Vox ex Machina. Una historia cultural de las máquinas parlantes: ganamos dinero, no arte

Vox ex Machina. Una historia cultural de las máquinas parlantes, por Sarah A. Bell, académica, escritora, profesora y actualmente profesora asociada en la Universidad Tecnológica de Michigan. Publicado por MIT Press en acceso abierto.

Vox ex Machina analiza la búsqueda del diseño de máquinas electrónicas que simulen la voz humana. En el libro, Sarah A. Bell describe el desarrollo de una selección de sintetizadores de voz lanzados durante el siglo XX, investiga sus limitaciones, considera las implicaciones de la adopción de tecnología activada por voz humana y establece paralelismos con las voces sintetizadas actuales utilizadas como asistentes en el hogar. o como prótesis.

El autor también analizó parte de la cobertura mediática de productos específicos de síntesis de voz. La investigación muestra que siempre ha habido personas que percibieron una máquina parlante como un paso hacia la automatización, o incluso la sustitución, de los seres humanos. Por ejemplo, un artículo de la revista Redbook de 1955 citaba expertos preocupados de que las tasas de matrimonio pudieran disminuir si «muchas funciones de la mujer estaban siendo usurpadas por las máquinas».

Manos de «Voderette» que muestran cómo utilizar el Voder

The Voder, 1939. El primer sintetizador de voz electrónico del mundo.

La investigación de Bell sobre los sintetizadores de voz muestra que las máquinas desarrolladas durante las últimas décadas ya estaban plagadas de los mismos problemas éticos y prácticos que presentan las interfaces de voz actuales. Su capítulo sobre Voder, por ejemplo, revela que cuestiones como la «caja negra» de la tecnología y el ocultamiento del trabajo cognitivo humano no son nada nuevo. Voder, una máquina de información parlante que debutó en 1939, no sólo previó las decenas de miles de trabajadoras de la información que serían desplazadas por las nuevas tecnologías de la información en las próximas décadas, sino que también se presentó como una obra maestra de ingeniería que descompuso el habla humana en sus Componentes acústicos. Sin embargo, en lugar de facilitar el trabajo a sus usuarios, Voder requirió un trabajo cognitivo intensivo por parte de las trabajadoras. Los operadores de Voder en formación recibieron un tutorial y practicaron durante seis sesiones de treinta minutos por día. Les llevó unos seis meses aprender a formar todos los sonidos y otros seis meses desarrollar la técnica necesaria para hacer comprensible el habla.

Juguete eléctrico Speak & Spell fabricado por Texas Instruments, 1978 (foto)

Bell cree que, incluso hoy en día, las voces sintetizadas tienen una capacidad fundamentalmente limitada para simular la comunicación humana expresiva. Uno de sus defectos más flagrantes es la falta de encarnación: las máquinas parlantes no experimentan las interacciones culturales encarnadas y de múltiples capas que dan lugar al amplio espectro de sentimientos, personalidades y emociones humanas. Además, explica, las máquinas parlantes entienden y utilizan el lenguaje de maneras fundamentalmente diferentes a las de los humanos. Modulamos el lenguaje y la voz para intentar llegar a un entendimiento mutuo. Las máquinas son sonoramente repetitivas y están limitadas por las suposiciones incorporadas en el modelo de lenguaje con el que han sido programadas. Con el uso generalizado de estas tecnologías, perdemos exposición a la diversidad vocal y la expresividad de otros seres humanos y corremos el riesgo de perder parte de nuestra capacidad de beneficiarnos de las interacciones sociales con otras personas.

Se pueden habilitar problemas como que los niños aprendan que está bien insultar a los asistentes de voz o la resistencia a los estereotipos de género a través de la exposición a asistentes de voz femeninas. Lo que preocupa al autor, sin embargo, es que una voz sintetizada mantenga la ilusión de que las interacciones de información corporativa son interpersonales. Siri no es una compañera social impulsada por la empatía y la simpatía. Cambiar el sonido de su voz de femenina a masculina o viceversa no cambiará el hecho de que un asistente doméstico inteligente es la «voz» de una corporación tecnológica con sede en Estados Unidos, cuyos principales objetivos consisten en aumentar su margen de beneficio y ganar poder a través del masa masiva. cantidad de información que recopila el dispositivo.

En los últimos años, el solucionismo tecnológico ha tratado de convencernos de que las interacciones de voz conversacionales impulsadas por la IA son una solución rápida para la escasez de personal de enfermería y salud mental, para una empresa que resuelve el problema de la soledad y para la asistencia al cliente en el comercio minorista. ambientes. Se cumplan o no estas promesas, la historia de la síntesis de voz sugiere que el uso generalizado y no regulado de estas tecnologías quedará en manos de corporaciones cuyos valores a menudo no se alinean con el bien de la sociedad en su conjunto.

Vox ex Machina. Una historia cultural de las máquinas parlantes es un libro fascinante. Es informativo, bien investigado y lleno de hechos. Sin embargo, a veces es un poco nerd. A veces me perdía en los detalles tecnológicos o en las minuciosas descripciones de obras de la cultura popular que intentaban dar sentido al uso de la tecnología de síntesis de voz.