美媒：人工智慧實現「聞聲識人」 但遠未達到完美

參考消息網6月13日報道美媒稱，人工智慧（AI）現在可以做到只參考一小段音頻，就能生成一個人面部的數字圖像。

據美國趣味科學網站6月11日報道，科學家用網上數百萬段教學視頻，對這種名為「講話到面孔」的神經網路——以類似人腦方式「思考」的計算機——進行了訓練，視頻內容是10萬多個不同面孔講話的場景。

研究人員在一項新的研究結果中寫道，通過這些數據集，「講話到面孔」掌握了聲音信息與人臉某些特徵之間存在的關聯。然後，人工智慧會利用一段音頻來塑造與語音匹配的擬真面孔。

這一研究結果5月23日發表在阿奇夫論文預印本網站上，尚未接受同行評議。

報道稱，值得慶幸的是，人工智慧（尚）不能僅憑一個人的聲音就知道他到底長什麼樣。研究報告的撰寫者說，該神經網路會識別講話中指向性別、年齡和種族的一些標記，這些特徵是許多人共有的。

科學家在研究報告中寫道：「如此一來，該模型只會形成普通長相的面孔。它不會形成特定個人的形象。」

人工智慧已經證明，它可以生成準確度高得驚人的人臉，不過坦率地講，它所塑造的貓臉有點恐怖。

報道稱，「講話到面孔」生成的人臉——都是面朝前方，沒什麼表情——與聲音背後的人並不嚴格匹配。不過研究結果表明，它生成的形象確實經常捕捉到了講話者正確的年齡段、種族和性別。

然而，這種演算法對聲音信息的解讀還遠未達到完美。在面對不同的語言時，「講話到面孔」表現得好壞參半。例如，人工智慧在聽了一段亞洲人講中文的音頻後，相關程序形成了一個亞洲人的面孔。然而，據科學家說，當同一個人在另一段音頻中用英語說話時，人工智慧生成了一個白人的面孔。

該演算法還顯示出性別上的偏見，將低沉的聲音與男性面孔聯繫起來，將尖細的嗓音與女性面孔聯繫起來。研究人員在報告中寫道，由於用來訓練人工智慧的數據集只是YouTube網站上的教學視頻，因此「不能代表全世界的人口」。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！