İnteraksiya modeli, ənənəvi “istifadəçi danışır, model gözləyir, sonra model cavab verir” ardıcıllığından fərqli olaraq səs, video və mətni fasiləsiz emal edə bilən və söhbət davam edərkən araya girə bilən süni intellekt arxitekturasıdır. Travis Gilly-nin araşdırması Thinking Machines Lab tərəfindən 2026-cı ilin mayında təqdim edilən bu yanaşmanın yalnız texniki gecikmə və qarşılıqlı əlaqə problemi kimi deyil, həm də insan münasibətləri, koqnitiv muxtariyyət, əlçatanlıq və uşaqların məxfiliyi baxımından qiymətləndirilməli olduğunu müdafiə edir.

Araşdırmanın əsas materialını iki təqdimat ssenarisinin və şirkətin texniki elanının yaxından oxunması təşkil edir. Bir ssenaridə qulaqcıq taxan şəxsin danışığı model tərəfindən real vaxtda düzəldilir, qarşı tərəf isə AI müdaxilələrini eşitmir. İkinci ssenaridə kamera vasitəsilə qida və içkiləri izləyən model istifadəçiyə nəyi kənara qoymalı və ya seçməli olduğuna dair davamlı müdaxilələr edir. Gilly bu nümunələrdən çıxış edərək üçüncü şəxslərin razılığı, istifadəçilərin modelə sürətlə tabe olması, davamlı davranış nəzarəti, bəzi həssas istifadəçilərin sistemdən daha güclü asılılıq inkişaf etdirməsi ehtimalı, insanlararası ünsiyyətin görünməz AI tərəfindən yazılması və istifadəçidə real öyrənmədən asılı olmayan bacarıq hissinin yaranması olmaqla altı risk kateqoriyası müəyyən edir.

Bu kateqoriyalar eksperimental istifadəçi araşdırması ilə ölçülmüş nəticələr deyil. İş demo davranışlarının konseptual şərhini koqnitiv yükün ötürülməsi ədəbiyyatı və ABŞ-da uşaqların məxfiliyinin tənzimlənməsi ilə birləşdirən tənqidi təhlildir. Xüsusilə “push” modelində AI-nin istifadəçi istəmədən müdaxilə etməsi ilə “pull” modelində istifadəçinin müəyyən anda yardımı özü çağırması arasındakı fərq məqalənin etik dizayn müzakirəsinin mərkəzindədir.

İnteraksiya modeli ənənəvi səsli assistentdən necə fərqlənir?

Thinking Machines Lab-ın təsvir etdiyi interaction model giriş və çıxışları 200 millisaniyəlik zaman üzrə uyğunlaşdırılmış mikro-dövrlər şəklində emal edir. Beləliklə sistem istifadəçi danışığını tam bitirməmişdən səs, görüntü və mətni izləməyə davam edə, eyni anda danışa, vizual dəyişikliklərə reaksiya verə və uyğun hesab etdiyi anda araya girə bilər.

Bu xüsusiyyət texniki baxımdan yalnız gecikməni azaltmaqla məhdudlaşmır. O, danışıq növbəsinin sərhədlərini də dəyişir. Ənənəvi söhbət sistemində adətən nə vaxt sual verəcəyinə istifadəçi qərar verir. Davamlı interaksiya arxitekturasında isə model də söhbətə nə vaxt qoşulacağını müəyyən edə bilər.

Gilly-nin tənqidi məhz bu ikinci xüsusiyyət üzərində cəmlənir. Onun fikrincə problem AI-nin məlumat təqdim edə bilməsi deyil, məlumatın nə vaxt təqdim ediləcəyinə dair təşəbbüsün istifadəçidən sistemə keçməsidir.

Push və pull arasındakı əsas fərq nədir?

Mənbə iki dizayn məntiqini bir-birindən ayırır. Pull əsaslı istifadədə istifadəçi AI dəstəyini müəyyən məqsədlə və müəyyən anda özü çağırır. Muzeydə baxılan əsər barədə məlumat istəmək, bir düyməyə basaraq canlı tərcüməni aktivləşdirmək və ya real vaxt subtitrlərini istifadəçinin tələbi ilə açmaq buna nümunədir.

