Block ដែលជាក្រុមហ៊ុនទូទាត់ដែលដឹកនាំដោយ Jack Dorsey បានចូលទៅក្នុងការប្រណាំងសំលេង AI ជាមួយនឹងការទាមទារដ៏ក្លាហានមិនធម្មតា។ កាលពីថ្ងៃព្រហស្បតិ៍ មន្ទីរពិសោធន៍ស្រាវជ្រាវក្នុងផ្ទះរបស់ក្រុមហ៊ុនបានបង្ហាញ Dessa ដែលជាគំរូសុន្ទរកថាមួយទៅការនិយាយដែល Block និយាយថាត្រូវបានបណ្តុះបណ្តាលពីដំបូងដោយគ្មានអ្វីក្រៅពីការសន្ទនារបស់មនុស្ស - គ្មានអត្ថបទ គ្មានប្រតិចារឹក និងគ្មានគំរូគ្រឹះដែលបានបណ្តុះបណ្តាលនៅក្រោម។

"តាមដែលយើងដឹង Dessa គឺជា AI ដំបូងបង្អស់របស់ពិភពលោក ដែលអ្នកអាចមានការសន្ទនាផ្ទាល់ជាក់ស្តែងជាមួយដែលត្រូវបានបណ្តុះបណ្តាលតែពីការនិយាយរបស់មនុស្សប៉ុណ្ណោះ" Block បាននិយាយនៅលើទំព័រផ្លូវការរបស់ម៉ូដែល ដែលពិពណ៌នាការចេញផ្សាយថាជា "ការមើលជាមុននៃគំរូការនិយាយពេញលេញ" ។ ក្រុមហ៊ុនកំពុងបោះពុម្ពផ្សាយការថតសាកល្បងផ្ទាល់ ការបើកបញ្ជីរង់ចាំជាសាធារណៈ និងផ្តល់សិទ្ធិចូលដំណើរការដំបូងដល់ក្រុមអ្នកស្រាវជ្រាវសុវត្ថិភាព AI មួយក្រុមតូច។ For more context on this story, see our ongoing AI trends.

អ្វីដែល Dessa ជាការពិត

Dessa គឺជាអ្វីដែលអ្នកស្រាវជ្រាវហៅថាគំរូការនិយាយទៅការនិយាយពេញលេញពីរ៖ សំឡេងចូល សំឡេងចេញ ដោយគ្មានស្រទាប់អត្ថបទនៅចន្លោះ។ ផ្នែកចុងក្រោយនោះគឺអ្នកបែងចែក។ ស្ទើរតែគ្រប់ជំនួយការសំឡេងសំខាន់ៗ — រួមទាំងរបៀបសំឡេងដែលភ្ជាប់ជាមួយ chatbots ដ៏ធំបំផុត — បំប្លែងការនិយាយរបស់អ្នកទៅជាអត្ថបទ ហេតុផលលើវា និងនិយាយការឆ្លើយតបមកវិញ។ Block អះអាងថា បំពង់បង្ហូរចេញភាគច្រើននៃអ្វីដែលធ្វើឱ្យការសន្ទនារបស់មនុស្សក្លាយជាមនុស្ស។

សេចក្តី​ប្រកាស​របស់​ក្រុមហ៊ុន​បាន​បញ្ជាក់​ថា​៖ «​ការ​ធ្វើ​អន្តរកម្ម​ជាមួយ​សំឡេង​ AI ​បច្ចុប្បន្ន​អាច​គ្រាន់តែ​ជញ្ជក់​មាត់​ប៉ុណ្ណោះ​។​ "វាបំប្លែងសំឡេងរបស់អ្នកទៅជាអត្ថបទ ហើយបោះចោលអត្ថបទព័ត៌មានដ៏ច្រើនសន្ធឹកសន្ធាប់ តែឯងមិនអាចយកបាន។ AI ដ៏មានឥទ្ធិពលបំផុតក្នុងពិភពលោក មិនអាចស្តាប់ពីអារម្មណ៍របស់អ្នកបានទេ។ យើងគិតថាវាគួរឱ្យអស់សំណើច នាំឱ្យមានបទពិសោធន៍កាន់តែអាក្រក់ និងអាចមានគ្រោះថ្នាក់"។

ដោយសារតែ Dessa មិនដែលឆ្លងកាត់អត្ថបទ Block និយាយថាវាមានដើមកំណើតពីអារម្មណ៍ ភាពស្រើបស្រាល សំណើច សើច ដកដង្ហើមញាប់ញ័រ ឬសំឡេងដែលបន្លឺឡើងដោយភាពសោកសៅ ដែលជាសញ្ញាប៉ារ៉ាភាសាដែលជាធម្មតាបោះបង់ចោលប្រព័ន្ធអត្ថបទ។

