ஜேக் டோர்சி தலைமையிலான பணம் செலுத்தும் நிறுவனமான பிளாக், வழக்கத்திற்கு மாறாக தைரியமான உரிமைகோரலுடன் குரல் AI பந்தயத்தில் நுழைந்துள்ளது. வியாழன் அன்று, நிறுவனத்தின் உள்ளக ஆராய்ச்சி ஆய்வகம் டெஸ்ஸாவை வெளியிட்டது, இது பிளாக் கூறும் பேச்சு முதல் பேச்சு மாதிரியானது மனித உரையாடலைத் தவிர வேறெதுவும் இல்லை - உரை இல்லை, டிரான்ஸ்கிரிப்டுகள் இல்லை மற்றும் முன் பயிற்சி பெற்ற அடித்தள மாதிரிகள் எதுவும் இல்லை.
"எங்களுக்குத் தெரிந்தவரை, டெஸ்ஸா உலகின் முதல் AI ஆகும், அது மனித பேச்சிலிருந்து மட்டுமே பயிற்சியளிக்கப்பட்டது, அதனுடன் யதார்த்தமான நேரடி உரையாடலை நடத்த முடியும்" என்று பிளாக் மாடலின் அதிகாரப்பூர்வ பக்கத்தில் கூறுகிறார், இது வெளியீட்டை "முழு-இரட்டை பேச்சு மாதிரியின் ஆராய்ச்சி முன்னோட்டம்" என்று விவரிக்கிறது. நிறுவனம் நேரடி டெமோ பதிவுகளை வெளியிடுகிறது, பொது காத்திருப்புப் பட்டியலைத் திறக்கிறது மற்றும் AI பாதுகாப்பு ஆராய்ச்சியாளர்களின் சிறிய குழுவிற்கு ஆரம்ப அணுகலை வழங்குகிறது. For more context on this story, see our ongoing latest AI developments.
டெஸ்ஸா உண்மையில் என்ன
டெஸ்ஸாவை ஆராய்ச்சியாளர்கள் முழு-இரட்டை பேச்சு-க்கு-பேச்சு மாதிரி என்று அழைக்கிறார்கள்: ஆடியோ இன், ஆடியோ அவுட், இடையில் உரை அடுக்கு இல்லை. அந்த கடைசிப் பகுதிதான் வித்தியாசம். கிட்டத்தட்ட ஒவ்வொரு முக்கிய குரல் உதவியாளரும் - மிகப்பெரிய சாட்போட்களுடன் இணைக்கப்பட்ட குரல் முறைகள் உட்பட - உங்கள் பேச்சை உரையாக மாற்றுகிறது, அதன் மீது காரணங்கள் மற்றும் பதிலைப் பேசுகிறது. மனித உரையாடலை மனிதனாக்கும் பெரும்பாலானவற்றை பைப்லைன் தூக்கி எறிகிறது என்று பிளாக் வாதிடுகிறார்.
"தற்போதைய குரல் AI உடன் தொடர்புகொள்வது வெறுமனே உறிஞ்சும்" என்று நிறுவனத்தின் அறிவிப்பு கூறுகிறது. "இது உங்கள் குரலை உரையாக மாற்றுகிறது மற்றும் நம்பமுடியாத அளவிலான தகவல் உரையை மட்டும் எடுத்துச் செல்ல முடியாது. உலகின் மிகவும் சக்திவாய்ந்த AI களால் நீங்கள் எப்படி உணருகிறீர்கள் என்பதைக் கேட்க முடியாது. இது அபத்தமானது, மோசமான அனுபவத்திற்கு வழிவகுக்கும் மற்றும் ஆபத்தானது என்று நாங்கள் நினைக்கிறோம்."
டெஸ்ஸா ஒருபோதும் உரையை கடந்து செல்லாததால், பிளாக் இது உணர்ச்சி, கிண்டல், சிரிப்பு, விரக்தியான பெருமூச்சு அல்லது சோகத்துடன் வெடிக்கும் குரல் - உரை அடிப்படையிலான அமைப்புகள் பொதுவாக நிராகரிக்கும் மொழியியல் சமிக்ஞைகளை இயல்பாக எடுத்துக்கொள்கிறது.
