কৃত্রিম বুদ্ধিমত্তার সঙ্গে মানুষের কথোপকথনকে আরও স্বাভাবিক ও প্রাণবন্ত করতে নতুন স্পিচ এআই মডেল ‘ডেসা’ তৈরি করেছে প্রযুক্তিপ্রতিষ্ঠান ব্লক ইনকরপোরেশন। মডেলটির বিশেষত্ব হলো, এটি মানুষের কথা শোনার পাশাপাশি প্রায় তাৎক্ষণিকভাবে উত্তর দিতে পারে। কথোপকথনের সময় হাসি, বিস্ময় কিংবা সহানুভূতির মতো স্বাভাবিক প্রতিক্রিয়াও প্রকাশ করতে পারে বলে জানিয়েছে প্রতিষ্ঠানটি।

ব্লক ইনকরপোরেশনের মালিক জ্যাক ডরসি সামাজিক যোগাযোগমাধ্যম এক্সে মডেলটি সম্পর্কে তথ্য প্রকাশ করেছেন। তিনি টুইটারের সহপ্রতিষ্ঠাতা ও সাবেক প্রধান নির্বাহী কর্মকর্তা হিসেবেও পরিচিত। তাঁর প্রতিষ্ঠানের তৈরি ডেসা এমনভাবে ডিজাইন করা হয়েছে, যাতে ব্যবহারকারীরা শুধু প্রশ্ন করে উত্তর পাওয়ার পরিবর্তে মানুষের সঙ্গে কথা বলার মতো অভিজ্ঞতা পান।

প্রচলিত অনেক এআই ভয়েস সিস্টেমে ব্যবহারকারীর কথা গ্রহণ, সেটিকে বিশ্লেষণ এবং উত্তর তৈরি করার জন্য কয়েকটি পৃথক ধাপ থাকে। এতে কথোপকথনের মধ্যে কিছুটা বিরতি তৈরি হতে পারে। ডেসার ক্ষেত্রে একই সময়ে কথা শোনা ও বলার সক্ষমতার ওপর গুরুত্ব দেওয়া হয়েছে। ফলে ব্যবহারকারী কথা বলার সময় থেমে গেলে কিংবা আলোচনার প্রসঙ্গ পরিবর্তন করলেও কথোপকথনের ধারাবাহিকতা বজায় রাখার চেষ্টা করতে পারে মডেলটি।

ডেসার আরেকটি উল্লেখযোগ্য দিক হলো এর আকার তুলনামূলক ছোট রাখা হয়েছে। নির্মাতাদের দাবি, মডেলটি ল্যাপটপেও চালানো সম্ভব। এতে ভয়েস এআই ব্যবহারের জন্য সব সময় বড় ক্লাউড সার্ভারের ওপর নির্ভর করার প্রয়োজন কমতে পারে। তবে কোন ধরনের ল্যাপটপে এটি কতটা কার্যকরভাবে চলবে, তা নির্ভর করবে প্রয়োজনীয় হার্ডওয়্যার ও সফটওয়্যার ব্যবস্থার ওপর।

প্রতিষ্ঠানটির দেওয়া তথ্য অনুযায়ী, ডেসাকে মানুষের কথোপকথনের অডিও ব্যবহার করে প্রশিক্ষণ দেওয়া হয়েছে। সাধারণ ভাষাভিত্তিক এআই মডেলের মতো শুধু লিখিত তথ্যের ওপর নির্ভর না করে মানুষের কণ্ঠস্বরের বৈশিষ্ট্য শেখার ওপর গুরুত্ব দেওয়া হয়েছে। এর মাধ্যমে কথার গতি, বিরতি এবং কথোপকথনের স্বাভাবিক ছন্দ আরও ভালোভাবে অনুসরণ করার লক্ষ্য রয়েছে।

ডেসার ওয়েবসাইটে প্রকাশিত একটি নমুনা কথোপকথনে মডেলটিকে পরিস্থিতি অনুযায়ী হাসতে, বিস্ময় প্রকাশ করতে এবং সহানুভূতিশীল প্রতিক্রিয়া জানাতে দেখা যায়। তবে এসব আচরণ মানুষের মতো মনে হলেও তা থেকে মডেলটির প্রকৃত অনুভূতি বা আবেগ থাকার প্রমাণ পাওয়া যায় না।

বর্তমানে ডেসা পরীক্ষামূলক পর্যায়ে রয়েছে। তাই সাধারণ ব্যবহারকারীদের জন্য এটি কবে উন্মুক্ত হবে, সে বিষয়ে নিশ্চিত তথ্য পাওয়া যায়নি।

প্রযুক্তি বিশ্লেষকদের কাছে এ ধরনের মডেল গুরুত্বপূর্ণ, কারণ ভয়েসভিত্তিক এআই ভবিষ্যতে গ্রাহকসেবা, ভার্চুয়াল সহকারী, অনলাইন শিক্ষা এবং দৈনন্দিন যোগাযোগে নতুন সুযোগ তৈরি করতে পারে। তবে মানুষের কণ্ঠস্বর অনুকরণ, ব্যক্তিগত কথোপকথনের গোপনীয়তা এবং এআইয়ের পরিচয় স্পষ্ট রাখার মতো বিষয়গুলোও সমান গুরুত্ব পাবে।

ডেসার মতো প্রযুক্তির অগ্রগতি দেখাচ্ছে, এআইয়ের পরবর্তী ধাপ শুধু দ্রুত উত্তর দেওয়া নয়; বরং মানুষের সঙ্গে আরও স্বাভাবিকভাবে যোগাযোগ করতে পারা। এই প্রযুক্তি কতটা নির্ভরযোগ্য ও ব্যবহারবান্ধব হয়, তা নির্ধারিত হবে বাস্তব ব্যবহারের অভিজ্ঞতা এবং পরবর্তী উন্নয়নের মাধ্যমে।

সূত্র: ব্লক ইনকরপোরেশনের প্রকাশিত তথ্য ও ডেসা এআই মডেলের বিবরণ।