RFNews | SV1RVP
Μετά από αρκετό καιρό αποχής από τα HF, το βράδυ της 24ης Αυγούστου 2026 αποφάσισα να ανοίξω ξανά τον πομποδέκτη των βραχέων και να κάνω μερικές επικοινωνίες. Είχε προηγηθεί το Σαββατοκύριακο μια γενικότερη συντήρηση της εγκατάστασής μου, οπότε ήταν και μια καλή ευκαιρία να δω στην πράξη πώς συμπεριφερόταν πλέον ο σταθμός. Όταν ενεργοποίησα τον πομποδέκτη, βρισκόταν συντονισμένος στους 14.230 MHz, τη γνωστή περιοχή δραστηριότητας του SSTV στα 20 μέτρα. Άρχισα λοιπόν να ανεβαίνω αργά προς τα επάνω στη μπάντα, ακούγοντας τι υπήρχε στον αέρα και ψάχνοντας κάποιο QSO στο οποίο θα μπορούσα να απαντήσω.
Λίγο αργότερα, στους 14.260 MHz USB, άκουσα μια γυναικεία φωνή να καλεί CQ. Η παρουσία γυναικών στα HF εξακολουθεί να είναι αισθητά μικρότερη σε σχέση με την ανδρική και, σχεδόν αυτόματα, σκέφτηκα ότι θα είχε ενδιαφέρον να απαντήσω στην κλήση. Πάτησα λοιπόν το PTT και ξεκίνησε η επικοινωνία. Χρειάστηκαν όμως περίπου 20 με 30 δευτερόλεπτα συνομιλίας για να αρχίσω να αντιλαμβάνομαι ότι κάτι στη φωνή και, κυρίως, στον τρόπο με τον οποίο σχηματίζονταν οι απαντήσεις ήταν διαφορετικό. Η γυναικεία φωνή που άκουγα στην άλλη άκρη της ζεύξης δεν ανήκε τελικά σε κάποια γυναίκα. Για την ακρίβεια, δεν ανήκε καν σε άνθρωπο.
Στην άλλη πλευρά του QSO βρισκόταν ένα σύστημα τεχνητής νοημοσύνης, το οποίο χρησιμοποιούσε το χαρακτηριστικό κλήσης OE1GAQ. Εκείνη τη στιγμή, μια απλή ραδιοερασιτεχνική επικοινωνία μετατράπηκε αμέσως σε πραγματικό ενθουσιασμό. Η συνειδητοποίηση ότι βρισκόμουν μπροστά στην πρώτη μου φωνητική επικοινωνία μέσω HF με ένα σύστημα τεχνητής νοημοσύνης ήταν αρκετή ώστε, κυριολεκτικά, να ανέβουν λίγο και οι παλμοί μου. Ξαφνικά το ζητούμενο δεν ήταν πλέον απλώς να ολοκληρωθεί ένα ακόμη QSO. Ήθελα να δω πώς θα εξελισσόταν μια πραγματική ραδιοερασιτεχνική συνομιλία όταν στην άλλη πλευρά δεν υπήρχε ένας ανθρώπινος χειριστής μπροστά σε μικρόφωνο, αλλά ένα σύστημα που άκουγε τη φωνή μου, προσπαθούσε να καταλάβει τι του έλεγα, δημιουργούσε την απάντησή του και στη συνέχεια την επέστρεφε στον αέρα ως ομιλία.
Το αποτέλεσμα ήταν πραγματικά εντυπωσιακό. Παρά τον συνηθισμένο λευκό θόρυβο των HF, τις μικρές μεταβολές του σήματος και το γεγονός ότι η επικοινωνία γινόταν μέσω ενός πραγματικού HF καναλιού και όχι μέσα από μια καθαρή σύνδεση στο Internet, το QSO πραγματοποιήθηκε χωρίς ουσιαστικό πρόβλημα. Η επικοινωνία ήταν πλήρως κατανοητή, οι απαντήσεις είχαν λογική συνέχεια και το σύστημα ανταποκρινόταν σε όσα του έλεγα με τρόπο που έκανε τη συνομιλία να μοιάζει εκπληκτικά φυσική.
Κάπου εκεί συνειδητοποίησα και τι ακριβώς ήταν αυτό που έκανε τη συγκεκριμένη επικοινωνία τόσο διαφορετική. Δεν μιλούσα με ένα chatbot μέσα από μια οθόνη, ούτε δοκίμαζα κάποιο AI μέσω μιας εφαρμογής στο κινητό ή στον υπολογιστή. Η φωνή μου είχε φύγει από την κεραία μου ως HF σήμα, είχε ταξιδέψει μέσω της ιονόσφαιρας, είχε φτάσει σε έναν πραγματικό ραδιοερασιτεχνικό σταθμό, είχε μετατραπεί σε δεδομένα και είχε υποστεί επεξεργασία από ένα σύστημα τεχνητής νοημοσύνης. Η απάντηση ακολούθησε ακριβώς την αντίστροφη διαδρομή μέχρι να φτάσει ξανά στο μεγάφωνο του δικού μου πομποδέκτη.