Full-Duplex មានន័យថា វានិយាយដូចមនុស្ស មិនមែនជា Turn-taking Bot ទេ។

លក្ខណៈកំណត់ទីពីរគឺប្រតិបត្តិការពេញលេញ។ Dessa ស្តាប់ និងនិយាយក្នុងពេលតែមួយ របៀបដែលមនុស្សធ្វើ ជាជាងរង់ចាំការនិយាយចុងក្រោយដែលបានរកឃើញមុននឹងឆ្លើយតប។ យោងទៅតាម Block ម៉ូដែលបានរៀនពីការសន្ទនាពិត ពេលណាត្រូវកាត់ចូល ពេលណាត្រូវ backchannel ដើម្បីបង្ហាញវាកំពុងតាមដាន និងពេលណាត្រូវនៅស្ងៀម។

ការបង្ហាញនៅលើទំព័ររបស់ក្រុមហ៊ុនបង្ហាញពីអាកប្បកិរិយាដែលគ្មាននរណាម្នាក់បានកំណត់កម្មវិធីច្បាស់លាស់ទេ។ នៅក្នុងឃ្លីបមួយ Dessa សើចពាក់កណ្តាលប្រយោគ នៅពេលដែលអ្វីមួយដែលក្លាយជារឿងគួរឱ្យអស់សំណើច — "វិធីដែលមនុស្សធ្វើ" Block notes ដែលផ្ទុយពីនេះជាមួយនឹងជំនួយការសំឡេងធម្មតាដែល "រង់ចាំអ្នកបញ្ចប់ បន្ទាប់មកសើចតាមគន្លឹះ"។ មួយវិញទៀត អ្នកប្រើប្រាស់សុំឱ្យម៉ូដែលនេះនិយាយឡើង ហើយវាកាន់តែខ្លាំង។ ក្រុមហ៊ុននិយាយថា "គ្មាននរណាម្នាក់បង្រៀនវាទេ" ។ នៅ​ក្នុង​មួយ​ភាគ​បី មនុស្ស​នោះ​ទទេ​លើ​ចំណង​ជើង​ភាពយន្ត ហើយ Dessa បញ្ចប់​ការ​កាត់​ទោស​សម្រាប់​ពួក​គេ។

Block ក៏មានការប្រុងប្រយ័ត្នផងដែរក្នុងការដាក់ទង់នូវភស្តុតាងនៃការបង្ហាញដែលទាក់ទាញភ្នែកជាពិសេស ដែលក្នុងនោះ Dessa ធ្វើការសន្ទនាផ្ទាល់ជាមួយប្រព័ន្ធ AI ផ្សេងទៀត។ "នៅក្នុងការបង្ហាញនេះ Dessa កំពុងនិយាយជាមួយ GPT-Live-1 ដែលជាគំរូ AI ភាគីទីបី។ សំឡេងទាំងពីរត្រូវបានបង្កើតដោយ AI" ទំព័រនេះបាននិយាយថា "អ្នកអភិវឌ្ឍន៍របស់ GPT-Live-1 មិនមានទំនាក់ទំនងជាមួយ Block និងមិនបានត្រួតពិនិត្យ ឬគាំទ្រ Dessa ទេ។

ហេតុអ្វីបានជា Block រំលងអត្ថបទទាំងស្រុង

ការបណ្តុះបណ្តាលគំរូដោយគ្មានអត្ថបទអ្វីទាំងអស់គឺជាការភ្នាល់ដោយចេតនា។ ទីតាំងរបស់ Block គឺថាការនិយាយមិនមែនជាការខាតបង់ជុំវិញភាសាទេ វាជាឧបករណ៍ផ្ទុកចម្បង ហើយគំរូដែលធំឡើងដោយសំឡេងឆៅអាចអភិវឌ្ឍសមត្ថភាព និងរបៀបបរាជ័យដែលប្រព័ន្ធបណ្តុះបណ្តាលអត្ថបទមិនមាន។

