Hvernig á að nota Generative AI raddir siðferðilega fyrir fyrirtæki árið 2023

Í lok árs 2022 kom á hæla gervigreindartækni sem upplifði víðtæka upptöku vegna töfrandi vinsælda OpenAI og ChatGPT. Í fyrsta skipti náði gervigreind aðdráttarafl á fjöldamarkað með því að sanna notagildi þess og gildi til að skapa farsælan viðskiptaafkomu.

Margar gervigreindartækni sem virðist vera bylting fyrir daglegu fólki árið 2023 hefur í raun verið í virkri notkun stórfyrirtækja og fjölmiðla í nokkur ár. Taktu þátt í mér þegar ég skoða nánar tæknina sem knýr þessar lausnir áfram, sérstaklega kynslóðar gervigreindarkerfi fyrir raddklónun, viðskiptaávinning þess og siðferðilegar aðferðir við notkun gervigreindar.

Hvernig virkar raddklónun?

Í stuttu máli, raddklónun gerir einum einstaklingi kleift að tala með rödd annars einstaklings.

Það notar skapandi gervigreind tækni til að búa til upptökur af rödd einstaklings og nota þær til að búa til nýtt hljóðefni með rödd þess sama einstaklings. Það gerir fólki í rauninni kleift að heyra hvað einhver hefði sagt, jafnvel þótt þeir hafi ekki sagt það sjálfir.

Á tæknilegu hliðinni virðast hlutirnir ekki vera mjög flóknir. En ef þú kafar aðeins dýpra eru nokkrar lágmarkskröfur til að byrja:

1. Þú þarft að minnsta kosti 5 mínútur af hágæða hljóðrituðu hljóði af upprunaröddinni til að klóna það. Þessar upptökur ættu að vera skýrar og lausar við bakgrunnshávaða eða aðra röskun, þar sem allar ófullkomleikar gætu haft áhrif á nákvæmni úttaks líkansins.
2. Að því loknu færðu þessar upptökur inn í skapandi gervigreind líkan til að búa til „raddmyndamynd“.
3. Þjálfðu síðan líkanið til að endurskapa málmynstur nákvæmlega í tónhæð og tímasetningu.
4. Þegar því er lokið getur þetta þjálfaða líkan búið til ótakmarkað efni með því að nota upprunarödd hvers annars einstaklings, og verður áhrifaríkt tæki til að búa til raunhæfar eftirmyndarraddir.

Þetta er sá punktur sem margir vekja upp siðferðislegar áhyggjur. Hvað gerist þegar við getum sett hvaða texta sem er í munn annars manns og það er ómögulegt að sjá hvort þessi orð séu raunveruleg eða fölsuð?

Já, þessi möguleiki er löngu orðinn að veruleika. Eins og í tilfelli OpenAI og ChatGPT, stöndum við nú frammi fyrir fjölda siðferðilegra vandamála sem ekki er hægt að hunsa.

Siðferðileg viðmið í gervigreind

Eins og á við um marga aðra nýja tækni á fyrstu stigum ættleiðingar, er helsta ógnin að skapa neikvæðan fordóma í kringum tæknina frekar en að viðurkenna ógnirnar sem uppsprettu umræðu og dýrmætrar þekkingar. Það sem skiptir máli er að afhjúpa þær aðferðir sem vondir leikarar nota til að misnota tæknina og vörur hennar, beita mótvægisverkfærum og halda áfram að læra. 

Í dag höfum við þrjú lög af ramma fyrir siðferðilega staðla sem lúta að notkun á generative AI. Innlend og yfirþjóðleg eftirlitslög eru á upphafsstigi þróunar. Stefnumótunarheimurinn fylgist kannski ekki með hraða þróunar nýrrar tækni, en við getum nú þegar fylgst með því að ESB leiði með Tillaga ESB um reglugerð um gervigreind og 2022 siðareglur um óupplýsingar sem lýsir væntingum stór tæknifyrirtækja til að takast á við miðlun skaðlegs gervigreindarefnis. Á landsvísu sjáum við fyrstu skref eftirlits Bandaríkjanna og Bretlands í að takast á við málið með National Deepfake og Digital Provenance Task Force og Bretlands Frumvarp til öryggis á netinu. 

Lag tækniiðnaðarins færist hraðar þar sem fyrirtæki og tæknifræðingar eru að samþykkja þennan nýja veruleika þar sem hann snýr að nýrri tækni og áhrifum þeirra á samfélagsöryggi og friðhelgi einkalífs. Umræðan um siðferði kynslóðar gervigreindar er lifandi og hefur leitt leiðina í að þróa frumkvæði í iðnaði fyrir siðareglur í kringum notkun á skapandi gervigreind (þ.e. Samstarfið um AI Synthetic Media Siðareglur) og siðferðislegar yfirlýsingar sem mismunandi fyrirtæki gefa út. Spurningin er hvernig á að gera hegðunina hagnýta? Og geta þeir haft áhrif á vörur, sérstaka eiginleika og verklagsreglur teyma? 

