چرا صدای دستیارهای صوتی زنانه است؟ بررسی دلایل تاریخی، فنی و روانشناختی
تا به حال فکر کردهاید که چرا صدای سیری (Siri) دختر است؟ یا وقتی از گوگل اسیستنت (Google Assistant) کمک میخواهید، یک صدای زنانه پاسخ شما را میدهد؟ حتی صدای پیشفرض چتباتهایی مانند ChatGPT نیز زنانه است. دلیل اینکه صدای بیشتر دستیارهای صوتی و ایجنتهای هوشمند زنانه است، تنها به دلایل آکوستیک و زیباییشناسی محدود نمیشود، بلکه ریشه در ترکیبی از دلایل تاریخی، فنی و روانشناختی دارد. در این مقاله آموزشی، به بررسی دقیق دلیل انتخاب صدای زنانه برای دستیارهای هوشمند میپردازیم.
۱. تاریخچه مراکز تلفن و استانداردسازی صدای زنانه
یک واقعیت تاریخی جالب در مورد شکلگیری دستیارهای صوتی وجود دارد. زمانی که الکساندر گراهام بل اولین مرکز تلفن را تاسیس کرد، متوجه شد که اپراتورهای مرد رفتار چندان مودبانه و صبوری با تماسگیرندگان ندارند. به همین دلیل، تصمیم گرفت تا زنان را برای این کار استخدام کند. با ورود اولین اپراتور زن به نام «اِما نات» (Emma Nutt)، این روند به سرعت تغییر کرد؛ به طوری که تا سال ۱۸۸۰ تقریباً تمام اپراتورهای صوتی و تلفن، زن بودند و این موضوع به یک استاندارد جهانی در ارتباطات تبدیل شد.
۲. دادههای آموزشی ارزانتر برای سیستمهای تبدیل متن به گفتار (TTS)
استاندارد استفاده از صدای زنانه خیلی سریع به صنایع دیگر مانند هوانوردی و سیستمهای هشدار نیز منتقل شد. این اتفاق باعث شد که طی چند دهه، آرشیو صوتی و دیتابیسهای مربوط به صداهای زنانه بسیار وسیع و غنی شود.
سالها بعد، این آرشیوهای صوتی گسترده به عنوان «دادههای آموزشی» (Training Data) در سیستمهای تبدیل متن به گفتار (TTS) و توسعه مدلهای هوش مصنوعی مورد استفاده قرار گرفتند. امروزه به دلیل وجود همین پایگاه داده عظیم، هزینه و زمان توسعه محصولات هوش مصنوعی با صدای زنانه بسیار ارزانتر و سریعتر تمام میشود. میزان تفاوت این هزینه به حدی است که مدیر جهانی مهندسی گفتار گوگل اعلام کرده است: دستیار صوتی گوگل (Google Assistant) در ابتدا قرار بود با هر دو صدای زن و مرد عرضه شود، اما به دلیل گرانتر بودن فرآیند توسعه صدای مردانه، در انتشار اولیه از آن صرفنظر کردند.
۳. روانشناسی صدا و ترجیح کاربران در هوش مصنوعی
علاوه بر هزینههای اقتصادی هوش مصنوعی، ترجیحات روانی کاربران نیز نقش پررنگی در این انتخاب دارد. طبق گزارشهای منتشر شده توسط مایکروسافت، اکثر انسانها فارغ از جنسیت خود، ترجیح میدهند صدای دستیار صوتی آنها زنانه باشد. دلیل این امر آن است که در ناخودآگاه بسیاری از افراد، صدای زنانه با ویژگیهایی مانند مهربانی، صبر و رویکرد حمایتی پیوند خورده است و افراد برای کمک گرفتن در کارهای روزمره، ارتباط بهتری با آن برقرار میکنند.
با این حال، روانشناسی صدا نشان میدهد که وقتی هدف کاربری یک دستیار هوشمند فنیتر و تخصصیتر میشود، تمایل کاربران به شنیدن صدای مردانه افزایش مییابد؛ زیرا صدای مردانه در ذهن مخاطب، قاطعیت و اعتمادبهنفس بیشتری را تداعی میکند. به عنوان مثال، شرکت خودروسازی BMW در دهه ۹۰ میلادی برای مدتی از صدای زنانه در سیستم ناوبری هوشمند خود استفاده کرد؛ اما بررسیها نشان داد که رانندهها کمتر به دستورات صدای زنانه گوش میدهند، زیرا احساس میکردند صدای پخششده قاطعیت کافی برای راهبری و هدایت در جاده را ندارد.
نتیجهگیری
استفاده از صدای زنانه در دستیارهای صوتی محبوبی چون سیری، گوگل اسیستنت و سایر مدلهای هوش مصنوعی، تصادفی نیست. این موضوع نتیجهی بیش از یک قرن استانداردسازی صدای زنان در اپراتوری، وجود دادههای آموزشی عظیم و ارزانقیمت برای مدلهای تبدیل متن به گفتار (TTS) و همچنین انتظارات روانشناختی کاربران از یک دستیار حامی و مهربان است.