Push əsaslı istifadədə isə sistem mühiti davamlı qiymətləndirir və istifadəçinin yeni sual verməsini gözləmədən nə vaxt müdaxilə edəcəyinə qərar verə bilər. Danışıq zamanı tələffüzü düzəltmək və ya kamerada görünən qidaya dərhal şərh vermək mənbədə bu dizaynın nümunələri kimi göstərilir.

Müəllif əsas texniki qabiliyyətin özünü deyil, davamlı və proaktiv müdaxiləni standart interaksiya formasına çevirən dizaynı tənqid edir.

Müəllifin müəyyən etdiyi altı risk kateqoriyası hansılardır?

Bu cədvəl zərərin tezliyini göstərən cədvəl deyil. Araşdırma bu təsirlərin istifadəçilərin neçə faizində yarandığını, nə qədər davam etdiyini və hansı şəraitdə səbəb-nəticə əlaqəsi ilə ortaya çıxdığını ölçmür.

İnsan–insan dialoquna görünməz üçüncü tərəf necə daxil olur?

Mənbənin ən aydın nümunəsində iki insan danışarkən onlardan yalnız biri qulaqcığından AI-nin səsini eşidir. Model istifadəçinin tələffüzünü və söylədiyi bir məlumatı düzəldir; istifadəçi düzəlişləri dərhal danışığına daxil edir. Qarşı tərəf isə hansı sözlərin istifadəçinin öz biliyinə, hansılarının saniyənin kiçik bir hissəsində gələn AI müdaxiləsinə əsaslandığını bilmir.

Gilly bu quruluşu “iki nəfərlik münasibətin üçtərəfli hala gəlməsi” kimi şərh edir. Burada əsas etik sual AI-nin doğru və ya yanlış olması deyil. Sual söhbətin digər tərəfinin ünsiyyətdə üçüncü bir məlumat istehsalçısının olduğunu bilib-bilməməsidir.

Araşdırma bu məqamı Edmond Rostand-ın Cyrano de Bergerac pyesi ilə əlaqələndirir. Analogiyanın funksiyası eksperimental sübut təqdim etmək deyil, bir insanın başqa birinin sözlərini görünməz şəkildə yaratmasının münasibətlərə aid xarakterini görünən etməkdir.

Davamlı düzəliş niyə ayrı-ayrı düzgün məsləhətlərdən fərqli ola bilər?

İkinci demo ssenarisində istifadəçi sistemdən kofeinli içkilərdən və şirniyyatlardan uzaq durmasına kömək etməsini istəyir. Model kamera vasitəsilə istifadəçinin əlindəki obyektləri izləyir və seçimlərinə dərhal müdaxilə edir.

Mənbə xüsusi olaraq vurğulayır ki, hər hansı ayrı məsləhətin səhv olması zəruri deyil. Tənqidin mərkəzində məsləhətlərin ümumi quruluşu dayanır: istifadəçi bütün gün davranışını izləyən və hansı anda müdaxilə edəcəyinə özü qərar verən bir səslə birlikdə yaşayarsa, qərar formalaşdırma prosesinin nə qədəri istifadəçidə qalır?

Unudulmamalıdır ki, bu sual araşdırmada eksperimental olaraq cavablandırılmayıb. “Davamlı düzəliş istifadəçi muxtariyyətini bu qədər azaldır” formasında ölçü yoxdur. Məqalə məhsul dizaynı riskini konseptuallaşdırır.

Əlillik müzakirəsi niyə birtərəfli deyil?

Mənbə koqnitiv yükün ötürülməsinin bütövlükdə zərərli olduğu fikrini rədd edir. Təqvim, xatırladıcı, artırılmış və alternativ kommunikasiya vasitələri və ya yaddaş dəstəkləri bəzi insanlar üçün birbaşa əlçatanlıq vasitəsidir. Buna görə “insan işi özü görmürsə koqnitiv qabiliyyət mütləq zərər görür” kimi ümumi tezis əlillik baxımından yetərli deyil.

