Os sinais de voz ocultos que seu alto-falante inteligente pode estar ouvindo
Se você já decidiu dar uma olhada em suas interações com um assistente de voz como Alexa ou Google Assistant, você notará que pode não apenas ver (e excluir) transcrições de seus comandos e perguntas, mas também reproduzir a voz real gravações.
É uma experiência estranha ouvir as músicas que você pediu há seis meses. Muito mais do que simplesmente ler as transcrições. Você tem uma sensação real de ‘você' naquele dia, talvez você estivesse apenas rindo com sua família e isso sangra ou você parece entediado.
Leia isto: Como Amazon, Google e Apple usam seus dados de alto-falante inteligente
Isso é apenas o começo, de acordo com Rébecca Kleinberger, assistente de pesquisa do grupo Opera of the Future do MIT Media Lab. Para seu doutorado, ela está combinando pesquisas em neurologia, fisiologia, música, treinamento de voz e muito mais para observar "as pistas subconscientes que expressamos cada vez que falamos", como podemos tornar as pessoas mais conscientes de suas próprias vozes e construir novas experiências em torno a voz.
Ao longo de seis anos pesquisando nossas vozes, seu trabalho incluiu pesquisas sobre as vibrações físicas que nossos corpos produzem e como isso se relaciona com a terapia de vibração; por que não gostamos do som de nossa própria voz; como mapeamos nossos músculos para produzir sons (nossa ‘postura vocal'); e como o aprendizado profundo pode ser usado para fazer a identificação do locutor em tempo real, mesmo entre pessoas que falam vários idiomas.
Com o surgimento de alto- falantes inteligentes em nossas casas, gravando nossas vozes sempre que dizemos essas palavras mágicas, pensamos que valia a pena examinar o que transmitimos por meio da voz a humanos e máquinas. E Kleinberger diz que, quer percebamos ou não, "o cérebro humano evoluiu para ser extremamente bom em analisar todos os elementos ocultos da voz. Se eles são detectáveis por meio de máquinas, significa que, de alguma forma, nosso cérebro os detecta nas vozes de outras pessoas. ."
Ela sugere pensar nesses elementos inconscientes como "os feromônios da voz, quase feromônios acústicos, que nos influenciam de várias maneiras sem que percebamos".
Os sinais que sua voz envia
Com quem você está falando
Nossa voz muda dependendo de com quem estamos falando e do contexto, tanto que os pesquisadores e seus algoritmos podem dizer se você está falando com sua mãe, seu chefe ou seu amigo. Eles podem até detectar a idade da pessoa com quem você está falando.
"Mesmo quando você está tentando falar normalmente, quando fala com uma criança pequena, sua voz muda", diz Kleinberger. "A prosódia, a musicalidade que você usa na sua voz é muito diferente de quando você fala com adultos."
Seu humor
Sabemos que as equipes Alexa da Amazon já estão direcionando as pesquisas para a análise de voz que pode detectar, por exemplo, quando a pessoa que fala está com pressa e precisa de informações rapidamente. O Google também está olhando para a IA emocional que é guiada pelo humor do usuário como parte de seu futuro.
E é possível. Em 2014, uma equipe de cientistas da computação da Universidade de Michigan lançou um aplicativo para smartphone chamado Priori, projetado para monitorar chamadas telefônicas para detectar sinais precoces de mudanças de humor em pessoas que sofrem de transtorno bipolar. “Esses resultados do estudo piloto nos fornecem uma prova preliminar do conceito de que podemos detectar estados de humor em chamadas telefônicas regulares, analisando características amplas e propriedades da fala, sem violar a privacidade dessas conversas", disse o líder do projeto, Zahi Karam.
Quanto tempo seu relacionamento vai durar
Este é muito louco. Em sua palestra no TED sobre por que não gostamos de nossas próprias vozes, que eu recomendo que você assista ou ouça, Kleinberger aponta que a análise automática de conversas entre casais pode ser usada para prever se e quando você se divorciará.
No ano passado, uma equipe da Universidade do Sul da Califórnia publicou um estudo mostrando que a análise de IA de tom, variação de tom e entonação em conversas entre 134 casais, participando de terapia, teve 79,3% de precisão em prever os resultados conjugais, ou seja, se o relacionamento duraria. Na verdade, é um pouco mais alto do que os especialistas humanos que acertaram 75,6% das vezes.
