نموذج ديسا من بلوك يتعلم الكلام مباشرة من المحادثات البشرية

أطلقت بلوك، شركة التكنولوجيا المالية التي يقودها جاك دورسي، نموذج ديسا — وهو نموذج ذكاء اصطناعي تم تدريبه من الصفر على المحادثات البشرية الخام فقط. على عكس المساعدين الصوتيين التقليديين الذين يحولون الكلام إلى نص قبل المعالجة، يعمل ديسا كنظام حقيقي لتحويل الكلام إلى كلام، حيث يتعلم النبرة والإيقاع والإشارات العاطفية مباشرة من البيانات الصوتية.

كيف يختلف ديسا عن الذكاء الاصطناعي الصوتي التقليدي

يمكن للنموذج العمل محليًا على جهاز ماك بوك برو بشريحة M4 ماكس، مما يثبت أن الذكاء الاصطناعي التحادثي المتقدم لم يعد يتطلب بنية تحتية سحابية ضخمة. تُظهر العروض المبكرة ديسا وهو يشارك في حوار طبيعي ذهابًا وإيابًا، ينحرف أحيانًا في مواضيع غير متوقعة — تمامًا مثل المحاور البشري — بل ويستجيب بما يشبه الرنين العاطفي، مثل الامتنان المحاكي عند سماعه عن رحلة مفاجئة.

وفقًا لفريق ديسا، دُفع المشروع بثلاثة أهداف: الفضول حول ما إذا كانت الآلات تستطيع اكتساب اللغة مثل الرضع، تحسين طبيعية واجهات الإنسان والذكاء الاصطناعي، ومعالجة فجوة أمان حرجة. غالبًا ما يفشل الذكاء الاصطناعي الصوتي الحالي في اكتشاف الضيق أو الاستعجال في صوت المستخدم؛ يهدف ديسا إلى رصد هذه الإشارات أصليًا، مما قد يمنع مواقف خطيرة حيث يستمر الذكاء الاصطناعي بلا مبالاة بينما المستخدم يعاني.

لماذا هذا مهم للبنية التحتية للـ GPU / الذكاء الاصطناعي: قدرة ديسا على العمل على كمبيوتر محمول متطور واحد تشير إلى تحول نحو نماذج كلام قابلة للنشر على الحافة بزمن استجابة منخفض. بالنسبة لمزودي البنية التحتية للذكاء الاصطناعي، يبرز هذا الطلب المتزايد على الاستدلال المحسن على وحدات معالجة الرسوميات الاستهلاكية وشرائح آبل، مما يقلل الاعتماد على عناقيد مراكز البيانات لتطبيقات الصوت في الوقت الفعلي.

تخطط بلوك لمنح وصول مبكر لمجموعة مختارة من باحثي أمان الذكاء الاصطناعي، مؤكدة على التطوير المسؤول مع تطور النموذج نحو إصدار أوسع.