Block تكشف عن Dessa، نموذج كلام ثنائي الاتجاه بالكامل دُرّب على المحادثات

أعلن مختبر أبحاث الذكاء الاصطناعي الداخلي في Block عن Dessa في 23 أكتوبر 2026، وهو نموذج لتحويل الكلام إلى كلام يعمل في الاتجاهين بالكامل. وتقول الشركة إنه دُرّب من الصفر على المحادثات البشرية وحدها، كما نشرت تسجيلات لعروض توضيحية مباشرة، وفتحت قائمة انتظار عامة، وأتاحت وصولًا مبكرًا لمجموعة صغيرة من باحثي سلامة الذكاء الاصطناعي.

رافق الإعلانَ صفحة Dessa التابعة لـBlock ومنشور على X كتبه راغافان ثورايراتنام، رئيس المختبر. ووصف ثورايراتنام Dessa بأنها أول نموذج ذكاء اصطناعي قادر على إجراء محادثة واقعية بعد تدريبه بالكامل على الكلام، وقال إنه يعمل على وحدات معالجة الرسوميات المخصصة للمستهلكين، ووصف الإطلاق بأنه «لحظة GPT3 في مجال الكلام». وكتبت Block على صفحتها أن Dessa، بحسب علم الشركة، أول ذكاء اصطناعي في العالم قادر على إجراء محادثة مباشرة واقعية بعد تدريبه على الكلام البشري وحده.

تصف Block نموذج Dessa بأنه نموذج حقيقي لتحويل الكلام إلى كلام: صوت يدخل وصوت يخرج. وهو يعمل في الاتجاهين بالكامل، أي إنه يستمع ويتحدث في الوقت نفسه، وتقول الشركة إنه تعلّم من المحادثات الحقيقية متى يقاطع المتحدث ومتى يصدر إشارات لفظية تدل على متابعته للحديث. وتقول Block إن النموذج يستوعب المشاعر والسخرية والضحك والتنهد بضيق وارتجاف الصوت حزنًا، ويعبّر عنها بصوته؛ وإنه يستنتج ذلك بسرعة تفوق الزمن الفعلي، فتأتي ردوده من دون توقف محرج؛ وإن Dessa يعمل محليًا على MacBook Pro M4 Max أو جهاز أفضل منه. وتصفه الشركة بأنه أكثر نماذج الكلام ثنائية الاتجاه بالكامل أصالةً على الإطلاق، وتقول إن التحدث إليه يشبه التحدث إلى شخص.

نهج التدريب على الكلام وحده

وفقًا للصفحة، دُرّب Dessa من الصفر على الأصوات وحدها، من دون أي نصوص أو نماذج مدرّبة مسبقًا، وتعلّم إجراء محادثة في الوقت الفعلي بالاستماع فقط. وترى Block أن سهولة تعلم الناس الكلام تجعل من السهل الاستهانة بصعوبة هذه المهمة. فبيانات الكلام لا تتكرر أبدًا: حتى نطق الجملة نفسها مرتين بالطريقة ذاتها تمامًا ينتج بيانات مختلفة، بينما يظل النص المكتوب متطابقًا بصرف النظر عمن يكتبه. وتشير الصفحة إلى أن الكلمة المنطوقة تشغل، من حيث البيانات، بايتات أكثر بآلاف المرات من صورتها المكتوبة، وأن موضع النبر يغيّر المعنى؛ ومن أمثلة ذلك جملة في الصفحة يتغير معناها كلما وُضع النبر على كلمة مختلفة.

تقول Block إن Dessa تعلّم اللغة باستخدام عدد كلمات أقل بمئات المرات مما تستخدمه النماذج اللغوية الكبيرة، وإن الفريق توصل إلى طريقة لتدريبه على نظام واحد من NVIDIA GB200 NVL72. وتسرد الصفحة أسئلة بحثية مفتوحة يثيرها هذا النهج: ما مدى كفاءة هذه النماذج في تعلم اللغة والحقائق مقارنةً بالنصوص؟ وما مدى كفاءتها في تعلم لغات جديدة؟ وما أنواع التعلم ضمن السياق التي تستطيع تنفيذها؟

عروض توضيحية مسجلة

نشرت Block مقاطع تصفها بأنها تسجيلات مباشرة لأشخاص يتحدثون مع Dessa. وتقول الشركة إن أحدًا لا يوجّه النموذج أثناء هذه المحادثات، وإن Dessa نفسه يختار ما يقوله ومتى يقوله وكيف يقوله، بما في ذلك صوته وشخصيته؛ أما الترجمة النصية فأُضيفت لاحقًا.