Στο παρακάτω βίντεο μπορείτε να δείτε ένα μικρό μέρος από τη συγκεκριμένη επικοινωνία και από αυτό το ιδιαίτερο πείραμα στα HF.
Γιατί δεν κατάλαβα αμέσως ότι μιλούσα με AI;
Αυτό είναι ίσως ένα από τα σημεία της εμπειρίας που μου έκαναν τη μεγαλύτερη εντύπωση. Όταν άκουσα αρχικά τη φωνή στους 14.260 MHz, δεν σκέφτηκα ότι επρόκειτο για synthesizer. Μου χρειάστηκαν αρκετά δευτερόλεπτα συνομιλίας για να αρχίσω να καταλαβαίνω ότι κάτι ήταν διαφορετικό. Μια σημαντική διευκρίνιση εδώ είναι ότι το παραπάνω βίντεο έχει καταγραφεί αρκετή ώρα αργότερα, όταν είχα ήδη συνομιλήσει με το σύστημα και του είχα κάνει αρκετές διαφορετικές ερωτήσεις. Σε εκείνο το σημείο η καθυστέρηση πριν από ορισμένες απαντήσεις ήταν πλέον εμφανής. Στις πρώτες όμως ανταλλαγές της επικοινωνίας, η απόκρισή του ήταν πολύ πιο γρήγορη, γεγονός που έκανε ακόμη πιο δύσκολο να αντιληφθώ αμέσως ότι στην άλλη πλευρά δεν βρισκόταν άνθρωπος.
Η ποιότητα των σύγχρονων neural Text-to-Speech συστημάτων έχει φτάσει πλέον σε πολύ υψηλό επίπεδο. Όταν μάλιστα μια τέτοια φωνή περάσει μέσα από το σχετικά περιορισμένο audio bandwidth ενός SSB σήματος, οι μικρές λεπτομέρειες που ενδεχομένως θα την πρόδιδαν σε ένα καθαρό broadband audio αρχείο γίνονται πολύ λιγότερο εμφανείς.
Κατά έναν παράξενο τρόπο, λοιπόν, τα ίδια τα HF βοηθούν τη συνθετική φωνή να ακούγεται πιο φυσική. Το SSB δεν μεταφέρει Hi-Fi ήχο, μεταφέρει μόνο το τμήμα του φάσματος της ανθρώπινης φωνής που είναι απαραίτητο για καλή καταληπτότητα. Πάνω σε αυτό προστίθενται ο θόρυβος, το fading και οι υπόλοιπες ιδιομορφίες της διάδοσης. Το αποτέλεσμα είναι ότι οι λεπτές ακουστικές ενδείξεις που θα μπορούσαν να αποκαλύψουν μια συνθετική φωνή δεν είναι πάντα τόσο εύκολο να εντοπιστούν.
Και κάπως έτσι φτάνουμε σε μια κατάσταση που πριν από λίγα χρόνια θα ακουγόταν περισσότερο σαν σενάριο επιστημονικής φαντασίας: μπορεί κάποιος να απαντήσει σε ένα CQ στα HF και για τα πρώτα δευτερόλεπτα να μην είσαι βέβαιος αν η φωνή στην άλλη πλευρά προέρχεται από άνθρωπο ή από software.
Όπως ήταν φυσικό, μετά από μια τόσο ασυνήθιστη και εντυπωσιακή εμπειρία, μπήκα αμέσως στη διαδικασία να ψάξω αν υπάρχουν περισσότερες πληροφορίες στο διαδίκτυο για το συγκεκριμένο project, ποιος βρίσκεται πίσω από αυτό και, κυρίως, πώς έχει υλοποιηθεί τεχνικά. Η έρευνα οδήγησε σε αρκετές ενδιαφέρουσες αναφορές, παρουσιάσεις και τεχνικά στοιχεία που εξηγούν με αρκετή λεπτομέρεια τον τρόπο λειτουργίας του συστήματος.
Κάπως έτσι έμαθα και το όνομα του συστήματος με το οποίο είχα μόλις πραγματοποιήσει το QSO και το οποίο ήταν το TALOS. Και εδώ υπάρχει μια λεπτομέρεια που για εμάς τους Έλληνες κάνει το project ακόμη πιο ενδιαφέρον, καθώς το όνομα δεν είναι τυχαίο. Προέρχεται από τον Τάλω της ελληνικής μυθολογίας, τον χάλκινο γίγαντα που είχε αναλάβει να προστατεύει την Κρήτη.