ក្រុមហ៊ុនខ្លួនវាបង្កើតភាពជឿនលឿនខាងវិទ្យាសាស្ត្រជាសំណួរបើកចំហជាជាងការដោះស្រាយលទ្ធផល៖ តើគំរូសម្រាប់តែការនិយាយអាចរៀនភាសា និងការពិតបានយ៉ាងមានប្រសិទ្ធភាពយ៉ាងណាបើប្រៀបធៀបទៅនឹងប្រព័ន្ធដែលបណ្តុះបណ្តាលដោយអត្ថបទ? តើពួកគេអាចរៀនភាសាថ្មីប្រកបដោយប្រសិទ្ធភាពប៉ុណ្ណា? តើការរៀនក្នុងបរិបទប្រភេទណាខ្លះដែលពួកគេអាចអនុវត្តបាន? សេចក្តីប្រកាសនោះបានសរសេរថា "Dessa ជំរុញព្រំដែននៃគំរូសិក្សាស៊ីជម្រៅ និងបង្កើតប្រភេទផ្សេងគ្នាជាមួយនឹងអាកប្បកិរិយាថ្មី និងគួរឱ្យចាប់អារម្មណ៍ទាំងស្រុងសម្រាប់អ្នកស្រាវជ្រាវដើម្បីស្វែងរក" ។

ក៏មាន​ការ​ទាមទារ​ជាក់ស្តែង​ដែល​កប់​ក្នុង​ទីលាន​ដែរ។ Block និយាយថាការសន្និដ្ឋានរបស់ Dessa ដំណើរការលឿនជាងពេលវេលាពិត ដូច្នេះការឆ្លើយតបនឹងមកដោយគ្មានការផ្អាកដែលឆ្គាំឆ្គងដែលបង្កឱ្យមានការរំខានដល់មុខងារជំនួយការសំឡេង ហើយ — យោងតាមការគ្របដណ្តប់ដោយ Unite.AI នៃការបើកដំណើរការ — ថាម៉ូដែលនេះដំណើរការក្នុងមូលដ្ឋានលើផ្នែករឹងអ្នកប្រើប្រាស់ដែលមានសមត្ថភាពដូច MacBook Pro ដែលមានបន្ទះឈីប M4 Max ឬប្រសើរជាងនេះ។ ប្រសិនបើមានភាពសុក្រឹត គំរូសំឡេងពីរជាន់ដែលដំណើរការក្នុងមូលដ្ឋាននឹងគួរឱ្យកត់សម្គាល់នៅពេលដែលសំឡេងប្រកួតប្រជែងភាគច្រើន AI នៅតែជាប់នឹងពពក។

A "GPT-3 Moment for Speech"

Ragavan Thurairatnam ដែលដឹកនាំមន្ទីរពិសោធន៍ស្រាវជ្រាវ AI របស់ Block បានពិពណ៌នា Dessa ថាជាគំរូ AI ដំបូងបង្អស់ដែលអាចធ្វើការសន្ទនាជាក់ស្តែងបន្ទាប់ពីការបណ្តុះបណ្តាលទាំងស្រុងលើការនិយាយ ហើយបានហៅការចេញផ្សាយថា "ពេលវេលា GPT3 សម្រាប់សុន្ទរកថា" នេះបើយោងតាមរបាយការណ៍របស់ Unite.AI ស្តីពីការប្រកាស។ ការប្រៀបធៀបត្រូវបានចង្អុលបង្ហាញ៖ ការបង្ហាញខ្លួនលើកដំបូងរបស់ GPT-3 ឆ្នាំ 2020 មិនបានផលិតភ្លាមៗនូវផលិតផលដែលមានប្រយោជន៍នោះទេ ប៉ុន្តែវាបានកំណត់ឡើងវិញនូវអ្វីដែលគំរូភាសាអាចធ្វើបាន និងចាប់ផ្តើមវដ្តនៃការវិនិយោគបច្ចុប្បន្ន។

The Verge ដែលគ្របដណ្ដប់លើការបាញ់បង្ហោះបានពណ៌នាលទ្ធផលថាជាគំរូដែល "និយាយជាមួយអ្នកដូចជាមិត្តថ្មីដែលឆ្គង" ដែលជាការសង្ខេបខ្លីៗនៃឈុតសាកល្បងដែល Dessa ដកដង្ហើមធំ "oh my god" នៅក្រោមដង្ហើមរបស់វាដោយការភ្ញាក់ផ្អើល ឬឆ្លើយតបទៅនឹងព័ត៌មានផ្ទាល់ខ្លួនជាមួយនឹងអ្វីដែលស្តាប់ទៅដូចជាការដឹងគុណដ៏ស្រក់ទឹកភ្នែក។ ថាតើអាកប្បកិរិយាទាំងនោះឆ្លុះបញ្ចាំងពីការយល់ដឹងពិតប្រាកដ ឬការបង្កើតឡើងវិញនូវគំរូដ៏ស្មុគស្មាញនោះ ច្បាស់ណាស់ប្រភេទនៃសំណួរដែល Block និយាយថាវាចង់ឱ្យសហគមន៍ស្រាវជ្រាវស៊ើបអង្កេត។

