Block ukázal hlasovú AI Dessa trénovanú bez textu. Prirodzený rozhovor ešte nie je dôkazom bezpečnosti

Block predstavil hlasový model Dessa trénovaný podľa firmy bez textu. Jeho ukážky naznačujú prirodzený dialóg, no o spoľahlivosti a bezpečnosti zatiaľ nerozhodujú.

Čo zostane z hlasového asistenta, keď mu pri učení nevezmeme len textový prepis rozhovoru, ale aj celý predtrénovaný jazykový model? Na túto otázku skúša odpovedať Dessa, nový výskumný projekt spoločnosti Block. Firma Jacka Dorseyho ho predstavila 23. októbra 2026 spolu s nahrávkami rozhovorov, v ktorých model nielen odpovedá, ale miestami reaguje ešte počas reči druhej osoby. Najodvážnejšie tvrdenie sa však netýka hlasu. Block hovorí, že Dessa získala svoje poznatky výlučne z ľudskej reči.

Takýto opis treba čítať presne. Verejne dostupná prezentácia potvrdzuje, čo spoločnosť o projekte uviedla a aké ukážky sprístupnila. Sama osebe však neumožňuje overiť tréningové dáta, porovnať výkon s konkurenciou ani posúdiť správanie v rizikových situáciách. Dessa je preto zaujímavým experimentom, nie preukázane najlepším či najbezpečnejším hlasovým asistentom.

Model, ktorý sa podľa Blocku učil počúvaním

Block opisuje Dessa ako model premieňajúci prichádzajúcu reč priamo na hovorenú odpoveď. Podľa vlastného vyjadrenia ho trénoval od začiatku na ľudských konverzáciách, bez textových dát a bez využitia predtrénovaných modelov. To je podstatnejšie než tvrdenie, že systém dokáže rozprávať plynulo. Rozdiel je v tom, odkiaľ má pochádzať jeho jazyková znalosť: nie z rozsiahlej zbierky písaných dokumentov, ale zo zvukových nahrávok rozhovorov.

Spoločnosť tento postup vysvetľuje otázkou, či sa stroj môže naučiť komunikovať podobne ako človek, ktorý sa najskôr učí počúvaním. Analógia pomáha pochopiť motiváciu, ale nie je technickým dôkazom. Z verejného opisu nevieme, aký veľký bol tréningový súbor, aké jazyky obsahoval, ako sa kontrolovala kvalita nahrávok ani ako si model počína pri otázkach vyžadujúcich presné fakty. Bez týchto údajov nemožno rozhodnúť, či je učenie len z reči účinnejšie než zaužívané prístupy.

Block tiež tvrdí, že model trénoval na jednom systéme NVIDIA GB200 NVL72 a že jeho spracovanie pri používaní beží rýchlejšie než reálny čas. Sú to konkrétne údaje z prezentácie výrobcu, nie výsledky nezávislého merania. Firma neuvádza porovnateľnú metodiku, s ktorou by sa dali jednoducho postaviť vedľa rýchlosti a nákladov iných hlasových systémov.

Prečo je dôležité počúvať aj počas odpovede

Starší typ hlasového asistenta funguje po etapách: najskôr rozpozná reč, potom spracuje jej textový prepis a napokon prečíta odpoveď. Takýto postup môže byť užitočný, no prepis nezachytí všetko. Rovnaké slová môžu podľa dôrazu, tempa alebo intonácie vyjadrovať rôzne úmysly. Navyše systém odkázaný na ukončenie jednej etapy pred začiatkom ďalšej môže pôsobiť neprirodzene, najmä ak človek zaváha alebo skočí do reči.

Dessa má podľa Blocku pracovať v takzvanom plne duplexnom režime. V praxi to znamená, že počas vlastného rozprávania môže ďalej počúvať. Namiesto čakania na jednoznačný koniec vety sa môže rozhodnúť, či zostane ticho, krátko prisvedčí alebo vstúpi do rozhovoru. Práve načasovanie môže vytvárať dojem, že druhá strana skutočne sleduje priebeh konverzácie. Technická schopnosť hovoriť a počúvať súčasne však ešte neznamená, že každé prerušenie bude vhodné.