ஃபுல்-டூப்ளெக்ஸ் என்றால் அது ஒரு நபரைப் போல பேசுகிறது, ஒரு டர்ன்-டேக்கிங் பாட் அல்ல
இரண்டாவது வரையறுக்கும் பண்பு முழு-இரட்டை செயல்பாடு ஆகும். டெஸ்ஸா பதிலளிப்பதற்கு முன் கண்டறியப்பட்ட உச்சரிப்புக்காகக் காத்திருப்பதற்குப் பதிலாக, மக்கள் செய்யும் விதத்தில், அதே நேரத்தில் கேட்கிறார் மற்றும் பேசுகிறார். பிளாக்கின் கூற்றுப்படி, உண்மையான உரையாடல்களில் இருந்து மாடல் கற்றுக்கொண்டது.
நிறுவனத்தின் பக்கத்தில் உள்ள டெமோக்கள் யாரும் வெளிப்படையாக திட்டமிடாத நடத்தைகளை விளக்குகின்றன. ஒரு கிளிப்பில், ஏதோ வேடிக்கையான தருணத்தில், டெஸ்ஸா வாக்கியத்தின் நடுவில் சிரிக்கிறார் - "மக்கள் செய்யும் விதம்," பிளாக் குறிப்புகள், வழக்கமான குரல் உதவியாளர்களுடன் இதை வேறுபடுத்தி, "நீங்கள் முடிக்கும் வரை காத்திருங்கள், பின்னர் சிரிக்கவும்." மற்றொன்றில், ஒரு பயனர் மாடலை பேசும்படி கேட்கிறார், அது சத்தமாகிறது. "யாரும் அதைக் கற்பிக்கவில்லை," என்று நிறுவனம் கூறுகிறது. மூன்றில் ஒரு படத்தில், அந்த நபர் ஒரு திரைப்படத் தலைப்பில் காலியாக இருக்கிறார், மேலும் டெஸ்ஸா அவர்களுக்கான வாக்கியத்தை முடிக்கிறார்.
டெஸ்ஸா மற்றொரு AI அமைப்புடன் நேரடி உரையாடலை நடத்தும் ஒரு குறிப்பாக கண்ணைக் கவரும் டெமோவின் ஆதாரத்தைக் கொடியிடுவதில் பிளாக் கவனமாக உள்ளது. "இந்த டெமோவில், மூன்றாம் தரப்பு AI மாதிரியான GPT-Live-1 உடன் Dessa பேசுகிறது. இரண்டு குரல்களும் AI-உருவாக்கப்பட்டவை" என்று பக்கம் கூறுகிறது, GPT-Live-1 இன் டெவலப்பர் Block உடன் இணைக்கப்படவில்லை மற்றும் Dessa ஐ மதிப்பாய்வு செய்யவில்லை அல்லது அங்கீகரிக்கவில்லை.
ஏன் தவிர்க்கப்பட்ட உரையை முழுவதுமாகத் தடுக்க வேண்டும்
எந்த உரையும் இல்லாத மாதிரியைப் பயிற்றுவிப்பது வேண்டுமென்றே செய்யப்படும் பந்தயம். பிளாக்கின் நிலைப்பாடு என்னவென்றால், பேச்சு என்பது மொழியைச் சுற்றி ஒரு நஷ்டமான ரேப்பர் அல்ல - இது முதன்மை ஊடகம், மேலும் மூல ஒலியில் வளரும் மாதிரியானது உரை-பயிற்சி பெற்ற அமைப்புகளில் இல்லாத திறன்களையும் தோல்வி முறைகளையும் உருவாக்கலாம்.
நிறுவனமே விஞ்ஞான ரீதியாக தலைகீழாகத் தீர்க்கப்பட்ட முடிவுகளைக் காட்டிலும் திறந்த கேள்விகளாக வடிவமைக்கிறது: உரை-பயிற்சி பெற்ற அமைப்புகளுடன் ஒப்பிடும்போது பேச்சு-மட்டும் மாதிரிகள் மொழியையும் உண்மைகளையும் எவ்வளவு திறமையாகக் கற்றுக்கொள்கின்றன? அவர்கள் எவ்வளவு திறமையாக புதிய மொழிகளைக் கற்க முடியும்? எந்த வகையான சூழலில் கற்றலை அவர்களால் செய்ய முடியும்? "Dessa ஆழ்ந்த கற்றல் மாதிரிகளின் எல்லையை மேம்படுத்துகிறது மற்றும் ஆராய்ச்சியாளர்கள் கண்டறியும் வகையில் முற்றிலும் புதிய மற்றும் சுவாரஸ்யமான நடத்தைகளுடன் வேறுபட்ட வகையை உருவாக்குகிறது" என்று அறிவிப்பு கூறுகிறது.