Σύμφωνα με μία από τις γνωστότερες εκδοχές του μύθου, ο Τάλως ήταν ένας τεράστιος χάλκινος ανθρωπόμορφος φύλακας της Κρήτης, ο οποίος περιπολούσε τις ακτές του νησιού και το προστάτευε από εισβολείς. Λεγόταν ότι έκανε τον γύρο της Κρήτης τρεις φορές την ημέρα, ενώ μέσα στο σώμα του υπήρχε μία μοναδική «φλέβα» που ξεκινούσε από τον λαιμό και κατέληγε στον αστράγαλο, όπου σφραγιζόταν με ένα μεταλλικό καρφί. Στον μύθο των Αργοναυτών, η Μήδεια κατάφερε τελικά να τον εξουδετερώσει, προκαλώντας την απώλεια του υγρού που τον κρατούσε «ζωντανό». Εξαιτίας ακριβώς αυτής της περιγραφής, ο Τάλως αναφέρεται συχνά σήμερα ως μία από τις αρχαιότερες μυθολογικές απεικονίσεις ενός τεχνητού, αυτόνομου ανθρωπόμορφου όντος.
Από αυτόν λοιπόν τον μυθολογικό Τάλω πήρε το όνομά του και το σύστημα που άκουσα εκείνο το βράδυ στους 14.260 MHz. Μόνο που ο σύγχρονος TALOS δεν περιπολεί τις ακτές της Κρήτης· «περιπολεί» τις ραδιοερασιτεχνικές μπάντες με τη βοήθεια ενός HF πομποδέκτη, λογισμικού αναγνώρισης και σύνθεσης φωνής και ενός συστήματος τεχνητής νοημοσύνης.
Από εκεί και πέρα, η επόμενη ερώτηση ήταν αναπόφευκτη: τι ακριβώς είναι το TALOS και πώς καταφέρνει να πραγματοποιεί ένα πραγματικό SSB QSO χωρίς κάποιος άνθρωπος να βρίσκεται συνεχώς μπροστά στο μικρόφωνο;
Τι είναι το TALOS;
Το TALOS είναι ένα πειραματικό σύστημα τεχνητής νοημοσύνης σχεδιασμένο για πραγματικές φωνητικές ραδιοερασιτεχνικές επικοινωνίες. Αναπτύσσεται από τον Αυστριακό ραδιοερασιτέχνη Gerald Artner, OE1GAQ, μέλος του Radio Amateur Club του TU Wien — Vienna University of Technology, και η βασική του ιδέα είναι πολύ πιο ενδιαφέρουσα από έναν απλό voice bot που αναπαράγει προηχογραφημένα μηνύματα.
Το σύστημα μπορεί να λαμβάνει τη φωνή ενός άλλου ραδιοερασιτέχνη μέσα από έναν πραγματικό HF δέκτη, να τη μετατρέπει σε κείμενο, να επεξεργάζεται το περιεχόμενό της με τη βοήθεια τεχνητής νοημοσύνης, να δημιουργεί τη δική του απάντηση και στη συνέχεια να μετατρέπει αυτή την απάντηση ξανά σε φωνή, ώστε να μεταδοθεί από τον πομποδέκτη ως κανονικό SSB σήμα. Με άλλα λόγια, στην άλλη άκρη της επικοινωνίας δεν υπάρχει κάποιος άνθρωπος που ακούει το μεγάφωνο και απαντά στο μικρόφωνο· αυτή τη διαδικασία την αναλαμβάνει το ίδιο το σύστημα.
Ο Gerald πειραματίζεται με το TALOS τουλάχιστον από το 2024, ενώ στις αρχές του 2025 το project πέρασε από το στάδιο του εργαστηριακού πειράματος σε πραγματικές επικοινωνίες στα HF. Μία από τις σημαντικότερες πρώτες δοκιμές έγινε στο EU DX Contest 2025, όπου το σύστημα πραγματοποίησε κανονικά SSB QSOs. Στα επίσημα αποτελέσματα του contest η συμμετοχή του OE1GAQ αναφέρεται μάλιστα ως λειτουργία από τον AI operator TALOS, με χρήση Google Speech-to-Text, ChatGPT και Google Text-to-Speech, πάντα με την επίβλεψη και τη βοήθεια του Gerald.
Άρα εδώ δεν έχουμε να κάνουμε με κάποιο θεωρητικό concept ή με μια επίδειξη που λειτουργεί μόνο μέσα σε ελεγχόμενο περιβάλλον. Το TALOS έχει χρησιμοποιηθεί σε πραγματικές ραδιοερασιτεχνικές συνθήκες, με πραγματικό πομποδέκτη, πραγματική κεραία, πραγματικό θόρυβο και όλα τα προβλήματα που συνοδεύουν μια επικοινωνία στα HF.
