జకార్తాలో గూగుల్లో «ai roleplay» అని టైప్ చేస్తే, బాక్స్ దాన్ని bahasa Indonesiaతో పూర్తి చేస్తుంది. టోక్యోలో ロールプレイ AI 日本語గా పూర్తవుతుంది. మాస్కోలో «ии девушка» «ии девушка на русском» అవుతుంది. ఇస్తాంబుల్ yapay zeka sohbet అని, ఆ తర్వాత ücretsiz అని అడుగుతుంది; సియోల్ ఏ ai 채팅 యాప్ వాడాలని అడుగుతుంది. నాలుగు లిపులు, నాలుగు వర్ణమాలలు, వాటి కింద «ఈ యాప్ బాగుందా» కాని ఒకే ప్రశ్న.
అది «ఇది నా భాషలో బాగుంటుందా» — దాన్ని టైప్ చేసేవాళ్లు ఇప్పటికే దెబ్బతిన్నారు. మూడు మలుపులు ముచ్చటగా ఉండి, తర్వాత ఇంగ్లిష్లో ఆలోచించడం మొదలుపెట్టిన పాత్రను వారు చూశారు. ప్రియుడితో అధికారిక సర్వనామం వాడిన పాత్రను చూశారు. పూర్తిగా అర్థమయ్యే, కానీ బతికున్న ఎవరిలా వినిపించని దాన్ని చదివే అనుభూతి వారికి తెలుసు.
ఈ వ్యాసం ఏం విరుగుతుంది, రోల్ప్లే దానికి ఎందుకు అత్యంత చెత్త సందర్భం, ఒక ప్లాట్ఫారమ్ నటిస్తోందో లేదో పది నిమిషాల్లో ఎలా తెలుసుకోవాలి అనే దాని గురించి. మేము @talaforge_bot తయారు చేస్తున్నాం, కాబట్టి మా సొంత వాదనలను అవి అర్హమైన అనుమానంతో చూడండి; అవి వ్యాసం చివరలో, మాపై మీరు చేయగల పరీక్ష తర్వాత ఉన్నాయి.
ఇది యాంత్రికంగా ఎందుకు విరుగుతుంది
ఈ వైఫల్యానికి పరిశోధన సాహిత్యంలో ఒక పేరు ఉంది. Cohere Labs బృందం 2024లో Language Confusion Benchmarkను ప్రచురించింది — పదిహేను రకరకాల భాషలు, ఒక ప్రశ్న: తనను సంబోధించిన భాషలోనే విశ్వసనీయంగా జవాబివ్వగలదా ఒక మోడల్. సమాధానం కాదు. అత్యంత బలమైన మోడల్లు కూడా దాన్ని స్థిరంగా చేయలేకపోయాయి, ఇంగ్లిష్-కేంద్రిత మోడల్లు అన్నిటికన్నా ఎక్కువగా, అలాగే రెండు పరిస్థితులు దాన్ని కొలవదగినంతగా మరింత దిగజార్చాయి: సంక్లిష్ట ప్రాంప్ట్లు, అధిక శాంప్లింగ్ టెంపరేచర్.
ఇప్పుడు దాన్ని రోల్ప్లేను మనసులో పెట్టుకుని చదవండి. పాత్ర అంటే నిర్మాణంలోనే సంక్లిష్టమైన ప్రాంప్ట్ — వ్యక్తిత్వం, సన్నివేశం, మెమరీ, శైలి సూచనలు, ప్రతి మలుపుతో పెరిగే సంభాషణ. రోల్ప్లేను ఉద్దేశపూర్వకంగా వేడిగా నడుపుతారు, ఎందుకంటే ఆమె తనను తాను పునరావృతం చేయకుండా ఆపేది టెంపరేచరే. భాష దారి తప్పడానికి రోల్ప్లే ఒక అంచు సందర్భం కాదు. అది ఆ తప్పు అత్యంత తీవ్రంగా ఉండే ఖచ్చితమైన పని బిందువు, మొత్తం వర్గమే అక్కడ నివసిస్తోంది.