Məqalənin əsas fərqləndirməsi hansı zehni prosesin niyə ötürüldüyü və istifadəçinin bunu nə dərəcədə idarə etməsi üzərindədir. Bir alətin koqnitiv yükü azaltması bəzi istifadəçilər üçün əlçatanlıq yarada bilər, eyni sistemin davamlı iki səs axını yaratması isə eşitmə emalı və ya sensor inteqrasiya çətinliyi yaşayan başqa istifadəçiyə əlavə yük verə bilər.

Bu fərq mənbədə mühüm dizayn prinsipi kimi təqdim edilir: eyni interaksiya formasının bütün əlillik profilləri üçün eyni nəticə verəcəyi fərz edilə bilməz.

Araşdırma uşaqlar barədə nə iddia edir?

Müəllifin narahatlığı hazır cavaba çıxışı olan böyüklərdən daha çox, müəyyən koqnitiv prosesləri heç vaxt müstəqil şəkildə inkişaf etdirmədən böyüyə biləcək uşağa yönəlir. Daim danışan və səhvi istifadəçi özü hiss etməzdən əvvəl düzəldən bir sistemin sual vermək, xatırlamaq, yaddaşdan geri çağırmaq və iddianı tənqidi qiymətləndirmək imkanlarını azalda biləcəyini irəli sürür.

Lakin mənbə bu uzunmüddətli inkişaf nəticəsini interaction model istifadə edən uşaqlarda birbaşa sınaqdan keçirməyib. Uşaqlarla bağlı istinad edilən tədqiqatlar daha ümumi koqnitiv yükün ötürülməsi, maraq, sual vermə və öyrənmə prosesləri haqqındadır. Buna görə araşdırma inkişaf riski hipotezi irəli sürür; uzunmüddətli səbəb-nəticə nəticəsini göstərmir.

Araşdırmanın Metodu və Tapıntıları

Araşdırmanın metodu nədir?

Tədqiqat metodu üç əsas qatdan ibarətdir:

1. Demo yaxından oxuması: Thinking Machines Lab-ın təqdimat videolarındakı insan–AI qarşılıqlı əlaqələrinin ətraflı şərhi.
2. Konseptual ədəbiyyat sintezi: Koqnitiv yükün ötürülməsi, öyrənmə, yaddaşdan geri çağırma, əlillik və əlçatanlıq ədəbiyyatının interaction model dizaynına tətbiqi.
3. Hüquqi/tənzimləyici təhlil: ABŞ Children's Online Privacy Protection Act Rule dəyişikliklərinin davamlı səs və görüntü qəbul edən sistemlərlə əlaqələndirilməsi.

Araşdırmada nəzarətli eksperiment, sorğu, istifadəçi müsahibəsi, longitudinal izləmə, məhsul telemetriyası, effekt ölçüsü və ya zərər insidensinin ölçülməsi yoxdur.

Assistive, substitutive və disruptive offloading nədir?

Məqalə Jose və həmkarlarının koqnitiv yükün ötürülməsi təsnifatından istifadə edir.

Gilly-nin mərkəzi iddiası davamlı push əsaslı interaction model-in bu üç funksiyanı eyni sistem daxilində eyni anda yerinə yetirə bilməsidir.

“Bacarıq illüziyası” necə yarana bilər?

Araşdırmaya görə istifadəçi qulağına gələn məlumatı dərhal danışığına daxil edə bildikdə kənardan bilikli və axıcı görünə bilər. Lakin düzgün cümlənin deyilməsi məlumatın istifadəçinin öz yaddaşında strukturlaşdırıldığı mənasına gəlmir.

Mənbə bu məqamı yaddaşdan geri çağırma məşqi və səy tələb edən öyrənmə ədəbiyyatı ilə əlaqələndirir. İstifadəçinin problemi özü fərq etməsi, məlumatı axtarması, variantları qiymətləndirməsi və sonra xatırlaması əvəzinə bir neçə yüz millisaniyə içində gələn düzəlişi təkrarlaması öyrənmə üçün fərqli koqnitiv vəziyyət yaradır.

Bununla belə interaction model istifadəçilərinin həqiqətən daha az məlumat xatırlaması bu işdə ölçülməyib. “Bacarıq illüziyası” burada empirik məhsul nəticəsi deyil, mövcud koqnitiv yükün ötürülməsi nəzəriyyəsinin yeni interaksiya arxitekturasına tətbiqidir.

