Колко човешки е AI гласът?

Изкуственият интелект обещава много, но с времето се появяват все повече изследвания за това как хората го възприемат и взаимодействат с него, като блясъкът му започва да намалява, не на последно място поради различните пристрастия, които стават очевидни. На годишната конференция за поведенчески науки Nudgestock в Лондон през юли тази година Том Ноубъл, специалист по неврология, разкрива резултатите от проучвания, анализиращи особеностите на AI генерираните гласове и отношението на хората към тях.

Установено е, например, че асистентите с изкуствен интелект имат много по-висок процент на грешки при разпознаване на команди от гласове на хора от други раси, отколкото за бели гласове, според Стив Келър, директор на звуковата стратегия на Studio Resonate, вътрешната творческа агенция на SXM Media.

„Почти сякаш технологията казва „Ще те разбера по-добре, ако можеше да звучиш малко по-бял“. Това е меко казано проблематично и в резултат на това Studio Resonate стартира Stand for Sonic Diversity с цел „предефиниране на звука на американския глас“.

Обратната страна на монетата е гласът на AI, който потребителите слушат – обикновено бял и често женски. Ново изследване разглежда това по-задълбочено, включително как потребителите реагират на човешки или синтезиран от AI глас. Използването на имплицитни, несъзнателни отговори за ефекта от чутия глас позволява на изследователите да разкрият скрити пристрастия и асоциации, чувства, ценности, ползи, действия и намерения.

Том Ноубъл обяснява идеята на Nudgestock : „Записахме цял куп сценарии за радиореклами, половината от които са прочетени от изкуствен интелект, а половината от човешки гласове“, казва той за изследователския процес. След това те са възпроизведени на участниците в изследването. „В рамките на милисекунди след чуването на гласа за първи път, мозъкът си създава усещане за привличане или отхвърляне“, обяснява Ноубъл, „и това първоначално впечатление има тенденция да действа като филтър за това, което следва“.

Сред специфичните области, изследвани от проучването са:

На несъзнателно ниво хората реагират ли по различен начин на AI спрямо човешките гласове?

Ако го правят, в какво се изразява това?

Могат ли хората наистина да направят разликата между AI и човешки гласове?

Ранните резултати, базирани на показател за „имплицитно привличане“, съставен от два отделни аспекта на „положително отношение“ и „доверие“, откриват важни статистически разлики:

Гласът генериран с AI е с резултат 24% по-малко, човешкият глас с 20% повече по отношение на тяхната привлекателност.

Човешките гласове са възприемани като 25% по-положителни и с 23% по-голямо доверие.

Изследователите също така променят възприятието на участниците, като казват на половината от тях, че слушат AI глас, въпреки че всъщност е човешки глас, а на другата половина не е казано нищо.

За онези, на които е казано, че това е глас на изкуствен интелект има „тревожен срив по отношение на доверието“ казва Ноубъл – намаление с 27% – въпреки че спадът на „позитивния“ показател е много по-малък (само 8%). Нещо, за което марките трябва да мислят, когато обмислят как биха могли да използват AI.

Повтарянето на същото упражнение, този път използвайки AI глас вместо човешки глас и отново казвайки на половината участници, че слушат AI глас, води до много по-малко драматичен ефект – нивата на доверие остават приблизително същите и има само леко намаление в положителното възприятие.

А какво се установява за способността на хората да правят разлика между AI и човешки гласове? Мнозинството (60%) твърдят, че могат, но в действителност не могат.

На фона на цялата шумотевица около генеративния AI, аргументите за авторското право и опасенията относно „халюцинациите“, подобно изследване вероятно ще добави полезно практическо знание за това как марките и търговците могат да използват AI в различни контексти.