Когато стане дума за проектите на Джак Дорси извън Twitter, вниманието обикновено отива към Bluesky. Лесно е да забравим, че той е и един от създателите на Square – популярната система за разплащане в магазините, под чийто покрив са още Cash App, Afterpay и музикалната услуга Tidal.
През 2021 г. Square смени името си на Block, Inc. Може би за да напомни на хората за новото име, компанията току-що показа модел с изкуствен интелект, който доста се различава от останалите.
Моделът се казва Dessa и според Block е обучен изцяло от нулата само върху човешки разговори – без нито ред текст и без готови модели като основа. От компанията обещават, че разговорът с него е като разговор с човек, с емоции, нюанси, паузи и естествен ритъм. Може да го чуете и тествате тук
Слуша и говори едновременноКакто пише The Verge, Dessa обработва и създава звук директно, без да превръща чутото в текст и после обратно в реч, както правят повечето гласови асистенти. Освен това той може да слуша и да говори едновременно. Така би трябвало да изчезне онова неловко, услужливо мълчание, в което обикновено изпадат другите модели, щом потребителят се обади. Dessa сам преценява кога да се намеси и кога просто да вметне едно „да“ или „ясно“, за да покаже, че следи разговора.
Интересно е и колко малко ресурси е изисквал. По думите на Block моделът е научил езика от стотици пъти по-малко думи, отколкото е нужно на големите езикови модели, а цялото обучение е направено на една-единствена система NVIDIA GB200 NVL72. Зад проекта стои малка изследователска лаборатория в Block, основана от бивши служители на торонтския стартъп Dessa, който работи по генериране на реч повече от осем години. Екипът се отчита директно пред Дорси.
По-добре да го чуешВ Block знаят, че при такива технологии човек вярва едва когато чуе, затова публикуваха няколко записа, в които Dessa говори.
В едно видео в X, качено от ръководителя на екипа Рагаван Турайратнам, стажантка в Block играе с модела на познаване – той трябва да отгатне за какъв обикновен предмет си мисли тя. Донякъде е смешно, че Dessa разваля играта, като познава от първия път, и то два пъти поред. Още по-смешно е, че продължава да гадае и след като му казват, че е спечелил – типичен пропуск на изкуствения интелект. Най-силното впечатление обаче остава от това колко притеснително човешки звучи гласът му.
В друго видео на Турайратнам Dessa говори с различен глас – с подчертано афроамерикански изговор и жаргон. Попитан как е, той отговаря, че е добре, но е уморен, защото трябва да ходи на работа и да бере зеленчуци. После разказва за новороденото си момченце, което двамата със съпругата му кръщават Дариъс Джонсън. Любопитно е, че измисленото бебе изобщо не се появява като причина за умората. Вероятно се досещате какви коментари събра този запис.
Други клипове показват колко различни интонации и емоции може да предаде моделът – от съчувствие до гласа на човек, който е на път да се разплаче. Има и сравнение с ChatGPT, който до естествения начин на говорене на Dessa звучи направо като робот.
Достъп само за изследователиЗасега Dessa е само изследователски прототип. Block е дала ранен достъп на малка група изследователи по сигурността на ИИ, които да търсят рискове, които екипът не е предвидил. Моделът работи локално на MacBook Pro с чип M4 Max или по-мощен.
Създателите му казват, че са го направили от любопитство (или просто за удоволствие), за по-добро разбирателство между хората и изкуствения интелект и заради сигурността. Според тях днешните модели са почти глухи за емоцията в гласа ни. Представете си човек със силна болка, докато гласовият асистент изобщо не го усеща и просто продължава.
Остава да видим какво в крайна сметка ще направи Block с Dessa. Но щом модел, който звучи толкова убедително човешки, излезе на свобода, всички ще трябва да се научим по-трудно да разпознаваме кога говорим с машина.