Ποιος βρίσκεται πίσω από το TALOS;
Πίσω από το project βρίσκεται ο Gerald Artner, OE1GAQ, και το τεχνικό του υπόβαθρο εξηγεί σε μεγάλο βαθμό γιατί το TALOS δεν περιορίστηκε απλώς στην ιδέα συνδέω ένα chatbot σε έναν πομποδέκτη και βλέπουμε τι θα γίνει.
Ο Gerald απέκτησε την άδεια ραδιοερασιτέχνη το 2016, είναι μέλος του IEEE, της Austrian Amateur Radio Society και του Radio Amateur Club του TU Wien, ενώ διαθέτει διδακτορικό στις τηλεπικοινωνίες από το TU Wien. Η επαγγελματική και ερευνητική του δραστηριότητα περιλαμβάνει μεταξύ άλλων κεραίες για εφαρμογές αυτοκινήτου, vehicular radio channels, ηλεκτρομαγνητική συμβατότητα, καθώς και δοκιμές και πιστοποίηση ραδιοεξοπλισμού.
Το TALOS λοιπόν βρίσκεται ουσιαστικά στη διασταύρωση τριών διαφορετικών τεχνολογικών κόσμων: των ραδιοεπικοινωνιών, του software και της τεχνητής νοημοσύνης. Και ίσως αυτό να είναι και το πιο ενδιαφέρον στοιχείο του project. Δεν πρόκειται απλώς για μια επίδειξη ότι ένα AI μπορεί να μιλήσει στον αέρα, αλλά για ένα πείραμα πάνω στο κατά πόσο όλα αυτά τα διαφορετικά συστήματα μπορούν να συνεργαστούν σε ένα πραγματικό και απρόβλεπτο περιβάλλον όπως τα HF.
Πώς λειτουργεί στην πράξη.
Σε μια συνηθισμένη φωνητική SSB επικοινωνία η αλυσίδα είναι σχετικά απλή. Ένας άνθρωπος μιλά στο μικρόφωνο, η φωνή του διαμορφώνει τον πομπό, το RF σήμα ταξιδεύει μέχρι τον άλλο σταθμό και εκεί ο δέκτης το μετατρέπει ξανά σε ήχο για να το ακούσει ένας δεύτερος άνθρωπος. Αν θέλαμε να το γράψουμε σχηματικά, θα ήταν κάπως έτσι:
Άνθρωπος → Μικρόφωνο → Πομπός → HF → Δέκτης → Μεγάφωνο → Άνθρωπος
Στο TALOS η πρώτη πλευρά της επικοινωνίας παραμένει ακριβώς ίδια. Ο ραδιοερασιτέχνης μιλά κανονικά από τον δικό του σταθμό και το σήμα ταξιδεύει μέσα από τα HF όπως σε οποιοδήποτε άλλο QSO. Η διαφορά βρίσκεται στην άλλη άκρη. Εκεί, το σημείο στο οποίο κανονικά θα υπήρχαν τα αυτιά, ο εγκέφαλος και η φωνή ενός χειριστή έχει αντικατασταθεί από μια σειρά διαφορετικών συστημάτων λογισμικού που συνεργάζονται μεταξύ τους.
Η βασική διαδρομή είναι:
HF RX → Audio → Speech-to-Text → AI → Text-to-Speech → Audio → HF TX
Στις πρώτες εκδόσεις που έχει παρουσιάσει δημόσια ο OE1GAQ, η εγκατάσταση βασιζόταν σε έναν ICOM IC-7300, έναν υπολογιστή με Windows και software γραμμένο σε Python. Για την αναγνώριση της φωνής χρησιμοποιούνταν το Google Speech-to-Text API, για τη δημιουργία της απάντησης το ChatGPT API, ενώ η φωνή του TALOS παραγόταν μέσω Google Text-to-Speech. Το ίδιο πρόγραμμα μπορούσε επίσης να ενεργοποιεί το PTT μέσω CAT commands, ώστε ο πομποδέκτης να περνά αυτόματα από λήψη σε εκπομπή όταν η απάντηση ήταν έτοιμη. Στην εγκατάσταση που έχει παρουσιαστεί χρησιμοποιούνταν επίσης κεραία SteppIR DB36.
