சிகரமாக்கியுள்ளன. அவை தரவுகளிலிருந்து சிக்கலான வடிவங்களை தானாகவே கற்றுக்கொள்ள முடியும் மற்றும் பல்வேறு NLU பணிகளில் அதிநவீன துல்லியத்தை அடைய முடியும். BERT (Bidirectional Encoder Representations from Transformers) மற்றும் அதன் வகைகள் போன்ற மாதிரிகள் மிகப்பெரிய உரைத் தரவுகளில் முன்பே பயிற்சி அளிக்கப்பட்டு, ஒப்பீட்டளவில் சிறிய தரவுகளுடன் குறிப்பிட்ட NLU பணிகளுக்கு மெருகேற்றப்படலாம்.

திறமையான VUI-களை உருவாக்குதல்: சிறந்த நடைமுறைகள்

ஒரு வெற்றிகரமான VUI-யை உருவாக்க கவனமான திட்டமிடல் மற்றும் விவரங்களில் கவனம் தேவை. மனதில் கொள்ள வேண்டிய சில சிறந்த நடைமுறைகள் இங்கே:

• தெளிவான பயன்பாட்டு நிகழ்வுகளை வரையறுக்கவும்: குரல் தொடர்புக்கு நன்கு பொருத்தமான குறிப்பிட்ட பணிகளில் கவனம் செலுத்துங்கள். எல்லாவற்றையும் குரல் மூலம் செய்ய முயற்சிக்காதீர்கள்.
• உரையாடல் ஓட்டத்தை வடிவமைக்கவும்: உரையாடல் ஓட்டத்தை கவனமாக திட்டமிடுங்கள், வெவ்வேறு பயனர் பதில்களையும் சாத்தியமான பிழைகளையும் முன்கூட்டியே கணிக்கவும். சிக்கலான பணிகளுக்கு படிநிலை மெனு கட்டமைப்பைப் பயன்படுத்தவும்.
• எளிமையாகவும் சுருக்கமாகவும் வைக்கவும்: தெளிவான மற்றும் சுருக்கமான மொழியைப் பயன்படுத்தவும். கடினமான சொற்களையும் தொழில்நுட்பச் சொற்களையும் தவிர்க்கவும்.
• தெளிவான தூண்டுதல்களையும் பின்னூட்டத்தையும் வழங்கவும்: தெளிவான தூண்டுதல்களுடன் பயனரை உரையாடல் மூலம் வழிநடத்தி, அவர்களின் செயல்களை உறுதிப்படுத்த பின்னூட்டம் வழங்கவும்.
• பிழைகளை நளினமாகக் கையாளவும்: சாத்தியமான பிழைகளை முன்கூட்டியே கணித்து, உதவிகரமான பிழைச் செய்திகளை வழங்கவும். மாற்று விருப்பங்களை வழங்கவும் அல்லது தேவைப்பட்டால் ஒரு மனித முகவருக்கு மாற்றவும்.
• அனுபவத்தைத் தனிப்பயனாக்கவும்: பயனரின் விருப்பத்தேர்வுகள் மற்றும் கடந்தகால தொடர்புகளுக்கு ஏற்ப VUI-யின் பதில்களை வடிவமைக்கவும்.
• சோதித்து மேம்படுத்தவும்: உண்மையான பயனர்களுடன் VUI-யை முழுமையாகச் சோதித்து, அவர்களின் பின்னூட்டத்தின் அடிப்படையில் வடிவமைப்பை மேம்படுத்தவும்.
• அணுகல்தன்மைக்கு முன்னுரிமை அளியுங்கள்: பார்வை குறைபாடுகள் அல்லது இயக்கக் குறைபாடுகள் உள்ளவர்கள் உட்பட, மாற்றுத்திறனாளிகளுக்கு VUI அணுகக்கூடியதாக இருப்பதை உறுதிசெய்யவும்.

VUIs மற்றும் NLU-வின் உலகளாவிய தாக்கம்

VUIs மற்றும் NLU ஆகியவை உலகெங்கிலும் உள்ள தொழில்துறைகளை மாற்றி வருகின்றன, செயல்திறன், அணுகல்தன்மை மற்றும் வாடிக்கையாளர் திருப்தி ஆகியவற்றில் குறிப்பிடத்தக்க நன்மைகளை வழங்குகின்றன.

