Ново изследване показва, че с навлизането на изкуствения интелект в ежедневието ни става все по-трудно да различим човешките гласове от техните изкуствено създадени версии.

Изкуственият интелект вече е част от живота на милиони хора - виждаме го в социалните мрежи, разговаряме с него чрез системи с изкуствен интелект. Но с бързото развитие на технологиите границата между реалното и изкуственото все повече се размива.

В проучване, публикувано в списанието PLOS ONE, учените установяват, че повечето хора не могат да различат гласове, създадени от изкуствен интелект, от реални човешки записи. Участниците слушали 80 различни гласа - половината изкуствени, половината човешки - и оценявали достоверността им.

Гласовете на ИИ били два типа: напълно генерирани и създадени на базата на реални човешки записи. Докато повечето хора разпознали изкуствените гласове, създадени от нулата, тези, които са били на базата на реални човешки записи били по-убедителни - 58% от тях били приети за истински. За сравнение, 62% от реалните гласове били правилно идентифицирани като човешки.

"Изкуствено генерираните гласове звучат почти неразличимо от истинските. Това е впечатляващо, защото използвахме публично достъпни инструменти, които не изискват големи средства или технически умения", коментира д-р Надин Лаван от Queen Mary University of London.

Опасения за злоупотреба

Технологията за гласова имитация анализира и възпроизвежда ключови характеристики на гласа, което я прави все по-популярна сред телефонни измамници. Те често използват записи от социалните мрежи, за да имитират гласа на близки хора. Особено уязвими са възрастните - според проучване на University of Portsmouth две трети от хората над 75 години са били обект на опити за телефонна измама.

Достъпните платформи, като Hume AI и ElevenLabs, правят подобни измами още по-лесни. В развлекателната индустрия вече има случаи на неправомерно използване на гласове на известни личности. Миналата година актрисата Скарлет Йохансон изрази тревога, че OpenAI е използвала глас, звучащ "зловещо подобно" на нейния от филма "Her" в услугата ChatGPT. Освен това нараства и броят на аудио deepfake кампаниите, насочени към политици и журналисти с цел дезинформация и манипулиране на общественото мнение.

Не само рискове, но и възможности

Въпреки опасенията, технологията има и положителен потенциал. Тя може да помогне на хора със затруднения в говора. Днес технологиите дават възможност за персонализирани изкуствено създадени гласове - хората могат да пресъздадат собствения си глас или да създадат нов, който отразява тяхната идентичност. ИИ може да подобри достъпността в образованието и аудиокнигите. Проучвания показват, че аудиообучението с помощта на изкуствен интелект повишава ангажираността на ученици със синдром на дефицит на вниманието и хиперактивност. Допълнително предимство е възможността един и същ глас да бъде възпроизведен на различни езици, без да се губи личният му тембър. Това може да промени глобалната комуникация и културния обмен.

Предизвикателства пред бъдещето

Д-р Лаван подчертава, че разработчиците носят отговорност да въведат по-строги правни стандарти. В бъдещи изследвания тя планира да проучи как това дали знаем, че един глас е изкуствен влияе върху начина, по който хората общуват с него. Особено я интересува дали хората биха следвали по-лесно инструкции от "приятен, но очевидно нечовешки" глас и как биха реагирали при грешки.