Block, kampuni ya malipo inayoongozwa na Jack Dorsey, imeingia kwenye mbio za sauti za AI kwa madai ya ujasiri isivyo kawaida. Siku ya Alhamisi, maabara ya utafiti wa ndani ya kampuni hiyo ilizindua Dessa, kielelezo cha hotuba kwa hotuba ambacho Block anasema kilifunzwa kutoka mwanzo juu ya mazungumzo yoyote ya kibinadamu - hakuna maandishi, hakuna nakala, na hakuna miundo ya msingi iliyofunzwa hapo chini.
"Kwa kadiri tunavyojua, Dessa ndiye AI ya kwanza ulimwenguni ambayo unaweza kuwa na mazungumzo ya moja kwa moja ya kweli ambayo yalifunzwa kutoka kwa hotuba ya kibinadamu tu," Block anasema kwenye ukurasa rasmi wa mfano huo, ambao unaelezea kutolewa kama "hakikisho la utafiti la mfano wa hotuba ya duplex." Kampuni inachapisha rekodi za onyesho la moja kwa moja, kufungua orodha ya watu wanaosubiri, na kutoa ufikiaji wa mapema kwa kikundi kidogo cha watafiti wa usalama wa AI. For more context on this story, see our ongoing AI news.
Dessa Ni Nini Kweli
Dessa ni kile watafiti wanachokiita kielelezo cha uwili-wawili wa hotuba-kwa-hotuba: sauti ndani, sauti nje, bila safu ya maandishi katikati. Sehemu hiyo ya mwisho ndiyo ya kutofautisha. Takriban kila msaidizi mkuu wa sauti - ikiwa ni pamoja na hali za sauti zilizoambatishwa kwenye chatbots kubwa zaidi - hubadilisha hotuba yako kuwa maandishi, sababu juu yake, na kujibu majibu. Block anasema kuwa bomba hutupa mbali mengi ya yale yanayofanya mazungumzo ya binadamu kuwa ya kibinadamu.
"Kuingiliana na sauti ya sasa ya AI kunaweza kunyonya," tangazo la kampuni hiyo linasema. "Inageuza sauti yako kuwa maandishi na kutupa kiasi cha ajabu cha maandishi ya habari pekee ambayo hayawezi kubeba. AI zenye nguvu zaidi duniani haziwezi kusikia jinsi unavyohisi. Tunafikiri huo ni ujinga, husababisha uzoefu mbaya zaidi, na ni uwezekano wa hatari."
Kwa sababu Dessa haipitii maandishi kamwe, Block anasema asili yake hupokea hisia, kejeli, kicheko, simanzi iliyochanganyikiwa, au sauti inayopasuka kwa huzuni - ishara za kiisimu ambazo mifumo inayotegemea maandishi kwa kawaida huitupilia mbali.
Full-Duplex Inamaanisha Inazungumza Kama Mtu, Sio Boti ya Kuchukua zamu
Sifa ya pili ya kufafanua ni operesheni kamili-duplex. Dessa husikiliza na kuzungumza kwa wakati mmoja, jinsi watu wanavyofanya, badala ya kusubiri mwisho wa kutamka uliogunduliwa kabla ya kujibu. Kulingana na Block, mwanamitindo huyo alijifunza kutokana na mazungumzo halisi wakati wa kuingia, wakati wa kurudi nyuma ili kuonyesha kuwa anafuata, na wakati wa kukaa kimya.
Maonyesho kwenye ukurasa wa kampuni yanaonyesha tabia ambazo hakuna mtu aliyeratibiwa kwa uwazi. Katika klipu moja, Dessa anacheka katikati ya sentensi wakati kitu kinapoanza kuchekesha — "jinsi watu wanavyofanya," Block anabainisha, akitofautisha hili na visaidizi vya sauti vya kawaida ambavyo "hukungoja umalize, kisha ucheke kwa kutarajia." Katika lingine, mtumiaji anauliza mfano kuzungumza na inakua kwa sauti kubwa. "Hakuna aliyefundisha hivyo," kampuni hiyo inasema. Katika sehemu ya tatu, mtu huweka wazi kichwa cha filamu na Dessa anamalizia sentensi kwao.
Block pia ni mwangalifu kuripoti asili ya onyesho moja linalovutia, ambapo Dessa hufanya mazungumzo ya moja kwa moja na mfumo mwingine wa AI. "Katika onyesho hili, Dessa anazungumza na GPT-Live-1, mfano wa AI ya mtu wa tatu. Sauti zote mbili zimetolewa na AI," ukurasa unasema, ukibainisha kuwa msanidi wa GPT-Live-1 hahusiani na Block na hajakagua au kuidhinisha Dessa.
Kwa Nini Uzuie Maandishi Yameruka Kabisa
Kufundisha mwanamitindo bila maandishi hata kidogo ni dau la makusudi. Msimamo wa Block ni kwamba usemi si jambo la kughairi lugha - ni lugha ya msingi, na modeli ambayo hukua kwa kutumia sauti mbichi inaweza kukuza uwezo na hali za kutofaulu ambazo mifumo iliyofunzwa maandishi haina.
