Block har bygget stemme-AI uden brug af tekst

Block har bygget en model, Dessa, der kun er trænet på talt samtale og taler direkte uden skrevet tekst. Det betyder noget, fordi Dessa kan bevare menneskelig timing og måske opdage følelser i stemmen, som andre talende computersystemer ofte overser. Nu får kun en lille gruppe forskere tidlig adgang, og Block siger ikke, hvornår modellen bliver bredt tilgængelig.

Block har bygget en model inden for kunstig intelligens. En model er her et computerprogram, der er øvet på store mængder data. Modellen hedder Dessa. Ifølge Block er den trænet fra bunden på menneskelig samtale. Den har aldrig set skrevet tekst. Den har kun hørt mennesker tale. Dessa kan køre lokalt på en MacBook Pro med en særlig kraftig processor kaldet M4 Max eller kraftigere udstyr. Lokalt betyder, at den kører på computeren selv.

Dessa er tale-til-tale. Det betyder, at den får lyd ind og giver lyd ud, uden at gå vejen om tekst. Block sammenligner med børn, der lærer at tale, uden nogensinde at se et ord skrevet ned. Modellen kan det samme, skriver teamet, men det er meget svært. Til gengæld slipper Dessa for en omvej. Nutidens stemmesystemer med kunstig intelligens presser det sagte over i tekst. Det kan få den menneskelige timing til at gå tabt.

Block viser flere samtaler som dokumentation. I et eksempel tror Dessa, at den talende hedder Ronaldo. I et andet taler den om Christopher Nolans film og ender i en uventet afstikker om Bryan Singers Superman-film. I en tredje samtale svarer Dessa med, hvad Blocks hjemmeside beskriver som tårevåd taknemmelighed. Det sker, da en person fortæller om en overraskelsesrejse til Paris. Block har også lagt et klip ud, hvor Dessa taler med OpenAIs stemmemodel GPT-Live-1. GPT står for Generative Pre-trained Transformer. Dessa fremstår mest naturlig af de to. Alle eksemplerne er Blocks egne.

Ifølge Block handler modellen også om sikkerhed. Stemmesystemer med kunstig intelligens får mere magt og selvstændighed. Men de er stadig næsten døve for følelser i stemmen. Man kan ligge i alvorlige smerter, mens systemet bare fortsætter uden at opdage det, skriver teamet. De to andre grunde til at bygge Dessa er nysgerrighed og et ønske om bedre forståelse mellem mennesker og kunstig intelligens. Indtil videre får kun en lille gruppe forskere i sikkerhed inden for kunstig intelligens tidlig adgang til Dessa. Block oplyser ikke, hvornår eller hvordan modellen bliver tilgængelig for andre.