黒パグが音声認識に敗北した日 黒パグ再起動第二弾 ネタ記事
ムーチョグラシアス。黒パグです🐾
発音は「ムーチョょす、ぐらぁすぃあす」なんですが、もはや敗北した黒パグには恥も外聞もありません。全部さらしていきます。
本日は朝からアストラのデビューでわちゃわちゃしていました。すると、横に置いていたiPadのChatGPTが、いつの間にか音声会話を起動していました。
せっかくなので、そのまま少し話してみることにしました。
この軽い判断が、黒パグと音声認識AIによる長い戦いの始まりでした。
黒パグの語学力
黒パグは日本語ネイティブ。英語は業務で使える程度、スペイン語・韓国語・中国語は挨拶程度です。
普段は多国籍企業で働いており、日常会話の共通語は英語です。日本人、韓国人、中国人、米国人、ベトナム人、インド人、イタリア人、ウクライナ人など、さまざまな国の精鋭たちが切磋琢磨しています。
悔しいので言っておきますが、難しいAI用語や技術的な議論も、英語で特に支障なくこなせます。
訛りがないとは言いません。しかし、会話はできます。
できます。
悔しくないもん。
実録：開幕から名前を奪われる
GPTから提示された最初の例文は、こちらです。
Hello, I am Kuro Pug.
黒パグも、そのまま読みました。
Hello, I am Kuro Pug.
音声認識結果。
Hello, I am Klopago.
開始早々、黒パグは「Klopago」になりました。
英語圏の音声認識が「黒パグ」を知らないこと自体は理解できます。しかし、一問目から名前を奪う必要はあったのでしょうか。
この時点では、まだ笑っていました。
多言語で突破を試みる
英語が難しいなら、ほかの言語を使えばいい。
そう考えた黒パグは、日本語、韓国語、中国語、スペイン語、フランス語、ロシア語などを順番に試しました。
こんにちはGPTさん。私は黒パグです。
나는 크로파그입니다.
Buenas tardes.
Muchas gracias.
Bonjour.
Спасибо.
しかし結果は安定しません。
中国語は別の言葉に変換され、スペイン語は途中からポルトガル語のような何かになり、フランス語からロシア語へ移動した末に、なぜか「ビーフストロガノフ」へ到着しました。
もう言語能力の検証ではありません。
音声認識AIが、未知の音声に対してどこまで自信満々に別の言葉を割り当てられるかを観察する実験です。
英語を直接試験する
ここから少し真面目に検証します。
GPTが英文を提示し、黒パグがそれを読む。認識結果を確認し、もう一度発音する。単純な直接試験です。
最初の例文はこちら。
The system recognized my words, but misunderstood my accent.
一度目の認識は比較的良好でした。
ところが、少し発音や間を変えると結果が揺れます。
長い単語や専門用語が読めないわけではありません。むしろ短く、一般的な単語の組み合わせほど、文脈による補正が強く働いているように見えました。
ここで、ある現象に気づきます。
RecognitionがRecommendationになる
黒パグが言ったのは、こちらです。
I said recognition, not recommendation.
ところが認識結果では、recognitionがrecommendationへ変わることがありました。
さらに言い直すと、今度はlegalizationらしき単語まで混入します。
Recognition is different from recommendation.
ただ違いを説明しているだけなのに、音声認識側では話がどんどん別方向へ進みます。
AIは音声を単純に文字へ置き換えているわけではありません。前後の文脈や、もっともらしい単語の並びを使って、聞こえた音を補っています。
その補正が当たれば便利です。
外れると、発言者が一度も言っていない単語を使って、勝手に意味の通る文章を完成させます。
音声認識版のハルシネーションです。
認識について語ったら哲学が始まった
次の例文です。
Recognition matters because voice recognition is not always recognition.
少し意地悪な文章ではあります。しかし、使われている単語は難しくありません。
音声認識結果。
Recognition matters because boys’ recognition is not always recognition.
VoiceがBoysになりました。
認識について話していたはずが、突然「少年たちの認識」に関する哲学が始まりました。
さらに短い文章を試します。
The voice belongs to the boys.
認識結果。
The voice belong to the boys.
今度は文法まで壊れました。
文脈を補いすぎると別の意味になり、短くすると文法が崩れる。
黒パグはだんだん、自分が英語の試験を受けているのか、AIのデバッグをしているのか分からなくなってきました。
最終試練：文脈を剥がす
最後は単語だけを読みました。
Voice.
Boys.
Voice.
Boys.
前後の意味を極限まで減らし、音だけで区別できるかを確認します。
しかし、単語だけにすると補正に使える文脈がありません。認識はさらに不安定になり、最終的には処理そのものが拒否されました。
そしてシステムは考えることをやめた
画面に表示されたのは、こちらです。
ChatGPTはうまく理解できませんでした。もう一度お試しください。
もう一度？
嫌です。
ここまで名前を奪われ、言語を壊され、RecognitionをRecommendationやLegalizationへ飛ばされ、VoiceをBoysにされました。
最後はシステム側から「理解できません」と終了宣言です。
音声認識結果、なし。
誤変換結果、おもしろし。
再試行、なし。
敗北を認めます
多国籍の同僚と英語で会話できても、AIの前ではKlopagoになる。
難しい技術用語を説明できても、VoiceとBoysの区別で敗北する。
発音の問題なのか、訛りなのか、マイクなのか、音声認識モデル側の文脈補正なのか。おそらく全部が少しずつ関係しています。
少なくとも今回分かったのは、人間同士の会話で通じる発音と、AIが安定して文字へ変換できる発音は、必ずしも同じではないということです。
最終結果。
多言語の同僚と会話できても、AIの前では「Klopago」になりました。謎の会社化も一瞬で、最後には処理を拒否されました。
音声認識は、長年聞き返してきた発音の甘さを容赦なく突きつける存在でした。
完敗です。
本当に、悔しくないもん。
それではまた🐾
#ChatGPT
#生成AI
#音声認識
#英語学習
#AI検証
#黒パグ