Kampuni yenyewe inaweka maoni ya kisayansi kama maswali wazi badala ya matokeo yaliyosuluhishwa: ni kwa ufanisi vipi modeli za usemi pekee hujifunza lugha na ukweli ikilinganishwa na mifumo iliyofunzwa maandishi? Je, wanaweza kujifunza lugha mpya kwa ufasaha kiasi gani? Je, ni aina gani za mafunzo ya ndani ya muktadha wanaweza kufanya? "Dessa inakuza mipaka ya miundo ya kujifunza kwa kina na kuunda aina tofauti yenye tabia mpya na za kuvutia kwa watafiti kugundua," tangazo hilo linasoma.
Pia kuna madai ya kisayansi yaliyozikwa kwenye lami. Block anasema makisio ya Dessa hufanya kazi haraka kuliko wakati halisi, kwa hivyo majibu huja bila kusitisha kwa shida ambayo hukumba visaidizi vya sauti vinavyotegemea zamu, na - kulingana na habari iliyochapishwa na Unite.AI ya uzinduzi - kwamba modeli inaendeshwa kwenye vifaa vya watumiaji kama vile MacBook Pro yenye chipu ya M4 Max au bora zaidi. Ikiwa ni sahihi, modeli ya sauti inayoendesha ndani ya nchi yenye duplex kamili itajulikana wakati ambapo AI ya sauti yenye ushindani inasalia kuwa kwenye wingu.
A "GPT-3 Moment for Speech"
Ragavan Thurairatnam, ambaye anaongoza maabara ya utafiti ya AI ya Block, alielezea Dessa kama kielelezo cha kwanza cha AI ambacho kinaweza kufanya mazungumzo ya kweli baada ya mafunzo kabisa juu ya hotuba, na kuita toleo hilo "wakati wa GPT3 wa hotuba," kulingana na ripoti ya Unite.AI kuhusu tangazo hilo. Ulinganisho umebainishwa: Awamu ya kwanza ya GPT-3 ya 2020 haikutoa bidhaa muhimu mara moja, lakini ilirekebisha kile modeli za lugha zinaweza kufanya na kuanzisha mzunguko wa sasa wa uwekezaji.
The Verge, iliyoshughulikia uzinduzi huo, ilielezea matokeo kama kielelezo "kinachozungumza nawe kama rafiki mpya asiyefaa" - muhtasari wa kusisimua wa klipu za onyesho ambazo Dessa anashangaa "oh mungu wangu" kwa mshangao, au anajibu habari za kibinafsi kwa kile kinachosikika kama shukrani ya machozi. Ikiwa tabia hizo zinaonyesha uelewa wa kweli au uzazi wa muundo wa hali ya juu ndio hasa aina ya swali ambalo Block anasema linataka jumuiya ya watafiti kuchunguza.
Njia ya Usalama Huja Kwanza — Kwa Mara Moja
Hasa, Block haisafirisha Dessa moja kwa moja kwa watumiaji. Toleo hili ni onyesho la kuchungulia la utafiti: rekodi ni za umma, orodha ya wanaosubiri iko wazi, lakini ufikiaji wa mapema unazuiliwa kwa kikundi kidogo cha watafiti wa usalama wa AI. Kwa kuzingatia wasiwasi unaoendelea kuhusu ulaghai wa kuiga sauti na washirika wa AI wenye hitilafu, mtindo wa usemi unaoweza kueleza - na pengine kuibua - hisia ndiyo hasa aina ya timu za usalama za mfumo zinazotaka kutathmini kabla ya kutumwa kwa wingi.
Block anasema rekodi zaidi zitashirikiwa kwenye X katika siku zijazo. Kampuni haijatangaza bei, ufikiaji wa API, au mipango ya ujumuishaji ya bidhaa zake za Square, Cash App au Bitkey.
Maswali ya wazi
Uzinduzi wa Dessa unatua kwenye uwanja uliojaa watu. Kila maabara kuu ya AI sasa husafirisha hali ya sauti, na wanaoanza wamekuwa wakisukuma mifano ya matamshi ya wakati halisi kwa miaka miwili. Kinachotofautisha Dessa ni kichocheo chake cha mafunzo - usemi safi, maandishi sufu - na madai kwamba tabia ya mazungumzo inayoibuka kama vile kicheko cha katikati ya sentensi iliibuka bila maagizo wazi.
Wakosoaji watataka tathmini huru. Je, kielelezo kisicho na maandishi kinaweza kujifunza ukweli kwa kutegemewa, au kinaweza kudhihirika kwa uhuru zaidi bila msingi wa lugha iliyoandikwa? Je, inaweza kufikia lugha mpya bila manukuu? Ukurasa wa Block mwenyewe unaalika maswali haya haswa, ambayo ni kujiamini au kukiri wazi kwamba hakuna mtu - ikiwa ni pamoja na Block - anayejua majibu bado.
Kwa sasa, Dessa ni vizalia vya utafiti vilivyo na orodha ya wanaosubiri. Lakini ikiwa mafunzo ya usemi pekee yatathibitisha ushindani na mabomba yanayotegemea maandishi, Block inaweza kuwa imejitokeza mojawapo ya dau za kipingamizi zinazovutia zaidi katika AI ya kisasa: kwamba njia ya haraka zaidi ya mazungumzo ya mashine asili ni kuunda mashine zinazojifunza jinsi tulivyojifunza - kwa kusikiliza.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