Eftir að hafa unnið að þessu vandamáli með fjölda mismunandi fjölmiðla- og afþreyingar-, netöryggis- og gervigreindarsamfélögum, hef ég mótað nokkrar hagnýtar meginreglur til að takast á við gervigreind efni og raddir sérstaklega: 

1. IP eigendur og fyrirtækið sem notar klónuðu röddina geta forðast marga hugsanlega fylgikvilla sem tengjast notkun upprunalegra radda með því að skrifa undir lagalega samninga.
2. Verkefnaeigendur ættu að birta opinberlega notkun klónaðrar rödd svo að hlustendur verði ekki afvegaleiddir.
3. Fyrirtæki sem vinna að gervigreindartækni fyrir rödd ættu að úthluta hlutfalli af fjármagni til að þróa tækni sem er fær um að greina og bera kennsl á gervivirkt efni.
4. Merking gervigreindarefnis með vatnsmerkjum gerir raddvottun kleift.
5. Sérhver gervigreind þjónustuaðili ætti að endurskoða hvert verkefni um áhrif þess (samfélags-, viðskipta- og persónuverndarstig) áður en hann samþykkir að vinna að því.

Auðvitað munu siðfræðireglur gervigreindar ekki hafa áhrif á útbreiðslu heimatilbúinna djúpra falsa á netinu. Hins vegar munu þeir ýta öllum verkefnum í gráa út fyrir almennan markað.

Árin 2021-22 voru gervigreindarraddir notaðar í mismunandi almennum verkefnum sem kynntu gríðarlegar afleiðingar fyrir siðferði og samfélag. Þar á meðal klóna rödd unga Luke Skywalker fyrir Mandalorian seríuna, AI rödd fyrir God of War 2og Rödd Richard Nixon fyrir hið sögulega 'In Event of Moon Disaster'.

Traust á tækni vex umfram fjölmiðla og afþreyingu. Hefðbundin fyrirtæki í mörgum atvinnugreinum nota einræktaðar raddir í verkefnum sínum. Hér eru nokkur af mest áberandi notkunartilvikum.

Notkunartilvik í iðnaði

Árið 2023 mun raddklónun halda áfram að aukast samhliða ýmsum fyrirtækjum sem ætla að uppskera margvíslegan ávinning. Frá heilsugæslu og markaðssetningu til þjónustu við viðskiptavini og auglýsingaiðnaðinn, raddklónun er að gjörbylta því hvernig stofnanir byggja upp tengsl við viðskiptavini sína og hagræða vinnuflæði þeirra.

Raddklónun kemur heilbrigðisstarfsfólki og félagsráðgjöfum til góða sem starfa í netumhverfi. Stafræn avatar með sömu rödd og læknar hlúa að sterkari böndum á milli þeirra og sjúklinga þeirra, auka traust og halda viðskiptavinum.

Hugsanleg notkun raddklónunar í kvikmynda- og afþreyingariðnaðinum er mikil. Talsetning efnis á mörg tungumál, aukagluggaskipti fyrir börn og fullorðna (ADR) og næstum óendanlega fjöldi sérstillingarmöguleika er allt gert mögulegt með þessari tækni.

Á sama hátt, í rekstrargeiranum, getur gervigreind-drifin raddklónun skilað framúrskarandi árangri fyrir vörumerki sem þurfa hagkvæmar lausnir fyrir gagnvirk raddsvörunarkerfi eða þjálfunarmyndbönd fyrirtækja. Með raddgervlatækni geta leikarar aukið umfang sitt en aukið getu sína til að vinna sér inn leifar af upptökum.

Að lokum, í auglýsingastofum, hefur tilkoma raddklónunar hjálpað til við að draga verulega úr kostnaði og fjölda klukkustunda í tengslum við auglýsingaframleiðslu. Svo framarlega sem hágæða upptaka er tiltæk til klónunar (jafnvel frá ófáanlegum leikurum) er hægt að framleiða auglýsingar á fljótlegan og skapandi hátt en nokkru sinni fyrr.

Athyglisvert er að fyrirtæki og lítil og meðalstór fyrirtæki geta nýtt sér raddklónun til að búa til eitthvað einstakt fyrir vörumerki sín. Stór verkefni geta gert metnaðarfyllstu áætlanir sínar að veruleika, á meðan lítil fyrirtæki geta fengið aðgang að áður kostnaðarsamri stærðarlíkönum. Það er það sem raunveruleg lýðræðisvæðing þýðir.

Umbúðir upp

AI raddklónun býður fyrirtækjum upp á leikbreytandi ávinning eins og að skapa einstaka upplifun viðskiptavina, samþætta náttúrulega vinnslumöguleika í vörur sínar og þjónustu og búa til mjög nákvæmar eftirlíkingar radda sem hljóma algjörlega raunverulegar.

Fyrirtæki sem vilja viðhalda samkeppnisforskoti sínu árið 2023 ættu að skoða AI raddklónun. Fyrirtæki geta notað þessa tækni til að opna ýmsa nýja möguleika til að vinna markaðshlutdeild og halda viðskiptavinum á sama tíma og þau gera það á siðferðilega ábyrgan hátt.