Se você estiver menstruada… ou grávida
"Acho fascinante a ligação entre os níveis hormonais e a voz", diz Kleinberger. "Sabemos que tem um efeito. Sabemos que até mesmo nossos cérebros detectam conscientemente sem que possamos realmente entender com clareza. São informações puramente acústicas que nos dão pistas sobre o nível de hormônio do locutor. Acho que isso pode ter consequências tremendas, bom ou ruim em termos de detecção, ética e espionagem."
Vários estudos de Nathan Pipitone e Gordon Gallup mostraram que os ouvintes podem detectar onde uma mulher está em seu ciclo menstrual, pedindo aos participantes do sexo masculino que classifiquem as vozes em termos de atratividade. Sobre o primeiro em 2008 na Albany State University, eles escreveram: "Os resultados mostraram um aumento significativo nas classificações de atratividade da voz, pois o risco de concepção aumentou ao longo do ciclo menstrual em mulheres com ciclos naturais".
Depois, há o fato, como Kleinberger diz em seu TED Talk, que um dia os assistentes de voz podem saber que você está grávida antes de você. Novamente, isso é muito baseado em pesquisas reais.
Estudos em 2012 no Hospital Italiano de Buenos Aires, Argentina e em 2008 no Beirut Medical Center, Líbano encontraram diferenças entre as vozes de grupos de controle e grupos de gestantes. O estudo de Beirut encontrou semelhanças e algumas diferenças: "Não houve diferenças significativas na incidência de sintomas vocais em mulheres grávidas versus controles. No entanto, a fadiga vocal foi mais prevalente no grupo de grávidas. Com relação aos parâmetros acústicos, houve uma diminuição significativa no TMF (tempo máximo de fonação) a termo."
Dr. Alexa vai te ouvir agora
Uma pessoa com quem você gostaria de compartilhar suas conversas do dia a dia é seu médico. Acontece que o método médico de ouvir o corpo é praticado há milhares de anos – e está no meio de uma atualização quando se trata de voz.
"A palavra auscultação foi usada pelos antigos gregos", diz Kleinberger. "É essa noção de entender o corpo pelo som que vem do corpo. Então, basicamente, quando o médico coloca o estetoscópio para ouvir seu coração, isso é um tipo de ausculta. Usar a voz como uma ferramenta de auscultação tem sido usada para doenças cardíacas e doença pulmonar por muito tempo, ouvindo a soprosidade da voz do paciente. Mas agora estamos realmente começando a fazer ausculta modulada por máquina."
Pesquisas recentes sobre quais doenças podemos detectar por meio da voz incluíram estudos sobre depressão e Parkinson. Max Little, um matemático e agora professor associado da Aston University, descobriu que, ao analisar as vozes das pessoas em uma ligação telefônica de 30 segundos, os algoritmos podiam detectar turbulências sutis e mudanças de textura. Isso soa natural para o ouvido humano, mas Little foi capaz de usá-los para detectar a doença de Parkinson precocemente, com taxas de precisão em torno de 99%. Kleinberger explica que é muito difícil para uma pessoa que sofre de Parkinson manter uma conversa, pois sua voz fica cansada e não é tão facilmente controlável quanto as pessoas que não sofrem.
Quando se trata de depressão, a sabedoria convencional é que as pessoas simplesmente falam mais devagar: "Na verdade, é mais complexo do que isso, mas ainda tem a ver com o ritmo. Pelo trabalho que fiz sobre depressão, o que é interessante é a variação de tempo de uma palavra para outra, e de sílabas individuais, nessas palavras."
Sabemos que as ambições do Vale do Silício quando se trata de saúde não têm limites. A Alphabet tem suas próprias lentes de contato de monitoramento de glicose e relógios de saúde de grau médico, derivados da Verily Life Sciences. Enquanto isso, a Amazon parece ter uma equipe secreta de saúde e bem-estar dentro de sua divisão Alexa, sob o nome vagamente Alexa Domains.
