Block, kompania e njohur për inovacionet e saj teknologjike, ka prezantuar Dessa-n, një model të avancuar të inteligjencës artificiale që imiton të folurën njerëzore me një realizëm të jashtëzakonshëm. Ky model është projektuar për të riprodhuar nuancat e komunikimit, duke përfshirë pauzat, të qeshurat dhe emocionet, duke e bërë bisedën me AI më natyrale se kurrë më parë.
Dessa është zhvilluar nga laboratori kërkimor i Block, i cili ka përdorur vetëm të dhëna të të folurit njerëzor për ta trajnuar. Procesi i trajnimit është realizuar me ndihmën e serverëve të fuqishëm me procesorë grafikë NVIDIA, duke siguruar një performancë të lartë dhe efikasitet në përpunimin e informacionit.
Qëllimi kryesor i këtij modeli është të krijojë një komunikim më të natyrshëm mes njerëzve dhe inteligjencës artificiale, duke adresuar disa nga kufizimet e asistentëve zanorë që përdoren sot. Kjo përpjekje synon të sjellë një përmirësim të ndjeshëm në mënyrën se si ne ndërveprojmë me teknologjinë.
Një nga karakteristikat më të rëndësishme të Dessa-s është arkitektura full-duplex, e cila i lejon modelit të dëgjojë dhe të flasë njëkohësisht. Kjo qasje e bën komunikimin më të ngjashëm me bisedat normale mes njerëzve, duke e bërë përvojën më të këndshme dhe më të efektshme.
Një model tjetër që ndan disa karakteristika të ngjashme është GPT-Live i OpenAI, i cili u prezantua më herët këtë vit. Shumica e sistemeve tradicionale e kalojnë komunikimin zanor përmes disa fazave, duke e kthyer më parë zërin në tekst, pastaj duke e përpunuar atë me një model gjuhësor, dhe në fund, duke e shndërruar sërish në të folur.
Block argumenton se ky proces mund të humbasë informacion të rëndësishëm që përcillet përmes tonit dhe emocioneve të zërit. Dessa është ndërtuar për të përpunuar komunikimin zanor në mënyrë më të drejtpërdrejtë, duke e bërë atë më të saktë dhe më të natyrshëm.
Sipas kompanisë, një nga mangësitë e modeleve aktuale është se zërat e krijuar prej tyre shpesh duken artificialë ose të bezdisshëm. Disa sisteme, si ElevenLabs v4 dhe Fish Audio Drama 3, përdorin etiketa të veçanta për të përcaktuar emocionin që duhet të shprehet në zë. Dessa, nga ana tjetër, e ka këtë aftësi të integruar në modelin e saj, megjithatë, nuk ka dhënë detaje nëse përdor ndonjë mekanizëm të veçantë për të kontrolluar shprehjen e emocioneve.
Block ka vënë në dukje se shumë asistentë zanorë nuk arrijnë të kuptojnë ndjenjat e përdoruesve përmes zërit të tyre, gjë që ndikon negativisht në përvojën e përdoruesit. Në një shkrim në blog, kompania thekson se ky problem është i rëndësishëm dhe kërkon zgjidhje për të përmirësuar ndërveprimin me teknologjinë.
Për të demonstruar aftësitë e Dessa-s, Block ka publikuar disa regjistrime të bisedave, ku asistenti përdor zëra të ndryshëm dhe ndryshon shpejtësinë e të folurit për të shprehur emocione në përputhje me kontekstin. Në një nga demonstratat, modeli tregon se është i lodhur nga puna, duke përdorur një ton të rraskapitur, ndërsa në një tjetër, ai flet për ndjenjat e rehatshme që një person i ka dhënë, me një ton që krijon përshtypjen e emocioneve të thella.
Kompania gjithashtu ka publikuar një shembull ku një anëtar i ekipit luan një lojë me asistentin zanor, duke ilustruar se si mënyra e të folurit të modelit mund të ndryshojë sipas rrjedhës së bisedës. Megjithatë, është e rëndësishme të theksohet se, pavarësisht se si model i inteligjencës artificiale shfaq emocione, ai nuk i përjeton ato në të vërtetë.
Dessa gjithashtu ka mundësinë të funksionojë në mënyrë lokale, duke lejuar përdorimin e saj në pajisje të nivelit të konsumatorit, si MacBook M4 Max, ose në kompjuterë më të fuqishëm. Kjo do të thotë se bisedat mund të përpunohen direkt në pajisjen e përdoruesit, pa pasur nevojë për lidhje me serverët e kompanisë, duke ulur kështu kostot e operimit.
Për momentin, publiku nuk ka akses në Dessa-n, dhe Block ka bërë thirrje për testime të sigurisë përpara se modeli të përdoret më gjerësisht. Një nga shqetësimet kryesore është mundësia që këto sisteme të imitojnë bindshëm mënyrën se si komunikojnë njerëzit, duke ngritur pyetje mbi etikën e përdorimit të teknologjisë së tillë.
Sa më natyrshëm të tingëllojë asistenti zanor, aq më e rëndësishme është të shqyrtohet nëse mund të shfrytëzohet për të mashtruar ose manipuluar njerëzit. Testimet do të ndihmojnë kompaninë të zbulojë raste të tilla dhe të krijojë masa mbrojtëse për të mbrojtur përdoruesit.
Block ende nuk ka dhënë një datë se kur Dessa do të jetë në dispozicion për përdoruesit e zakonshëm. Aktiviteti kryesor i Block mbetet në sektorin financiar, ku kompania ofron produkte dhe shërbime teknologjike për bizneset, veçanërisht për ato të vogla. Me modelin e saj të ri, Block ka mundësinë të zgjerojë shërbimet e saj dhe të ofrojë asistentë zanorë më natyralë për komunikimin me klientët dhe automatizimin e proceseve të përditshme.
Dessa është një përpjekje për të bërë ndërveprimin me inteligjencën artificiale më të ngjashëm me bisedat mes njerëzve. Aftësia për të dëgjuar dhe folur njëkohësisht, për të përshtatur tonin emocional dhe për të punuar lokalisht e veçon këtë model. Megjithatë, para se të përdoret gjerësisht, është e nevojshme të vlerësohen pavarësisht aftësitë dhe rreziqet që sjell imitimi realist i zërit njerëzor.
