Menschen bevorzugen die Interaktion mit robotern, die menschlich sind, wie Forschung zeigt

Forscher am Tokyo Institute of Technology und Riken, Japan, haben neue Erkenntnisse darüber gewonnen, wie wir die Stimme von verschiedenen Maschinen wahrnehmen und mit ihnen interagieren. Das Team führte eine Meta-Synthese durch, und ihre Ergebnisse liefern neue Informationen über menschliche Präferenzen, die Ingenieure und Designer nutzen können, um zukünftige Sprachtechnologien zu entwickeln.

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

Kombination verschiedener Felder zur Erstellung eines Rahmens

Unsere Interaktionen erweitern sich nun auf Computeragenten, Schnittstellen und Umgebungen aufgrund der Fortschritte in der künstlichen Intelligenz. Forschung findet oft in den Bereichen Mensch-Agent-Interaktion (HAI), Mensch-Roboter-Interaktion (HRI), Mensch-Computer-Interaktion (HCI) und Mensch-Maschinen-Kommunikation (HMC) statt.

Das Team von Forschern suchte nach einer Möglichkeit, die Ergebnisse mehrerer Studien in den verschiedenen Feldern zu vergleichen, um einen Rahmen für die zukünftige Gestaltung und Forschung an Computerstimmen zu schaffen.

Associate Professor Katie Seaborn von der Tokyo Tech war die Leiterin der Forschung.

“Sprachassistenten, intelligente Lautsprecher, Fahrzeuge, die mit uns sprechen können, und soziale Roboter sind bereits da”, sagt Prof. Seaborn. “Wir müssen wissen, wie wir diese Technologien am besten gestalten, um mit uns zusammenzuarbeiten, mit uns zu leben und unsere Bedürfnisse und Wünsche zu erfüllen. Wir müssen auch wissen, wie sie unsere Einstellungen und Verhaltensweisen beeinflusst haben, insbesondere auf subtile und unsichtbare Weise.”

Die Umfrage des Teams konzentrierte sich auf peer-reviewed Zeitschriftenartikel und proceedings-basierte Konferenzartikel mit dem Schwerpunkt auf der Wahrnehmung von Agentenstimmen durch den Benutzer. Die Quellenmaterialien umfassten eine Vielzahl von Agenten-, Schnittstellen- und Umgebungstypen und -technologien, wobei die meisten “körperlose” Computerstimmen, Computeragenten und soziale Roboter waren.

Die meisten Benutzer waren Universitätsstudenten und Erwachsene, und die Forscher konnten Muster beobachten und kartieren, bevor sie Schlussfolgerungen über die Wahrnehmung von Agentenstimmen in verschiedenen Interaktionskontexten zogen.

Die Ergebnisse des Teams

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

Laut der Umfrage bevorzugten die Benutzer menschliche, glückliche, empathische Stimmen mit höheren Tonhöhen. Allerdings änderten sich einige der Benutzerpräferenzen im Laufe der Zeit. Zum Beispiel änderte sich die Präferenz für die Stimmlage von männlichen Stimmen zu weiblichen Stimmen.

Die Forscher nahmen diese Ergebnisse und erstellten einen Rahmen, um verschiedene Arten von Interaktionen über computerbasierte Technologien zu klassifizieren.

Ein weiteres Ergebnis war, dass die Benutzer die Agenten oft besser wahrnahmen, wenn die Agenten verkörpert waren, mit einer Stimme, die zum Körper des Agenten passte.

Die Umfrage des Teams könnte für die Erstellung neuer und bestehender Technologien in der sprachbasierten Mensch-Agent-Interaktion (vHAI) verwendet werden.

“Die Forschungsagenda, die aus dieser Arbeit hervorging, wird voraussichtlich die Entwicklung und Untersuchung von sprachbasierten Agenten, Schnittstellen, Systemen, Räumen und Erfahrungen in den kommenden Jahren leiten”, sagt Prof. Seaborn.