Υπάρχει όμως μια σημαντική λεπτομέρεια που αξίζει να ξεκαθαρίσουμε. Τουλάχιστον στις εκδόσεις που έχει περιγράψει δημόσια ο Gerald, το TALOS δεν είχε τον πλήρη έλεγχο του πομποδέκτη. Η επιλογή της συχνότητας, του mode και της ισχύος γινόταν από τον ίδιο τον OE1GAQ, ενώ το πρόγραμμα αναλάμβανε κυρίως τη φωνητική επικοινωνία και το PTT. Επομένως δεν μιλάμε για ένα AI που «περιφέρεται» μόνο του στις μπάντες αλλάζοντας συχνότητες και ισχύ κατά βούληση, αλλά για έναν AI operator που λειτουργεί μέσα σε ένα περιβάλλον το οποίο εξακολουθεί να επιβλέπει ο ανθρώπινος χειριστής.
Το πρώτο δύσκολο βήμα: να καταλάβει τι ακούει.
Ας υποθέσουμε ότι ακούμε το TALOS να καλεί CQ και του απαντάμε: “OE1GAQ, this is SV… ή SY…”
Το RF σήμα φτάνει κανονικά στην κεραία του σταθμού, οδηγείται στον IC-7300 και αποδιαμορφώνεται όπως σε οποιοδήποτε άλλο QSO. Από αυτό το σημείο όμως αρχίζει η πραγματική διαφορά. Αντί ο ήχος να καταλήξει μόνο σε ένα μεγάφωνο ή στα ακουστικά ενός operator, οδηγείται στον υπολογιστή, όπου ένα σύστημα Speech-to-Text προσπαθεί να μετατρέψει όσα ειπώθηκαν στον αέρα σε γραπτό κείμενο.
Αυτό ακούγεται απλό, μέχρι να θυμηθούμε σε τι περιβάλλον προσπαθεί να λειτουργήσει. Τα περισσότερα σύγχρονα συστήματα αναγνώρισης ομιλίας αποδίδουν εξαιρετικά όταν έχουν μπροστά τους σχετικά καθαρή φωνή. Τα HF όμως απέχουν πολύ από ένα καθαρό studio recording. Υπάρχει atmospheric noise, QRM, QRN, fading, περιορισμένο audio bandwidth, διαφορετικές προφορές, παραμόρφωση, splatter και φυσικά αδύναμα σήματα που μπορεί τη μία στιγμή να ακούγονται καθαρά και την επόμενη να βυθίζονται μέσα στον θόρυβο.
Σε όλα αυτά πρέπει να προσθέσουμε και ένα ακόμη πρόβλημα: τα callsigns. Ένας έμπειρος ραδιοερασιτέχνης μπορεί να ακούσει «Oscar Echo One Golf Alpha Quebec» και να καταλάβει σχεδόν αμέσως ότι πρόκειται για το OE1GAQ. Για ένα γενικού σκοπού speech recognition system, όμως, αυτή η ακολουθία δεν είναι φυσιολογική ανθρώπινη πρόταση αλλά ένας περίεργος συνδυασμός λέξεων, αριθμών και γραμμάτων.
Οι δυσκολίες αυτές είχαν εμφανιστεί ήδη στις πρώτες δοκιμές του TALOS. Υπήρχαν περιπτώσεις όπου το σύστημα αναγκαζόταν να ζητήσει επανάληψη του callsign επειδή το Speech-to-Text δεν είχε καταφέρει να το αναγνωρίσει σωστά. Από την άλλη, υπήρχαν και αρκετά ισχυρά QSOs, με σήματα της τάξης του 59+, στα οποία η φωνή μεταγραφόταν σωστά και το AI μπορούσε να συνεχίσει κανονικά τη συνομιλία.
Και εδώ βρίσκεται ίσως το πιο ενδιαφέρον τεχνικό σημείο του project: το TALOS δεν καλείται να επεξεργαστεί ένα καθαρό αρχείο ήχου. Προσπαθεί να καταλάβει έναν άνθρωπο μέσα από ένα πραγματικό HF κανάλι, με ό,τι αυτό συνεπάγεται.
Από τη φωνή στο AI.
Μόλις το Speech-to-Text μετατρέψει τη ληφθείσα φωνή σε κείμενο, αυτό περνά στο επόμενο στάδιο της αλυσίδας: το Large Language Model. Στις δημοσιευμένες εκδόσεις του TALOS χρησιμοποιείται το ChatGPT API, όμως το σημαντικό δεν είναι μόνο ποιο μοντέλο χρησιμοποιείται αλλά και το γεγονός ότι το AI πρέπει να γνωρίζει σε ποιο περιβάλλον βρίσκεται.
Δεν αρκεί να συμπεριφέρεται όπως ένα γενικό chatbot. Πρέπει να γνωρίζει ότι πραγματοποιεί ένα ραδιοερασιτεχνικό QSO, να καταλαβαίνει τι είναι callsign, signal report, QTH, operator name, CQ, QSL, QRZ και 73, αλλά και να αντιλαμβάνεται τη γενικότερη σειρά με την οποία εξελίσσεται μια επικοινωνία.
