Jack Dorsey'nin Block'u Dessa'yı Tanıttı: Yalnızca İnsan Sesiyle Eğitilen Yapay Zekâ

Jack Dorsey'nin kurucu ortağı olduğu finansal teknoloji şirketi Block, Dessa adlı yeni bir ses modelini araştırma önizlemesi olarak tanıttı. Şirkete göre Dessa, metin verisi ya da önceden eğitilmiş bir model kullanılmadan, sıfırdan yalnızca insan konuşmalarıyla eğitildi. Model aynı anda hem dinleyip hem konuşabiliyor ve güçlü bir dizüstü bilgisayarda yerel olarak çalışabiliyor.

Dessa nasıl çalışıyor?

Bugün yaygın kullanılan sesli asistanların çoğu, konuşmayı önce metne çeviriyor, ardından bir dil modeliyle yanıt üretip bu yanıtı yeniden sese dönüştürüyor. Block, bu süreçte ses tonu, duraksama ve duygu gibi bilgilerin kaybolduğunu savunuyor.

Dessa ise doğrudan sesten sese çalışan bir model. Yani sesi alıyor ve yine ses olarak yanıt veriyor. Şirket, modeli "tam çift yönlü" (full-duplex) olarak tanımlıyor: Dessa karşısındaki kişi konuşurken de dinlemeyi sürdürüyor, "evet", "anladım" gibi kısa onaylar verebiliyor ve ne zaman söze gireceğine kendisi karar verebiliyor.

Duyguyu ve tonu algılıyor

Block'un paylaştığı bilgilere göre Dessa duyguyu, iğnelemeyi, kahkahayı, iç çekmeyi ve sesteki gerginliği doğal olarak işleyebiliyor. Şirketin yayımladığı örnek konuşmalarda model cümle ortasında gülüyor, bir film adını hatırlayamayan kişinin cümlesini tamamlıyor, şaşırtıcı bir habere duygusal tepki veriyor ve konuşma hızıyla tonlamasını değiştirebiliyor.

Block ayrıca Dessa'nın dili, büyük dil modellerinin ihtiyaç duyduğundan yüzlerce kat daha az kelimeyle öğrendiğini iddia ediyor. Bu iddia şimdilik şirketin kendi açıklamasına dayanıyor; bağımsız bir değerlendirme henüz yayımlanmadı.

Şirket, bir demoda Dessa'yı üçüncü taraf bir model olan GPT-Live-1 ile birlikte gösterdi. Block, bu modelin geliştiricisiyle bir bağı olmadığını ve geliştiricinin Dessa'yı incelemediğini ya da onaylamadığını ayrıca not etti. Ek kayıtların ilerleyen günlerde paylaşılacağı belirtildi.

Tek sistemde eğitildi, MacBook'ta çalışıyor

Şirketin verdiği bilgiye göre Dessa, tek bir NVIDIA GB200 NVL72 sistemi üzerinde eğitildi. Model, gerçek zamanlıdan daha hızlı çıkarım yapabiliyor ve MacBook Pro M4 Max ya da daha güçlü cihazlarda yerel olarak çalışabiliyor. Bu, konuşmaların buluta gönderilmeden cihaz üzerinde işlenebileceği anlamına geliyor.

Ekibin arkasında kim var?

Dessa'yı, doğrudan Jack Dorsey'ye bağlı çalışan küçük bir araştırma ekibi geliştirdi. Ekibin liderliğini Ragavan Thurairatnam yapıyor. Ekip üyeleri daha önce Toronto merkezli derin öğrenme girişimi Dessa'da çalışmıştı; modelin adı da buradan geliyor. Block, ekibin 2012'den bu yana derin öğrenme modelleri, sekiz yılı aşkın süredir de üretken ses modelleri geliştirdiğini belirtiyor.

Kimler kullanabilecek?

Dessa şu an herkese açık değil. Block, riskleri belirlemek amacıyla modeli önce sınırlı sayıda yapay zekâ güvenliği araştırmacısına açacağını duyurdu ve bir bekleme listesi başlattı. Şirketin ürün sayfasında genel kullanıma ilişkin bağlantılar "yakında" olarak gösteriliyor; kesin bir tarih verilmedi.

Neden önemli?

Block, Dessa'yı yalnızca daha doğal bir sohbet deneyimi olarak değil, bir güvenlik adımı olarak da konumlandırıyor. Şirkete göre bir kullanıcının sesindeki sıkıntıyı fark edebilen yapay zekâ, metne dayalı sistemlerin gözden kaçırdığı işaretleri yakalayabilir.

Türkiye'deki kullanıcılar için Dessa'nın doğrudan bir karşılığı şimdilik yok; model sınırlı erişimde ve Türkçe desteğine dair bir bilgi paylaşılmadı. Ancak sesli asistanların metin aracısı olmadan çalıştığı bu yaklaşım yaygınlaşırsa, müşteri hizmetlerinden eğitim uygulamalarına kadar pek çok alanda konuşma deneyimi belirgin biçimde değişebilir.