AI više ne zvuči kao mašina: Šta to znači za budućnost komunikacije
Veštačka inteligencija sve manje se oslanja samo na reči, a sve više na način na koji ih izgovara. Novi glasovni model kompanije Block može da se smeje, menja intonaciju i reaguje na sagovornika, otvarajući nove mogućnosti za poslovnu komunikaciju, ali i pitanja o poverenju i bezbednosti.
Zamislite razgovor sa veštačkom inteligencijom u kojem ne morate da čekate da završite svaku rečenicu da biste dobili odgovor. Sagovornik može da vas prekine u pravom trenutku, promeni ton glasa, nasmeje se ili zvuči kao da je umoran. Takvu vrstu komunikacije razvija kompanija Block, koja je predstavila eksperimentalni glasovni AI model pod nazivom Dessa.
Za razliku od glasovnih sistema koji su prvenstveno usmereni na razumevanje pitanja i generisanje odgovora, Dessa pokušava da reprodukuje i elemente koji običan razgovor čine prirodnijim. To uključuje ritam, intonaciju, emocionalne nijanse i reakcije na drugu osobu. U demonstracijama koje je objavio razvojni tim, model menja način govora, smeje se i u pojedinim trenucima zvuči kao da će zaplakati.
Iza projekta stoji Block, kompanija koju je suosnovao Džek Dorsi, poznata po finansijskim platformama Square i Cash App. Razvoj sopstvene glasovne tehnologije mogao bi da bude značajan korak za kompaniju koja već posluje u oblasti digitalnih usluga i poslovnih rešenja.
Od digitalnog asistenta do razgovora bez pauze
Jedna od najvažnijih karakteristika D esse jeste takozvana full-duplex arhitektura. Ona omogućava sistemu da istovremeno sluša i govori, umesto da čeka da korisnik završi obraćanje pre nego što počne da odgovara.
Ovakav pristup menja način na koji se odvija komunikacija sa AI sistemima. U razgovoru sa čovekom ne čekamo uvek strogo određeni redosled: reagujemo na promenu tona, pravimo pauze, ubacujemo kratke komentare i prilagođavamo se sagovorniku. Glasovni AI koji može da prati takvu dinamiku potencijalno bi mogao da bude korisniji u situacijama u kojima su brzina i prirodna razmena informacija posebno važne.
Dessa se razlikuje i po načinu obrade govora. Prema informacijama koje je objavio Block, model je treniran na ljudskom govoru, a ne na tekstualnim podacima, i generiše govorne odgovore bez obaveznog prethodnog pretvaranja zvuka u tekst. Cilj je da se sačuvaju informacije koje se ne prenose samo rečima, već i načinom na koji su izgovorene.
Koliko je ovakav pristup uspešan u različitim situacijama tek treba da pokažu nezavisna testiranja. Demonstracije mogu da ukažu na mogućnosti modela, ali nisu dovoljne da potvrde njegovu pouzdanost u svakodnevnoj upotrebi.
Šta ovakav AI može da promeni u poslovanju?
Prirodnija glasovna komunikacija mogla bi da bude posebno značajna za kompanije koje svakodnevno razgovaraju sa velikim brojem korisnika. U korisničkoj podršci, AI sistemi mogli bi da preuzmu deo rutinskih razgovora, odgovaraju na pitanja i prilagođavaju način komunikacije kontekstu razgovora.
Potencijalna primena obuhvata i automatizaciju telefonskih usluga, obradu porudžbina, digitalne asistente i interaktivne sadržaje, uključujući video-igre. U tim oblastima iskustvo korisnika ne zavisi samo od toga da li je dobio tačan odgovor, već i od toga koliko je komunikacija jednostavna i razumljiva.
Važna je i mogućnost da model radi lokalno, direktno na računaru, bez oslanjanja na udaljeni server za svaki korak obrade. Block navodi da Dessa može da se izvršava na uređaju poput MacBooka Pro sa čipom M4 Max ili na snažnijem računaru. Za treniranje modela korišćen je NVIDIA GB200 NVL72 sistem.
Lokalno izvršavanje moglo bi da smanji kašnjenje u razgovoru i potrebu za slanjem audio-podataka na udaljene servere. Međutim, to samo po sebi nije garancija potpune zaštite privatnosti. Za takav zaključak potrebno je znati kako su podaci obrađeni, da li se čuvaju i da li se prosleđuju drugim sistemima.
Kada uverljiv glas postane bezbednosni rizik
Što je glas veštačke inteligencije prirodniji, to je važnije pitanje da li će korisnik znati sa kim razgovara. Tehnologija koja olakšava komunikaciju može istovremeno da se zloupotrebi za imitiranje ljudi, telefonske prevare i pokušaje pribavljanja novca ili poverljivih informacija.
Za kompanije to znači da razvoj glasovnih AI rešenja ne može da se posmatra samo kroz brzinu, cenu i efikasnost. Važni su i transparentnost, zaštita korisnika i jasna pravila o tome kada i kako se veštačka inteligencija predstavlja kao automatizovani sagovornik.
Block za sada ne nudi Dessu široj javnosti, već je najavio ograničen pristup namenjen istraživačima koji se bave bezbednošću veštačke inteligencije. Takav pristup trebalo bi da omogući dodatno ispitivanje modela i procenu mogućih rizika pre eventualne šire primene.
Za sada su javnosti predstavljene demonstracije, ali ne i potpuni rezultati nezavisnih provera. Zbog toga još nije moguće pouzdano proceniti kako bi se model ponašao u svim realnim poslovnim situacijama.
Razvoj D esse ukazuje na širu promenu u načinu na koji se gradi veštačka inteligencija: fokus se pomera sa sistema koji samo razumeju i generišu sadržaj na one koji pokušavaju da oponašaju i samu dinamiku ljudske komunikacije. Za kompanije bi to moglo da znači dostupnije i prirodnije digitalne usluge. Za korisnike, međutim, ostaje jednako važno pitanje – kako da prepoznaju granicu između razgovora sa čovekom i razgovora sa mašinom.
Saznajte sve o dešavanjima u biznisu, budite u toku sa lifestyle temama. PRIJAVITE SE NA NAŠ NEWSLETTER
Izvor: BIZlife
Foto: Unsplash/Nick Design
