Az MI-hangokat már könnyű összekeverni az emberi beszéddel

A mesterséges intelligencia (MI) által generált hangokkal mindannyian találkoztunk már – például amikor Sirit vagy Alexát használjuk, esetleg automatizált ügyfélszolgálattal beszélünk. Ezek a gépi hangok eddig elég élettelenek, gépiesek voltak, könnyen megkülönböztethetők az igazi embertől. Azonban új kutatási eredmények szerint egy átlagos hallgató számára ma már szinte lehetetlen eldönteni, mikor hall igazi, és mikor MI által generált „deepfake” hangot.

Valódi vagy hamis? – A fülünk már nem döntő

Egy friss tanulmányban 80 hangmintát – 40 MI által generáltat és 40 eredeti emberi hangot – mutattak meg a résztvevőknek, akiknek meg kellett mondaniuk, melyik az igazi, és melyik a mű. Fontos megjegyezni, hogy míg a semmiből létrehozott gépi hangokat a legtöbben még felismerhetőnek találták (csak az esetek 41%-ában tévesztették össze emberivel), addig a létező emberek hangjára betanított klónhangokat már jóval nehezebben különböztették meg. Ezeknél a résztvevők 58%-a gondolta azt, hogy emberi hangot hall – ami nagyon hasonló arány a valódi emberi hangok esetében (62%), vagyis statisztikailag már szinte lehetetlen megkülönböztetni őket.

Bűnözők és csalók új fegyvere

Mindezek ellenére az MI-hangok villámgyors fejlődése komoly veszélyeket is hordoz. Ha illetékteleneknek sikerül leutánozni valakinek a hangját, könnyedén feltörhetik például a banki hangalapú azonosítást, vagy megtéveszthetik szeretteinket. Már számos csalás történt ilyen módszerrel: egy brit nő például 465 ezer forintnak megfelelő összeget utalt át, miután elhitte, hogy lánya balesetet szenvedett, és telefonon segítséget kért tőle – a hangot azonban gép generálta. Ugyanezt a trükköt ismert emberekkel is eljátszották: például Tom Hanks (Tom Hanks) MI-hangklónját felhasználva egy hirdetésben, amely egy Bitcoin-átveréshez kapcsolódott, felhasználták a nevét és „személyiségét”.

Az MI-hangok felemelkedése

Fontos megjegyezni, hogy a jelenlegi tanulmányban kizárólag kereskedelmi forgalomban kapható, bárki számára elérhető szoftvereket használtak, és mindössze négypercnyi hangfelvételből is élethű klónokat lehetett készíteni, körülbelül néhány száz forintból. Így az MI-hanggal való visszaélés könnyen mindennapossá válhat.

Pozitív lehetőségek és kihívások

Összefoglalva, bár az MI-hangtechnológia jelentős kockázatokat rejt magában, előnyei is lehetnek. Egyedi, jó minőségű szintetikus hangokkal javítható az akadálymentesítés, az oktatás vagy egyéb kommunikációs folyamatok – a kérdés már csak az, hogyan tudjuk ezt a lenyűgöző, ám veszélyeket is hordozó technológiát etikus és biztonságos módon alkalmazni.

2025, adminboss, www.livescience.com alapján