نموذج ديسا الصوتي الجديد من بلوك يبدو بشريًا: إما مثير للإعجاب أو مرعب

كشفت شركة بلوك (Block) التابعة لجاك دورسي عن نموذج صوتي جديد من مختبرها البحثي، وهو يبدو بشريًا بشكل غريب - مع ضحكات وتوقفات وبكاء. النموذج، الذي يُدعى ديسا (Dessa)، يعمل محليًا ويُدرَّب بالكامل على الكلام البشري وعلى رف واحد من وحدات معالجة الرسوميات NVIDIA. لأنه لا شيء يقول "العاطفة البشرية الأصيلة" مثل رف من وحدات معالجة الرسوميات.

ديسا هو نموذج ثنائي الاتجاه الكامل، مما يعني أنه يمكنه التحدث والاستماع في نفس الوقت، تمامًا مثل نموذج GPT-Live من OpenAI الذي صدر في وقت سابق من هذا العام. عادةً، تُقرن نماذج الكلام بنموذج لغوي كبير لاسترجاع المعرفة، لكن بلوك تزعم أن معرفة ديسا تنبع من البيانات الحوارية التي دُرِّب عليها. لذا فهو ليس مجرد صوت جميل - بل صوت جميل قد يعرف الأشياء فعلاً.

تجادل بلوك بأن النماذج الحالية تبدو غير طبيعية ومزعجة لأنها تحتوي على نص في خط الأنابيب يقود توليد الكلام. العديد من النماذج، مثل ElevenLabs v4 أو Fish Audio Drama 3، تستخدم وسومًا صوتية لتوجيه العاطفة. تدعي شركة دورسي أن العاطفة مدمجة في ديسا - رغم أنه لا يزال من غير الواضح ما إذا كانت هذه العاطفة تُوجَّه بواسطة نوع من الوسوم. إنه مثل القول بأن سيارتك لديها سعادة مدمجة، دون ذكر معطر الهواء ذي الوجه المبتسم.

قالت الشركة في منشور على مدونتها، في لحظة صدق مؤسسي نادرة: "التفاعل مع الذكاء الاصطناعي الصوتي الحالي يمكن أن يكون ببساطة سيئًا". "إنه يحول صوتك إلى نص ويلقي بكمية لا تصدق من المعلومات التي لا يستطيع النص وحده حملها. أقوى أنظمة الذكاء الاصطناعي في العالم لا تستطيع سماع ما تشعر به. نعتقد أن هذا سخيف، ويؤدي إلى تجربة أسوأ، وقد يكون خطيرًا." بلوك محقة: الذكاء الاصطناعي الذي لا يستطيع معرفة أنك منزعج هو مجرد روبوت محادثة فاخر بأذن من صفيح.

نشر باحثو الشركة أمثلة متعددة لمحادثات مع ديسا، حيث أظهر الوكيل أصواتًا وإيقاعات وعواطف مختلفة. في أحدها، قال الروبوت إنه متعب من العمل - وبدا متعبًا. أمر رائد: ذكاء اصطناعي يمكنه التذمر من وظيفته مثلنا جميعًا. أظهر مثال آخر الروبوت يتحدث عن شخص يجعله مرتاحًا بينما يبدو عاطفيًا ويكاد ينهار. أخيرًا، ذكاء اصطناعي يمكنه أن يصاب بانهيار دون الحاجة إلى معالج نفسي.

تقول بلوك إن ديسا يمكنه العمل محليًا على جهاز كمبيوتر للمستهلكين مثل MacBook M4 Max أو أفضل. ومع ذلك، لا يوجد وصول عام في الوقت الحالي، وقد أطلقت بلوك دعوة لباحثي السلامة لاختبار النموذج - على الأرجح لفحص الحالات التي يمكن فيها لوكيل صوتي خداع الأشخاص على الطرف الآخر. لأن الشيء الوحيد الأكثر رعبًا من ذكاء اصطناعي يبدو بشريًا هو ذكاء اصطناعي يبدو بشريًا ويحاول الاحتيال عليك.

بلوك تعمل في مجال التمويل وبيع الحلول للشركات الصغيرة. يستخدم Square بالفعل الذكاء الاصطناعي الصوتي لمعالجة الطلبات، ولكن مع نموذج صوتي خاص به على الجهاز، يمكن لبلوك تشغيل الكثير من تجارب الأعمال والمستهلكين بتكلفة أقل. لذا في المرة القادمة التي تطلب فيها قهوة عبر Square، لا تتفاجأ إذا بدا الباريستا بشريًا قليلاً - ومتعبًا قليلاً.