हूबहू इंसानों जैसी बातें करता है कि जैक डोर्सी का ‘Dessa’ AI, बिना इंटरनेट चलता है; हंसता भी है

दिग्गज टेक कंपनियां AI मॉडल्स को बड़ी ही बारिकी से तराश रही हैं। वो दिन दूर नहीं जब किसी आवाज को सुनकर यह पता लगाना वाकई में मुश्किल हो जाएगा कि यह किसी असली इंसान की आवाज है या कोई सॉफ्टवेयर बोल रहा है। अब, Jack Dorsey ने ‘डेसा’ (Dessa) नाम का एक AI मॉडल तैयार किया है, जिसके बारे में कहा जा रहा है कि हूबहू इंसानों की तरह बातचीत कर सकता है और हंसी मजाक भी कर सकता है और बीच में टोक भी सकता है। यह एक ही समय में सुन भी सकता है और जवाब भी दे सकता है, जैसा इंसान करते हैं। कंपनी का कहना है कि यह मॉडल किसी भी लार्ज लैंग्वेज मॉडल पर काम नहीं करता है। इसके बजाय, इसे इंसानों के बीच होने वाली ‘स्पीच-टू-स्पीच’ (बोलकर की जाने वाली) बातचीत के जरिए ट्रेन किया गया है। फिलहाल, ज्यादातर पारंपरिक वॉयस AI मॉडल (जैसे कि ChatGPT और Gemini) जवाब देने से पहले आपकी आवाज को टेक्स्ट में बदलते हैं, लेकिन इस प्रोसेस में कई ऐसी जरूरी जानकारी छूट सकती है जिसे सिर्फ टेक्स्ट के जरिए नहीं दिखाया जा सकता, जैसे कि भावनाएं, व्यंग्य, हंसी, और बातचीत के दौरान लोगों का स्वाभाविक रूप से रुकना।

बिना इंटरनेट चलने की क्षमता

डेसा एक अलग रास्ता अपनाता है। इसे जैक डोर्सी की कंपनी ब्लॉक की एक छोटी एआई रिसर्च लैब ने तैयार किया है। यह टेक्स्ट पढ़कर नहीं, बल्कि इंसानों की बातचीत सुनकर भाषा सीखता है। टीम का कहना है कि यह नैचुरल और रियल-टाइम बातचीत कर सकता है। यह बिना इंटरनेट के MacBook Pro M4 Max या उससे बेहतर मशीन पर चल सकता है। टीम ने वेबसाइट और एक्स पर डेसा की इंसानों से बातचीत के कई सैंपल भी जारी किए हैं, जिन्होंने लोगों को हैरान कर दिया। आप भी नीचे वीडियो देख सकते हैं…

डेसा एक ही समय में सुन और बोल सकता है

पारंपरिक वॉयस असिस्टेंट्स की तरह डेसा आपकी पूरी बात खत्म होने का इंतजार नहीं करता। यह एक ही समय में सुन और बोल सकता है। इसे ‘फुल-डुप्लेक्स’ स्पीच-टू-स्पीच तकनीक कहा जाता है। यह बातचीत के बीच में स्वाभाविक रूप से बोलकर टोक सकता है, ‘हां’ या ‘समझ गया’ जैसे छोटे जवाब तुरंत दे सकता है, और मजेदार बात पर बीच में हंस भी सकता है। टीम का कहना है कि डेसा भावनाओं, व्यंग्य और आवाज के उतार-चढ़ाव को पहचान सकता है। डेसा के मेकर्स ने बताया कि इसे सिर्फ एक NVIDIA GB200 NVL72 सिस्टम पर ट्रेन किया गया है। वे इसे एआई रिसर्च का एक नया क्षेत्र बताते हैं।

जैक डोर्सी का कहना है कि डेसा स्थानीय स्तर पर चलता है

डोर्सी ने एक्स पर मॉडल के बारे में कुछ सवालों के जवाब भी दिए। जब एक यूजर ने पूछा कि डेसा की आवाज को कौन सा लैंग्वेज मॉडल पावर देता है, तो उन्होंने जवाब दिया, ‘स्पीच टू स्पीच। कोई एलएलएम नहीं।’ दूसरे यूजर ने पूछा कि क्या यह स्थानीय स्तर पर चल सकता है, तो डोर्सी ने कहा, ‘हां’।

टीम अब एआई सेफ्टी रिसर्चर्स के एक छोटे ग्रुप को डेसा आजमाने और उन जोखिमों को ढूंढने के लिए आमंत्रित कर रही है, जो डेवलपर्स से छूट गए हों। यह मॉडल एक शुरुआती रिसर्च प्रोजेक्ट है, लेकिन इसका तरीका यह बताता है कि AI बातचीत करना कैसे सीख सकता है: यानी सब कुछ पहले से पढ़ने के बजाय, लोगों को बोलते हुए सुनकर।jack dorsey dessa ai model