Forschungsergebnisse zeigen, dass Menschen lieber mit menschenähnlichen Robotern interagieren

Forscher des Tokyo Institute of Technology und des japanischen Riken haben neue Erkenntnisse darüber gewonnen, wie wir die Stimmen verschiedener Maschinen wahrnehmen und mit ihnen interagieren. Das Team führte eine Metasynthese durch und ihre Befund liefern neue Informationen über menschliche Vorlieben, die Ingenieure und Designer für die Entwicklung zukünftiger Sprachtechnologien nutzen können. 

Menschen kommunizieren hauptsächlich stimmlich und akustisch und vermitteln alles von sprachlichen Informationen bis hin zu emotionalen Zuständen und Persönlichkeiten. Die Wahrnehmung unserer Stimme hängt stark von Ton, Rhythmus und Tonhöhe ab.

Kombinieren verschiedener Felder zum Erstellen eines Frameworks

Aufgrund der Fortschritte in der KI-Technologie weiten sich unsere Interaktionen nun auf Computeragenten, Schnittstellen und Umgebungen aus. Die Forschung findet häufig in den Bereichen Mensch-Agent-Interaktion (HAI), Mensch-Roboter-Interaktion (HRI), Mensch-Computer-Interaktion (HCI) und Mensch-Maschine-Kommunikation (HMC) statt. 

Das Forscherteam versuchte, die Ergebnisse mehrerer Studien in den verschiedenen Bereichen zu vergleichen, um einen Rahmen zu schaffen, der als Leitfaden für zukünftiges Design und Forschung im Bereich Computerstimme dient. 

Die leitende Forscherin war die außerordentliche Professorin Katie Seaborn von der Tokyo Tech. 

„Sprachassistenten, intelligente Lautsprecher, Fahrzeuge, die mit uns sprechen können, und soziale Roboter gibt es bereits“, sagt Prof. Seaborn. „Wir müssen wissen, wie wir diese Technologien am besten so gestalten können, dass sie mit uns funktionieren, mit uns leben und unseren Bedürfnissen und Wünschen entsprechen. Wir müssen auch wissen, wie sie unsere Einstellungen und Verhaltensweisen beeinflusst haben, insbesondere auf subtile und unsichtbare Weise.“

Die Umfrage des Teams befasste sich mit von Experten begutachteten Zeitschriftenbeiträgen und auf Tagungsbänden basierenden Konferenzbeiträgen, wobei der Schwerpunkt auf der Benutzerwahrnehmung der Agentenstimme lag. Die Quellmaterialien umfassten eine Vielzahl von Agenten-, Schnittstellen- und Umgebungstypen und -technologien, wobei es sich bei den meisten um „körperlose“ Computerstimmen, Computeragenten und soziale Roboter handelte. 

Die meisten Benutzer waren Universitätsstudenten und Erwachsene, und die Forscher konnten Muster beobachten und kartieren, bevor sie Rückschlüsse auf die Wahrnehmung der Agentenstimme in verschiedenen Interaktionskontexten zogen. 

Die Ergebnisse des Teams

Die Ergebnisse der Studie zeigten, dass Benutzer die Agenten, mit denen sie interagierten, anthropomorphisierten und Interaktionen mit solchen bevorzugten, die ihrer Persönlichkeit und ihrem Sprechstil ähnelten. Die Studie zeigte auch, dass menschliche Stimmen synthetischen vorgezogen wurden und die Interaktion durch das Hinzufügen von Stimmfüllern verbessert wurde. 

Laut der Umfrage bevorzugten Einzelpersonen menschenähnliche, fröhliche und einfühlsame Stimmen mit höheren Tonlagen. Allerdings haben sich einige Benutzerpräferenzen im Laufe der Zeit geändert. Beispielsweise änderte sich die Präferenz des Benutzers für das Stimmgeschlecht von männlichen Stimmen zu weiblichen Stimmen. 

Die Forscher nutzten diese Erkenntnisse und erstellten einen übergeordneten Rahmen zur Klassifizierung verschiedener Arten von Interaktionen zwischen computerbasierten Technologien. 

Ein weiteres Ergebnis war, dass Benutzer Agenten oft besser wahrnahmen, wenn die Agenten verkörpert waren und die Stimme zum Körper der Agentur „passte“. 

Die Umfrage des Teams könnte für die Entwicklung neuer und bestehender Technologien in der sprachbasierten Mensch-Agenten-Interaktion (vHAI) genutzt werden. 

„Die aus dieser Arbeit hervorgegangene Forschungsagenda soll als Leitfaden für die Entwicklung und Untersuchung sprachbasierter Agenten, Schnittstellen, Systeme, Räume und Erfahrungen in den kommenden Jahren dienen“, sagt Prof. Seaborn.