صدای غالب دستیارهای صوتی و سرویسهای هوش مصنوعی مانند سیری، کورتانا و الکسا زنانه است. حتی گوگل هم از صدایی زنانه برای سرویس اسیستت خود استفاده میکند.
برخی از کارشناسان و دانشمندان به این موضوع انتقاد دارند و آن را ترویج بینشهای جنسیتی شناخته در میان انسانها برای حوزه هوش مصنوعی میدانند.
در پاسخ به این نگرانی، تیم دانمارکی Vice Media Virtue اولین صدای غیر باینری و جنسیتی هوش مصنوعی به نام «Q» را ساخته و در جشنواره SXSW تگزاس رونمایی کردند.
آنها صدای Q را پاسخی به صداهای دستیارهای صوتی هوش مصنوعی زنانه عنوان و تأکید کردند در دنیای دیجیتال صدای زنانه و مردانه بیمعناست.
جولی کارپنتر، محقق و استاد دانشگاه پلیتکنیک کالیفرنیا که به تیم دانمارکی سازنده صدای Q مشاوره داده است؛ میگوید: هیچ دلیلی برای جنسیتی کردن صدای دیجیتالی وجود ندارد.
وی تاکید میکند فناوری به دنبال برداشتن این کلیشههای سنتی و قدیمی است. دستیارهای صوتی پیشرو در بازار مانند سیری، الکسا، کورتانا و اسیستنت یک زن را به عنوان دستیار معرفی میکنند و حتی نامهای این سرویسها زنانه است.
کارپنتر میگوید: ظاهرا اینطور وانمود میشود که هوش مصنوعی مبتنی بر صدای زنان، نقش حمایتی و پشتیبانی یا کمکرسانی بهتری به مردم القا میکند و برعکس شرکتهای فناوری صدای مردانه را فقط برای حوزههای فنی و تخصصی استفاده میکنند.
هوش مصنوعی نه زن است نه مرد!
یکی از سخنگوهای مایکروسافت در مراسم رونمایی از صدای Q به این انتقاد اینطور پاسخ میدهد که یک صدای زن به اهداف ما در ایجاد یک دستیار صوتی دیجیتالی نزدیکتر است.
یکی از اعضای تیم Vice Media Virtue گفت طراحی و ساخت یک صدای غیر جنسیتی کاری آسان نیست و با کمک استودیوی Good Thirty Sounds صدای Q ساخته شده است.
صدای مردان فرکانسی بین ۸۵ تا ۱۸۰ هرتز دارد ولی صدای زنان به طور معمول در فرکانس ۱۴۰ تا ۲۵۵ هرتز است. بنابراین، این دو محدوده یک بخش همپوشانی دارند و اگر شرکتی میخواهد صدای غیر جنسیتی تولید کند؛ باید در این محدوده باشد.
تیم سازنده صدای هوش مصنوعی غیر باینری Q، ابتدا صدای ۲۲ فرد دگرجنسگونه (transgender) را ضبط کرده و براساس آن صدای Q را تولید کردند. آنها روی صدای بیش از ۴۶۰۰ سوژه کار کردند تا این افراد برگزیده و صدای آنالوگ آنها ضبط و استفاده شود.
بهترین فرکانس برای صدای غیرجنسیتی بین ۱۴۵ تا ۱۷۵ هرتز است و صدای Q نیز در این فرکانس قرار دارد.