عروبة الأخباري _ لم تعد محاولات تطوير المساعدات الصوتية تقتصر على تحسين نطق الكلمات أو تسريع الإجابات والردود، بل باتت تتجه نحو محاكاة تفاصيل الحوار البشري الحقيقي؛ من الوقفات ومشاعر التردد إلى الضحك والتفاعل في أثناء حديث الطرف الآخر. وفي هذا الاتجاه، كشفت شركة «بلوك»، التي يقودها «جاك دورسي»، أحد مؤسسي «تويتر»، عن نموذج صوتي يحمل اسم «ديسا» (Dessa)، بوصفه نموذجاً صوتياً ثنائي الاتجاه، يستمع ويتحدث في الوقت نفسه.
وتقوم فكرته على جعل المحادثة أكثر مرونة؛ إذ يستطيع المستخدم مقاطعته في منتصف الكلام، فيستمع إليه ويستجيب، بدلاً من انتظار انتهاء الرد لبدء مداخلة جديدة. كما يصدر النموذج أصوات تفاعل قصيرة في أثناء الاستماع، تحاكي الإشارات التي يستخدمها البشر لإظهار التركيز والمتابعة.
نموذج حديث يتعلّم بالاستماع
حسب شركة «بلوك»، دُرّب «ديسا» من الصفر على تسجيلات محادثات بشرية، دون الاعتماد على نصوص أو نموذج لغوي مسبق التدريب. ويعالج النموذج الصوت مباشرة لإنتاج استجابة صوتية سريعة، بخلاف الأنظمة التي تعتمد على تحويل الكلام إلى نص، ثم توليد إجابة وتحويلها مجدداً إلى صوت.
وتكمن أهمية هذا النهج في التعامل مع عناصر لا تنقلها الكلمات المكتوبة وحدها، مثل النبرة والتردد وتوقيت الاستجابة. غير أن محاكاة هذه العناصر لا تعني بالضرورة أن النموذج يفهم مشاعر المتحدث أو يختبر مشاعر مماثلة.
وتقول الشركة إن النموذج يدعم العمل محلياً على جهاز «ماك بوك برو» مزوّد بشريحة «إم 4 ماكس» أو أعلى. أما تدريبه فجرى، حسب إعلانها، باستخدام نظام الحوسبة الفائق «إنفيديا جي بي 200 إن في إل 72»، وهنا يبرز الفرق بين الموارد اللازمة لبناء النموذج وتدريبه، وتلك المطلوبة لتشغيله بعد ذلك.
محادثات أقرب إلى البشر
في التسجيلات التي نشرتها الشركة، يظهر «ديسا» وهو يضحك في أثناء الحديث، ويترك وقفات، ويتفاعل مع كلام الطرف الآخر قبل اكتماله. وتمنح هذه التفاصيل المحادثة إيقاعاً أقرب إلى الحديث العفوي البشري، حيث تتداخل الأدوار بدلاً من انتقالها بصورة صارمة بين سؤال وجواب.
لكن المقاطع التي تختارها الشركة لعرض تقنيتها لا تكفي وحدها للحكم على أدائها في مختلف الظروف، فالتقييم يحتاج إلى اختبارات مستقلة تقيس جودة الاستجابة، ودقة المحتوى، والقدرة على التعامل مع اختلاف الأصوات واللغات والضوضاء.
مشروع بحثي وأسئلة مفتوحة
ما زال «ديسا»، وفق ما أعلنته الشركة، مشروعاً بحثياً مبكراً، ولم يُطرح بوصفه منتجاً متاحاً للجمهور، مع إتاحة وصول مبكر لمجموعة صغيرة من باحثي السلامة لاختبار المخاطر والسلبيات.
في النهاية، لا تكمن أهمية «ديسا» في قدرته على الضحك أو التردد أو مقاطعة المستخدم فحسب، بل في اقترابه خطوة إضافية من جعل الحديث مع الذكاء الاصطناعي يبدو طبيعياً وغير متكلّف. وإذا نجحت هذه النماذج في تحويل هذا الإحساس إلى فهم أفضل واستجابة أكثر دقة وفائدة، فقد يصبح الصوت أحد أكثر أشكال التفاعل مع الذكاء الاصطناعي طبيعية في السنوات المقبلة.