Jack Dorsey'in şirketi Block, araştırma laboratuvarından yeni bir ses modeli tanıttı ve model ürkütücü derecede insan gibi kulağa geliyor - kahkahalar, duraklamalar ve ağlamalarla birlikte. Dessa adı verilen model yerel olarak çalışıyor ve tamamen insan konuşması ile tek bir NVIDIA GPU rafı üzerinde eğitildi. Çünkü "otantik insan duygusu" denince akla ilk gelen şey bir GPU rafıdır.

Dessa tam çift yönlü bir model, yani tıpkı bu yılın başlarında piyasaya sürülen OpenAI'nin GPT-Live modeli gibi aynı anda hem konuşabiliyor hem de dinleyebiliyor. Genellikle konuşma modelleri bilgi erişimi için büyük bir dil modeliyle eşleştirilir, ancak Block, Dessa'nın bilgisinin eğitildiği konuşma verilerinden geldiğini iddia ediyor. Yani sadece güzel bir ses değil - aslında bir şeyler bilebilecek güzel bir ses.

Block, mevcut modellerin doğal olmadığını ve sinir bozucu olduğunu savunuyor çünkü konuşma üretimini yönlendiren metinler var. ElevenLabs v4 veya Fish Audio Drama 3 gibi birçok model duyguyu yönlendirmek için ses etiketleri kullanıyor. Dorsey'in şirketi duygunun Dessa'ya yerleşik olduğunu iddia ediyor - ancak bu duygunun bir tür etiketlerle mi yönlendirildiği belirsizliğini koruyor. Bu, arabanızın yerleşik mutluluğu olduğunu söylemek ama gülümseyen yüzlü oto kokusundan bahsetmemek gibi bir şey.

Şirket bir blog yazısında, "Mevcut sesli yapay zekayla etkileşim kurmak resmen berbat olabilir," dedi - kurumsal dürüstlüğün nadir görülen bir anında. "Sesinizi metne dönüştürüyor ve metnin tek başına taşıyamayacağı inanılmaz miktarda bilgiyi çöpe atıyor. Dünyanın en güçlü yapay zekaları nasıl hissettiğinizi duyamıyor. Bunun saçma olduğunu, daha kötü bir deneyime yol açtığını ve potansiyel olarak tehlikeli olduğunu düşünüyoruz." Block'un bir noktası var: üzgün olduğunuzu anlayamayan bir yapay zeka, sadece kulağı sağır süslü bir sohbet botudur.

Şirketin araştırmacıları, ajanın farklı sesler, ritimler ve duygular sergilediği Dessa ile yapılan konuşmalardan birçok örnek paylaştı. Birinde bot işten yorgun olduğunu söyledi - ve yorgun kulağa geldi. Çığır açan bir şey: hepimiz gibi işinden şikayet edebilen bir yapay zeka. Başka bir örnekte bot, bir kişinin onu rahat ettirmesinden bahsederken duygusal ve neredeyse yıkılmak üzere kulağa geliyordu. Sonunda, terapiye ihtiyaç duymadan sinir krizi geçirebilen bir yapay zeka.

Block, Dessa'nın MacBook M4 Max veya daha iyisi gibi tüketici sınıfı bir bilgisayarda yerel olarak çalışabileceğini söylüyor. Ancak şu anda kamuya açık erişim yok ve Block, modeli test etmeleri için güvenlik araştırmacılarına çağrıda bulundu - muhtemelen bir ses ajanının karşı taraftaki insanları kandırabileceği durumları araştırmak için. Çünkü insan gibi kulağa gelen bir yapay zekadan daha korkutucu olan tek şey, insan gibi kulağa gelen ve sizi dolandırmaya çalışan bir yapay zekadır.

Block finans ve küçük işletmelere çözüm satma işinde. Square zaten siparişleri işlemek için sesli yapay zeka kullanıyor, ancak kendi cihaz üstü ses modeliyle Block, çok daha fazla iş ve tüketici deneyimini daha düşük maliyetle destekleyebilir. Yani bir dahaki sefere Square üzerinden kahve siparişi verdiğinizde, baristanın biraz fazla insan gibi - ve biraz fazla yorgun - kulağa gelmesine şaşırmayın.