Em teoria, um assistente doméstico inteligente, sempre ativo, que sabe que estamos doentes antes de nós e pode nos levar a procurar atendimento médico, com motivos específicos, pode salvar milhões de vidas.
"Com os dispositivos domésticos, o que eles podem fazer com as gravações de voz que pode ser bom ou ruim para nós? Não tenho certeza", diz Kleinberger. "Se eles nos ajudarem, digam ‘talvez você devesse ir a um médico para um check-up' – talvez isso seja bom. Se eles usarem isso para os lucros da empresa, talvez seja um pouco menos bom. É por isso que informar o público sobre o potencial, seja isso o que acontece hoje ou dois, cinco ou dez anos, acho muito importante saber. Falamos sobre dados o tempo todo, bem, você tem muitos dados em sua voz. Não é apenas o que você diz.
O futuro é mimetismo
De fato, quando falamos sobre privacidade na casa inteligente em 2018, focamos apenas no conteúdo dessas gravações e transcrições de voz, o que elas podem valer para os anunciantes, como podem ser combinadas com outras informações que Amazon, Google e Apple coletam sobre nós. de serviços como Google Maps, Gmail, Amazon Prime, iTunes, pesquisa do Google, iOS e Android, etc.
Isso se soma a uma crescente suspeita pública de que todos do Facebook, Instagram e Amazon estão ouvindo nossas conversas por meio de microfones de smartphones (as empresas de tecnologia em questão negam) e patentes que ilustram que a Amazon tem projetos em todas as nossas conversas, não apenas aquelas que começam com uma palavra de despertar.
A outra metade do quebra-cabeça quando se trata de assistentes de voz, diz Kleinberger, são as vozes de Alexa, Assistant e Siri. Sabemos que as empresas de tecnologia escolhem vozes amigáveis, principalmente femininas, que "não são muito agudas, mas não muito baixas" e "não muito dominantes". No momento, não falamos com eles como falamos com outros humanos – tenho uma ‘voz de instrução' muito específica que uso para Alexa e Google Assistant. É um pouco mais alto, um pouco mais severo, quase paternalista e geralmente olho para o alto-falante ou dispositivo inteligente quando estou falando para verificar se ele foi detectado.
“A maior parte das pesquisas e a maior parte da população mostra que usamos uma voz diferente quando falamos com a máquina”, diz ela. "Não fiz pesquisas sobre isso e não está comprovado, mas suspeito que esteja mais próximo de como uma pessoa rude e esnobe falaria com um garçom em um restaurante. Haveria interesse para as empresas irem além e ultrapassar o vale misterioso? É um pouco como um teste de Turing em termos de textura vocal. O que seria necessário para criar uma voz de resposta suficiente para nos fazer considerar essa tecnologia como humana?
Começando com a fala dirigida por crianças, depois a fala dirigida por robôs e máquinas, esta é uma área de pesquisa que está crescendo – Kleinberger recentemente passou um tempo no Zoológico de San Diego para estudar a fala dirigida por animais e entre espécies. Mas, diz ela, não está claro como um assistente de voz que soa muito mais como um humano e pode analisar nossas emoções em tempo real por meio de nossa voz beneficiaria… humanos.
"Está indo na direção da imitação. Como humanos, fazemos imitações inconscientes dos parâmetros vocais de outras pessoas o tempo todo. Sotaques e gagueira são contagiosos. Isso seria bom ou ruim se as máquinas começassem a fazer isso?
"Acho que em breve a tecnologia irá nessa direção. Se as pessoas estiverem cientes do que está acontecendo, não precisa ser uma coisa ruim. Talvez torne parte dessa tecnologia um pouco menos frustrante. Se sua voz for obviamente chateado, a máquina detecta isso e em vez de dizer ‘oh, você parece chateado', se a máquina começar a falar no mesmo modo vocal que você, isso vai ajudar ou não? Se entrar em um modo mais de manipulação, é uma pergunta complicada, mas interessante."
No final, tudo se resume ao equilíbrio de poder entre você e a empresa multimilionária que desenvolveu o assistente de voz com quem você está falando. Eles conhecem o poder dos sinais que nossas vozes enviam, então quanto mais estivermos cientes do que humanos e máquinas podem detectar de nossas vozes e transmitir de suas próprias, melhor.