உலகெங்கிலும் VUI பயன்பாடுகளின் எடுத்துக்காட்டுகள்

• வாடிக்கையாளர் சேவை: NLU-வால் இயக்கப்படும் IVR அமைப்புகள் பரந்த அளவிலான வாடிக்கையாளர் விசாரணைகளைக் கையாள முடியும், இது மனித முகவர்களை மிகவும் சிக்கலான சிக்கல்களில் கவனம் செலுத்த அனுமதிக்கிறது. எடுத்துக்காட்டாக, இந்தியாவில், பல வங்கிகள் வரையறுக்கப்பட்ட இணைய அணுகல் உள்ள கிராமப்புறங்களில் வாடிக்கையாளர் சேவையை மேம்படுத்த குரல் அடிப்படையிலான அங்கீகாரம் மற்றும் பரிவர்த்தனை அமைப்புகளைப் பயன்படுத்துகின்றன.
• சுகாதாரம்: சந்திப்புகளைத் திட்டமிட, மருந்துச் சீட்டுகளை மீண்டும் நிரப்ப மற்றும் தொலைதூர நோயாளி கண்காணிப்பை வழங்க VUIs பயன்படுத்தப்படுகின்றன. ஜப்பானில், முதியோர் பராமரிப்பு வசதிகள் குடியிருப்பாளர்களுக்கு துணை மற்றும் உதவியை வழங்க குரல்-இயக்கப்படும் ரோபோக்களைப் பயன்படுத்துகின்றன.
• கல்வி: தனிப்பயனாக்கப்பட்ட கற்றல் அனுபவங்களை வழங்க, மொழிப் பயிற்சி அளிக்க மற்றும் மாற்றுத்திறனாளி மாணவர்களுக்கு உதவ VUIs பயன்படுத்தப்படுகின்றன. பல ஆப்பிரிக்க நாடுகளில், எழுத்தறிவுத் தடைகளைக் கடந்து தொலைதூரப் பகுதிகளில் உள்ள குழந்தைகளுக்குக் கல்வியை வழங்க குரல் அடிப்படையிலான கற்றல் தளங்கள் பயன்படுத்தப்படுகின்றன.
• உற்பத்தி: இயந்திரங்களைக் கட்டுப்படுத்த, தகவல்களை அணுக மற்றும் தொழிலாளர் பாதுகாப்பை மேம்படுத்த VUIs பயன்படுத்தப்படுகின்றன. ஜெர்மனியில், சில தொழிற்சாலைகள் சிக்கலான அசெம்பிளி நடைமுறைகள் மூலம் தொழிலாளர்களை வழிநடத்த குரல்-இயக்கப்படும் அமைப்புகளைப் பயன்படுத்துகின்றன.
• ஸ்மார்ட் வீடுகள்: அமேசான் அலெக்சா, கூகிள் அசிஸ்டன்ட் மற்றும் ஆப்பிள் சிரி போன்ற குரல் உதவியாளர்கள் ஸ்மார்ட் ஹோம் சாதனங்களைக் கட்டுப்படுத்த, இசை இயக்க, அலாரங்களை அமைக்க மற்றும் தகவல்களை வழங்க பெருகிய முறையில் பிரபலமாகி வருகின்றன.
• கார் வழிசெலுத்தல்: குரல்-கட்டுப்பாட்டு வழிசெலுத்தல் அமைப்புகள் ஓட்டுநர்கள் தங்கள் கைகளை ஸ்டீயரிங்கிலும் கண்களை சாலையிலும் வைத்திருக்க அனுமதிக்கின்றன, இது பாதுகாப்பு மற்றும் வசதியை மேம்படுத்துகிறது.

VUIs மற்றும் NLU-வில் உள்ள சவால்கள் மற்றும் எதிர்காலப் போக்குகள்

சமீபத்திய ஆண்டுகளில் குறிப்பிடத்தக்க முன்னேற்றம் அடைந்த போதிலும், VUIs மற்றும் NLU-வின் முழு திறனை உணர இன்னும் பல சவால்களைக் கடக்க வேண்டியுள்ளது.

முக்கிய சவால்கள்

• இரைச்சலான சூழல்களில் துல்லியம்: பின்னணி இரைச்சலால் பேச்சு அங்கீகாரத் துல்லியம் கணிசமாக பாதிக்கப்படலாம்.
• உச்சரிப்புகள் மற்றும் வட்டார வழக்குகளைப் புரிந்துகொள்வது: VUIs பரந்த அளவிலான உச்சரிப்புகள் மற்றும் வட்டார வழக்குகளைப் புரிந்துகொள்ளும் திறன் கொண்டிருக்க வேண்டும். உண்மையான உலகளாவிய மற்றும் உள்ளடக்கிய குரல் தொழில்நுட்பத்தை உருவாக்க, மனிதப் பேச்சின் பன்முகத்தன்மையைப் பிரதிநிதித்துவப்படுத்தும் மிகப்பெரிய தரவுத்தொகுப்புகள் தேவை.
• சிக்கலான மொழியைக் கையாளுதல்: VUIs இன்னும் சிக்கலான வாக்கிய அமைப்புகள், மரபுச்சொற்கள் மற்றும் கிண்டல்களுடன் போராடுகின்றன.
• சூழலைப் பராமரித்தல்: VUIs நீண்ட உரையாடல்களில் சூழலைப் பராமரிக்கக் கூடியதாக இருக்க வேண்டும்.
• தனியுரிமை மற்றும் பாதுகாப்பை உறுதி செய்தல்: பயனர் தரவைப் பாதுகாப்பதும், குரல்-இயக்கப்படும் சாதனங்களின் பாதுகாப்பை உறுதி செய்வதும் மிக முக்கியம்.