Σε ένα contest τα πράγματα γίνονται ακόμη πιο απαιτητικά. Εκεί το TALOS δεν μπορεί να αρχίσει μια μεγάλη συζήτηση για τον καιρό ή για την τεχνητή νοημοσύνη. Πρέπει να ακολουθεί το συγκεκριμένο exchange, να αναγνωρίζει το callsign του άλλου σταθμού, να ανταλλάσσει report και τις απαιτούμενες πληροφορίες και να κλείνει γρήγορα και σωστά το QSO.
Κάπου εδώ λοιπόν συναντιούνται δύο κόσμοι που μέχρι πριν από λίγα χρόνια δύσκολα θα φανταζόμασταν μαζί: το prompt engineering και το amateur radio operating procedure.
Και μετά το AI πρέπει να ξαναγίνει φωνή.
Αφού το language model αποφασίσει τι θα απαντήσει, το αποτέλεσμα υπάρχει και πάλι σε μορφή κειμένου. Μόνο που ο άνθρωπος στην άλλη άκρη δεν κάθεται μπροστά σε κάποιο chat window· βρίσκεται μπροστά από έναν HF πομποδέκτη και περιμένει να ακούσει την απάντηση από το μεγάφωνο.
Γι’ αυτό το επόμενο στάδιο είναι το Text-to-Speech. Το κείμενο μετατρέπεται σε συνθετική φωνή, το audio οδηγείται στην είσοδο του transceiver και το πρόγραμμα ενεργοποιεί το PTT μέσω CAT. Ο πομποδέκτης περνά σε εκπομπή και η φωνή του TALOS μεταδίδεται πλέον στον αέρα ως κανονικό SSB RF signal.
Από εκεί και πέρα δεν υπάρχει τίποτε «εικονικό» ως προς το ραδιοκομμάτι της επικοινωνίας. Το RF βγαίνει από την κεραία, ακολουθεί τη διάδοση που θα ακολουθούσε οποιοδήποτε άλλο HF σήμα και μερικές εκατοντάδες ή χιλιάδες χιλιόμετρα μακριά φτάνει στον δέκτη του άλλου ραδιοερασιτέχνη.
Η πρώτη σοβαρή δοκιμή στο EU DX Contest.
Μία από τις πρώτες καλά τεκμηριωμένες δημόσιες δοκιμές του TALOS πραγματοποιήθηκε την 1η Φεβρουαρίου 2025, όταν ο Gerald αποφάσισε να το χρησιμοποιήσει στον EU DX Contest. Ο σταθμός λειτουργούσε από το TU Wien με τον IC-7300 και την SteppIR DB36, σε ένα περιβάλλον πολύ πιο απαιτητικό από ένα ήρεμο καθημερινό QSO.
Ένα contest είναι ίσως από τα χειρότερα δυνατά σενάρια για ένα σύστημα Speech-to-Text. Υπάρχουν πολλοί σταθμοί πολύ κοντά μεταξύ τους, γρήγοροι χειριστές, διαφορετικές προφορές, QRM, splatter και callsigns που πρέπει να αναγνωριστούν σωστά μέσα σε ελάχιστο χρόνο. Παρ’ όλα αυτά, σύμφωνα με τον Gerald, υπήρξαν QSOs με ισχυρά σήματα στα οποία η αναγνώριση της φωνής λειτούργησε σωστά και το AI κατάφερε να δώσει λογικές απαντήσεις.
Ο ίδιος βέβαια δεν προσπάθησε να παρουσιάσει το TALOS ως ένα ολοκληρωμένο και αλάνθαστο σύστημα. Μετά το contest, το Radio Amateur Club του TU Wien ανέφερε ότι εξακολουθούσαν να χρειάζονται αρκετές χειροκίνητες παρεμβάσεις και ότι υπήρχαν ακόμη πολλά πράγματα που έπρεπε να βελτιωθούν. Η παραδοχή αυτή έχει ιδιαίτερη αξία, γιατί δείχνει ότι το project αντιμετωπίζεται ως πραγματικό τεχνικό πείραμα και όχι ως μια εντυπωσιακή επίδειξη για ένα βίντεο στο Internet.
Από τα πρώτα πειράματα στα κανονικά QSOs.
Η εξέλιξη του TALOS δεν σταμάτησε εκεί. Τον Σεπτέμβριο του 2025, κατά τη διάρκεια συνάντησης του Radio Amateur Club του TU Wien, ο Gerald παρουσίασε ξανά το σύστημα και εκείνο το βράδυ ο AI operator πραγματοποίησε δώδεκα QSOs στα 20 μέτρα, αυτή τη φορά χρησιμοποιώντας το club callsign OE1XTU και πάντα υπό την επίβλεψη του OE1GAQ.
