Block, kompania e teknologjisë e themeluar nga Jack Dorsey, ka zbuluar Dessa-n, një model të ri të inteligjencës artificiale për komunikim zanor. Ai synon të riprodhojë të folurën njerëzore me realizëm të lartë, duke përfshirë pauza, të qeshura dhe nuanca emocionale. Modeli mund të punojë drejtpërdrejt në kompjuterë personalë, pa kërkuar përpunim të pandërprerë në serverë të largët.
Laboratori kërkimor i Block e ka zhvilluar Dessa-n dhe, sipas kompanisë, e ka trajnuar vetëm me të dhëna të të folurit njerëzor. Trajnimi është kryer duke përdorur një sistem të vetëm serverësh me procesorë grafikë NVIDIA.
Të lidhura
None found
Synimi është që komunikimi mes njerëzve dhe inteligjencës artificiale të ndihet më i natyrshëm, duke kapërcyer disa kufizime të asistentëve zanorë të sotëm.
Një tipar kyç i modelit është arkitektura full-duplex, e cila i mundëson të dëgjojë dhe të flasë në të njëjtën kohë. Kjo qasje mund t’i afrojë ndërveprimet me bisedat e zakonshme mes njerëzve.
Një model tjetër që përdor një metodë të ngjashme është GPT-Live i OpenAI, i prezantuar më herët këtë vit.
Shumë sisteme tradicionale e kalojnë komunikimin zanor nëpër disa hapa: fillimisht e kthejnë zërin në tekst, pastaj një model gjuhësor e përpunon tekstin dhe, në fund, përgjigjja shndërrohet sërish në të folur.
Block argumenton se ky proces mund të lërë jashtë të dhëna me rëndësi, të përcjella përmes tonit, ritmit dhe emocioneve të zërit. Dessa është ndërtuar që ta përpunojë komunikimin zanor më drejtpërdrejt.
Sipas kompanisë, një mangësi e modeleve aktuale është se zërat e krijuar prej tyre mund të duken artificialë ose të bezdisshëm. Disa prej tyre, mes tyre ElevenLabs v4 dhe Fish Audio Drama 3, përdorin etiketa të posaçme për të përcaktuar emocionin që duhet të përcjellë zëri.
Etiketat mund ta udhëzojnë sistemin të flasë, për shembull, me entuziazëm, trishtim apo me një ngarkesë tjetër emocionale. Block thotë se Dessa e ka të përfshirë këtë aftësi në vetë modelin, por nuk ka sqaruar nëse përdor ndonjë mekanizëm të ngjashëm për të kontrolluar shprehjen e emocioneve.
Në një shkrim në blog, kompania vuri në pikëpyetje mënyrën se si funksionojnë shumë asistentë zanorë. Sipas saj, përvoja e përdorimit mund të jetë e pakëndshme, sepse kthimi i zërit në tekst heq një sasi të madhe informacioni që teksti nuk e përcjell.
Block shtoi se edhe sistemet më të fuqishme të inteligjencës artificiale nuk janë në gjendje të kuptojnë se çfarë ndien një person përmes zërit të tij. Kompania e cilësoi këtë si të paarsyeshme, me ndikim negativ në përvojën e përdoruesit dhe me rreziqe të mundshme.
Për të treguar aftësitë e Dessa-s, studiuesit e Block publikuan disa shembuj bisedash. Në regjistrime, asistenti përdor zëra të ndryshëm, ndryshon shpejtësinë e të folurit dhe shfaq emocione në përputhje me kontekstin.
Në një prej demonstrimeve, modeli thotë se është i lodhur nga puna dhe zëri i tij tingëllon i rraskapitur. Në një tjetër, ai flet për mënyrën se si një person e ka bërë të ndihet rehat, me një ton që të krijon përshtypjen se është gati të shpërthejë në lot.
Kompania publikoi edhe një shembull ku një pjesëtar i ekipit luan një lojë me asistentin zanor. Demonstrimet synojnë të tregojnë se mënyra e të folurit të modelit mund të ndryshojë sipas rrjedhës së bisedës.
Megjithatë, fakti që një model i inteligjencës artificiale shfaq emocione në mënyrë bindëse nuk do të thotë se ai i përjeton ato.
Dessa ka edhe mundësinë të funksionojë lokalisht. Block thotë se modeli mund të përdoret në pajisje të nivelit të konsumatorit, si MacBook M4 Max, ose në kompjuterë edhe më të fuqishëm.
Kështu, bisedat mund të përpunohen drejtpërdrejt në pajisjen e përdoruesit dhe të mos varen domosdoshmërisht nga serverët e kompanisë. Sipas Block, kjo qasje mund të ulë kostot e funksionimit dhe të ndihmojë në krijimin e produkteve me inteligjencë artificiale zanore.
Për momentin, publiku nuk mund ta përdorë Dessa-n.
Përpara se modeli të përdoret më gjerësisht, Block u ka bërë thirrje studiuesve të sigurisë ta testojnë. Një shqetësim lidhet me mundësinë që sistemet e tilla të imitojnë bindshëm mënyrën se si komunikojnë njerëzit.
Sa më natyrshëm të tingëllojë asistenti zanor, aq më e rëndësishme është të shqyrtohet nëse mund të shfrytëzohet për të mashtruar ose manipuluar njerëzit që flasin me të. Testimet mund t’i ndihmojnë kompanisë të zbulojë raste të tilla dhe të krijojë masa mbrojtëse.
Block ende nuk ka njoftuar se kur Dessa mund t’u ofrohet përdoruesve të zakonshëm.
Veprimtaria kryesore e Block është në sektorin financiar, ku kompania u ofron bizneseve, sidomos ndërmarrjeve të vogla, produkte dhe shërbime teknologjike. Ndër produktet e saj më të njohura është Square, një platformë që ndihmon bizneset të menaxhojnë pagesat dhe shërbime të tjera.
Square e përdor tashmë inteligjencën artificiale zanore për përpunimin e porosive. Duke pasur modelin e vet që mund të punojë në pajisje, Block mund të zgjerojë shërbimet për bizneset dhe konsumatorët, ndoshta me kosto më të ulët. Këto mund të përfshijnë asistentë zanorë më natyralë për komunikimin me klientët dhe automatizimin e punëve të përditshme.
Dessa është një përpjekje për ta bërë ndërveprimin me inteligjencën artificiale më të ngjashëm me bisedën mes njerëzve. Aftësia për të dëgjuar e folur njëkohësisht, për të përshtatur tonin emocional dhe për të punuar lokalisht e veçon modelin. Para përdorimit të gjerë, megjithatë, duhen vlerësuar në mënyrë të pavarur aftësitë e tij dhe rreziqet që sjell imitimi realist i zërit njerëzor. /GazetaExpress/
