Jacko Dorsey „Block“ sukūrė DI balsą, kuris juokiasi, daro pauzes ir skamba beveik kaip žmogus

Jacko Dorsey valdoma finansinių technologijų bendrovė „Block“ pristatė eksperimentinį balso dirbtinio intelekto modelį „Dessa“, kuris bando išspręsti vieną didžiausių dabartinių balso asistentų problemų – nenatūralų pokalbį.

Reklama

„Dessa“ yra vadinamasis „full-duplex“ modelis. Tai reiškia, kad jis gali klausytis ir kalbėti tuo pačiu metu, panašiai kaip žmonės realiame pokalbyje.

Modelis taip pat generuoja pauzes, juoką, emocinius garsus ir natūralesnę kalbėjimo kadenciją.

Modelis mokytas tiesiogiai iš kalbos

„Block“ teigia, kad „Dessa“ mokytas iš žmogaus kalbos duomenų, o ne naudojant tradicinę grandinę, kai balsas pirmiausia paverčiamas tekstu, tekstą analizuoja kalbos modelis ir tik tada tekstas vėl paverčiamas garsu.

Tokia architektūra teoriškai leidžia išsaugoti daugiau informacijos apie emociją, intonaciją ir kalbėjimo tempą.

Bendrovė teigia, kad modelis gali veikti lokaliai gana galingame vartotojo kompiuteryje, pavyzdžiui, „MacBook M4 Max“ klasės įrenginyje ar geresnėje sistemoje.

Kodėl tai svarbu verslui?

Balso DI yra viena greičiausiai augančių dirbtinio intelekto rinkų. Įmonės bando automatizuoti:

• klientų aptarnavimo skambučius
• užsakymų priėmimą
• rezervacijas
• skolų administravimą
• techninę pagalbą
• pardavimo skambučius.

Tačiau vartotojai greitai pastebi robotizuotą balsą. Jei pokalbis skamba nenatūraliai, žmogus dažniau prašo operatoriaus.

Natūralesnis balsas gali smarkiai pakeisti šios technologijos ekonomiką.

„Block“ turi labai konkretų pritaikymą

Bendrovei priklauso „Square“ ekosistema, kuri aptarnauja smulkius verslus ir jau naudoja balso DI užsakymams.

Jeigu „Dessa“ technologija taps pakankamai patikima, ją būtų galima integruoti į restoranų, parduotuvių ir paslaugų verslų klientų aptarnavimą.

Didžiausia rizika – apgaulės

Kuo labiau DI balsas panašėja į žmogų, tuo daugiau kyla saugumo klausimų.

Tokios technologijos gali būti naudojamos:

• apsimetant realiais žmonėmis
• sukčiavimo skambučiams
• socialinei inžinerijai
• balso tapatybės sistemų apėjimui.

„Block“ kol kas viešai nesuteikė bendros prieigos prie modelio ir kviečia saugumo tyrėjus jį testuoti.

Ką tai reiškia Lietuvos verslui?

Lietuvoje balso DI ypač įdomus bankams, draudikams, telekomunikacijų įmonėms, klinikoms, restoranams ir klientų aptarnavimo centrams.

Tačiau tikroji revoliucija prasidės tik tada, kai sistemos gerai kalbės lietuviškai, supras mūsų kalbos niuansus ir galės saugiai jungtis prie vidinių verslo sistemų.

Jeigu tai pavyks, dalis šiandien žmonių atliekamo telefoninio aptarnavimo per keletą metų gali būti automatizuota.

Šaltiniai: TechCrunch.