Про клавиатуру, микрофон и нейроинтерфейсы

Я за последние месяцы уже несколько раз натыкался на посты, где за голосовой ввод активно топили. В целом, логика понятна: голос — 120–150 слов в минуту, печать — 50–60, вроде бы победитель очевиден.

Впервые в нашей профессии появилась возможность радикально изменить способ ввода: вместо печати можно диктовать задания агентам сырым текстом, чтобы уже из него ИИ генерировал код.

Я загорелся идеей и попробовал, но несколько вещей меня довольно быстро сильно смутили.

Во-первых, качество транскрипции, что на английском, что на русском, жутко раздражало. Ты говоришь одно, а транскрибатор агенту вообще про другое. На выходе, как в том анекдоте про поручика Ржевского - простите, мадам, я не расслышал вопроса, но да!

Во-вторых, печатал я с детства быстро, вслепую, а говорю при этом, как умственно отсталый — долго соображаю и подбираю слова. Значит, думаю, в режиме композиции, когда я формулирую мысль на ходу, разницы не должно быть. Во эту гипотезу я и решил проверить.

Эксперимент

Экспромт на произвольную тему про программирование. Три минуты диктовки на английском на одну тему, три минуты на русском на другую, минута печати на русском на третью, минута свайпа на телефоне на русском на четвёртую.

Результаты по сырым словам;
- диктовка (английский и русский) по ~120 слов в минуту (~90, если убрать филлеры);
- печать и свайп по ~50 слов в минуту.

Не сработало: не так уж круто я печатаю, не так уж медленно разговариваю. Хотя и английский устный, и свайп на телефоне приятно удивили.

От слов к смыслу

Смотрю на сами тексты. Диктовка рыхлая: слов полно, а смысла мало. Печать плотная: каждое слово в цель. Отдаю тексты двум агентам, чтобы те насчитали смысловые единицы. Результат - 1,7-2,0 тезиса в минуту на каждый текст, независимо от канала ввода.

Все встало на свои места. Независимо от канала ввода больше 2 тезисов в минуту даже на знакомую тему я отдать не смог. Судя по всему, думаю я медленнее, чем печатаю или, тем более, говорю. Впрочем, при N=1 - это не исследование никакое, это так развлечение. Но что говорит наука? А то и говорит.

Исследование Caltech (Zheng & Meister, 2024): человеческое мышление работает со скоростью около 10 бит в секунду. Причём этот результат согласуется с данными, которые накапливались ещё с начала XX века.

Следствие для агентов

Если вам особо не надо думать, вы уже подумали, то голосом будет быстрее. Это, как правило, небольшие промпты. Если вы думаете со скоростью света, скорее всего, голосом будет быстрее, но научных данных, подтверждающих разницу в скорости мышления напрямую, я не нашёл. Только скорость решения задач, но это не совсем то. Если вы печатаете не очень быстро, то голосом тоже будет быстрее. Если вы на чилле или, наоборот, на бегу или за рулём, то голос опять же выигрывает.

Но если речь заходит про режим, где вы сидите за компом, у вас нет проблем с печатью, думаете по ходу написания промпта, а вокруг люди, которым вы не хотите докучать, то голос очевидно проиграет. И за счёт ошибок транскрипции, и за счёт того, что в тексте будет куча воды и междометий. Да и просто, потому что вы не хотите мешать другим людям.

Про прекрасное далёко

И ещё заход. Сейчас активно разрабатываются ЭЭГ-нейроинтерфейсы, недавно даже про это была большая новость. В целом, весьма может быть, что большого эффекта от этого и не стоит ожидать: быстрее, чем вы думаете, ввод все равно невозможен. А думаете вы, скорее всего, медленнее, чем даже печатаете.