Как Block Джека Дорси создала ИИ, который общается как неловкий новый знакомый

Пока гиганты индустрии соревнуются в том, кто сделает своего чат-бота более стерильным и услужливым, пользователи откровенно зевают от корпоративных клише. Если вам надоело слышать «Чем я могу помочь вам сегодня?» от безликих алгоритмов, приготовьтесь к культурному шоку: проект Dessa от компании Джека Дорси вернул в ИИ подлинную человеческую неловкость.

Введение в мир нестабильного ИИ: почему стандартные языковые модели нам надоели

Современный рынок искусственного интеллекта перенасыщен ультравежливыми, стерильными и безупречно оптимизированными чат-ботами. Каждое крупное технологическое предприятие стремится создать ассистента, который говорит на идеальном деловом английском, моментально угадывает намерения пользователя и сыплет корпоративными клише. Однако за этой идеальной фасадой часто скрывается скука. Пользователи устали от предсказуемости алгоритмов, которые звучат как ожившие учебники по маркетингу.

Именно на этом фоне компания Block, основанная известным технопредпринимателем Джеком Дорси, решила пойти совершенно иным путем. Вместо того чтобы дорабатывать существующие гигантские языковые модели или закупать стандартные датасеты из академических статей и энциклопедий, инженеры компании сосредоточились на создании принципиально нового опыта. Результатом их работы стала языковая модель, которая не пытается казаться идеальной. Она говорит с вами так, будто вы впервые встретились на неловкой вечеринке и пытаетесь найти общую тему для разговора.

В этой статье мы подробно разберем проект Dessa — новую разработку от команды Джека Дорси, оценим ее уникальный подход к обучению «с нуля» и посмотрим, почему ее манера общения вызывает у пользователей столь противоречивые эмоции: от умиления до легкой тревоги. Мы также коснемся внутренних архитектурных решений, упомянем контекстные запросы вроде «c3k2 block», которые активно обсуждаются в узких технических кругах, и попытаемся понять, куда движется индустрия диалогового искусственного интеллекта.

Кто стоит за проектом: роль компании Block и Рагавана Тураиратнама

Чтобы понять феномен нового ИИ, необходимо взглянуть на команду, которая его создала. Компания Block, возглавляемая Джеком Дорси, давно известна своим нестандартным подходом к разработке продуктов. Дорси неоднократно заявлял о своем стремлении к децентрализации и исследованию нетривиальных технологических ниш. Проект по созданию уникальной языковой модели стал очередным подтверждением этой философии.

Непосредственным руководителем проекта Dessa является Рагаван Тураиратнам (Ragavan Thurairatnam). Под его руководством команда инженеров и исследователей задалась целью исследовать границы того, как именно искусственный интеллект воспринимает человеческую коммуникацию. Вместо того чтобы следовать тренду на увеличение параметров и покупку вычислительных мощностей для обработки триллионов токенов академического текста, команда Тураиратнама сосредоточилась на качестве и чистоте исходного материала.

Интерес к проекту подогревается еще и тем, что в технических кругах вокруг разработок Block начинают циркулировать специфические запросы. Например, энтузиасты активно ищут информацию по запросу «c3k2 block», пытаясь разгадать детали внутреннего устройства инфраструктуры компании и подходы к оптимизации нейросетевых слоев. Хотя компания держит многие технические детали в секрете, фокус на поведенческой психологии ИИ делает проект Dessa уникальным прецедентом в современной индустрии.

Но как именно инженерам удалось отучить нейросеть говорить фразами из Википедии и заставить её звучать как живой человек? Ответ кроется в радикальной смене тренировочных данных.

Dessa: языковая модель, обученная исключительно на живых разговорах

Главная техническая и концептуальная особенность новой разработки заключается в ее датасете. В то время как большинство современных языковых моделей обучаются на гигантских массивах данных, включающих программный код, научные статьи, Википедию, новостные ленты и книги, модель Dessa пошла по совершенно другому пути.

«Модель была обучена с нуля на ничем ином, кроме человеческого разговора» (from scratch on nothing but human conversation) — таков главный тезис создателей проекта.

Что это означает на практике? Вместо структурированного и логичного письменного текста нейросеть впитывала в себя всю хаотичность, эмоциональность, паузы-паразиты, недомолвки и спонтанность живой устной речи, переведенной в текстовый формат. Архитектура модели проектировалась с расчетом на то, чтобы улавливать не просто логические связи между словами, а саму динамику межличностного взаимодействия.

Отсутствие традиционных текстовых баз данных привело к тому, что у Dessa сформировался совершенно особый «характер». Она не заучивала энциклопедические факты в привычном объеме, зато научилась улавливать социальные нюансы, которые часто ускользают от алгоритмов, обученных на сухих текстах. В результате модель приобрела черты, которые разработчики сами описывают как слегка «неловкие» и «жутковатые» (uncanny).

Анатомия неловкости: как Dessa общается с реальными людьми

Чтобы продемонстрировать возможности модели публично, разработчики из Block пошли на смелый шаг: они опубликовали реальные логи чатов и стенограммы диалогов Dessa с живыми людьми. Эти демонстрации моментально привлекли внимание IT-сообщества, так как стиль общения ИИ кардинально отличался от привычных ChatGPT или Claude.

