بلوك تكشف عن نموذج صوتي يتعلم من المحادثات مباشرة

كشفت شركة بلوك عن نموذجها الصوتي «ديسا»، الذي تقول إنه يتعلم من المحادثات البشرية الصوتية مباشرة، دون الاعتماد على النصوص المكتوبة في التدريب. ويهدف النموذج إلى محاكاة جوانب من التواصل البشري، مثل الضحك والتوقفات وتغيير نبرة الصوت وسرعة الكلام.

وتقول الشركة إن النموذج دُرّب من الصفر على المحادثات الصوتية البشرية، دون نصوص مكتوبة أو نماذج مدربة مسبقاً. لكن التسجيلات التجريبية لا تثبت وحدها تفوقه على المنافسين أو فهمه للمشاعر، إذ يتطلب تقييم هذه القدرات اختبارات أوسع ومستقلة.

استماع وتحدث بالتزامن

يعتمد «ديسا» تقنية الصوت ثنائي الاتجاه الكامل (Full-duplex)، التي تتيح له الاستماع إلى المستخدم والتحدث معه بالتزامن، بدلاً من انتظار انتهاء أحد الطرفين. ووفقاً للشركة، يستطيع النموذج تحديد توقيت تدخله واستخدام عبارات مقتضبة تدل على المتابعة، مع تقليل التأخير في الاستجابة.

وذكرت بلوك أنها درّبت النموذج باستخدام نظام حوسبة «إنفيديا جي بي 200 إن في إل 72» (NVIDIA GB200 NVL72)، وأشارت إلى إمكان تشغيله محلياً على حاسوب ماك بوك برو المزود بمعالج «إم 4 ماكس» (M4 Max) أو ما هو أقوى منه. ويعتمد أثر التشغيل المحلي في الخصوصية والتكلفة والأداء على طريقة تنفيذ التطبيقات ومعالجة البيانات.

اختبارات ومخاطر الاستخدام

يمكن أن تُستخدم قدرات النموذج في المساعدات الصوتية وخدمات العملاء والتطبيقات التعليمية، لكن سرعة التفاعل وطبيعته لا تضمنان دقة الإجابات أو جودة الخدمات. وتتنافس شركات، من بينها أوبن إيه آي وإليفن لابس، على تطوير أنظمة صوتية أكثر واقعية واستجابة.

ويتطلب تحديد موقع «ديسا» في هذا المجال نشر نتائج اختبارات معيارية مستقلة ومعلومات أوسع عن أدائه. وكانت الشركة تخطط لإتاحة وصول مبكر إلى النموذج لمجموعة محدودة من باحثي سلامة الذكاء الاصطناعي، ولا يعني ذلك إتاحته تجارياً على نطاق واسع.

وتثير واقعية الأصوات الاصطناعية مخاوف من انتحال الشخصيات والاحتيال، وهي مخاطر عامة لا تعني استخدام «ديسا» فعلياً في عمليات احتيال. وتقول بلوك إنها تسعى إلى إشراك باحثين في تقييم المخاطر، فيما يعتمد الحكم على القيمة العملية للنموذج على نتائج الاختبارات المستقلة وكفاءة الاستخدام اليومي وفاعلية ضمانات السلامة.