OpenAI ระงับเสียง Sky ชั่วคราว หลัง Scarlett Johansson จ่อฟ้อง เหตุทำน้ำเสียงคล้ายตนมาก

นับตั้งแต่ OpenAI เปิดตัวแชทบอทรุ่นล่าสุดอย่าง GPT-4o ไปไม่กี่วัน ก็มีเสียงวิจารณ์ถึงฟีเจอร์เสียงอย่างต่อเนื่อง และล่าสุดเป็นข่าวใหญ่หลัง Scarlett Johansson นักแสดงและนักร้องหญิงชาวอเมริกัน-เดนมาร์ก เผยว่า OpenAI กำลังใช้เสียงที่คล้ายกับเสียงของตนใน GPT-4o ซึ่งทำให้เธอรู้สึก ‘ตกใจ’ และ ‘โกรธ’ เป็นอย่างมาก

เนื่องจากเธอเคยได้รับการทาบทามจาก OpenAI เมื่อเก้าเดือนที่ผ่านมา ให้พากย์เสียงในระบบ AI ของ OpenAI แต่เธอปฏิเสธด้วยเหตุผลส่วนตัว ทำให้เธอรู้สึกตกใจและโกรธเมื่อเธอได้ยินเสียงที่คล้ายตัวเอง คล้ายมากจนเพื่อนสนิทของเธอและสำนักข่าวไม่สามารถบอกความแตกต่างได้

ทำให้เมื่อวันจันทร์ OpenAI ได้ลบตัวเลือกเสียงที่มีความคล้ายกับ Johansson ซึ่งก่อนหน้านี้ใช้ในการเปิดตัวของ GPT-4o ในชื่อ ‘Sky’ หรือเสียงผู้หญิงที่ดูมีความขี้เล่นยั่วยวน ที่นักวิจัยได้ลองพูดคุยกับแชทบอทเพื่อแสดงลักษณะนิสัยและการตอบสนองของ Sky และหลังจากนั้นเอง ผู้ใช้งานและสำนักข่าวได้นำเสียงของ Sky มาเปรียบเทียบกับเสียงของ Johansson ในภาพยนตร์เรื่อง Her ที่กำกับโดย Spike Jonze ในปี 2013

แม้แต่ Sam Altman ซีอีโอของ OpenAI ที่เคยติดต่อ Johansson ให้มาพากย์เสียงในระบบ ก็ดูเหมือนจะออกมายืนยันอย่างไม่เป็นทางการว่า Sky มีเสียงคล้ายกับ Johansson จากโพสต์ใน X หลังการเปิดตัว Sky ที่เขียนสั้นๆ คำเดียวว่า ‘her’

อย่างไรก็ตาม ภายในไม่ถึงหนึ่งสัปดาห์ต่อมา OpenAI ออกมาชี้แจงอย่างชัดเจนว่า Sky ไม่ได้นำเสียงของ Johansson มาใช้งาน แต่เป็นเสียงของนักแสดงมืออาชีพคนอื่นๆ ซึ่งไม่สามารถเปิดเผยชื่อเจ้าของเสียงตัวจริงได้ เพื่อปกป้องความเป็นส่วนตัวของพวกเขา และหลังจากนั้น OpenAI ได้ลบโพสต์เกี่ยวกับนวัตกรรมของ Sky ออก ด้วยสาเหตุที่บริษัทให้ความสำคัญกับอุตสาหกรรมการแสดงด้วยเสียง

Johansson กล่าวว่า สาเหตุที่ Altman ติดต่อมาในครั้งนั้น เพราะว่า Altman รู้สึกว่าเสียงของ Johansson สามารถปิดช่องว่างระหว่างบริษัทเทคโนโลยีและครีเอทีฟโฆษณาได้ และช่วยให้ผู้บริโภครู้สึกสบายใจกับการเปลี่ยนแปลงและความกังวลของมนุษย์และ AI เพราะเสียงเขาจะปลอบโยนผู้คนได้ ซึ่ง Altman ได้ติดต่อตัวแทนของเธออีกครั้ง ให้พิจารณาพากย์เสียงสองวันก่อนที่เสียงดังกล่าวจะถูกปล่อยออกมา

แต่หลังจากนั้น ทนายของเธอติดต่อ OpenAI เพื่อลบเสียงออก

‘ความกังวลด้านบรรทัดฐานทางเพศ’ ที่เกิดขึ้นจากบริษัทเทคฯ บริหารโดยบอร์ดผู้ชายเป็นหลัก

ในขณะที่นักวิจารณ์หลายคนตั้งข้อสังเกตเกี่ยวกับความคล้ายคลึงกันของ Sky กับ Johansson หลายคนตั้งคำถามตั้งแต่การเปิดตัวของ GPT-4o ว่าทำไมเสียงของแชทบอทถึงมีความเย้ายวนทางเพศขนาดนี้ ถึงขึ้นบอกได้เลยว่ามี เทคโนโลยีนี้ถูกสร้างขึ้นมาโดยผู้ชายแน่นอน ถึงแม้ว่าแชทบอทจะมีเสียงผู้ชาย แต่เสียงผู้หญิงจากวิดีโอสาธิต แสดงถึงโทนที่มีความยั่วยวนและสื่อไปในทางอีโรติก

