Jack Dorsey'nin ödeme şirketi Block, sesli yapay zekânın yeni nesline adım attı. "Dessa" adlı model, insanla sohbet eden ses yapay zekaları arasında öncü: doğal duraklar, gülüş, duygulanım ve konuşma tonunu içeren gerçekçi bir diyalog sağlıyor. Block'ın lansmanla ilgili açıklamasında "Sesin, zekayla etkileşimin en doğal yolu olduğuna inanıyoruz" ifadesi geçiyor.
Tam çift yönlü konuşma
Dessa'nın asıl yeniliği mimarisinde yatıyor. Çoğu ses modeli, ses algıladığı zaman konuşmayı durdurmuş olur (ses-metne, metne-sese, sonra sese çevirme işlemi). Dessa ise her iki yönde aynı anda çalışabiliyor: insanın konuşmasını dinlerken kendi konuşmasına devam ediyor; tıpkı bir insan gibi. Block, bu yeteneğin duyguyu doğrudan modele yerleştirerek —etiketlerle değil— gerçekleştirdiğini söylüyor. Sıkıştırılmış duygulanım sinyalleri yerine, modelin kendisi duyguyu öğrenmiş olması, tepkilerin daha gerçekçi ve zamanlama açısından daha doğru olmasını sağlıyor.
Model, tek bir NVIDIA GPU'sunda insan konuşmasıyla eğitildi. Önemli bir nokta: Block, Dessa'yı MacBook M4 Max gibi tüketici donanımında çalıştırabildiğini vurguluyor. Bu, dev sunucular gerektiren şirket uygulamalarından farklı bir vizyon sunuyor. Block'ın açıklamasına göre model "insanla konuşmak gibi hissettiriyor, tam duygusal, incelikli, doğal duraklar ve tonlama ile dolu." Eğer model halka açılırsa, kullanıcılar yüksek performanslı bir Mac'lerinde yerel olarak çalıştırmalarını sağlamak Block'ın hedefi gibi görünüyor.
Erken faz ve iş uygulamaları
Dessa henüz halka açılmamış. Block, güvenlik araştırmacılarını teste davet ediyor ve değerli geri bildirim bekliyor. Square (Block'ın ödeme iştiraki) zaten sesli yapay zekanın müşteri siparişlerini almakta kullandığını söyledi ve bu teknoloji restoran işletmecileri için bir fayda sağlıyor. Block, aynı teknolojinin müşteri hizmetleri, sanal asistanlar ve diğer alanlara yayılacağını açık biçimde hedeflediğini söylüyor. Ödeme işletmesinden başlayarak fintech uygulamaları, e-ticaret ve destek hizmetlerine kadar geniş bir spektrumda kullanım potansiyeli var.
OpenAI'ın yazın sunduğu GPT-Live, canlı sesli sohbeti desteklemişti ve tüm endüstri o andan beri bu yönde hareket ediyor. Dessa'nın gelen önemli özelliklerinden biri, yapay zekanın konuşması sırasında dinlemesi, tepki vermesi ve insan benzeri doğallıkla karşılık vermesidir. Çift yönlü ses, kullanıcı deneyimini önemli ölçüde iyileştirebilir.
Sektör anlamı
Sesin, metinden daha doğal bir insan-makine arayüzü olduğu düşünüldüğünde, Dessa gibi modeller sanal yardımcıların ve müşteri hizmetlerinin geleceğini şekillendirebilir. Block'ın modeli yerel çalışma yeteneğiyle gizlilik ve erişilebilirlik konularında da mesaj veriyor: küresel sunucuları gerektirmeden gelişmiş yapay zekanın dağıtılması mümkün olabilir. Bu, yapay zekâ endüstrisinde merkezi platformları sorgulayan bir paradigma değişimi gösterebilir. Block.xyz/dessa adresindeki resmî sayfada model hakkında daha detaylı teknik bilgiler ve güvenlik araştırmacılarının test sürecine ilişkin bilgiler yer alıyor. Dessa'nın başarısı, fintech ve müşteri hizmetleri sektöründe yapay zekâ entegrasyonunun ne kadar hızlı ilerleyeceğini gösterecek önemli bir indikatör olacak.
