Block presenta Dessa, una IA de voz entrenada solo con habla

Block, la empresa de pagos dirigida por Jack Dorsey, presentó el viernes 23 de octubre a Dessa, un modelo de IA de voz a voz que, según afirma, fue entrenado "desde cero solo con conversaciones humanas". De acuerdo con la página del proyecto, no se utilizó texto ni modelos preentrenados. Block lo describe como "la primera IA del mundo con la que puedes tener una conversación realista en vivo, entrenada únicamente a partir del habla humana".theverge.com

La mayoría de los asistentes de voz convierten las palabras habladas en texto antes de responder. Dessa omite ese paso, lo que sitúa al pequeño equipo de investigación de Block en un camino distinto al de los sistemas basados en texto que dominan el mercado. Por ahora, solo un grupo reducido de investigadores de seguridad de IA tiene acceso anticipado.

Cómo funciona Dessa

Block asegura que Dessa es full-duplex, lo que significa que puede escuchar y hablar al mismo tiempo. Al haber aprendido de conversaciones reales, sabe cuándo intervenir y cuándo realizar respuestas breves como "¡sí!" o "¡entendido!". Block también indica que la inferencia es más rápida que el tiempo real y que el modelo funciona localmente en un MacBook Pro M4 Max o superior. El líder del proyecto, Ragavan Thurairatnam, escribió en X que el modelo puede ejecutarse en GPUs de consumo y lo calificó como "un momento GPT3 para la voz".x.com+1

El laboratorio se describe a sí mismo como "un (muy) pequeño laboratorio de investigación de IA en Block, fundado por antiguos miembros de Dessa, la startup de aprendizaje profundo de Toronto", según la página del proyecto.block.xyz

Natural, a veces torpe

The Verge informó que las conversaciones de demostración pueden ser "un poco torpes y extrañas". En un clip compartido por Thurairatnam, el modelo confunde al interlocutor con alguien llamado "Ronaldo". En otro, una charla sobre las películas de Christopher Nolan deriva hacia las películas de Superman de Bryan Singer. Por otro lado, Dessa responde a la noticia de un viaje sorpresa a París con lo que el sitio describe como "gratitud lacrimógena". Block también publicó una conversación entre Dessa y el modelo de voz GPT-Live-1 de OpenAI, y The Verge señaló que Dessa resultó ser el más natural de los dos.theverge.com

Block no ha publicado cifras de latencia, recuentos de parámetros ni el tamaño de sus datos de entrenamiento, una carencia señalada en un análisis de ic.work.ic.work

Un argumento de seguridad

El equipo ofrece tres razones para construir Dessa: "curiosidad (diversión), un mejor entendimiento entre humanos e IA, y seguridad", informó The Verge. "Los bebés aprenden a hablar sin ver nunca una palabra escrita. Queríamos ver si un modelo también podía hacerlo. Puede. Es solo que es muy difícil", escribió el equipo.theverge.com

El equipo argumenta que la IA de voz actual "aplana lo que decimos en texto" y es "casi sorda a la emoción en nuestras voces". En sus palabras: "Imagina estar sufriendo un dolor grave mientras una IA de voz no tiene ni idea y simplemente sigue hablando. Ese es el problema de seguridad. Dessa es un paso para solucionarlo".

El acceso público más amplio se realizará a través de una lista de espera, informó Unite.AI.unite.ai