COPPA arqumentinin quruluşu necədir?

Mənbə 2025-ci ildə dəyişdirilən Children's Online Privacy Protection Rule-un 2026 uyğunluq tarixini interaction model arxitekturası ilə birlikdə qiymətləndirir. Müəllif xüsusilə davamlı səs və görüntü emalı zamanı uşaqların səs və ya üz məlumatlarının təsadüfən sistemə daxil ola biləcəyi hallara diqqət yetirir.

Arqumentin məntiqi belədir:

1. Sistem ətraf səs və görüntünü davamlı emal edə bilər.
2. Bu axın istifadəçidən başqa şəxsləri də əhatə edə bilər.
3. Uşaqlara aid müəyyən biometrik identifikatorlar COPPA çərçivəsində şəxsi məlumat sayılır.
4. Buna görə uşaqların olduğu istehlakçı mühitlərində razılıq və məlumat emalı dizaynı istifadə başlanandan sonra deyil, məlumat toplanmazdan əvvəl həll edilməlidir.

Gilly buradan arxitekturanın mövcud forması ilə COPPA-ya uyğun ola bilməyəcəyi nəticəsinə gəlir. Bu son addım müəllifin hüquqi qiymətləndirməsidir. Məqalə Thinking Machines Lab-ın interaction model-i barədə verilmiş FTC pozuntu qərarı və ya məhkəmə qərarı təqdim etmir.

Şirkətin təhlükəsizlik açıqlaması ilə araşdırma arasındakı fərq nədir?

Thinking Machines Lab-ın texniki elanındakı əsas Safety bölməsi real vaxt qarşılıqlı əlaqədə modaliteyə uyğun imtina davranışı və uzun söhbətlərdə təhlükəsizlik sərhədinin qorunması üzərində dayanır. Gilly isə təhlükəsizlik çərçivəsinin bundan daha geniş olmalı olduğunu müdafiə edir.

Mənbənin vurğuladığı mövzular arasında:

• söhbətdə iştirak edən üçüncü şəxslərin razılığı,
• davamlı davranış müdaxiləsi,
• uşaqların inkişaf vəziyyəti,
• müxtəlif əlillik və sensor emal profilləri,
• iş yeri və ya ailədaxili güc münasibətləri,
• koqnitiv yükün ötürülməsi və öyrənmə,
• uşaq məxfiliyi

yer alır.

Bu müqayisə şirkətin bu riskləri heç vaxt idarə edə bilməyəcəyini göstərmir; yalnız Gilly-nin təhlükəsizlik qiymətləndirməsində məhsul təhlükəsizliyinin məzmunun rəddindən daha geniş sosio-texniki sahə kimi nəzərdən keçirilməli olduğu tezisini izah edir.

Niyə push əvəzinə pull dizayn təklif olunur?

Araşdırmanın həll təklifi texnologiyanı tamamilə aradan qaldırmaq deyil. Eyni qavrama və real vaxt cavab qabiliyyətinin istifadəçi təşəbbüsünün qorunduğu başqa interfeyslərlə istifadə oluna biləcəyi müdafiə olunur.

Mənbədə istifadəçinin istəyi ilə işləyən nümunələr arasında:

• muzey bələdçiləri,
• botanika bağı məlumat sistemləri,
• canlı tərcümə,
• eşitmə məhdudiyyətli istifadəçilər üçün subtitr sistemləri

yer alır.

Bu nümunələrdə müəyyənedici amil məlumatın məzmunu deyil, yardımın nə vaxt başlayacağına kimin qərar verməsidir. Müəllif buna görə istifadəçi tərəfindən çağırılan “pull” modeli ilə sistem tərəfindən başladılan “push” modeli arasında etik dizayn fərqi qurur.

Araşdırmanın əsas məhdudiyyətləri

Araşdırmanın əsas nəticəsi necə oxunmalıdır?

