Jack Dorsey’in Block’ı Yalnızca Konuşmayla Eğitilen Ses Yapay Zekâsı Dessa’yı Tanıttı

Jack Dorsey’in başında bulunduğu ödeme şirketi Block, 23 Ekim’de sesten sese çalışan yapay zekâ modeli Dessa’yı duyurdu. Şirkete göre model, hiçbir metin ya da önceden eğitilmiş model kullanılmadan, yalnızca insan sohbetleriyle sıfırdan eğitildi. Şimdilik erişim küçük bir araştırmacı grubuyla sınırlı.

Metne çevirmeden doğrudan konuşuyor

Piyasadaki çoğu sesli asistan, önce konuşulanı yazıya döker, yanıtı metin olarak üretir ve sonra seslendirir. Dessa bu ara adımı tamamen atlıyor. Block’ın proje sayfasında modelin “yalnızca insan konuşmasıyla eğitilmiş, gerçekçi bir canlı sohbet edebileceğiniz ilk yapay zekâ” olduğu iddia ediliyor. Geliştirme, Block bünyesindeki küçük bir araştırma ekibinden çıktı. Ekip, Toronto merkezli derin öğrenme girişimi Dessa’nın eski çalışanlarından oluşuyor. Bu yaklaşım, metin temelli sistemlerin öncülük ettiği pazardan bilinçli bir sapma anlamına geliyor.

Aynı anda dinleyip konuşabiliyor

Block’a göre Dessa tam çift yönlü (full-duplex) çalışıyor; yani karşısındakini dinlerken aynı anda konuşabiliyor. Gerçek sohbetlerden öğrendiği için lafa ne zaman girmesi gerektiğini ve “evet”, “anladım” gibi kısa onay cümlelerini ne zaman kullanacağını ayırt edebiliyor. Şirket, çıkarım hızının gerçek zamandan hızlı olduğunu ve modelin MacBook Pro M4 Max ya da daha güçlü bir cihazda yerel olarak çalışabildiğini söylüyor. Proje lideri Ragavan Thurairatnam ise bunu “konuşma alanında bir GPT-3 anı” diye niteledi.

Doğal ama zaman zaman tuhaf

The Verge’ün aktardığına göre demo konuşmaları bazen “biraz tuhaf ve ürkütücü” kalıyor. Bir klipte model, konuşmacıyı yanlışlıkla “Ronaldo” sanıyor; bir başkasında sohbet Christopher Nolan filmlerinden Bryan Singer’ın Superman filmlerine kayıyor. Block, Dessa ile OpenAI’ın ses modeli GPT-Live-1 arasındaki bir konuşmayı da paylaştı ve Dessa daha doğal görünüyor. Öte yandan şirket gecikme, parametre sayısı ya da eğitim verisi boyutuna dair rakam vermedi. Ekip, bugünkü sesli yapay zekânın sesteki duyguya karşı “hâlâ neredeyse sağır” olduğunu savunuyor ve projeyi bir güvenlik adımı olarak sunuyor. Daha geniş erişim bir bekleme listesi üzerinden sağlanacak.