Block'un araştırma laboratuvarı bu hafta Dessa'nın araştırma önizlemesini açtı: kaydedilmiş insan konuşmalarıyla sıfırdan eğitilmiş bir konuşmadan konuşmaya modeli — metin yok, ön eğitilmiş dil modeli yok, zincirin hiçbir yerinde yazıya dökme adımı yok.
Asıl mesele tam da bu son ayrıntı. Bugün piyasadaki neredeyse her sesli asistan bir zincirdir: konuşma tanıma sesinizi metne çevirir, dil modeli yanıtı yazar, metinden sese motoru bunu yüksek sesle okur. Prozodi — duraklama, yarım kahkaha, "yorgunum" diyen o düz ton — ya ilk adımda çöpe atılır ya da sonradan üslup etiketleriyle yeniden boyanır. Block'un demolarla birlikte yayımladığı argüman sert: "Bugünkü sesli yapay zekâyla etkileşim gerçekten berbat olabiliyor. Sesinizi metne çeviriyor ve metnin tek başına taşıyamayacağı inanılmaz miktarda bilgiyi atıyor. Dünyanın en güçlü yapay zekâları nasıl hissettiğinizi duyamıyor."
Dessa tam çift yönlü: konuşurken dinliyor, yani sözü kesilebiliyor ve karşısındakinin sözünü kesebiliyor. Block'un yayımladığı kayıtlarda model cümle ortasında gülüyor, düşünüyormuş gibi duraklıyor ve bir kayıtta rahat ettirilmekten söz ederken gözyaşlarına çok yakın duruyor. Block, görüşmelerin canlı kaydedildiğini ve kimsenin yanıtları yönlendirmediğini söylüyor. Jack Dorsey'nin X'teki özeti: "Onunla konuşmak bir insanla konuşmak gibi… duygu, nüans, duraklamalar ve doğal bir ritimle dolu."
Block'un açıkladıkları:
- Tamamen insan konuşmasıyla, sıfırdan eğitildi; metin verisi ve ön eğitilmiş model yok. - Tek bir Nvidia GB200 NVL72 sistemiyle eğitildi ve M4 Max ya da üstü bir MacBook Pro'da yerel olarak çalışacak kadar kompakt. - Girişte ses, çıkışta ses. Sonradan eklenen ayrı bir konuşma tanıma veya metinden sese bileşeni yok.
Açıklamadıkları: model boyutu, herhangi bir kıyaslama sonucu ve çıkış tarihi. İlk erişim küçük bir yapay zekâ güvenliği araştırmacısı grubuna veriliyor, arkasında bir bekleme listesi var. Block'a göre Dessa'nın bilgisi eğitildiği konuşma verisinden geliyor; yani bir sohbet modeli, bir bilgi kâhini değil. Araştırmanızı onun yapmasını beklemeyin.
İsim de yeni değil. Square, Toronto merkezli sesli yapay zekâ girişimi Dessa'yı 2020'de satın aldı; bu modeli geliştiren ve doğrudan Dorsey'e bağlı olan araştırma laboratuvarında o şirketin çalışanları var. Ticari uyum ortada: Square telefonla siparişlerde sesli yapay zekâ kullanıyor ve dakika başına API faturası gerektirmeyen, cihaz üzerinde çalışan bir model telefonu açmanın ekonomisini değiştiriyor. Kaçınılmaz olarak, insan gibi konuşan bir sese kimin gücünün yeteceğini de değiştiriyor.
Bunun bir demodan fazlası olmasının nedeni şu: dört yıldır metin, yapay zekânın sıkıştırma katmanıydı ve tam da insan güveninin belirlendiği yerde bilgi kaybediyor. Tereddüdü duyan bir model tereddüde karşılık verebilir. Vaadin özü bu. Riski de bu ve Block bunu gizlemiyor — bu yüzden önce güvenlik araştırmacıları, sonra kullanıcılar. Eleştirmenler aynı noktayı demolardan saatler sonra dile getirdi. Yönetmen Justine Bateman, bir yapay zekâ sesinin neden insan gibi konuşması gerektiğini sordu: "İnsanları gardını indirmeye kandırabilmek için." Gazeteci Shiv Aroor daha kısa söyledi: "Dolandırıcılık aramaları salgın düzeyine çıkmak üzere." Ses klonlama ve telefon dolandırıcılığı zaten ucuz; inandırıcı bir duygusal tepkiyi doğaçlama üreten bir model, hattın öbür ucundaki kişi için başka bir ölçekte sorun.
Karşı argüman şu: aynı sadakat, klavye kullanamayan biri için ya da konuşarak öğrenen bir çocuk için sesli arayüzü kullanılabilir kılan şey — Binance kurucusu Changpeng Zhao'nun kendi eğitim projesine işaret ederek kamuya açık biçimde dile getirdiği kullanım. Block ayrıca konuşma odaklı modellerin zamanla, bir transkriptin sıfıra indirdiği sıkıntı veya acı belirtilerini saptayabileceğini ekliyor.
Bunların hiçbiri henüz sınanabilir değil. Bağımsız değerlendirme yok, yayımlanmış sayı yok, önizleme dışından kimseye erişim yok. Demoları, bir şirketin kendi ürünü hakkındaki kendi kanıtı olarak okuyun. Dışarıdan sonuçlar gelene kadar Dessa etkileyici bir gösterim ve inandırıcı bir tez: sesli yapay zekâdaki metin darboğazı bir doğa yasası değil, bir tasarım tercihi.
