Block stellt Dessa vor: Eine KI, die nur auf Sprache trainiert wurde

Das von Jack Dorsey geführte Zahlungsunternehmen Block stellte am Freitag, den 23. Oktober, Dessa vor, ein Sprach-KI-Modell, das nach eigenen Angaben "von Grund auf mit nichts als menschlicher Konversation" trainiert wurde. Laut der Projektseite des Unternehmens wurden weder Textdaten noch vortrainierte Modelle verwendet. Block bezeichnet es als "die weltweit erste KI, mit der man ein realistisches Live-Gespräch führen kann und die ausschließlich auf menschlicher Sprache trainiert wurde."theverge.com

Die meisten Sprachassistenten wandeln gesprochene Wörter in Text um, bevor sie antworten. Dessa überspringt diesen Schritt, was das kleine Forschungsteam von Block auf einen anderen Weg führt als die textbasierten Systeme, die den Markt dominieren. Derzeit erhält nur eine kleine Gruppe von KI-Sicherheitsforschern einen frühen Zugang.

Wie Dessa funktioniert

Block gibt an, dass Dessa im Full-Duplex-Modus arbeitet, also gleichzeitig zuhören und sprechen kann. Da das Modell aus echten Gesprächen gelernt hat, erkennt es, wann es einhaken oder mit kurzen Antworten wie "ja!" oder "verstehe!" reagieren muss. Block behauptet zudem, dass die Inferenz schneller als in Echtzeit abläuft und das Modell lokal auf einem MacBook Pro M4 Max oder besser läuft. Projektleiter Ragavan Thurairatnam schrieb auf X, dass das Modell auf handelsüblichen GPUs läuft, und nannte es "einen GPT3-Moment für Sprache."x.com+1

Das Labor beschreibt sich selbst als "(sehr) kleines KI-Forschungslabor bei Block, gegründet von ehemaligen Mitgliedern von Dessa, dem Deep-Learning-Startup aus Toronto," so die Projektseite.block.xyz

Natürlich, manchmal unbeholfen

The Verge berichtete, dass die Demo-Gespräche "ein wenig unbeholfen und unheimlich" wirken können. In einem von Thurairatnam geteilten Clip verwechselt das Modell den Sprecher zunächst mit jemandem namens "Ronaldo." In einem anderen Gespräch über die Filme von Christopher Nolan schweift das Thema zu den Superman-Filmen von Bryan Singer ab. An anderer Stelle reagiert Dessa auf die Nachricht von einer Überraschungsreise nach Paris mit dem, was die Seite als "tränenerfüllte Dankbarkeit" bezeichnet. Block veröffentlichte auch ein Gespräch zwischen Dessa und dem GPT-Live-1-Sprachmodell von OpenAI, wobei The Verge feststellte, dass Dessa natürlicher wirkte.theverge.com

Block hat bisher keine Latenzwerte, Parameterzahlen oder die Größe der Trainingsdaten veröffentlicht, eine Lücke, auf die eine Analyse von ic.work hinwies.ic.work

Ein Sicherheitsargument

Das Team nennt drei Gründe für die Entwicklung von Dessa: "Neugier (aka Spaß), besseres Verständnis zwischen Mensch und KI sowie Sicherheit," berichtete The Verge. "Babys lernen zu sprechen, ohne jemals ein geschriebenes Wort zu sehen. Wir wollten sehen, ob ein Modell das auch kann. Es kann es. Es ist nur sehr schwierig," schrieb das Team.theverge.com

Das Team argumentiert, dass heutige Sprach-KIs "das, was wir sagen, in Text flachklopfen" und "nahezu taub für die Emotionen in unseren Stimmen" sind. In ihren Worten: "Stellen Sie sich vor, Sie haben starke Schmerzen, während eine Sprach-KI keine Ahnung hat und einfach weiterredet. Das ist das Sicherheitsproblem. Dessa ist ein Schritt, um es zu lösen."

Ein breiterer öffentlicher Zugang soll über eine Warteliste erfolgen, berichtete Unite.AI.unite.ai