Block, la empresa de servicios financieros y pagos digitales creada por Jack Dorsey y anteriormente conocida como Square, ha presentado a Dessa, su propia herramienta de inteligencia artificial. Se trata de un modelo de voz que ha sido entrenado desde cero utilizando exclusivamente conversaciones reales, por lo que es capaz brindar una interacción muy similar a la humana, incluyendo expresiones como risas, pausas o llantos.
Según ha informado la compañía, Dessa es un modelo full-duplex, lo que significa que puede hablar y escuchar simultáneamente, tal y como ocurre con GPT-Live, lanzado por OpenAI a principios de este año. Aseguran que ha sido creado recurriendo únicamente al sonido y ha aprendido a mantener conversaciones en tiempo real solo escuchando; y en este sentido, Block sostiene que “es la primera IA del mundo con la que es posible mantener una conversación realista en directo”.
Esto lo diferencia de otros sistemas que, por lo general, requieren de un modelo de lenguaje de gran escala para la recuperación de información y de un procesamiento de texto previo para generar el habla, lo que puede hacer que resulten poco naturales o, incluso, molestos. “Creemos que la voz es la forma más natural de interactuar con una inteligencia; por eso hemos creado Dessa, el modelo de voz *full-duplex* más auténtico que se ha desarrollado hasta la fecha”; han expuesto desde la compañía. “Hablar con él es como hablar con una persona: está lleno de emociones, matices, pausas y una cadencia natural”.
Para ilustrarlo, Block ha compartido varios ejemplos de conversaciones entre miembros del equipo y Dessa, como también lo han hecho el propio Jack Dorsey o Ragavan Thurairatnam, Co-Fundador de Dessa, a través de redes sociales. En los vídeos se puede observar cómo la herramienta es capaz de entablar conversaciones con distintas voces, cadencias y estados emocionales. En uno de los ejemplos, el interlocutor humano le dice a la IA que le ha comprado billetes para un viaje a París, y esta se muestra profundamente sorprendida y emociona, casi cerca del llanto.
Los ejemplos compartidos evidencian que la herramienta decide qué decir, cuándo decirlo y cómo hacerlo, aportando su propia voz y personalidad, en función de la conversación. Así, es capaz de reirse en el momento exacto en el que algo resulta gracioso, incluso a mitad de la frase del interlocutor humano; o de subir el volumen si se le pide que hable más fuerte. También puede completar la frase cuando el interlocutor se abstrae; brindar gran variedad de entonaciones y velocidades del habla; y cuándo emitir respuestas de apoyo, como un “¡sí!”, “entiendo” u “oh", para demostrar que está siguiendo la conversación.
En uno de los vídeos compartidos, Block plantea una conversación entre ChatGPT-Live-1 y Dessa para destacar las diferencias entre ambos modelos.
Desde Block defienden su apuesta por un modelo speech-to-speech (de voz a voz) por la superioridad de sus respuestas frente a las herramientas construidas sobre texto. Considera que, bajo ese enfoque, los modelos logran una mejor comprensión entre los humanos y la IA, y lamenta que la mayoría de herramientas de voz actuales no aprovechen ese potencial.
“A medida que la IA adquiere mayor capacidad e independencia, sigue siendo prácticamente sorda a las emociones que transmitimos a través de nuestra voz”, afirman desde Block. “Imagina que estás sufriendo un dolor intenso y la IA de voz, al no percibirlo, continúa funcionando como si nada. Ese es el problema relacionado con la seguridad. Dessa es un paso hacia su solución”.
Precisamente para garantizar la seguridad, la compañía ha adelantado que dará acceso anticipado a un pequeño grupo de investigadores especializados en seguridad de la inteligencia artificial, con el fin de identificar riesgos que aún no se hayan previsto y perfeccionar el sistema.
Más info.: Dessa