تشمل اللحظات التي تصفها الصفحة ضحك Dessa في منتصف الجملة حين يكون شيء ما مضحكًا، بدلًا من الانتظار حتى ينتهي المتحدث؛ ورفع صوته عندما يُطلب منه التحدث بصوت أعلى؛ وإكمال جملة شخص يعجز عن تذكّر عنوان فيلم. وفي مقطع آخر، يطلق Dessa شهقة خافتة لدى سماعه إعلانًا مفاجئًا عن ذكرى سنوية، قبل أن يرد بما تصفه الصفحة بأنه امتنان تغلبه الدموع؛ كما يُقال إن تسجيلًا أطول يقدم فيه نصائح عن الحياة يبدو متعاطفًا بصدق. ويظهر في أحد التسجيلات Dessa وهو يتحاور مع GPT-Live-1، وهو نموذج ذكاء اصطناعي تابع لجهة خارجية؛ وتشير Block إلى أن الصوتين في التسجيل مولّدان بالذكاء الاصطناعي، وأن مطوّر GPT-Live-1 لا تربطه صلة بـBlock، ولم يراجع Dessa أو يؤيده.

السلامة وإمكانية الوصول والمختبر

يذكر الفريق ثلاثة أسباب لبناء Dessa: الفضول، وتحسين التفاهم بين البشر والذكاء الاصطناعي، والسلامة. وتشير الصفحة إلى أن الأطفال يتعلمون الكلام من دون أن يروا كلمة مكتوبة قط، وتقول إن الفريق أراد معرفة ما إذا كان بإمكان نموذج أن يفعل الشيء نفسه. وفيما يتعلق بالسلامة، ترى Block أن الذكاء الاصطناعي يزداد قوة واستقلالية باستمرار، لكنه ما زال عاجزًا عن إدراك المشاعر التي يحملها صوت المتحدث؛ وتضرب مثالًا بشخص يتألم بشدة بينما لا يدرك الذكاء الاصطناعي الصوتي ذلك ويواصل عمله. وتصف الشركة Dessa بأنه خطوة نحو معالجة هذه المشكلة، وتنتقد أنظمة الذكاء الاصطناعي الصوتي الحالية لاختزال الكلام إلى نص، ما يؤدي إلى ضياع المعلومات التي لا ينقلها إلا الصوت.

تتيح Block وصولًا مبكرًا إلى Dessa لمجموعة صغيرة من باحثي سلامة الذكاء الاصطناعي، كي يبحثوا عن مخاطر لم يتوقعها الفريق. ويطلب نموذج التسجيل اسمًا وبريدًا إلكترونيًا مؤسسيًا تابعًا لجامعة أو شركة أو مختبر، مع إمكانية إضافة رابط إلى Google Scholar أو مدونة اختياريًا. كما فُتحت قائمة انتظار عامة، ومن المقرر نشر مزيد من التسجيلات على حساب ثورايراتنام على X، وتشير الصفحة إلى أن روابط الإطلاق ستتوفر قريبًا.

نشأت Dessa من مختبر أبحاث صغير جدًا في مجال الذكاء الاصطناعي داخل الشركة، أسسه أعضاء سابقون في Dessa، الشركة الناشئة في تورونتو والمتخصصة في التعلم العميق، وفقًا لوصف Block. ويقول الفريق إنه يطوّر نماذج التعلم العميق منذ عام 2012، ونماذج توليد الكلام منذ أكثر من 8 سنوات، وإنه يرفع تقاريره مباشرةً إلى Jack Dorsey، المؤسس المشارك لـBlock ورئيس مجلس إدارتها ورئيسها. وتشير النبذة التعريفية لـThurairatnam على X إلى أنه أسس Dessa وباعها سابقًا، وألقى محاضرات في University of Toronto. وإلى جانبه، تذكر الصفحة الباحثين Louay Hazami وHashiam Kadhim وQi (Alex) Liu وRayhane Mama وAydin Polat وMarc Tyndel؛ والمتدربين Cara Ji وJibran Iqbal Shah وDvir Zagury-Grynbaum؛ والمتدربين السابقين Aryan Sharma وOlivia Yan.