محادثة صوتية متزامنة تحاكي الانفعال البشري: مختبر «بلوك» يختبر نموذجًا محليًا ويحذر من مخاطر التضليل
تكشف التجارب الأولى لنموذج «ديسا»، الذي طوره مختبر الأبحاث في شركة «بلوك»، عن تحول ملموس في مسار هندسة الصوت الذكي، حيث يتخلى النظام الجديد عن معالجة النصوص الوسيطة لصالح تدريب مباشر وكامل على المحادثات الصوتية البشرية. النموذج الذي أعلن عنه جاك دورسي يعمل بنمط الإرسال والاستقبال المتزامن الكامل، مما يتيح له الاستماع والتحدث في اللحظة نفسها تمامًا مثل البشر، مع إظهار تعبيرات حية تشمل الضحك والتوقف المؤقت والتنهدات ونبرات الحزن دون الحاجة إلى خوادم سحابية عملاقة لإدارته.
النموذج الصوتي الجديد يعيد صياغة العلاقة بين الآلة والمشاعر الإنسانية عبر تدريب حوسبي جرى على وحدة معالجة رسومية واحدة من إنفيديا. في النماذج السائدة اليوم، تعتمد الأنظمة على تحويل الصوت إلى نص مكتوب ثم تمريره إلى نموذج لغوي كبير لاسترجاع الإجابة قبل إعادة تحويله إلى كلام منطوق، وهي سلسلة معالجة ترى شركة «بلوك» أنها تهدر كميات هائلة من المعلومات الدقيقة التي لا يحملها النص المجرد، مثل نبرة المتحدث وتوتره وحالته النفسية. وبينما تلجأ أنظمة مثل «إليفن لابس في 4» أو «فيش أوديو دراما 3» إلى وسوم نصية لتوجيه الانفعالات، تزعم الشركة أن المشاعر في نموذجها مبنية داخل النسيج العصبي للنموذج ذاته، معتمدة في تكوين معرفتها على بيانات الحوار المسموعة مباشرة.
أظهرت التسجيلات التي بثها باحثو المختبر، ومن بينهم راغافان ثوريراتنام وآيدين بولات، روبوتًا صوتيًا يعبر عن شعوره بالإرهاق بعد العمل بنبرة مجهدة تحاكي الإعياء الفعلي، وفي محادثة أخرى يتحدث عن شعوره بالراحة النفسية بصوت متهدج كاد ينهار تأثرًا، فضلًا عن سرعته في خوض ألعاب التخمين التفاعلية. تكمن القوة التشغيلية للنموذج في قدرته على العمل محليًا فوق حواسيب شخصية من فئة ماك بوك المزودة بمعالجات إم 4 ماكس أو ما يماثلها، وهو ما وصفه باحثو الشركة بلحظة محورية شبيهة بظهور نموذج «جي بي تي 3» في مسار الأنظمة الصوتية، لأنها تنقل تقنيات المحادثة الحية من احتكار الحوسبة الفائقة إلى الأجهزة المادية المستقلة.
على الرغم من هذه المرونة، حجبت الشركة إتاحة النموذج للعموم، ووجهت دعوة مفتوحة لباحثي السلامة السيبرانية لاختبار الثغرات والحدود الأمنية. هذا التحفظ يعكس إدراكًا دقيقًا للمخاطر الناجمة عن توليد أصوات تمتلك قدرة فائقة على محاكاة الإحساس البشري، حيث تزداد احتمالات استخدام الوكلاء الصوتيين في خداع المستمعين أو تضليلهم في المحادثات التفاعلية، خصوصًا أن الشركة تنشط بالأساس في الخدمات المالية وبيع الحلول للشركات الصغيرة، وتوظف أدوات الذكاء الاصطناعي الصوتي في منصتها «سكوير» لتلقي الطلبات التجارية وخفض نفقات التشغيل.
يحمل هذا التحول دلالات استراتيجية واضحة للمؤسسات والشركات التقنية في الخليج ومصر والمشرق العربي. إن تمكين النماذج الصوتية من العمل محليًا على حواسيب المكاتب يلغي التكاليف المتصاعدة التي تدفعها مراكز الاتصال ومنصات التجارة الرقمية لمزودي الخوادم السحابية بالدقيقة والثانية، كما يحل معضلة الامتثال التنظيمي وسيادة البيانات، إذ يمكن للقطاعات المصرفية والخدمية معالجة المكالمات الصوتية الحساسة لعملائها داخل مقراتها دون تمرير الصوت عبر بوابات سحابية خارجية. المعادلة تفرض في الوقت ذاته مراجعة عاجلة لمنظومات التحقق الصوتي ومكافحة الاحتيال في المصارف الإقليمية، بعدما أصبح بمقدور عتاد شخصي بسيط توليد تفاعل بشري مقنع يتجاوز أدوات الكشف التقليدية.
نرى في هذا التطور مؤشرًا على انتقال مركز الثقل في معالجة الذكاء الاصطناعي من مراكز البيانات البعيدة إلى الأجهزة التي تمسك بها بيدك أو تضعها على مكتبك. إن تجاوز وساطة النصوص لا يختصر زمن الاستجابة في التفاعل الصوتي فحسب، بل يضع قطاعات الأعمال أمام واقع تقني جديد يتطلب إعادة بناء واجهات خدمة العملاء، والموازنة الدقيقة بين خفض كلفة التشغيل الميداني وتأمين قنوات الاتصال ضد محاولات التلاعب الموجهة.