匯流新聞網記者王佐銘／綜合報導
近來隨著ChatGPT爆紅，AI話題成為大熱門，最近即有報導指出，目前的AI人工智慧最近已經進化到難以想像的地步，只要花6秒的時間，就可以透過聲音除可以分辨出發言者的性別、年紀與種族外，甚至可以描繪出長相。
這款由麻省理工學院(MIT)所打造出來的AI，研究人員用一個由數百萬個影片剪輯而成的數據集，對一個名為Speech2Face的神經網路模型進行自我訓練，而這款網路的運作大概分成兩部分，一個是語音編碼器，主要負責對輸入的語音來進行分析，並預測出相關的臉部特徵；另一個則是臉部解碼器，主要對輸入的臉部特徵來進行整合並產生圖像。從最終結果來看，僅用了6秒，就能靠著聲音來還原人臉，效果上是令人滿意的。
該研究團隊表示，他們的目的並非為了準確還原說話者的模樣，Speech2Face模型主要是為了研究語音與相貌之間的關聯性。目前Speech2Face已經可以識別出性別，而對於白種人與亞洲人也能輕易分辨，在年紀部分從30、40、70歲的年齡段聲音命中率會比較高一點。
除了基礎的性別、年紀與種族外，Speech2Face還可以猜中一些臉部特徵，像是鼻子結構、嘴唇厚度與形狀、咬合等情況，也可以猜出大概的臉部骨架，基本上聲音輸入的時間越長，這款AI的準確率就越高；不過研究人員也坦言，AI的聽覺也會有錯，這款AI會將尚未經歷變聲期的小男生當作女性、對說話者的口音也會有判斷錯誤的時候、甚至搞錯年齡等。研究人員表示，Speech2Face之所以會有侷限性，部分原因是因為數據集中的說話者，本身種族多樣性不夠豐富，所以讓它在辨認不同種族人士聲音這樣的能力上是比較弱的。
不過也有人認為這項技術背後所隱藏的隱私與歧視等問題，令人擔憂；他們認為雖然這是純粹的學術調查，但臉部信息的潛在敏感性，是有必要進一步討論當中的道德因素，應該要對此進行嚴謹的技術測試，並確保實際數據可以代表預期中的用戶群。
照片來源：CNEWS資料照片
《更多CNEWS匯流新聞網報導》
IBM發布最新年度資安報告 去年4月至今勒索軟體流量增加800%
【文章轉載請註明出處】