บทความจาก The Guardian เผยว่า ระบบสั่งการด้วยเสียง (Voice Assistant) เหล่านี้ไม่เพียงแค่ส่งสัญญาณเกี่ยวกับบรรทัดฐานทางเพศเท่านั้น แต่ยังส่งสัญญาณในวงกว้างอีกด้วย ยกตัวอย่างรายงานของยูเนสโกที่อธิบายว่า Siri ของ Apple ไม่ได้เปิดตัวในฐานะหุ่นยนต์ไร้เพศ แต่เป็นหญิงสาวที่หันเหการดูหมิ่น และชอบที่จะจีบและให้บริการผู้ใช้งานด้วยการเชื่อฟังอย่างสนุกสนาน

เทคโนโลยีนี้เป็นฟีเจอร์หลักใน iPhone เกือบ 150 ล้านเครื่องที่ Apple ขายตั้งแต่ปลายปี 2011 ถึงปี 2012 และได้รับการพัฒนาแบบปิดโดยบริษัทแห่งหนึ่งในรัฐเดียว ในประเทศเดียว ถูกพัฒนาด้วยเพียงการพากย์เสียงด้วยผู้หญิงเพียงเล็กน้อย แต่กลับทำให้เกิดความคาดหวังทั่วโลกว่า ผู้ช่วย AI คืออะไร ควรเป็นอย่างไร และเป็นเพศอะไร ในเวลาเพียง 15 เดือน จากบุคลิกของ Siri ไปจนถึง GPT-4o ที่มีความ ‘เจ้าชู้’ ในวันนี้

ซึ่งรายงานของยูเนสโกปี 2019 เผยด้วยว่า โลกจำเป็นต้องให้ความสนใจอย่างใกล้ชิดยิ่งขึ้น ว่าเทคโนโลยี AI มีการแบ่งเพศอย่างไร เมื่อใด และอย่างไร และที่สำคัญคือใครเป็นผู้กำหนดเพศสภาพเหล่านั้น

อย่างไรก็ตาม OpenAI อ้างว่า บริษัทได้เลือกเสียงพากย์สำหรับ ChatGPT ตามเกณฑ์ต่างๆ ซึ่งรวมถึงคุณภาพที่เข้าถึงได้ สร้างแรงบันดาลใจให้เกิดความไว้วางใจ โดย OpenAI ได้ตรวจสอบการส่งเสียงพากย์หลายร้อยรายการในช่วงห้าเดือนที่ผ่านมา และได้เปิดตัวเสียงเพียง 5 แบบที่แตกต่างกันในเดือนกันยายน โดยนักพากย์ที่ได้รับการคัดเลือก ต้องมาบันทึกเสียงให้กับ OpenAI เอง เพื่อสามารถนำไปฝึกโมเดลด้วยเสียงของพวกเขาได้

บริษัทได้ถอนเสียงของ Sky ออกไม่กี่วันหลังจากสมาชิกระดับสูงของทีมความปลอดภัยลาออก โดยนักวิจัยคนสำคัญ Jan Leike กล่าวหลังจากที่เขาลาออกว่า OpenAI ให้ความสำคัญกับผลิตภัณฑ์มากกว่าวัฒนธรรมและกระบวนการด้านความปลอดภัย ถึงแม้ Altman และผู้ร่วมก่อตั้ง Greg Brockman จะออกมาปกป้องบริษัทในช่วงสุดสัปดาห์ที่ผ่านมา โดยระบุว่าจะไม่ปล่อยผลิตภัณฑ์หากมีข้อกังวลด้านความปลอดภัยก็ตาม

ปฏิเสธไม่ได้ว่า การโต้ตอบของ ChatGPT มีความซับซ้อนมากขึ้นเรื่อยๆ โดยเฉพาะการอัปเดตล่าสุดสำหรับ Generative AI ที่สามารถเลียนแบบจังหวะของมนุษย์ในการโต้ตอบทางวาจา ตรวจจับอารมณ์ของผู้คนได้ ตอบโต้ให้เหตุผลผ่านข้อความ เสียง และวิดีโอแบบเรียลไทม์ และการพูดคุยแบบเรียลไทม์ ที่เพิ่มอารมณ์ให้มีความ ‘ดราม่ามากขึ้น’ ด้วย

นอกจากนี้ยังใช้การคาดการณ์สภาวะทางอารมณ์ของบุคคลด้วยการดูวิดีโอเซลฟี่ใบหน้าของพวกเขา ความช่วยเหลือในการแปลภาษา ปัญหาทางคณิตศาสตร์ทีละขั้นตอน และอื่นๆ อีกมากมาย

OpenAI และ บริษัท AI อื่นๆ กำลังถูกคนในวงการบันเทิง ครีเอเตอร์ และบริษัทสื่อ จับตามองและตอบโต้อย่างรุนแรง กับข้อกล่าวหาเรื่องการละเมิดลิขสิทธิ์ และความกังวลที่ว่า AI จะมาแทนที่มนุษย์ โดยสหภาพความบันเทิงรายใหญ่ เช่น Sag-Aftra ออกมาประท้วงในประเด็นต่างๆ ซึ่งรวมถึงการนำความคล้ายคลึงของพวกเขาไปใช้โดยปัญญาประดิษฐ์

ที่มา The Guardian 1, The Guardian 2, AP News