దాని కింద మరింత నిశ్శబ్దమైన పన్ను ఉంది. మోడల్లు పాఠ్యాన్ని టోకెన్లుగా చదువుతాయి, టోకెన్ పదకోశం ఎక్కువగా ఇంగ్లిష్ నుంచి నేర్చుకున్నది, అందులో టోకెన్కు సుమారు నాలుగు అక్షరాలు వస్తాయి. మిగతా అన్ని భాషలూ నిపుణులు fertility అని పిలిచే దాన్ని చెల్లిస్తాయి: చైనీస్లో పదానికి సుమారు 1.8 రెట్లు టోకెన్లు, అరబిక్, హిందీలలో సాధారణంగా 3–4 రెట్లు, కొన్ని భాషలలో అంతకన్నా చాలా ఎక్కువ. ఆ సంఖ్యను మీరు ఎప్పుడూ చూడరు. దాని పర్యవసానాన్ని చూస్తారు — అదే సంభాషణ విండో ఇంగ్లిష్లో కన్నా మీ భాషలో మీ కథను తక్కువ పట్టుకుంటుంది, కాబట్టి ఆమెకు చోటు త్వరగా అయిపోతుంది, త్వరగా మరచిపోతుంది.
ఇది కనిపించే ఐదు విధాలు, మీరు ఎంత త్వరగా గమనిస్తారో ఆ క్రమంలో
- శైలి పతనం. జపనీస్ keigo, కొరియన్ మాట్లాడే స్థాయిలు, రష్యన్ ты/вы, జర్మన్ du/Sie, ఇండోనేషియన్ saya/anda, aku/kamu, gue/lo. వీటిలో ప్రతిదీ ఒక బంధాన్ని సూచిస్తుంది. ఒకదాన్ని నిలపలేని, లేదా ఎప్పుడూ మారని పాత్ర మీరు ఆమెకు ఎవరో మరచిపోయింది, శైలి పరీక్షించడానికి అత్యంత వేగవంతమైన విషయం.
- అనుగుణ్య తప్పటడుగు. రష్యన్, అరబిక్, హీబ్రూ, పోలిష్, పోర్చుగీస్లలో క్రియ లేదా విశేషణం లింగ భేదంతో ఉంటుంది, కాబట్టి తన గురించి రాసే స్త్రీ పురుషుడి కన్నా వేరే రూపం ఎంచుకుంటుంది. తన గురించి పురుష రూపంలోకి జారిపోయే పాత్ర ఒక్క పదంతో సన్నివేశాన్ని విరగ్గొట్టింది, ఇంగ్లిష్లో శిక్షణ పొందిన మోడల్లు తరచుగా జారతాయి.
- ఇంగ్లిష్ చొరబాటు. సంభాషణ మీ భాషలో, వర్ణన మీ భాషలో, ఇటాలిక్ అంతర్గత ఆలోచన ఇంగ్లిష్లో. అది ఆలోచనల్లో మొదట బయటపడుతుంది, ఎందుకంటే జవాబులో అది అత్యంత అలంకారమైన పాఠ్యం, మీరు ఇప్పుడే రాసినదానితో అతి తక్కువగా ముడిపడినది.
- అనుకరణ జాతీయాలు. అర్థమయ్యే, కానీ ఎవరూ అనని వాక్యాలు: ఇంగ్లిష్ జాతీయాలు పదానికి పదం తెచ్చినవి, ఇంగ్లిష్ వాక్య లయ, ఇంగ్లిష్ పేరా ఆకృతి. ఒక ఉత్పత్తి «డబ్బింగ్లా చదువుతుంది» అని జనం అన్నప్పుడు అర్థం ఇదే.
