Twitter’ın kurucu ortaklarından Jack Dorsey’nin yönettiği Block, beşerlerle daha doğal ve gerçek vakitli konuşmalar gerçekleştirmek üzere tasarlanan Dessa yapay zeka modeli ile teknoloji dünyasında dikkatleri üzerine çekiyor. Şirketin paylaştığı bilgilere nazaran bu yeni model, metin dataları yahut evvelden eğitilmiş rastgele bir sistem kullanılmadan, büsbütün insan konuşmalarından sıfırdan eğitildi.

Geleneksel sesli asistanların tersine Dessa, metne gereksinim duymadan direkt ses girdisiyle çalışıp ses çıktısı üreten bir mimariye sahip. Bu yaklaşım, modelin lisanı tıpkı insanların yaptığı üzere sırf dinleyerek öğrenmesini sağlıyor.

Metin Verisi Kullanmadan Eğitilen Bir Mimari

Günümüzde kullanılan birden fazla sesli yapay zeka sistemi, kullanıcının konuşmasını evvel metne dönüştürüyor, akabinde bu metni işleyerek bir cevap oluşturuyor ve son olarak karşılığı yine sese çeviriyor. Bu karmaşık süreçte konuşmanın tonu, duygusal nüansları ve doğal ritmi üzere kritik detaylar birçok vakit kaybolabiliyor.

Block tarafından geliştirilen Dessa ise direkt ses girdisiyle çalışıp ses çıktısı üreten özel bir mimariye sahip. Şirket, modelin eğitiminde rastgele bir metin verisi yahut evvelce eğitilmiş bir model kullanılmadığını bilhassa vurguluyor.

Böylece Dessa’nın, insanların lisanı sadece dinleyerek öğrenmesine benzeri bir yaklaşımla geliştirildiği tabir ediliyor. Bu formül, modelin insan konuşmasındaki doğal akışı daha yeterli kavramasına imkan tanıyor.

Sistem, konuşma sırasında ortaya çıkan duygusal tonlamaları ve ritmik değişimleri direkt ses üzerinden tahlil edebiliyor. Bu durum, yapay zekanın kullanıcıya çok daha doğal ve insansı bir etkileşim sunmasını mümkün kılıyor.

Full-Duplex Teknolojisi ve Gerçek Zamanlı Etkileşim

Dessa’nın öne çıkan en kıymetli özelliklerinden biri, full-duplex olarak isimlendirilen çalışma biçimi. Bu teknoloji sayesinde model, kullanıcı konuşmasını bitirene kadar beklemek yerine birebir anda dinleyip konuşabiliyor.

Kullanıcı kelamını kestiğinde reaksiyon verebilmesi, konuşma sırasında kısa geri bildirimler sunabilmesi ve karşılıklı diyaloğun ritmine ahenk sağlaması hedefleniyor. Block’un yayımladığı örneklerde Dessa, sesli iddia oyunları oynuyor, sinemalar hakkında sohbet ediyor ve OpenAI’ın GPT-Live-1 ses modeliyle konuşuyor.

Bazı demolar hayli doğal bir etkileşim izlenimi verirken model vakit zaman konuştuğu kişiyi yanlış tanıyabiliyor yahut bahisten uzaklaşabiliyor. Münasebetiyle gösterimler, sistemin şimdi kusursuz bir konuşma tecrübesi sunmadığını da ortaya koyuyor.

Donanım Gereksinimleri ve Gelecek Planları

Block’un açıklamasına nazaran Dessa, M4 Max işlemcili MacBook Pro yahut daha güçlü donanımlarda mahallî olarak çalışabiliyor. Şirket, modelin çıkarım süreçlerini gerçek zamanlıdan daha süratli gerçekleştirebildiğini de belirtiyor.

Bununla birlikte modelin boyutu, bağımsız performans testleri ve farklı donanımlardaki gecikme bedelleri şimdi açıklanmış değil. Dessa şimdilik araştırma ön izlemesi basamağında bulunuyor.

Block, modeli öncelikle küçük bir yapay zeka güvenliği araştırmacısı kümesinin erişimine sunmayı planlıyor. Bu kısıtlı erişim, modelin güvenliğinin ve performansının daha ayrıntılı incelenmesini amaçlıyor.

Sizce yalnızca sesle eğitilen bu yeni kuşak yapay zeka modelleri, gelecekte sesli asistanların yerini büsbütün alabilir mi?

Kaynak: Shiftdelete