كشفت شركة بلوك، التي يشارك جاك دورسي في تأسيسها، عن نموذج جديد للذكاء الاصطناعي الصوتي يحمل اسم Dessa، تصفه بأنه نموذج محادثة كامل الازدواجية (Full-duplex) دُرب من الصفر على الكلام البشري وحده، دون نصوص أو نماذج مسبقة التدريب.
ما الذي يميز Dessa؟
خلافًا لمعظم الأنظمة الصوتية التي تحول الصوت إلى نص ثم تعيد توليده، يعمل Dessa كنموذج صوت-إلى-صوت مباشر، وتصفه بلوك بأنه — على حد علمها — أول نموذج ذكاء اصطناعي يمكن إجراء محادثة حية واقعية معه دُرب على الكلام البشري فقط؛ فهو يسمع ويتحدث في الوقت نفسه على غرار المحادثة البشرية الطبيعية، ويتقاطع مع المتحدث ويرد بتعابير قصيرة مثل «نعم» و«فهمت» في مواضعها، ويلتقط المشاعر والسخرية والضحك وتغير نبرة الصوت، بحسب الشركة.
تدريب على الكلام فقط
تقول بلوك إن النموذج تعلم اللغة بمجرد الاستماع إلى محادثات بشرية، وأن كل ما يعرفه مستمد من بيانات صوتية فقط، وأنه تعلم اللغة من عدد كلمات أقل بمئات المرات مما تحتاجه النماذج اللغوية الكبيرة المعتمدة على النصوص. وأشارت الشركة إلى أن التدريب أُنجز على رف واحد من وحدات NVIDIA GB200 NVL72.
تشغيل محلي دون خوادم سحابية
وتقول الشركة إن النموذج يعمل محليًا على جهاز MacBook Pro بشريحة M4 Max أو أعلى، وإن سرعة الاستدلال تفوق الزمن الحقيقي فلا يشعر المستخدم بفترات انتظار، ما يجعله أقل اعتمادًا على البنية التحتية السحابية مقارنة بالمساعدات الصوتية الحالية.
الفريق والخلفية
طوّر النموذج مختبر أبحاث صغير داخل بلوك أسسه أعضاء سابقون في شركة Dessa الناشئة للتعلم العميق في تورنتو، ويعمل الفريق منذ سنوات على نماذج الكلام التوليدية، ويتبع جاك دورسي مباشرة، ويقود المشروع راجافان ثورايراتنام.
الإتاحة والأمان
النموذج غير متاح للعامة حتى الآن؛ واكتفت الشركة بنشر تسجيلات حية لمحادثات معه، منها محادثة بينه وبين نموذج GPT-Live-1، مع وعد بمزيد من التسجيلات لاحقًا. وتقول بلوك إن الأمان أحد دوافع بناء النموذج، وإنها تمنح مجموعة صغيرة من باحثي سلامة الذكاء الاصطناعي وصولًا مبكرًا إليه لاكتشاف مخاطر لم تُتوقع، في ظل ما تثيره واقعية الأصوات المولدة من مخاوف تتعلق بإساءة الاستخدام.