எதிர்காலப் போக்குகள்

• பன்மொழி NLU: உலகம் பெருகிய முறையில் ஒன்றோடொன்று இணைக்கப்படுவதால், பன்மொழி VUI-களுக்கான தேவை தொடர்ந்து வளரும். இயந்திர மொழிபெயர்ப்பு மற்றும் குறுக்கு-மொழி பரிமாற்ற கற்றலில் ஏற்படும் முன்னேற்றங்கள், பல மொழிகளில் புரிந்துகொண்டு பதிலளிக்கக்கூடிய VUI-களை உருவாக்குவதை எளிதாக்குகின்றன.
• சூழல்-விழிப்புணர்வுள்ள VUIs: எதிர்கால VUIs பயனரின் இருப்பிடம், நாள் நேரம் மற்றும் கடந்தகால தொடர்புகள் உட்பட அவர்களின் சூழலைப் பற்றி மேலும் விழிப்புடன் இருக்கும். இது மேலும் தனிப்பயனாக்கப்பட்ட மற்றும் பொருத்தமான பதில்களை வழங்க அவற்றை அனுமதிக்கும்.
• உணர்ச்சி அறிதல்: VUIs பயனரின் உணர்ச்சிகளைக் கண்டறிந்து அதற்கேற்ப தங்கள் பதில்களை வடிவமைக்க முடியும். இது மேலும் பச்சாதாபம் மற்றும் ஈடுபாடுள்ள தொடர்புகளுக்கு வழிவகுக்கும்.
• AI-இயங்கும் தனிப்பயனாக்கம்: VUI அனுபவத்தைத் தனிப்பயனாக்குவதில் AI பெருகிய முறையில் முக்கிய பங்கு வகிக்கும். பயனர் விருப்பங்களைக் கற்றுக்கொள்ளவும், அதற்கேற்ப VUI-யின் நடத்தையை மாற்றியமைக்கவும் இயந்திர கற்றல் வழிமுறைகள் பயன்படுத்தப்படும்.
• குரல் வர்த்தகம்: VUIs மிகவும் அதிநவீனமாகவும் பாதுகாப்பாகவும் மாறும்போது குரல் அடிப்படையிலான ஷாப்பிங் மிகவும் பரவலாகிவிடும்.
• குரல் தேடல் உகப்பாக்கம் (VSO): குரல் தேடலுக்காக உள்ளடக்கத்தை உகப்பாக்குவது வணிகங்களுக்கு பெருகிய முறையில் முக்கியமானதாக மாறும். இது உரையாடல், தகவல் மற்றும் புரிந்துகொள்ள எளிதான உள்ளடக்கத்தை உருவாக்குவதை உள்ளடக்கியது.
• நெறிமுறைக் கருத்தில் கொள்ள வேண்டியவை: VUIs நமது வாழ்வில் மேலும் ஒருங்கிணைக்கப்படுவதால், இந்த தொழில்நுட்பத்தின் நெறிமுறை தாக்கங்களைக் கருத்தில் கொள்வது முக்கியம். இதில் சார்பு, தனியுரிமை மற்றும் அணுகல்தன்மை போன்ற சிக்கல்கள் அடங்கும்.

முடிவுரை: குரல்-முதன்மை எதிர்காலம்

குரல் பயனர் இடைமுகங்கள் மற்றும் இயற்கை மொழி புரிதல் ஆகியவை நாம் தொழில்நுட்பத்துடன் தொடர்பு கொள்ளும் முறையை மாற்றி வருகின்றன. AI தொடர்ந்து முன்னேறும்போது, VUIs இன்னும் அதிநவீனமான, உள்ளுணர்வுப்பூர்வமான மற்றும் தனிப்பயனாக்கப்பட்டதாக மாறும். எதிர்காலம் குரல்-முதன்மை கொண்டது, இந்தத் தொழில்நுட்பத்தைத் தழுவுபவர்கள் வரும் ஆண்டுகளில் வெற்றிபெற நன்கு நிலைநிறுத்தப்படுவார்கள். உலகளாவிய கண்ணோட்டங்களையும் உள்ளடக்கிய வடிவமைப்பு கொள்கைகளையும் தழுவுவது, இந்தத் தொழில்நுட்பங்கள் அவர்களின் பின்னணி, மொழி அல்லது திறன்களைப் பொருட்படுத்தாமல் அனைவருக்கும் பயனளிப்பதை உறுதி செய்வதில் முக்கிய பங்கு வகிக்கும். பயனர் தேவைகளில் கவனம் செலுத்தி, மீதமுள்ள சவால்களை எதிர்கொள்வதன் மூலம், VUIs மற்றும் NLU-வின் முழு திறனையும் நாம் திறந்து, அனைவருக்கும் மிகவும் தடையற்ற மற்றும் உள்ளுணர்வுப்பூர்வமான உலகத்தை உருவாக்க முடியும்.