មុំសុវត្ថិភាពមកមុនគេ - តែម្តង

គួរកត់សម្គាល់ថា Block មិនដឹកជញ្ជូន Dessa ដោយផ្ទាល់ទៅអ្នកប្រើប្រាស់ទេ។ ការចេញផ្សាយនេះគឺជាការមើលជាមុននៃការស្រាវជ្រាវ៖ ការថតទុកជាសាធារណៈ បញ្ជីរង់ចាំត្រូវបានបើក ប៉ុន្តែការចូលប្រើដៃដំបូងគឺត្រូវបានកំណត់ចំពោះក្រុមអ្នកស្រាវជ្រាវសុវត្ថិភាព AI មួយក្រុមតូច។ ដោយសារការព្រួយបារម្ភដែលកំពុងបន្តអំពីការបោកប្រាស់ដោយសំឡេង និងដៃគូ AI ដែលរៀបចំដោយអារម្មណ៍ គំរូសុន្ទរកថាដែលអាចបង្ហាញ - និងអាចសន្មត់បាន - អារម្មណ៍គឺពិតជាប្រភេទនៃក្រុមសុវត្ថិភាពប្រព័ន្ធចង់វាយតម្លៃមុនពេលដាក់ពង្រាយទ្រង់ទ្រាយធំ។

Block និយាយថាការថតបន្ថែមទៀតនឹងត្រូវបានចែករំលែកនៅលើ X នៅប៉ុន្មានថ្ងៃខាងមុខនេះ។ ក្រុមហ៊ុនមិនបានប្រកាសអំពីតម្លៃ ការចូលប្រើ API ឬផែនការរួមបញ្ចូលសម្រាប់ផលិតផល Square, Cash App ឬ Bitkey នោះទេ។

សំណួរបើកចំហ

ការ​បាញ់​បង្ហោះ​របស់ Dessa ចុះចត​ក្នុង​វាល​ដែល​មាន​មនុស្ស​ច្រើន។ រាល់មន្ទីរពិសោធន៍ AI ធំ ៗ ឥឡូវនេះបញ្ជូនរបៀបសំឡេង ហើយការចាប់ផ្ដើមអាជីវកម្មបាននឹងកំពុងជំរុញគំរូការនិយាយតាមពេលវេលាជាក់ស្តែងរយៈពេល 2 ឆ្នាំ។ អ្វីដែលខុសប្លែកពី Dessa គឺរូបមន្តបណ្តុះបណ្តាលរបស់វា - ការនិយាយសុទ្ធ គ្មានអត្ថបទ - និងការអះអាងដែលថាអាកប្បកិរិយានៃការសន្ទនាលេចឡើងដូចជាការសើចពាក់កណ្តាលប្រយោគបានកើតឡើងដោយគ្មានការណែនាំច្បាស់លាស់។

អ្នកសង្ស័យនឹងចង់បានការវាយតម្លៃឯករាជ្យ។ តើគំរូដែលគ្មានអត្ថបទអាចរៀនការពិតដោយភាពជឿជាក់បាន ឬតើវាធ្វើឱ្យមានការយល់ច្រលំដោយសេរីដោយគ្មានមូលដ្ឋាននៃភាសាសរសេរ? តើវាអាចធ្វើមាត្រដ្ឋានទៅជាភាសាថ្មីដោយគ្មានប្រតិចារិកបានទេ? ទំព័រផ្ទាល់ខ្លួនរបស់ Block អញ្ជើញសំណួរទាំងនេះយ៉ាងពិតប្រាកដ ដែលជាទំនុកចិត្ត ឬការទទួលស្គាល់ដោយត្រង់ថាគ្មាននរណាម្នាក់ — រួមទាំង Block — ដឹងចម្លើយនៅឡើយទេ។

សម្រាប់ពេលនេះ Dessa គឺជាវត្ថុបុរាណស្រាវជ្រាវដែលមានបញ្ជីរង់ចាំ។ ប៉ុន្តែប្រសិនបើការបណ្ដុះបណ្ដាលតែការនិយាយបង្ហាញនូវការប្រកួតប្រជែងជាមួយនឹងបំពង់ដែលផ្អែកលើអត្ថបទនោះ Block ប្រហែលជាបានបង្ហាញពីការភ្នាល់ផ្ទុយគ្នាដ៏គួរឱ្យចាប់អារម្មណ៍មួយនៅក្នុង AI ទំនើប៖ ផ្លូវលឿនបំផុតសម្រាប់ការសន្ទនាតាមម៉ាស៊ីនធម្មជាតិគឺបង្កើតម៉ាស៊ីនដែលរៀនពីរបៀបដែលយើងបានធ្វើ — ដោយការស្តាប់។

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →