هوش مصنوعی «دسا» مکالمه را به واقعیت نزدیک می‌کند!

شرکت بلاک با مدیریت جک دورسی از «دسا» (Dessa)، مدل هوش مصنوعی صوتی تازه‌ای رونمایی کرد که به‌گفته سازندگانش، می‌تواند هم‌زمان بشنود و صحبت کند و با مکث، خنده و تغییر لحن، گفت‌وگویی شبیه مکالمات انسانی داشته باشد. شرکت بلاک با مدیریت جک دورسی از «دسا» (Dessa)، مدل هوش مصنوعی صوتی تازه‌ای رونمایی کرد که به‌گفته سازندگانش، می‌تواند هم‌زمان بشنود و صحبت کند و با مکث، خنده...

به گزارش مجله خبری نگار/شهرآرانیوز، هوش مصنوعی «دسا» با هدف طبیعی‌ترکردن ارتباط صوتی انسان و ماشین معرفی شده است؛ مدلی که در نمونه‌های نمایشی، هنگام صحبت می‌خندد، به تغییر فضای مکالمه واکنش نشان می‌دهد و آهنگ صدای خود را تغییر می‌دهد.

هوش مصنوعی دسا چگونه کار می‌کند؟

به‌گفته سازندگان، دسا از پایه با صدای مکالمات انسانی و بدون استفاده از متن یا مدل‌های ازپیش‌آموزش‌دیده آموزش دیده است. این سامانه «گفتار به گفتار» است؛ یعنی صدا را مستقیماً دریافت و پاسخ صوتی تولید می‌کند.

در بسیاری از دستیار‌های رایج، گفتار ابتدا به متن تبدیل می‌شود و پاسخ متنی دوباره به صدا برمی‌گردد. دسا این واسطه متنی را کنار گذاشته تا اطلاعاتی مانند لحن، مکث و خنده را نیز در گفت‌و‌گو لحاظ کند.

شنیدن و صحبت‌کردن هم‌زمان

ویژگی برجسته این مدل، ارتباط صوتی «تمام‌دوطرفه» یا Full-duplex است؛ یعنی هنگام صحبت‌کردن نیز به شنیدن ادامه می‌دهد. این قابلیت امکان واکنش میان صحبت مخاطب، مدیریت قطع‌شدن کلام و بیان تأیید‌های کوتاه را فراهم می‌کند.

در نمایش‌های رسمی، تغییر سرعت و بلندی صدا، خنده میان جمله و لحنی شبیه بغض نیز دیده می‌شود. شرکت می‌گوید محتوای پاسخ‌ها و زمان بیان آنها در این نمونه‌ها زنده و بدون هدایت فرد دیگری تعیین شده است.

قابلیت اجرا روی لپ‌تاپ

بلاک اعلام کرده آموزش دسا با یک سامانه محاسباتی انویدیا GB ۲۰۰ NVL ۷۲ انجام شده و مدل روی مک‌بوک پرو مجهز به تراشه M ۴ Max یا بالاتر نیز به‌صورت محلی اجرا می‌شود. بااین‌حال، تعداد پارامتر‌ها و جزئیات کامل معماری آن منتشر نشده است.

از آموزش تعاملی تا نگرانی درباره کلاهبرداری

طبیعی‌بودن مکالمات دسا توجه فعالان فناوری را جلب کرده است. چانگ‌پنگ ژائو، بنیان‌گذار بایننس، به ظرفیت احتمالی آن برای آموزش کودکان اشاره کرده؛ در مقابل، برخی واکنش‌ها بر خطر فریب مخاطبان و افزایش کلاهبرداری‌های تلفنی متمرکز بوده است.

دسا هنوز در مرحله پیش‌نمایش پژوهشی قرار دارد و دسترسی اولیه آن به گروه محدودی از پژوهشگران ایمنی اختصاص یافته است. زمان عرضه عمومی و نتایج آزمون‌های مستقل نیز اعلام نشده؛ بنابراین، نمایش‌های منتشرشده به‌تنهایی برای قضاوت درباره دقت، ایمنی و عملکرد آن در شرایط مختلف کافی نیست.

لینک کپی شد

اشتراک‌ گذاری