رونمایی از هوش مصنوعی Dessa توسط شرکت جک دورسی؛ گامی تازه به سوی مکالمات صوتی طبیعی‌تر
شرکت Block، به رهبری جک دورسی، از مدل هوش مصنوعی جدیدی به نام Dessa رونمایی کرده است؛ مدلی که با تمرکز بر پردازش مستقیم گفتار، به دنبال ایجاد مکالماتی روان‌تر، طبیعی‌تر و نزدیک‌تر به تعاملات انسانی است.
هوش مصنوعی Dessa چیست؟
با پیشرفت فناوری هوش مصنوعی، تعامل انسان و ماشین در حال عبور از چت‌های متنی به سمت ارتباطات صوتی هوشمند است.
در همین راستا، شرکت Block مدل جدیدی با نام Dessa معرفی کرده که برخلاف بسیاری از سیستم‌های صوتی رایج، بر پایه رویکرد گفتاربه‌گفتار (Speech-to-Speech) توسعه یافته است.
در سیستم‌های متداول، صدای کاربر ابتدا به متن تبدیل می‌شود و پس از پردازش توسط مدل زبانی، پاسخ تولیدشده دوباره به صوت تبدیل می‌شود. اما Dessa با تمرکز بر پردازش مستقیم اطلاعات صوتی تلاش می‌کند مکالماتی طبیعی‌تر و پیوسته‌تر ایجاد کند.
ویژگی‌های مهم هوش مصنوعی Dessa
از مهم‌ترین قابلیت‌ها و اهداف مطرح‌شده برای این مدل می‌توان به موارد زیر اشاره کرد:
مکالمات صوتی طبیعی‌تر: ایجاد تعاملاتی روان‌تر و نزدیک‌تر به شیوه گفت‌وگوی انسان‌ها.
توجه به ویژگی‌های احساسی صدا: تلاش برای درک بهتر لحن و نشانه‌های احساسی موجود در گفتار.
پردازش و استدلال صوتی: استفاده از اطلاعات گفتاری برای درک درخواست‌ها و تولید پاسخ‌های مناسب.
قابلیت اجرای محلی: امکان اجرای مدل روی سخت‌افزارهای قدرتمند، از جمله مک‌بوک پرو مجهز به تراشه M4 Max.
تمرکز بر ایمنی: توسعه فناوری با هدف بهبود کیفیت و ایمنی تعاملات صوتی انسان و هوش مصنوعی.
آینده دستیارهای صوتی هوشمند
معرفی مدل‌هایی مانند Dessa نشان‌دهنده افزایش توجه شرکت‌های فناوری به نسل جدید دستیارهای صوتی مبتنی بر هوش مصنوعی است.
این فناوری‌ها در صورت توسعه و بهبود عملکرد، می‌توانند در حوزه‌هایی مانند آموزش هوشمند، خدمات مشتریان، دستیارهای شخصی و سیستم‌های پاسخ‌گویی خودکار کاربردهای گسترده‌ای داشته باشند.
در آینده ممکن است تعامل با هوش مصنوعی دیگر تنها به تایپ کردن محدود نباشد و کاربران بتوانند بسیاری از فعالیت‌های روزمره خود را از طریق مکالمه صوتی انجام دهند.
جمع‌بندی
مدل Dessa نمونه‌ای از حرکت صنعت هوش مصنوعی به سمت ارتباطات صوتی طبیعی‌تر است. تمرکز بر پردازش مستقیم گفتار، توجه به لحن و ویژگی‌های صوتی و امکان اجرای محلی، از جنبه‌های قابل‌توجه این رویکرد به شمار می‌روند.
با این حال، میزان موفقیت چنین فناوری‌هایی به عملکرد واقعی آن‌ها در مکالمات پیچیده، سرعت پاسخ‌گویی و کیفیت درک گفتار بستگی خواهد داشت.
به نظر شما آینده تعامل با هوش مصنوعی متعلق به چت‌بات‌های متنی است یا دستیارهای صوتی هوشمندی که می‌توانند به شکلی طبیعی با انسان گفت‌وگو کنند؟