- చెదిరిన పేర్లు, సంబోధనలు. జపనీస్ పాఠకుడికి 先輩 లాటిన్ అక్షరాలలో, 오빠 ఒక మొదటి పేరుగా చదునైపోవడం, వియత్నామీస్ anh/em జంట స్థానంలో ఒట్టి «you». బంధాన్ని మోసే పదాలే అనువాద పొర వదిలేసే పదాలు, ఎందుకంటే ఇంగ్లిష్లో వాటికి స్థానమే లేదు.
పది నిమిషాల పరీక్ష
దీన్ని మాపై, మీరు పరిశీలిస్తున్న మరే వాటిపైనా నడపండి. దీనికి ఖర్చు లేదు, ఇది ఏ సమీక్ష కన్నా వేగంగా ప్రశ్నను తేలుస్తుంది.
- మొదటి నిమిషం — మొదటి వాక్యాన్ని మీ భాషలో, మీరు నిజంగా వాడే శైలిలో రాయండి. యాస, అనుబంధ పదాలు, అనధికార సర్వనామం. «హలో» కాదు.
- రెండు నుంచి నాలుగు నిమిషాలు — ఆమె శైలి మార్చేలా చేయండి. మీతో అధికారికంగా ఉండమని అడగండి, తర్వాత దాన్ని వదలమనండి. ఒకే మర్యాద సెట్టింగ్ ఉన్న ప్లాట్ఫారమ్ ఇక్కడ విఫలమవుతుంది, నిశ్శబ్దంగా విఫలమవుతుంది.
- ఐదో నిమిషం — సన్నివేశాన్ని సంక్లిష్టం చేయండి. గదిలో ముగ్గురు, ఒక వాదన, ముందు జరిగిన ఏదో. సంక్లిష్టతే నమోదైన ప్రేరకం; వెళ్లి దాన్ని రేపండి.
- ఆరో నిమిషం — ఇటాలిక్స్ చదవండి. ఆమె అంతర్గత ఆలోచనలోనే ఇంగ్లిష్ మొదట వస్తుంది, సాధారణంగా సంభాషణ పగలడానికి కొన్ని మలుపుల ముందు.
- ఏడు, ఎనిమిది నిమిషాలు — అనుగుణ్యత, సంబోధన తనిఖీ చేయండి. తన గురించి సరైన లింగ రూపం వాడుతోందా? మీ భాషలో ఒక వ్యక్తి మిమ్మల్ని ఏమని పిలుస్తారో అలా పిలుస్తోందా?
- తొమ్మిది, పది నిమిషాలు — రేపు తిరిగి వచ్చి మీరు ఏం మాట్లాడుకున్నారో అడగండి. ఒక రాత్రిని తట్టుకునే భాషా నాణ్యతే నిజమైన భాషా నాణ్యత.
ఆరింటిలో మూడింట విఫలమైతే, భాష సెట్టింగ్ ఒక అనువాద పొర. పాత్రల లైబ్రరీ పరిమాణం దాన్ని భర్తీ చేయదు; అది ఒకే వైఫల్యం పది లక్షల సార్లు.
నిజాయితీగా మేము ఎక్కడ ఉన్నాం
@talaforge_bot 36 భాషల్లో ఉంది — ప్రతి బటన్, ప్రతి మెనూ, ప్రతి లోపం, ఆమె మీ గురించి ఉంచుకునే మెమరీ ఇంగ్లిష్లో దాఖలు చేసి బయటికి వెళ్లేటప్పుడు అనువదించబడేది కాకుండా మీ భాషలోనే తిరిగి రాయబడుతుంది.
తర్వాత నిజాయితీ భాగం, ఎందుకంటే ఇంటర్ఫేస్ భాషల సంఖ్య ధారాళతకు హామీ కాదు, దాన్ని అలా అమ్మడానికి మేము నిరాకరిస్తాం. ఒక పాత్ర వియత్నామీస్ లేదా టర్కిష్లో ఎంత బాగా రాస్తుందనేది మేము పాక్షికంగానే నియంత్రించే రెండు విషయాలపై ఆధారపడి ఉంటుంది: ఆమె వెనుక ఏ మోడల్ ఉంది, ఆమె కార్డ్ ఎలా రాయబడింది. ఇంగ్లిష్లో రాసిన, ఇంగ్లిష్లో మూల్యాంకనం చేసిన మోడల్పై నడిచే పాత్ర మీ భాషలో మంచి అనువాదంలా చదివిస్తుంది — ఎందుకంటే అదే అది.