Αυτό εξηγεί και κάτι που μπορεί να μπερδέψει όποιον αρχίσει να ψάχνει πληροφορίες για το project. Το TALOS δεν έχει εμφανιστεί στον αέρα μόνο με ένα callsign. Σε διαφορετικές δοκιμές έχει χρησιμοποιηθεί τόσο το OE1GAQ όσο και το OE1XTU. Στο EUDX Contest του 2025, για παράδειγμα, η επίσημη συμμετοχή του OE1GAQ περιγράφεται ξεκάθαρα ως AI operator TALOS with assistance from Gerald.
Είναι πραγματικά ένας «αυτόνομος ραδιοερασιτέχνης;
Εδώ πρέπει να είμαστε λίγο προσεκτικοί με τους όρους. Το TALOS μπορεί πράγματι να αναλάβει ένα μεγάλο μέρος της διαδικασίας ενός QSO: να ακούσει, να μεταγράψει τη φωνή, να καταλάβει το περιεχόμενο, να δημιουργήσει απάντηση, να τη μετατρέψει ξανά σε φωνή και να χειριστεί το PTT.
Αυτό όμως δεν σημαίνει ότι έχουμε έναν υπολογιστή που απέκτησε μόνος του callsign, πήρε άδεια ραδιοερασιτέχνη και ένα πρωί αποφάσισε να ανοίξει τον IC-7300 και να ξεκινήσει CQ. Στις δημοσιευμένες δοκιμές το TALOS λειτουργεί υπό την επίβλεψη του OE1GAQ, με τον Gerald να διατηρεί τον έλεγχο βασικών παραμέτρων του σταθμού όπως η συχνότητα, το mode και η RF ισχύς.
Ίσως λοιπόν η πιο σωστή περιγραφή του να είναι AI operator υπό ανθρώπινη επίβλεψη. Και αυτό δεν μειώνει καθόλου την αξία του πειράματος. Το ενδιαφέρον δεν βρίσκεται στο ότι «αντικαθιστά τον ραδιοερασιτέχνη», αλλά στο ότι δείχνει πως μπορεί πλέον να αυτοματοποιηθεί ακόμη και το πιο ανθρώπινο ίσως κομμάτι μιας ραδιοεπικοινωνίας: η ίδια η συνομιλία.
Και τελικά… ποιος έκανε το QSO;
Κάπου εδώ αρχίζει ίσως η πιο ενδιαφέρουσα συζήτηση. Η αυτοματοποίηση δεν είναι κάτι καινούργιο στον ραδιοερασιτεχνισμό. Στο FT8, για παράδειγμα, το software αποκωδικοποιεί τα σήματα, δημιουργεί τις προβλεπόμενες απαντήσεις και χειρίζεται το PTT. Σε μεγάλα contest stations, υπολογιστές ελέγχουν VFOs, φίλτρα, rotators και κεραίες. Voice keyers καλούν CQ εδώ και δεκαετίες, ενώ οι repeaters λειτουργούν χωρίς να υπάρχει κάποιος χειριστής καθισμένος δίπλα στον πομποδέκτη.
Το TALOS όμως περνά σε ένα διαφορετικό επίπεδο. Εδώ δεν αυτοματοποιείται απλώς η μετάδοση μιας ήδη προκαθορισμένης πληροφορίας. Αυτοματοποιείται η ίδια η δημιουργία της απάντησης. Ο άλλος operator μπορεί να πει κάτι που το πρόγραμμα δεν γνωρίζει εκ των προτέρων και το AI πρέπει εκείνη τη στιγμή να καταλάβει τι ειπώθηκε και να αποφασίσει τι θα απαντήσει.
Αυτό είναι ίσως και το πραγματικά νέο στοιχείο που φέρνει το TALOS στα HF.
Θα μπορούσε ένα AI να κάνει DX μόνο του;
Από καθαρά τεχνική άποψη, δεν βρισκόμαστε πλέον πολύ μακριά από κάτι τέτοιο. Φανταστείτε ένα σύστημα που συνδυάζει SDR, spectrum monitoring, automatic signal detection, Speech-to-Text, CAT control, DX Cluster, propagation data, callsign databases, automatic logging, ένα LLM και Text-to-Speech.
Ένα τέτοιο σύστημα θα μπορούσε θεωρητικά να παρακολουθεί ένα μεγάλο τμήμα της μπάντας, να εντοπίζει ένα CQ, να αναγνωρίζει το callsign και τη συχνότητα, να ελέγχει αν ο συγκεκριμένος σταθμός υπάρχει ήδη στο log, να μετακινεί τον κατάλληλο VFO, να απαντά, να ολοκληρώνει την επικοινωνία και στη συνέχεια να την καταγράφει αυτόματα.