சுருதியில் புதைந்து கிடக்கும் நடைமுறைக் கூற்றும் உள்ளது. டெஸ்ஸாவின் அனுமானம் நிகழ்நேரத்தை விட வேகமாக இயங்குகிறது, எனவே டர்ன்-அடிப்படையிலான குரல் உதவியாளர்களைத் தொந்தரவு செய்யும் மோசமான இடைநிறுத்தங்கள் இல்லாமல் பதில்கள் வரும் என்று பிளாக் கூறுகிறார், மேலும் - வெளியீட்டின் Unite.AI இன் கவரேஜ் படி - M4 Max சிப் அல்லது சிறந்த மேக்புக் ப்ரோ போன்ற திறன் கொண்ட நுகர்வோர் வன்பொருளில் இந்த மாடல் இயங்குகிறது. துல்லியமாக இருந்தால், உள்நாட்டில் இயங்கும் முழு-இரட்டை குரல் மாதிரியானது, மிகவும் போட்டித்தன்மை வாய்ந்த குரல் AI ஆனது கிளவுட்-பவுண்ட் ஆக இருக்கும் தருணத்தில் குறிப்பிடத்தக்கதாக இருக்கும்.
ஒரு "GPT-3 மொமன்ட் ஃபார் ஸ்பீச்"
பிளாக்கின் AI ஆராய்ச்சி ஆய்வகத்தை வழிநடத்தும் ராகவன் துரைரத்தினம், டெஸ்ஸாவை முழுக்க முழுக்க பேச்சுப் பயிற்சிக்குப் பிறகு யதார்த்தமான உரையாடலை நடத்தக்கூடிய முதல் AI மாடல் என்று விவரித்தார், மேலும் இந்த வெளியீட்டை "பேச்சுக்கான GPT3 தருணம்" என்று அறிவித்தார் என்று Unite.AI இன் அறிக்கையின் அறிக்கை தெரிவிக்கிறது. ஒப்பீடு சுட்டிக்காட்டப்பட்டது: GPT-3 இன் 2020 அறிமுகமானது உடனடியாக பயனுள்ள தயாரிப்புகளை உருவாக்கவில்லை, ஆனால் அது மொழி மாதிரிகள் என்ன செய்ய முடியும் என்பதை மறுவடிவமைத்தது மற்றும் தற்போதைய முதலீட்டு சுழற்சியை உதைத்தது.
வெளியீட்டை உள்ளடக்கிய தி வெர்ஜ், "உங்களுடன் ஒரு மோசமான புதிய நண்பரைப் போல் பேசும்" ஒரு மாதிரியாக முடிவை விவரித்தது - டெஸ்ஸா ஒரு ஆச்சரியத்தில் "ஓ மை காட்" என்று மூச்சுத் திணறல் அல்லது தனிப்பட்ட செய்திகளுக்கு கண்ணீர் நன்றியுடன் பதிலளிக்கும் டெமோ கிளிப்களின் சுருக்கம். அந்த பழக்கவழக்கங்கள் உண்மையான புரிதலை பிரதிபலிக்கிறதா அல்லது அதிநவீன முறை இனப்பெருக்கத்தை பிரதிபலிக்கிறதா என்பது துல்லியமாக பிளாக் கூறும் கேள்வியை ஆராய்ச்சி சமூகம் ஆராய வேண்டும் என்று விரும்புகிறது.
