ديسا: نموذج بلوك الصوتي الجديد يحاكي المشاعر البشرية بدقة مذهلة

كشفت شركة بلوك، الشركة المالية التي يقودها جاك دورسي والمعروفة بمنصة سكوير للمدفوعات، عن نموذج ذكاء اصطناعي صوتي جديد يحمل اسم "ديسا"، وصفته التقارير بأنه يحاكي الصوت البشري بدقة مثيرة للقلق. أعلنت بلوك عن النموذج يوم 23 أكتوبر 2026، قبل أن تتناوله وسائل إعلام تقنية، من بينها تك كرانش، في اليوم التالي.

يتميز ديسا بكونه نموذج كلام إلى كلام ثنائي الاتجاه المتزامن، أي أنه قادر على الاستماع والتحدث في الوقت نفسه دون الحاجة إلى انتظار انتهاء أحد الطرفين من الكلام، بخلاف كثير من أنظمة المحادثة الصوتية التي تعمل بالتناوب بين الاستماع والرد. والأهم من ذلك أن بلوك لم تربط النموذج بنموذج لغوي كبير منفصل يزوّده بالمعرفة، كما يفعل كثير من المساعدين الصوتيين، بل تقول الشركة إن "معرفة" ديسا تنبع من بيانات المحادثات الصوتية التي دُرِّب عليها.

ما يميز هذا النموذج الصوتي أيضًا هو قدرته على إظهار تعبيرات صوتية معقدة، مثل الضحك والتنهدات والبكاء، وهي عناصر نادرًا ما تصدر عن أنظمة التحويل من النص إلى الكلام التقليدية. وتقول بلوك إن المشاعر مدمجة داخل بنية النموذج نفسه، لكن التقارير تشير إلى أنه ليس واضحًا تمامًا إن كانت هذه المشاعر تُوجَّه عبر وسوم تعبير صوتي مُدرجة في النص، على غرار ما تفعله بعض الأنظمة المنافسة، أم أنها نتاج طبيعي لتدريب النموذج.

على صعيد التدريب، تقول بلوك إن ديسا دُرِّب بالكامل على عينات من الكلام البشري الحقيقي، باستخدام رف معالجات رسومية واحد من إنفيديا فقط، وهو ما يُعد متواضعًا نسبيًا مقارنة بالموارد الضخمة التي تستهلكها عادةً نماذج الذكاء الاصطناعي الصوتي الكبيرة. والأهم أن النموذج مصمم ليعمل محليًا على أجهزة استهلاكية عادية، مثل حاسوب ماك بوك مزوّد بمعالج M4 Max أو أقوى، بدلًا من الاعتماد الكامل على خوادم سحابية، ما يفتح الباب لتشغيله بتكلفة أقل وبخصوصية أعلى للمستخدمين.

يأتي ديسا في سياق تنافسي متصاعد بين شركات الذكاء الاصطناعي الصوتي. فقد أشارت التقارير إلى أن نموذج جي بي تي-لايف من أوبن إيه آي يستخدم أيضًا تقنية الكلام إلى كلام ثنائية الاتجاه المتزامن، في حين تعتمد أنظمة أخرى مثل إلفن لابس الإصدار الرابع، وفيش أوديو دراما 3، على وسوم تعبير صوتي صريحة لتوجيه نغمة الصوت والمشاعر المصاحبة له.

حتى الآن، لا يتوفر ديسا للجمهور العام، إذ تقول بلوك إنها طلبت من باحثين متخصصين في السلامة اختبار النموذج أولًا، مع تركيز خاص على السيناريوهات التي يمكن أن يستخدم فيها وكيل صوتي مدعوم بالذكاء الاصطناعي لخداع المستخدمين أو التلاعب بهم، وهو مخاطرة متزايدة مع تطور هذه الأنظمة إلى درجة يصعب فيها تمييزها عن الأصوات البشرية الحقيقية.

من الناحية التجارية، تراهن بلوك على أن توفير نموذج صوتي يعمل على الجهاز مباشرة بتكلفة أقل يمكن أن يدعم مزيدًا من تجارب الأعمال والمستهلكين، خصوصًا أن منصة سكوير التابعة لها تستخدم أصلًا الذكاء الاصطناعي الصوتي في أنظمة الطلب. وقد نشرت بلوك وفريقها البحثي نماذج توضيحية تعرض أصواتًا ونغمات مختلفة، من بينها لعبة تخمين تفاعلية ومحادثة بدت فيها المشاعر واضحة وصادقة بشكل لافت.

يُجسّد نموذج ديسا تحدياً وفرصةً للسوق العربية في آنٍ واحد؛ فاللغة العربية بتنوع لهجاتها الإقليمية وثروتها التعبيرية الصوتية تُعدّ من أصعب اللغات أمام أنظمة الذكاء الاصطناعي الصوتي. ويعمل معهد محمد بن زايد للذكاء الاصطناعي في أبوظبي وشركة G42 على بناء نماذج صوتية عربية تراعي خصوصية مخارج الحروف والمشاعر، فيما تُقرّ هيئة تطوير الصناعة السعودية بأن غياب نماذج صوتية عربية متقدمة يُمثّل فجوة تنافسية حقيقية في سوق المساعدين الرقميين الصوتيين المتنامية بالمنطقة، مما يجعل ما حققه ديسا معياراً مرجعياً يتطلع المطورون العرب لبلوغه باللغة العربية.

وفي تعليقها على إطلاق النموذج، لم تتردد بلوك في توجيه انتقاد ضمني للمنافسين، إذ كتبت أن "التفاعل مع أنظمة الذكاء الاصطناعي الصوتي الحالية قد يكون أمرًا مزعجًا للغاية"، مضيفة أن النماذج الصوتية الرائدة اليوم "لا تستطيع أن تسمع كيف تشعر" المستخدمين فعليًا. وتعكس هذه التصريحات رهان بلوك على أن المستقبل القريب لأنظمة المحادثة الصوتية سيُقاس بمدى قدرتها على فهم المشاعر الإنسانية والتعبير عنها، لا فقط بدقة فهم الكلام أو سرعة الاستجابة.