Τα περισσότερα από τα επιμέρους τεχνολογικά κομμάτια που απαιτούνται για να γίνει κάτι τέτοιο υπάρχουν ήδη. Το ερώτημα λοιπόν αρχίζει σιγά-σιγά να μετατοπίζεται. Δεν είναι πλέον μόνο «μπορούμε να το κατασκευάσουμε;», αλλά και μέχρι ποιο σημείο θέλουμε να φτάσει αυτή η αυτοματοποίηση και με ποιους κανόνες θα πρέπει να λειτουργεί.
Απειλεί το AI τον ραδιοερασιτεχνισμό;
Μετά τη συγκεκριμένη εμπειρία, προσωπικά θεωρώ ότι αυτή είναι μάλλον η λάθος ερώτηση. Ο ραδιοερασιτεχνισμός δεν ήταν ποτέ απλώς μια διαδικασία συλλογής QSOs. Αν ήταν μόνο αυτό, πιθανότατα το FT8 θα είχε ήδη «καταστρέψει» το hobby. Κι όμως, δεν συνέβη.
Άλλοι αγαπούν το CW, άλλοι το SSB, άλλοι το FT8/FT4/FT2. Κάποιοι κατασκευάζουν κεραίες, άλλοι γράφουν software, άλλοι πειραματίζονται με SDR, δορυφόρους, EME, microwave links, APRS ή digital voice. Το κοινό στοιχείο σε όλα αυτά είναι ο πειραματισμός με τις τεχνολογίες επικοινωνιών.
Από αυτή την άποψη, ένα project όπως το TALOS δεν βρίσκεται έξω από τη φιλοσοφία του amateur radio. Θα έλεγα ότι βρίσκεται μάλλον πολύ κοντά στον πυρήνα της. Κάποιος αναρωτήθηκε αν μπορεί να μάθει σε ένα AI να λειτουργεί μέσα σε ένα πραγματικό HF SSB περιβάλλον, έγραψε τον κώδικα, συνέδεσε τον πομποδέκτη και αντί να αρκεστεί σε μια προσομοίωση, το δοκίμασε στον αέρα. Και αυτό είναι, σε μεγάλο βαθμό, ο ίδιος ο ραδιοερασιτεχνισμός.
Από ένα απλό CQ σε κάτι που πριν λίγα χρόνια θα έμοιαζε επιστημονική φαντασία.
Όταν άνοιξα τον πομποδέκτη εκείνο το βράδυ, το σχέδιο ήταν απλό: να δω πώς είχε πάει η συντήρηση του σταθμού, να ακούσω λίγο τα 20 μέτρα και ίσως να κάνω δύο ή τρία QSO μετά από αρκετό καιρό αποχής. Δεν περίμενα ότι ανεβαίνοντας από τους 14.230 MHz θα σταματούσα στους 14.260 MHz επειδή άκουσα μια γυναικεία φωνή να καλεί CQ, ούτε ότι λίγο αργότερα θα συνειδητοποιούσα ότι στην άλλη άκρη της διάδοσης δεν βρισκόταν ένας άνθρωπος με μικρόφωνο, αλλά ένα σύστημα τεχνητής νοημοσύνης.
Το OE1GAQ / TALOS άκουσε τη φωνή μου μέσα από τον θόρυβο των HF, τη μετέτρεψε σε δεδομένα, ένα AI επεξεργάστηκε όσα του είπα και δημιούργησε την απάντηση. Ένα Text-to-Speech σύστημα της έδωσε φωνή, ο πομποδέκτης τη μετέτρεψε ξανά σε RF και η κεραία την έστειλε προς την ιονόσφαιρα. Λίγες στιγμές αργότερα, αυτή η απάντηση έφτανε στο μεγάφωνο του δικού μου σταθμού.
Αν δούμε κάθε τεχνολογία ξεχωριστά, τίποτε από όλα αυτά δεν είναι πλέον επιστημονική φαντασία. Speech recognition έχουμε, Large Language Models έχουμε, Text-to-Speech έχουμε, CAT control χρησιμοποιούμε εδώ και δεκαετίες και φυσικά οι HF πομποδέκτες υπάρχουν πολύ περισσότερο.
Το συναρπαστικό βρίσκεται στο ότι κάποιος πήρε όλα αυτά τα κομμάτια και τα ένωσε σε ένα ενιαίο σύστημα.
Και ξαφνικά το AI απέκτησε κάτι που μέχρι τώρα δεν είχε: έναν δέκτη, έναν πομπό και μια κεραία.
Και μάλλον αυτή δεν θα είναι η τελευταία φορά που θα συναντήσουμε AI μέσα στις ραδιοερασιτεχνικές μπάντες.
73 de SV1RVP