Mənbənin əsas nəticəsi “real vaxt multimodal AI texniki olaraq zərərlidir” deyil. Daha dar tezis budur: eyni texniki qabiliyyətin davamlı, proaktiv və istifadəçi istəmədən müdaxilə edən şəkildə məhsullaşdırılması; razılıq, koqnitiv muxtariyyət, əlçatanlıq və uşaq məxfiliyi baxımından istifadəçi tərəfindən çağırılan məhdud yardım sistemindən fərqli risklər yarada bilər.

Sübut səviyyəsi də düzgün məhdudlaşdırılmalıdır. Məqalə mühüm dizayn sualları və sınaqdan keçirilə bilən hipotezlər yaradır, lakin təsvir etdiyi psixoloji və inkişafla bağlı zərərlərin interaction model istifadəçilərində həqiqətən baş verdiyini eksperimental göstərmir.

Mənbə və Metod Qeydi

Orijinal başlıq: I Am Not Allowed: The Voice Thinking Machines Lab Wants In Every Ear

Müəllif: Travis Gilly

ORCID: 0009-0007-2954-6313

Affiliasiya: Real Safety AI Foundation, Illinois, United States

Mənbə PDF-də tarix: May 2026, v1

Platforma: SSRN

SSRN yüklənmə tarixi: 17 iyun 2026

DOI: 10.2139/ssrn.6855460

Mənbə növü və rəyçilik statusu: Working paper / preprint. Təsdiqlənmiş qeyddə rəyli jurnal nəşri göstərilmir.

Biblioqrafik xəbərdarlıq: SSRN qeydindəki “Date Written: May 02, 2026” məlumatı işin təhlil etdiyi 11 may 2026 Thinking Machines Lab elanından daha erkəndir. Mənbə PDF yalnız “May 2026 (v1)” göstərdiyinə görə Verianla bu ziddiyyəti səssizcə düzəltməyib və gün səviyyəsində tarix işlətməyib.

Lisenziya/müəllif hüququ: SSRN qeydi bütün hüquqların qorunduğunu və icazə olmadan təkrar istifadəyə yol verilmədiyini bildirir. Verianla mətni mənbə işin ifadələrini, abzas quruluşunu və ya üçüncü tərəf mədəni/demo materiallarını təkrar istehsal etmir.

Metod: Thinking Machines Lab nümayişlərinin yaxından oxunması; koqnitiv yükün ötürülməsi, öyrənmə və əlçatanlıq ədəbiyyatının konseptual sintezi; COPPA tənzimləməsinə dair normativ hüquq təhlili.

Əsas sübut növü: Məhsul nümayişləri, şirkətin texniki elanı və ikincili akademik/hüquqi mənbələr.

Eksperimental məlumat: Interaction model istifadəçilərindən toplanmış orijinal eksperimental məlumat yoxdur.

Statistik təhlil: İstifadəçi nəticələrinə dair nümunə, nəzarət qrupu, effekt ölçüsü, etibar intervalı və ya hipotez testi yoxdur.

Cognitive offloading mənbəyi: İş assistive, substitutive və disruptive offloading fərqini Jose və həmkarlarının 2025-ci il konseptual taksonomiyasından götürür. Bu mənbə eksperimental interaction-model araşdırması deyil, psixologiya ədəbiyyatını sintez edən mövqe məqaləsidir.

Hüquqi şərhin sərhədi: COPPA müddəalarına dair əsas normativ tarixlər və biometrik məlumatın əhatə dairəsi doğrulana bilsə də, interaction model arxitekturasının hüquqa qəti şəkildə uyğun gəlib-gəlməməsi barədə nəticə Travis Gilly-nin hüquqi arqumentidir.

AI/köməkçi texnologiya açıqlaması: Müəllif işin sonunda nitqdən-mətnə proqram Wispr Flow ilə Anthropic Claude-dan köməkçi texnologiya kimi istifadə etdiyini bildirir.

Verianla işləmə metodu: Mənbənin polemik və mədəni analogiya ağırlıqlı təqdimat quruluşu birbaşa daşınmayıb. Texniki arxitektura, üçüncü şəxs razılığı, koqnitiv yükün ötürülməsi, əlçatanlıq, uşaqlar, COPPA, push/pull dizaynı və sübut sərhədləri ayrı elmi/etik məlumat qatlarına bölünərək müstəqil Azərbaycan dilində tədris strukturu daxilində yenidən qurulub.