Block presenta Dessa, l'intelligenza artificiale addestrata esclusivamente con la voce umana

Block, l'azienda tecnologica guidata dal fondatore di Twitter Jack Dorsey, ha annunciato lo sviluppo di Dessa, un'intelligenza artificiale vocale progettata con un approccio tecnico inedito. Il modello è stato addestrato partendo da zero utilizzando esclusivamente registrazioni di discorsi umani, eliminando totalmente il ricorso a testi scritti o trascrizioni durante la fase di apprendimento, una procedura che lo differenzia dalla maggior parte dei sistemi attualmente in commercio.

Il sistema si distingue per la sua architettura full-duplex, una tecnologia che permette alla macchina di ascoltare e produrre la parola nello stesso istante, replicando la dinamica naturale di un dialogo tra persone. Durante le prime dimostrazioni pubbliche diffuse dall'azienda, Dessa ha affrontato conversazioni su temi come il cinema, mostrando una sensibilità specifica verso il contesto emotivo del parlato. In uno degli esempi riportati da Block, l'intelligenza artificiale ha risposto con una voce rotta dal pianto per la commozione dopo aver ascoltato la proposta di un viaggio a Parigi, dimostrando una capacità di modulazione vocale e gestione dei sentimenti superiore alla media dei sistemi tradizionali.

I test comparativi condotti dagli sviluppatori hanno messo Dessa a confronto diretto con GPT-Live-1, la tecnologia vocale di punta di OpenAI. Secondo i dati forniti dalla società di Dorsey, il nuovo modello è risultato più naturale nella cadenza e nel tono rispetto al prodotto della concorrenza. Un elemento tecnico di rilievo riguarda la gestione dell'hardware: a differenza di molti modelli che richiedono una connessione costante a server remoti per l'elaborazione, Dessa è in grado di essere eseguita localmente su computer portatili Apple MacBook Pro equipaggiati con processore M4 Max o su dispositivi con prestazioni superiori.

La scelta di addestrare l'intelligenza artificiale esclusivamente sulla voce deriva dalla volontà di replicare il processo di apprendimento naturale dei bambini, che imparano a parlare prima ancora di saper leggere o scrivere. Gli sviluppatori hanno spiegato che la parola è il modo più naturale di interagire con qualsiasi forma di intelligenza e che i sistemi attuali sono spesso incapaci di percepire le sfumature emotive, come il dolore fisico o lo stress dell'interlocutore. Il riconoscimento di questi segnali vocali è considerato da Block un requisito fondamentale per la sicurezza futura dei sistemi di assistenza basati sull'IA.

Al momento il software non è disponibile per l'utilizzo pubblico. Block ha confermato che l'accesso anticipato al modello sarà riservato esclusivamente a un gruppo ristretto di ricercatori specializzati nella sicurezza dell'intelligenza artificiale, al fine di valutare le capacità del sistema e le sue implicazioni prima di un'eventuale distribuzione più ampia.