N環球 
ব্লক ডেসা উন্মোচন করেছে, একটি ফুল-ডুপ্লেক্স স্পিচ মডেল একা কথোপকথনে প্রশিক্ষিত
ব্লকের ইন-হাউস এআই গবেষণা ল্যাব ডেসা প্রকাশ করেছে, একটি পূর্ণ-দ্বৈত স্পিচ-টু-স্পিচ মডেল যা বলে যে বাস্তব মানুষের কথোপকথনের অডিও ছাড়া আর কিছুই নয় - কোনও পাঠ্য নয়, কোনও পূর্বপ্রশিক্ষিত মডেল নয়। প্রাথমিক অ্যাক্সেস AI নিরাপত্তা গবেষকদের একটি ছোট গ্রুপের মধ্যে সীমাবদ্ধ।
কেন এটা গুরুত্বপূর্ণ
বেশিরভাগ ভয়েস এআই আজ আপনার বক্তৃতাকে প্রথমে টেক্সটে রূপান্তর করে কাজ করে — প্রক্রিয়ার মধ্যে স্বন, আবেগ এবং সময়কে ফেলে দিয়ে এবং ধীরে ধীরে এবং কঠোরভাবে উত্তর দেয়। ডেসা, ব্লকের ভিতরে একটি ছোট এআই গবেষণা ল্যাব থেকে, একটি ভিন্ন পথ নেয়: একটি সত্যিকারের ফুল-ডুপ্লেক্স স্পিচ-টু-স্পিচ মডেল, অডিও ইন এবং অডিও আউট, যা একজন ব্যক্তির মতো একই সময়ে শোনে এবং কথা বলে। এটি বাধা দিতে পারে এবং ব্যাকচ্যানেল ("হ্যাঁ!", "বুঝলাম!"), রিয়েল টাইমের চেয়ে দ্রুত চলে এবং স্থানীয়ভাবে একটি MacBook Pro M4 Max বা আরও ভালোভাবে চলতে পারে৷
আকর্ষণীয় অংশ হল এটি কীভাবে প্রশিক্ষিত হয়েছিল: ব্লক বলে যে ডেসাকে প্রকৃত মানুষের কথোপকথনের অডিও ছাড়া আর কিছুই না-তে স্ক্র্যাচ থেকে প্রশিক্ষিত করা হয়েছিল — কোনও পাঠ্য নেই, কোনও পূর্বপ্রশিক্ষিত মডেল নেই — এবং এটিকে সম্ভবত বিশ্বের প্রথম AI হিসাবে বর্ণনা করেছেন যে বিশুদ্ধভাবে শোনার মাধ্যমে বাস্তবসম্মত লাইভ কথোপকথন করতে শিখেছে। এটি স্থানীয়ভাবে শোনে এবং আবেগ, ব্যঙ্গ, হাসি, দীর্ঘশ্বাস এবং দুঃখের সাথে একটি ভয়েস ক্র্যাক করে — ঠিক যে তথ্য প্রচলিত ভয়েস পাইপলাইনগুলি বাতিল করে দেয়।
সম্পূর্ণ প্রতিবেদন
ডেসা ব্লকের এআই রিসার্চ ল্যাব দ্বারা তৈরি করা হয়েছিল, ডেসার প্রাক্তন সদস্যদের দ্বারা প্রতিষ্ঠিত, টরন্টো ডিপ লার্নিং স্টার্টআপ, এবং ব্লকের সহ-প্রতিষ্ঠাতা জ্যাক ডরসিকে সরাসরি রিপোর্ট করা হয়েছিল। প্রকল্পের প্রধান রাগবন থুরাইরত্নম। অফিসিয়াল পৃষ্ঠাটিতে ডেসার সাথে কথা বলার লোকেদের লাইভ রেকর্ডিং রয়েছে: এটি হাস্যকর কিছু মুহুর্তে হাসে, যখন স্পিকার একটি সিনেমার শিরোনাম খালি করে তখন একটি বাক্য শেষ করে, এবং যখন জিজ্ঞাসা করা হয় তখন জোরে কথা বলে — সঙ্গে, ব্লক স্ট্রেস, কোনো মানুষের স্টিয়ারিং নেই।
ব্লক বলেছেন যে মডেলটিকে একটি একক NVIDIA GB200 NVL72-এ প্রশিক্ষিত করা হয়েছিল, বৃহৎ ভাষার মডেলের তুলনায় শতগুণ কম শব্দ থেকে ভাষা শেখে (এটি স্বীকার করে যে তুলনাটি পুরোপুরি পছন্দের নয়, যেহেতু LLM-কেও প্রোগ্রামিং ভাষার মতো জিনিসগুলি শিখতে হবে)। ল্যাবটি তিনটি অনুপ্রেরণা উদ্ধৃত করেছে: কৌতূহল, মানুষ এবং এআই-এর মধ্যে আরও ভাল বোঝাপড়া এবং নিরাপত্তা — যুক্তি দিয়ে যে আজকের ভয়েস এআই আমাদের কণ্ঠের আবেগের কাছে প্রায় বধির, যা স্বাস্থ্যসেবার মতো সেটিংসে বিপজ্জনক হতে পারে, এবং ডেসা এটি ঠিক করার দিকে একটি পদক্ষেপ।
ডেসা বর্তমানে একটি গবেষণা পূর্বরূপ: ব্লক এআই সুরক্ষা গবেষকদের একটি ছোট দলকে পৃষ্ঠের ঝুঁকিতে প্রাথমিক অ্যাক্সেস দিচ্ছে যা দলটি প্রত্যাশা করেনি। কোন মূল্য, প্রকাশ্য প্রকাশের তারিখ, বা খোলা ওজন ঘোষণা করা হয়নি। মনে রাখবেন যে কোম্পানি প্যারামিটার গণনা, ডেটাসেটের আকার বা বেঞ্চমার্ক স্কোর প্রকাশ করেনি, তাই উপরের প্রযুক্তিগত দাবিগুলি ব্লকের নিজস্ব এবং স্বাধীন যাচাইয়ের জন্য অপেক্ষা করছে।
💬 Comments
No comments yet. Be the first!