Pri hodnotení hlasovej AI preto nestačí merať len to, ako rýchlo zaznie prvé slovo odpovede. Dôležité je aj to, či systém neprehovorí počas pauzy, keď človek ešte premýšľa, či si zapamätá predchádzajúcu časť rozhovoru a či odpovie k veci. Hladký rytmus môže prekryť vecnú chybu; naopak, opatrnejšie tempo nemusí znamenať horšie porozumenie.

Odporúčame

Dôležité AI 21. októbra 2026

Anthropic vykázal stratu 80,7 miliardy dolárov. Čo čísla pred plánovaným IPO skutočne hovoria?

Anthropic mal podľa návrhu prospektu za prvý polrok 2026 stratu 80,7 miliardy dolárov. Väčšinu tvorili účtovné úpravy; tržby aj náklady na výpočtovú kapacitu prudko rástli.

9 min 0

Dôležité Technológie 22. októbra 2026

PHP2Shell ohrozuje weby naprieč internetom. Čo je potvrdené a prečo samotný firewall nestačí

Dve kritické chyby v jadre PHP umožňujú za určitých podmienok spustiť kód bez prihlásenia. Opravy sú dostupné, no prevádzkovatelia musia aktualizovať samotné PHP.

9 min 0

Nie je prvá v súbežnom dialógu

Pri čítaní prezentácie Blocku treba odlišovať dve tvrdenia. Súbežné počúvanie a hovorenie nie je vlastnosť, ktorú by priniesla až Dessa. Výskumný model Moshi od laboratória Kyutai bol predstavený ako plne duplexný systém a podobnú schopnosť opisujú aj OpenAI pri GPT-Live a NVIDIA pri modeli PersonaPlex. Pri Dessa je osobitným predmetom záujmu deklarovaný spôsob tréningu bez textu a bez predtrénovaného modelu.

Práca autorov Moshi výslovne uvádza, že ich architektúra vychádza z textového jazykového modelu. OpenAI pri GPT-Live zas opisuje riešenie, v ktorom hlasový model môže zložitejšie otázky odovzdať ďalšiemu modelu na vyhľadávanie alebo uvažovanie. Ide o odlišné konštrukčné rozhodnutia: jedno môže uprednostniť bezprostrednosť rozhovoru, iné prístup k širším znalostiam. Z opisu architektúry sa však nedá vyvodiť, ktorý systém by lepšie zvládol rovnakú úlohu.

Block naznačuje, že Dessa môže byť prvým modelom svojho druhu, s ktorým možno viesť realistický živý rozhovor po tréningu výlučne na ľudskej reči. Ide o tvrdenie samotnej firmy, nie o overené prvenstvo. Na jeho posúdenie by bolo potrebné presne určiť, čo znamená realistický rozhovor, preskúmať metodiku tréningu a porovnať ju s ostatnými výskumnými projektmi podľa rovnakých pravidiel.

Čo dokazujú zverejnené nahrávky

Na stránke projektu sú ukážky rozhovorov o filmoch, osobných témach aj konverzácia medzi Dessa a modelom GPT-Live-1. Block ich predstavuje ako živé nahrávky bez priebežného usmerňovania modelu; titulky boli podľa firmy doplnené následne. Na niektorých miestach pôsobia spontánne reakcie a zmeny hlasového prejavu presvedčivo. Redakcia The Verge si však všimla aj zvláštne odbočky a moment, keď si model pomýlil identitu človeka, s ktorým hovoril.

Takéto klipy majú dvojakú hodnotu. Ukazujú, aký typ interakcie chce tím predviesť, a umožňujú zachytiť aj nedokonalosti, ktoré by v krátkej reklamnej vete zanikli. Zostávajú však výberom vydaným samotným tvorcom. Nevieme, koľko rozhovorov vzniklo celkovo, podľa čoho boli ukážky vybrané ani ako často sa objavujú omyly. Rozhovor s druhým modelom navyše nie je kontrolovaným porovnávacím testom, aj keď môže znieť zaujímavo.

Výskum ukazuje, čo treba merať

Samostatný výskum z októbra 2026 skúmal, ako viaceré hlasové systémy reagujú na prestávky v prirodzenej konverzácii. Autori porovnávali rozhodnutie zostať ticho alebo prehovoriť, načasovanie odpovede aj zapamätanie predchádzajúceho obsahu. Ich práca upozorňuje, že rýchla reakcia nie je automaticky správnou reakciou. Niektoré systémy odpovedali aj tam, kde ľudský poslucháč nechal hovoriaceho pokračovať.