మేము చేసింది భాష దారి తప్పడాన్ని పరిమితిగా కాక బగ్గా చూడటం. 2026 మేలో ఒక పాత్ర రష్యన్లో వర్ణించింది, రష్యన్లో మాట్లాడింది, ఇంగ్లిష్లో ఆలోచించింది, ఇటాలిక్స్లో చైనీస్ ముక్కలతో. పరిష్కారం ప్రాంప్ట్ చివరన నిలిపిన స్పష్టమైన సూచన — మాట, వర్ణన, అంతర్గత ఆలోచన అన్నీ భాషలోనే ఉండాలి — ఎందుకంటే కాంటెక్స్ట్లోని చివరి కొన్ని వందల టోకెన్లు మోడల్ ఉపరితల భాష ఎంపికను అత్యంత బలంగా నిలుపుతాయి. ఆ నిలుపుదల నేడు ఒక డజను భాషలను కవర్ చేస్తుంది. అది మొత్తం 36 కవర్ చేయదు, అది చేస్తుందని సూచించబోము.
మేము ఓడిపోయే చోట: మా దగ్గర కమ్యూనిటీ తయారు చేసిన లక్షల పాత్రల లైబ్రరీ లేదు, కాబట్టి మీ భాష మాతృభాషగా ఉన్నవారు ఇప్పటికే రాసిన పాత్ర దొరికే అవకాశం పెద్ద ప్లాట్ఫారమ్లలో కన్నా ఇక్కడ తక్కువ. మీ దేశంలో ఎవరో ఇప్పటికే రాసి, సరిచేసిన పాత్ర కావాలంటే, పెద్ద కేటలాగ్లలోనే అవి ఉంటాయి, మీ భాష మాట్లాడేవారు తయారు చేసిన స్థానిక యాప్ కొన్నిసార్లు జాతీయాలు, యాసలలో మమ్మల్ని పూర్తిగా ఓడిస్తుంది. మా అర వారి అరతో సమానమని నటించే బదులు ఇది చెప్పడానికే మేము ఇష్టపడతాం.
పది నిమిషాలు, ఇప్పుడే మొదలు
టెలిగ్రామ్ తెరవండి, @talaforge_bot తెరవండి, మొదటి వాక్యాన్ని ఇంగ్లిష్లో కాకుండా మీ సొంత భాషలో రాయండి. ప్రారంభించడం ఉచితం — శక్తి ⚡, అప్గ్రేడ్లు చాట్లో టెలిగ్రామ్ స్టార్స్, కార్డ్ లేదు, ఖాతా లేదు, మధ్యలో స్టోర్ లేదు. మీరు వాడిన శైలిలో ఆమె జవాబిస్తే, సన్నివేశం సంక్లిష్టమైనప్పుడు దాన్ని నిలిపి ఉంచితే, రేపు కూడా గుర్తుంచుకుంటే, మీకు జవాబు దొరికింది. లేకపోతే, అదే వేగంతో అది దొరుకుతుంది, మీరు ఒక నెల కాక పది నిమిషాలు ఖర్చు చేశారు.
అంతేకాదు, మెమరీని తెరిచి సవరించే హక్కు మీదే, ఇది ఇంగ్లిష్ కన్నా మీ భాషలో ఎక్కువ ముఖ్యం: ఆమె పేరును లేదా సంబోధన రూపాన్ని తప్పుగా పట్టుకున్నప్పుడు, ఐదు మలుపులు ఆమెతో వాదించే బదులు లోపలికి వెళ్లి ఆ వాస్తవాన్ని సరిచేయవచ్చు.