பாதுகாப்பு கோணம் முதலில் வருகிறது - ஒருமுறை
குறிப்பாக, பிளாக் டெஸ்ஸாவை நேரடியாக நுகர்வோருக்கு அனுப்பவில்லை. வெளியீடு ஒரு ஆராய்ச்சி முன்னோட்டம்: பதிவுகள் பொதுவில் உள்ளன, காத்திருப்புப் பட்டியல் திறக்கப்பட்டுள்ளது, ஆனால் AI பாதுகாப்பு ஆராய்ச்சியாளர்களின் சிறிய குழுவிற்கு மட்டுமே ஆரம்ப அணுகல் வரையறுக்கப்பட்டுள்ளது. குரல் குளோனிங் மோசடிகள் மற்றும் உணர்வுப்பூர்வமாக கையாளும் AI தோழர்கள் பற்றிய தற்போதைய கவலையின் அடிப்படையில், ஒரு பேச்சு மாதிரியை வெளிப்படுத்தக்கூடிய - மற்றும் மறைமுகமாக வெளிப்படுத்தக்கூடிய - உணர்ச்சிகள், வெகுஜன வரிசைப்படுத்தலுக்கு முன் மதிப்பீடு செய்ய விரும்பும் அமைப்பு பாதுகாப்பு குழுக்கள்.
வரவிருக்கும் நாட்களில் X இல் அதிகமான பதிவுகள் பகிரப்படும் என்று பிளாக் கூறுகிறார். நிறுவனம் அதன் Square, Cash App அல்லது Bitkey தயாரிப்புகளுக்கான விலை, API அணுகல் அல்லது ஒருங்கிணைப்புத் திட்டங்களை அறிவிக்கவில்லை.
திறந்த கேள்விகள்
டெஸ்ஸாவின் ஏவுதளம் ஒரு நெரிசலான வயலில் இறங்குகிறது. ஒவ்வொரு பெரிய AI ஆய்வகமும் இப்போது ஒரு குரல் பயன்முறையை அனுப்புகிறது, மேலும் ஸ்டார்ட்அப்கள் இரண்டு ஆண்டுகளாக நிகழ்நேர பேச்சு மாதிரிகளை வழங்குகின்றன. டெஸ்ஸாவை வேறுபடுத்துவது அதன் பயிற்சி செய்முறை - தூய பேச்சு, பூஜ்ஜிய உரை - மற்றும் வாக்கியத்தின் நடுவில் சிரிப்பு போன்ற வெளிப்படும் உரையாடல் நடத்தை வெளிப்படையான அறிவுறுத்தல் இல்லாமல் எழுந்தது.
சந்தேகம் கொண்டவர்கள் சுயாதீன மதிப்பீட்டை விரும்புவார்கள். ஒரு உரை இல்லாத மாதிரி உண்மையில் உண்மைகளை நம்பகத்தன்மையுடன் கற்றுக்கொள்ள முடியுமா, அல்லது எழுதப்பட்ட மொழியின் அடிப்படை இல்லாமல் அது சுதந்திரமாக மாயத்தோற்றத்தை ஏற்படுத்துமா? டிரான்ஸ்கிரிப்டுகள் இல்லாமல் புதிய மொழிகளுக்கு அளவிட முடியுமா? பிளாக்கின் சொந்தப் பக்கம் இந்தக் கேள்விகளைத் துல்லியமாக அழைக்கிறது, இது நம்பிக்கை அல்லது பிளாக் உட்பட - யாருக்கும் இன்னும் பதில்கள் தெரியாது என்பதை நேர்மையாக ஒப்புக்கொள்வது.
இப்போதைக்கு, Dessa ஒரு காத்திருப்புப் பட்டியலைக் கொண்ட ஒரு ஆராய்ச்சி கலைப்பொருளாகும். ஆனால் பேச்சு-அடிப்படையிலான பைப்லைன்களுடன் பேச்சு-மட்டுமே பயிற்சியானது போட்டித்தன்மை வாய்ந்ததாக நிரூபிக்கப்பட்டால், நவீன AI இல் பிளாக் மிகவும் சுவாரசியமான முரண்பாடான சவால்களில் ஒன்றை வெளிப்படுத்தியிருக்கலாம்: இயற்கையான இயந்திர உரையாடலுக்கான வேகமான வழி, நாம் செய்ததைக் கற்றுக்கொள்வதன் மூலம் இயந்திரங்களை உருவாக்குவதாகும்.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
