聲音跟真人沒兩樣，Google AI打電話神技背後的隱憂

今年的開發者大會Google I/O上，Google Assistant新增的「Duplex」技術成為一大焦點，他可以模仿人類聲音打電話預約餐廳、髮廊等，甚至可以模仿人類細微的說話習慣，接聽的店員甚至完全沒有察覺有異。

而這項令眾人讚歎的科技，背後究竟使用了那些技術，而在以假亂真的機器面前，身為人類的我們應該擔心嗎？

只花不到三年，虛擬助理做到自然連續對話

2016年的Google I/O大會上，虛擬智慧助理Google Assistant正式亮相，短短不到三年的時間，虛擬助理已經可以做到自然連續的對話，甚至聲音維妙維肖，令人類也真假難辨。

這項新技術Google取名為「Duplex」，中文翻譯過來可以理解為「語音雙攻技術」，這跟過去我們習慣聽到的Google小姐，或是Siri、Alexa這類機械感十足的虛擬助理不同，聲音聽起來更有「人味」。

對計算機來說，要聽起來接近人類是相當困難的，因為計算機習慣接收精確的指令，而人類在口語交談時常常很不精確，會夾雜許多語助詞跟廢話、一個句子說到一半突然更正部分內容、上下文省略一些單字、突然停頓等等。

人類說話會像這樣：

嗯......我覺得我們可以這樣做，但應該等到下周二，但...不知道耶，也許會有更好的做法之類的。

象是「嗯」、「喔」之類的填空詞，幾乎在每個語言中都很常見，多用在表達句子之間提供舒緩效果，Google在開發者大會上，示範預定沙龍以及餐廳兩種情境。第一段中我們可以聽到虛擬助理說：「我想幫一位客戶預約女士剪髮，嗯…我想預約5月3日的時間。」巧妙的在語句中加入「嗯…」。

第二段預訂餐廳的示範中，虛擬助理一開始先表達了訂位需求，後來店員告訴她不需要預訂，可以直接現場候位，虛擬助理不僅順利理解突髮狀況中「不需訂位」的意思，還進一步詢問現場大概需要等多久，在這兩個示範案例中，接電話的店員都絲毫沒有察覺異狀。

機器與人類對話，三問題值得思考

Google在大會現場沒有透露這項技術是如何研發的，但在官方博客上有補充，說明核心是遞歸神經網路（RNN），並建立在TensorFlow Extended（RFX）上，為了提升精準度，Google使用多通匿名電話來訓練Duplex，建構出來的模型還考慮到了許多因素，例如在特定情況下的語調、答話的速度等等，例如有人問你：「大概幾點方便？」一般人會思考稍作停頓再回答，機器也必須模仿這類狀況，才能更加自然。

目前這項科技還沒發展完全，僅能應對簡單的服務預訂談話，應用場景相當有限，不能隨意談論任何話題，Google表示Duplex有「自我監控能力」，若談話內容超出能力範圍，會自動發出警示讓人類接手，且僅支持英文。

撇開技術不說，Duplex確實改變了機器與人類互動的想像，但也有三個值得討論的問題：

象是Google有義務吿訴對方自己是在跟機器對話嗎？這是一個兩難的選擇，若接起電話一開始就聽到：「嘿，我是機器人！」那麼大部分的人應該會下意識直接掛掉吧。

另外，無論再小的談話，都具有一定的社交價值，當我們無法分辨電話那端是真人或機器時，會不會讓人心變得猜忌，且削弱我們對所見所聞的信任嗎？另外這項技術會不會變成一種階級特權，讓掌握技術的人，隨意將無聊、不想處理的對話通通丟給機器？

這些都是值得討論的問題，雖然這項技術離普及應用可能還有一段距離，但光憑大會上的簡短示範，效果就已經令人相當驚艷。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！