O mais recente modelo de IA de Block, Dessa, foi treinado inteiramente na fala humana – e isso mostra

Se interagir com o Siri foi a extensão da sua experiência de “conversar” com a IA, você terá um rude despertar. Embora o assistente de voz da Apple muitas vezes se atrapalhe com comandos básicos e possa levar um tempo anormalmente longo para processar uma solicitação, os melhores e mais recentes modelos de IA estão se aproximando cada vez mais da fala humana natural.

Caso em questão: Dessa, a ideia de Jack Dorsey’s Block, é supostamente o primeiro modelo de fala full-duplex do mundoo que significa que pode ouvir você e fale simultaneamente, como um ser humano real faz no fluxo de uma conversa normal. Na verdade, esse é o atrativo de Dessa: ele foi inteiramente treinado na fala humana para soar o mais natural possível.

Este Tweet não está disponível no momento. Pode estar carregando ou foi removido.

Mas essas reivindicações devem ser ouviu ser apreciado e Comunicado de imprensa do bloco O anúncio de Dessa mostra até que ponto os modelos de IA chegaram para se aproximar do ritmo da conversa humana natural.

Em a segunda amostra de clipe de áudiopor exemplo, um humano da vida real e Dessa têm uma longa conversa sobre os filmes de Christopher Nolan, e embora o modelo flexibilize seu conhecimento em certos pontos, fornecendo um título de filme, por exemplo, ele o faz de maneira natural e não robótica, espelhando o tom de seu interlocutor humano enquanto mantém o que, aos ouvidos humanos, soa como um vaivém perfeitamente comum sobre o mundo cinematográfico de Nolan.

Na terceira amostra de áudio, Dessa reage espontaneamente a uma pergunta inesperada do humano (“Você está animado com o nosso aniversário?”) com surpresa e entusiasmo genuínos, completos com os marcadores de conversa que você esperaria de um ser humano: suspiros audíveis, um entusiasmo alegre que beira as lágrimas e até mesmo uma dificuldade em encontrar as palavras certas.

O clipe final elimina totalmente o envolvimento humano, apresentando uma conversa entre ChatGPT e Dessa, e o contraste entre os padrões de fala robóticos e não naturais do agente ChatGPT e as solicitações, interrupções e perguntas intrigadas de Dessa ilustram perfeitamente o quão longe Block levou seus modelos de fala de IA.

Talvez o mais impressionante de tudo é que Dessa parece entender quando um humano falando com ele está sendo sarcástico, o que requer uma compreensão sofisticada do tom e de sua relação com o conteúdo da fala que os humanos adultos processam sem esforço, mas que historicamente confundiu os modelos de IA (nem pense em falar com Siri em tom sarcástico).

De acordo com o mesmo comunicado de imprensa, a motivação de Block para desenvolver Dessa é simples:

“A fala é a interface mais natural para qualquer inteligência, super ou não, e a IA de voz de hoje a desperdiça. Ela transforma o que dizemos em texto e não consegue acompanhar o tempo humano.

Deixe de lado a questão de saber se reconhecer um tom de urgência, medo ou dor num padrão de voz é o mesmo que simpatizando com as emoções por trás desses marcadores. Mas devemos parar um segundo para avaliar a complexidade de treinar a IA dos agentes para detectá-los em primeiro lugar.

Onde quer que isto nos leve, Dessa é, sem dúvida, um grande avanço na inteligência artificial e, mais importante, na ponte entre a comunicação humana e a compreensão da IA.