Možete li razlučiti je li glas generiran umjetnom inteligencijom, čak i kada znate da ono što slušate može biti lažirani zvuk? Možda neće biti tako lako kao što mislite. Nova studija pokazuje da ljudi samo u 73% slučajeva mogu otkriti umjetno generirani govor i na engleskom i na mandarinskom (studija rađena na ta dva područja).
Studiju su proveli Kimberly Mai sa Sveučilišnog koledža u Londonu i njezini kolege, koji su koristili algoritam pretvaranja teksta u govor uvježban na dva javno dostupna skupa podataka. Stvoreno je pedeset lažiranih uzoraka govora na oba jezika kako bi se utvrdilo mogu li ljudi identificirati lažne od pravih glasova.
U istraživanju je sudjelovalo 529 osoba. Slušali su pravu govornicu koja je čitala generičke rečenice na engleskom ili mandarinskom prošarane frazama koje je generirala umjetna inteligencija.
Prva grupa slušala je 20 glasovnih uzoraka na svom materinjem jeziku i morala odlučiti jesu li pravi ili lažni. Sudionici su odabrali pravu opciju u 73% slučajeva.
Druga skupina čula je 20 nasumično odabranih parova audio zapisa, jedan izgovorio čovjek, a jedan AI. Ljudi su mogli uočiti deepfake u 85% slučajeva u ovom testu, iako je postojanje dva točna isječka za usporedbu uvijek olakšalo ovaj izazov.
Duboko lažirani glasovi često dolaze s izdajničkim znakovima kao što su nemirni, monotoni govor ili neprirodno mucanje koji ih identificiraju kao umjetne. Međutim, brojke točnosti samo su se neznatno povećale nakon što su sudionici prošli obuku o tome kako prepoznati karakteristike govora generiranog umjetnom inteligencijom.
Važno je napomenuti da su ljudi u studiji znali da osluškuju glas koji je generirala umjetna inteligencija; osoba koja ga ne očekuje vjerojatno će teže prepoznati krivotvorinu. Bilo je slučajeva da su prevaranti koristili klonirane glasove kako bi pozvali ljude i prevarili ih da povjeruju da razgovaraju s obitelji, prijateljima ili službenim osobama i predaju osjetljive podatke. Postoji i zabrinutost oko nekih sigurnosnih sustava koji koriste glasovnu identifikaciju.