Как выглядит разговор с новым, слегка неуверенным в себе знакомым? Это постоянное балансирование между попытками проявить дружелюбие, внезапными паузами, странными формулировками и избыточной честностью в реакциях. Вот типичные поведенческие паттерны, которые демонстрирует Dessa в диалогах:

• Непредсказуемые переходы: модель может внезапно сменить тему разговора, уцепившись за незначительную деталь вашей фразы, точно так же, как это делает человек, нервничающий на первой встрече.
• Странные комплименты и оценки: Dessa способна выдать реплику, которая звучит излишне интимно или, наоборот, отстраненно, вызывая у пользователя легкое ощущение когнитивного диссонанса.
• Отсутствие корпоративного защитного слоя: бот не спешит извиняться по шаблону или предлагать стандартную помощь вроде «Чем я могу помочь вам сегодня?». Вместо этого он может просто поддержать разговор странной шуткой или растерянным вопросом.

Разработчики намеренно не стали сглаживать эти шероховатости. Для команды Рагавана Тураиратнама главной задачей было посмотреть, как модель будет вести себя в дикой природе, если лишить ее искусственных ограничений в виде строгой цензуры и навязанного искусственного этикета.

Чтобы осознать масштаб этого эксперимента, давайте столкнем привычные нам продуктивные алгоритмы и новый «социальный» подход лоб в лоб.

Сравнение с традиционными LLM: почему «человеческий» подход меняет правила игры

Чтобы лучше понять значимость эксперимента Block, полезно сравнить подход Dessa с классическими подходами индустрии генеративного искусственного интеллекта. Большинство современных моделей проходят несколько этапов дообучения, включая RLHF (обучение с подкреплением на основе обратной связи от человека). На этапе RLHF ботов принудительно учат быть полезными, безобидными и вежливыми. Из них буквально «выбивают» любые проявления индивидуальности, которые могут показаться пользователю странными или оскорбительными (прямо как на собеседовании в энтерпрайз).

Ниже приведена таблица, иллюстрирующая ключевые различия между традиционными чат-ботами и экспериментальной моделью Dessa:

Как видно из таблицы, подход Block носит скорее исследовательский и художественный характер, чем чисто утилитарный. Компания не пытается заставить Dessa писать за вас код или составлять налоговые декларации. Вместо этого модель исследует саму ткань человеческого общения, обнажая парадоксальную истину: чем ближе ИИ пытается подобраться к настоящей человеческой речи, тем более странным и «нечеловеческим» он нам кажется на определенном этапе.

За этим социальным фасадом скрывается серьезная инженерия, заставляющая попотеть даже современные движки обработки текстов.

Технические аспекты и контекст запроса c3k2 block

Хотя создатели модели не стали публиковать глубокие технические метрики производительности, бенчмарки или детальные спецификации архитектуры, в экспертных кругах активно обсуждается инфраструктурная база проекта. В частности, упомянутый ранее поисковый запрос c3k2 block указывает на то, что разработчики и исследователи ищут технические пересечения между современными блочными архитектурами нейросетей и методами обработки последовательностей.

В современных реалиях проектирование языковых моделей требует тонкой настройки каждого слоя. Использование нестандартных датасетов, состоящих только из диалоговой речи, создает огромную нагрузку на механизмы внимания (attention mechanisms) — они начинают плавиться быстрее, чем продакшн в пятницу вечером. Речевые паттерны полны неполных предложений, междометий и смены контекста «на лету». Чтобы модель не теряла нить разговора и при этом сохраняла свою уникальную неуверенную манеру, инженерам Block пришлось оптимизировать процесс токенизации и обработки устной речи в текстовом представлении.

Пример базовой обработки реплики для подобной модели на Python выглядит следующим образом:

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

# Загрузка экспериментальной конфигурации модели
model_name = "block-dessa-experimental"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

# Пример ввода с элементами спонтанной человеческой речи
input_text = "Эмм... слушай, я тут подумал, может зря мы все это затеяли?"
inputs = tokenizer(input_text, return_tensors="pt")

# Генерация ответа с учетом специфической динамики диалога
with torch.no_grad():
    outputs = model.generate(
        inputs["input_ids"], 
        max_length=50, 
        temperature=0.85, 
        top_p=0.92,
        do_sample=True
    )

response = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(response)

Этот пример демонстрирует, почему параметры вроде температуры генерации (temperature) и вероятностного сэмплинга (top_p) играют критическую роль для модели Dessa. Без высокой вариативности модель потеряла бы свой неповторимый шарм «неловкого знакомого» и скатилась бы к стандартным шаблонным ответам.

Заключение

Проект Dessa, представленный компанией Block под руководством Джека Дорси и Рагавана Тураиратнама, — это смелый эксперимент, который выходит далеко за рамки привычного IT-маркетинга. В эпоху, когда искусственный интеллект пытаются сделать максимально удобным, быстрым и безликим инструментом для повышения продуктивности, Block напомнила нам о самой сути коммуникации.

Обучение модели «с нуля» исключительно на живых человеческих разговорах позволило создать уникальный продукт, который вызывает целый спектр эмоций — от улыбки до легкой тревоги из-за своей пугающей реалистичности. Dessa не стремится заменить вам поисковую систему или корпоративного секретаря. Она выступает в роли зеркала, отражающего всю неловкость, спонтанность и несовершенство человеческого общения.

Остается следить за тем, как будет развиваться этот проект и какие технологические решения (возможно, скрывающиеся за запросами вроде «c3k2 block») инженеры применят в будущем. Очевидно одно: эпоха скучных и стерильных чат-ботов постепенно уступает место поиску новых форм взаимодействия, где искусственный интеллект учится быть не просто умным, но и по-человечески уязвимым.

А как вам такой подход? Попробовали бы пообщаться с ИИ, у которого нет фильтров политкорректности и заученных фраз? Делитесь мыслями в комментариях!