Tento výskum nie je hodnotením Dessa: nový model nebol medzi testovanými systémami. Poskytuje však užitočný rámec otázok, ktoré by malo ďalšie testovanie položiť. Potrebovali by sme vidieť nielen reakcie na pripravené ukážky, ale aj výsledky z mnohých neznámych rozhovorov, s rôznymi hovoriacimi, hlukom, prízvukmi a prípadmi, keď používateľ nedokončí vetu alebo zmení tému.

Rovnako dôležitá je vecná stránka odpovedí. Model naučený na hovorených konverzáciách môže dobre napodobniť spoločenské signály a pritom si nepamätať správny údaj. Pri porovnávaní by sa preto mali oddeliť aspoň tri veci: prirodzenosť rozhovoru, správnosť informácií a schopnosť bezpečne reagovať, keď situácia vyžaduje opatrnosť. Jediné subjektívne hodnotenie typu „znie to ľudsky“ tieto rozdiely zmaže.

Emócie v hlase nie sú zárukou bezpečnosti

Jednou z motivácií tímu Blocku je bezpečnosť. Vývojári upozorňujú, že systém odkázaný iba na text môže prehliadnuť rozrušenie alebo bolesť, ktoré sú počuť v hlase. Je rozumné skúmať, či práca so zvukom zachová viac signálov než samotný prepis. Z toho však nevyplýva, že Dessa dokáže spoľahlivo rozpoznať psychický stav človeka alebo primerane zasiahnuť pri vážnom probléme.

Aj presvedčivo súcitná odpoveď môže byť nesprávne načasovaná, nevhodná alebo založená na mylnom vyhodnotení situácie. Bez zverejnených skúšok v citlivých scenároch by bolo predčasné označiť model za bezpečnejší než konkurenciu. Tím sám hovorí, že chce sprístupniť skorý prístup malej skupine výskumníkov bezpečnosti AI, aby pomohli odhaliť riziká, ktoré vývojári nepredvídali. To je skôr začiatok overovania než jeho výsledok.

Pri hlasových systémoch sa k otázke správnych odpovedí pridáva aj pôvod a ochrana nahrávok. Verejná prezentácia neuvádza dostatok detailov na posúdenie súhlasov k tréningovým rozhovorom či podmienok spracovania budúcich používateľských konverzácií. Zásady ochrany osobných údajov zverejnené na stránke projektu sa týkajú jej používania; nemožno z nich bez ďalších podkladov vyvodiť všetky pravidlá pre prípadnú budúcu hlasovú službu.

Lokálny chod neznamená hotový produkt

Block uvádza, že Dessa môže bežať lokálne na MacBooku Pro s čipom M4 Max alebo výkonnejšom zariadení. Ak sa toto tvrdenie potvrdí pri nezávislom používaní, pôjde o dôležitú vlastnosť pre výskumníkov, ktorí potrebujú model skúšať vo vlastnom prostredí. Samotná možnosť lokálneho chodu však ešte neurčuje nároky na pamäť, kvalitu pri dlhých rozhovoroch, spôsob distribúcie ani to, či sa niekedy dostane k bežným používateľom.

Na stránke je čakacia listina a výzva pre vybraných bezpečnostných výskumníkov; odkazy na spustenie projektu sú označené ako pripravované. Verejná prezentácia neobsahuje údaje potrebné na nákupné rozhodovanie, napríklad cenu alebo záväzný termín všeobecnej dostupnosti. Dessa je dnes vhodnejšie vnímať ako výskumnú ukážku nového tréningového prístupu než ako alternatívu, ktorú si možno rovno nainštalovať namiesto existujúceho asistenta.

Najsilnejším prísľubom Dessa je predstava hlasovej AI, pre ktorú nie sú prestávky, dôraz a tón iba vedľajšími informáciami k prepísaným slovám. Zverejnené materiály naznačujú, že tento smer môže priniesť zaujímavé správanie v rozhovore. Rozhodujúca skúška však ešte len príde: nezávislý prístup, zrozumiteľná metodika a porovnateľné výsledky musia ukázať, či prirodzený prejav sprevádza aj spoľahlivosť, vecná presnosť a bezpečnosť.