Дослідники з’ясували, що середньостатистичного користувача стає складніше відрізняти голоси, створені за допомогою штучного інтелекту, від голосів живих людей.
Як з’ясували вчені з Лондонського університету Королеви Марії (Queen Mary University of London) та Університетського коледжу Лондона (University College London), коли люди слухають людські голоси та їх згенеровані штучним інтелектом версії, вони не можуть точно сказати, які з них справжні. Результати дослідження опубліковані в журналі PLoS One.
Створені за допомогою штучного інтелекту голоси використовуються, наприклад, у Siri та автоматизованих системах обслуговування клієнтів. Вони здаються плоскими та штучними. Однак нове дослідження показало, що дипфейкові голоси, навчені на записах реальних людей, здаються настільки ж переконливими, як і справжні.
Учасники дослідження прослухали зразки 80 різних голосів – 40 із них було створено за допомогою штучного інтелекту, ще 40 – реальні людські голоси. Вчені попросили визначити, які голоси справжні.
Учасники дослідження класифікували як людські 41% голосів, згенерованих з нуля. Це дозволяє припустити, що в більшості випадків їх все ще можна відрізнити від реальних людей.
Проте 58% учасників класифікували дипфейкові голоси як людські. Справжні голоси людей визнали реальними лише 62% учасників. Дослідники дійшли висновку, що немає статистично значущої різниці у здатності відрізняти голоси реальних людей від їхніх дипфейкових клонів.
Автори дослідження зазначають, що це може мати серйозні наслідки для етики, авторського права та безпеки. Якщо злочинці зможуть використати штучний інтелект, щоб клонувати чийсь голос, їм буде простіше обійти голосову автентифікацію у банку чи обманом змусити когось переказати гроші.