Повечето хора не могат да различат изкуствения интелект от човешкия глас, установява проучване

Ново проучване разкрива, че тъй като изкуственият интелект (ИИ) все повече навлиза в живота ни, повечето хора не могат да различат човешките гласове от техните синтетични клонинги.

Изкуственият интелект (ИИ) се е превърнал в обичайна част от ежедневието на мнозина. Виждаме го написан в информационните ни ленти за ИИ в социалните ни медии, говорим с него, използвайки големи езикови модели, и го чуваме всеки път, когато Alexa на Amazon се активира при поискване. И все пак, с бързото развитие на технологиите, става все по-трудно да се каже кое е реално и кое не.

В ново проучване, публикувано в списание PLoS One, изследователите установиха, че повечето хора вече не могат да различават генерирани от ИИ гласове от човешките гласове, от които са клонирани.

На участниците бяха дадени проби от 80 различни гласа, половината от които бяха от ИИ, а другите - човешки. След това те бяха помолени да оценят чутото въз основа на нивата на надеждност или доминантност.

Тейлър Суифт е обвинена в двоен стандарт, че е използвала изкуствен интелект за промотиране на албума си.
В категорията „ИИ“ имаше два различни вида: генерични гласове, създадени от нулата, и гласове, клонирани от записи на човешки говор.

Докато повечето хора разпознаха генеричния ИИ като фалшив, синтетично клонираните версии се оказаха по-трудно разшифроващи се, като 58% бяха сбъркани с истински. За сравнение, 62% от истинските гласове бяха правилно идентифицирани като човешки, оставяйки само малка разлика между способността на респондентите да различат двата гласа.

„Най-важният аспект на изследването е, че генерираните от ИИ гласове, по-специално гласовите клонинги, звучат толкова човешки, колкото и записите на истински човешки гласове“, каза пред Euronews Next д-р Надин Лаван, водещ автор на изследването и старши преподавател по психология в университета „Кралица Мери“ в Лондон.

„Това е особено поразително, тъй като използвахме търговски достъпни инструменти, където всеки може да създава гласове, които звучат реалистично, без да се налага да плаща огромни суми пари, нито пък се нуждае от специални умения за програмиране или технологии“.

Проблеми с гласовите сигнали
Технологията за клониране на глас с изкуствен интелект работи чрез анализ и извличане на ключови характеристики от гласови данни. Поради способността си да имитира толкова прецизно, тя се е превърнала в популярен инструмент за телефонни измамници, които понякога използват публикации в социалните медии като ресурс за имитиране на гласовете на близките на хората.

Възрастните хора са най-застрашени, като поне две трети от хората над 75-годишна възраст са обект на опити за телефонна измама, според проучване на Университета в Портсмут. Те също така установиха, че близо 60% от опитите за измами се извършват чрез гласови повиквания.

Въпреки че не всички тези повиквания ще бъдат осъществени с помощта на изкуствен интелект, той става все по-разпространен поради сложността и достъпността на софтуера, като популярни примери включват Hume AI и ElevenLabs.

58% от хората, участвали в проучването, са сбъркали клонираните от изкуствен интелект гласове с истински.
Клонирането с изкуствен интелект се превърна в причина за безпокойство и в развлекателната индустрия, където гласовете на няколко известни личности са били използвани без разрешение. Миналата година Скарлет Йохансон говори за OpenAI, използвайки глас, който звучеше „зловещо подобно“ на нейния собствен във филма „Her“ за услугата ChatGPT.

След това е широко разпространеното използване на аудио deepfakes, които преди това са имитирали политици или журналисти в опити да повлияят на общественото мнение и да разпространяват дезинформация.

Тъй като всички тези тревожни злоупотреби продължават да проникват в обществото, Лаван вярва, че разработчиците на изкуствен интелект имат отговорност да въведат по-строги предпазни мерки.

„От наша гледна точка като изследователи, ние винаги бихме препоръчали компаниите, създаващи технологията, да разговарят с етици и политици, за да обмислят какви са етичните и правните въпроси, например собствеността върху гласовете, съгласието (и докъде може да се простира това в условията на постоянно променящ се пейзаж)“, каза тя.

Подобряване на достъпността.
Както при всички технологии, генерираните от изкуствен интелект гласове също имат потенциал да бъдат използвани за добро - и биха могли да се окажат особено полезни за хора, които са неми или се затрудняват да говорят.

„Този ​​вид помощна технология се използва от известно време, като Стивън Хокинг е един от най-емблематичните примери. Новото обаче е възможността за персонализиране на тези синтетични гласове по начини, които преди това бяха невъзможни“, каза Лаван.

„Днес потребителите могат да изберат да пресъздадат оригиналния си глас, ако това предпочитат, или да създадат напълно нов глас, който отразява тяхната идентичност и личен вкус“.

Тя отбеляза също, че ако се използва етично и отговорно, технологията може да подобри достъпността и разнообразието в образованието, радиоразпръскването и производството на аудиокниги.

Например, скорошно проучване установи, че аудио обучението, подпомогнато от изкуствен интелект, повишава мотивацията и ангажираността с четенето на учениците - особено на тези с невроразнообразие като разстройство с дефицит на вниманието и хиперактивност (ADHD).

„Друго завладяващо развитие е възможността за клониране на глас на различни езици, което позволява на хората да се представят отвъд езиковите граници, като същевременно запазват своята гласова идентичност. Това би могло да бъде трансформиращо за глобалната комуникация, достъпността и културния обмен“, добави Лаван.

Тъй като звукът на изкуствените гласове става все по-присъщ в живота ни, нюансите, с които ги използваме и взаимодействаме с тях, ще продължат да се развиват. Лаван се надява да проучи това с по-нататъшни изследвания, фокусирайки се върху това как се възприемат гласовете, генерирани от изкуствен интелект.

„Бих искала наистина да проуча по-задълбочено как това, дали някой знае дали даден глас е генериран от изкуствен интелект или не, ще промени начина, по който взаимодейства с този глас“, каза тя.

„По подобен начин би било много интересно да се види как хората биха възприели генерирани от изкуствен интелект гласове, които звучат приятно и приятно, но очевидно не са човешки: Например, биха ли били хората по-склонни да следват инструкции от тези приятни, но нечовешки гласове на изкуствен интелект? Биха ли били хората по-склонни да им се ядосват, когато нещо се обърка?

„Всички тези въпроси са наистина интересни от изследователска гледна точка и могат да ни кажат много за това какво е важно в човешките (или човек-компютърни) взаимодействия“, каза тя.